關(guān)于Android平臺的OCR文字識別

劉琪+李鑫

摘要：基于Android環(huán)境開發(fā)，介紹了OCR圖片獲取、識別及文件管理技術(shù)，闡述OCR文字識別app在手機平臺上的優(yōu)越性。設(shè)計主要分為兩大系統(tǒng)：圖片識別和文件管理。主要從圖片的灰度化處理、二值化處理、外部接口采用百度OCR這3個各方面進行研究，經(jīng)過對系統(tǒng)軟件功能的測試，最終完成了OCR識圖取字的的功能。

關(guān)鍵詞：Andriod；OCR；灰度化處理；二值化處理；外部接口

中圖分類號：TP317.4 文獻標(biāo)識碼：A 文章編號：1007-9416（2017）07-0229-01

（OpticalCharacterRecognition，OCR）指電子設(shè)備利用文字識別將形狀翻譯成計算機文字的過程。Android是Google公司于2007年l1月5日推出全新軟件平臺. OCR識圖取字app，平臺的開放性、平等性等優(yōu)點，OCR圖片文字識別技術(shù)，避免繁瑣輸入＼存儲操作；真正解決數(shù)據(jù)快速有效記憶的效果。

1 系統(tǒng)需求與設(shè)計

1.1 需求分析

制作OCR文字識別app，中英文在線識別或離線識別分享至qq、微博功能。

1.2 功能模塊設(shè)計

兩個子系統(tǒng)：圖片識別、文件管理；6個子模塊：圖片獲取＼處理＼識別，I/O操作，文件本地管理。

2 OCR文字識別原理與分析

2.1 基于Android平臺的OCR相機

從10%增至50%以上，成為智能手機OS之一。

2.2 圖片處理

2.2.1 圖片灰度化處理

彩色圖像轉(zhuǎn)化灰度過程為灰度化處理。其中R、G、B三個取值范圍：0～255，像素顏色有16777216（256*256*256）種可能。通過MATLAB分析：

方法一：像素的RGB三個分量求均值，存于對應(yīng)的矩陣，構(gòu)建灰度圖；

方法二：轉(zhuǎn)化為YUV顏色模型，Y=0.3R+0.59G+0.11B。構(gòu)建灰度圖>> figure；>> imshow（I）；%

2.2.2 圖片二值化處理

方法一：值小于127像素值設(shè)為0（黑色），大于等于127為255（白色），速度快。缺點閾值為127具有的局限性.小于127則變?yōu)?，否則變?yōu)?55，建二值圖>> figure；>> imshow（I）；%

方法二：值大于K值設(shè)為255（白色），值小于等于K像素設(shè)為0（黑色）。閾值選取精度更高。若平均值為閾值會導(dǎo)致部分像素丟失。>> Sum=0；%定義變量>> K=Sum/533/294；%求得平均灰度值K，小于K則變?yōu)?；

方法三：直方圖在閾值取值在兩個峰之間的峰谷最低處，更加精準(zhǔn)。

2.3 圖片識別

開放OCR接口，云脈文檔識別接口。 圖片離線識別：提供的tesseract-android-tools，編譯平臺Tesseract，jar。

（1）選擇jTessBoxEditor。（2）樣本越多，效果越好。（3）運行后生成num.font.exp0，.tif文件。（4）命名為num.font.exp0.box，Tessercat識別文字。（5）用jTessBoxEditor，手動修稿。（6）定義特征文件。tif和box文件名，應(yīng)在文件中寫入“font 0 0 0 0 0 ”。（7）創(chuàng)建一個批處理文件，最終生成的語言文件。

3 系統(tǒng)測試

3.1 測試環(huán)境

硬件環(huán)境 ：Android智能機，處理器：CPU頻率在1.7GHz以上，內(nèi)存2GB外存8GB攝像頭數(shù)量>=1軟件環(huán)境軟件：Android 4.1以上版本。

3.2 系統(tǒng)功能測試

（1）打開軟件得到待測試圖片，點擊“取圖”按鈕，沒有取圖就直接識別，（2）選擇識別方式，選擇在線識別，不用確定是中文還是英文。（3）在線識別功能測試分別對系統(tǒng)進行測試。無網(wǎng)絡(luò)：請求超時，開關(guān)掉往復(fù)：請求超時。（4）離線識別功能測試一種是普通預(yù)處理，另一種是“二值化處理”，效果上差異。離線識別時，語言類型與所選的翻譯類型不統(tǒng)一，出現(xiàn)亂碼。

4 結(jié)語

OCR軟件不受地域、空間限制，準(zhǔn)確、高效。便利生活。離線測試模塊仍存在缺陷，中文英文文字混合的圖片，識別率不高，出現(xiàn)亂碼。隨著研究不斷深入，對此模塊進行針對性的改進。

參考文獻

[1]Kukich K. Techniques for automatically correcting words in text. ACM Computing Surveys，1992，24（4）：377-438.

[2]Peterson James L. Computer programs for detecting and correcting spelling errors. Communications of the ACM，1980，23（12）： 676-687.

[3]Hisao N， Kazuhiro K， Yasuham S. Post processing for character recognition using keyword information//Proceedings of the IAPR Workshop on Machine Vision Applications. Tokyo， Japan， 1992： 7-9.

[4]Liu L M， Babad Y M， Sun W， Chan K K. Adaptive post processing of OCR text via knowledge acquisition//Proceedings of the 19th Annual Conference on Computer Science. New York， USA， 1991： 558-569.

[5]Wang Q F， Yin F， Liu C L. Handwritten Chinese text recognition by integrating multiple contexts. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2012，34（8）：1469-1481.endprint