基于Python的图片文本识别系统的研究

韩琳

近年来随着计算机技术的不断发展，Optical Character Recognition（光学字符识别，简称“OCR”）应用的领域更加的广泛，而图片文字识别就是其中重要的一个。目前图片文字识别的准确率并没有达到100%，这也成为了图片文字识别发展领域的一大瓶颈，因此要去探索一个好的图片文字识别算法是非常有意义的。

图片文字识别系统的基本流程为：获得图片、去噪处理、二值化处理、矫正图片、行查找、文字定位、细化处理、文字特征扫描、查询显示文字。OpenCv提供了图片处理的基本函数，例如数据矩阵的遍历，图片的存储等，去噪处理中的平滑处理、二值化处理等。矫正图片就是将图片按照文字的行摆正，该步骤是比较的关键一步，后面的行定位等都是依赖于图片矫正。文字的行定位和文字定位即确定文字的区域，方便文字特征扫描，细化处理是将文字细化为一个像素，而不破坏连通性。细化处理是方便特征扫描而做的处理使数据库中存储文字特征码和UTF-8编码对应起来。涉及到的相关技术主要如下。

1. OpenCv

OpenCv是一个基于BSD许可发行的可以跨平台的计算机视觉库。它可以运行在Windows和Linux等操作系统之上，它是由一系列的C函数和少许的C++类构成，同时还提供了Python、Matlab等语言的接口，实现了计算机视觉和图像处理等方面的很多通用算法。

包含的五个基本模块，功能非常的强大。可以在设计中使用的是图形处理模块，结构图如下所示：

2. UTF-8编码

UTF-8是一种针对Unicode的可变长度字符编码，又称万国码，由Ken Thompson于1992年创建。……