基于OCR文字識別技術(shù)應(yīng)用軟件的設(shè)計(jì)與實(shí)現(xiàn)

邱治涵 王嘉豪 李文煒 王東燦

摘要：信息化教育方式的多樣化應(yīng)用是教育教學(xué)創(chuàng)新的重要體現(xiàn)，而文字識別技術(shù)在電子信息教學(xué)方面起著不可忽視的作用。針對傳統(tǒng)的紙質(zhì)試卷保存方式存在的易丟失、易損壞等弊端問題，設(shè)計(jì)實(shí)現(xiàn)了基于Tesseract-OCR引擎的將紙質(zhì)型試題轉(zhuǎn)化電子型試題的智能文字識別移動(dòng)智能終端軟件。本軟件在擁有支持對常見題型的智能轉(zhuǎn)換功能外，還提供試題網(wǎng)絡(luò)共享、在線試題批閱等功能。

關(guān)鍵詞：灰度處理; 雙峰法; Tesseract-OCR; 試題生成;文字識別

中圖分類號：TP391? ? ? 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2021）26-0047-03

開放科學(xué)（資源服務(wù)）標(biāo)識碼（OSID）：

1 引言

隨著文字識別技術(shù)的迅速發(fā)展，其相關(guān)領(lǐng)域的應(yīng)用在人們?nèi)粘Ｉ钪械玫搅藰O大的認(rèn)可。將紙質(zhì)型的試題通過拍照轉(zhuǎn)化成電子型試題的應(yīng)用方式，可以有效地解決用戶在長時(shí)間學(xué)習(xí)的過程中將試卷損壞或遺落，造成后期對應(yīng)試題的復(fù)習(xí)、總結(jié)練習(xí)不便的問題。同時(shí)隨著智能移動(dòng)設(shè)備的普及，電子信息化成為主要的教育發(fā)展趨勢本文綜合國內(nèi)各考試試卷的試題題型，設(shè)計(jì)與實(shí)現(xiàn)了基于Tesseract-OCR引擎的線下試卷拍照轉(zhuǎn)化為線上試卷的移動(dòng)智能端軟件。

2 Tesseract概述

在當(dāng)前主流文字識別技術(shù)中，Tesseract作為主要被使用的開源引擎之一，是20世紀(jì)80年代中期由惠普實(shí)驗(yàn)室開發(fā)、谷歌公司維護(hù)的開源OCR（Optical Character Recognition ， 光學(xué)字符識別）引擎[1]。在這些年Tesseract引擎更新了3.0的版本之后，其與Microsoft Office Document Imaging（MODI）相比，開始支持長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM），可以通過不斷的數(shù)據(jù)集進(jìn)行訓(xùn)練訓(xùn)練，將文字識別的準(zhǔn)確率不斷提高，現(xiàn)已經(jīng)支持對一百多門語言的文字進(jìn)行識別處理。

3 軟件總體設(shè)計(jì)

3.1 功能需求

本軟件主要實(shí)現(xiàn)的功能是用戶通過拍照上傳試題圖片的方式，在本地生成對應(yīng)文字識別后的電子型試題，同時(shí)包括對試題內(nèi)容的修改、共享功能等實(shí)現(xiàn)，主要功能模塊如下。

1） 注冊模塊：新用戶在軟件的賬戶注冊頁面，填寫相關(guān)用戶信息，向系統(tǒng)進(jìn)行提交并反饋對應(yīng)注冊號狀態(tài)。

2） 登錄模塊：用戶在軟件登錄頁面填寫賬戶名和密碼，向系統(tǒng)提交請求后，自動(dòng)進(jìn)行身份校驗(yàn)，如果賬戶名與密碼匹配成功則進(jìn)入軟件首頁，否則提示登錄失敗的原因和重新填寫信息的語句。

3） 圖片上傳模塊：用戶在移動(dòng)端首頁點(diǎn)擊相機(jī)形狀的按鈕，通過拍照的方式將紙質(zhì)試題的內(nèi)容上傳，在上傳過程中用戶可以調(diào)用圖片剪切功能，對需要上傳的圖片大小進(jìn)行調(diào)整，然后向系統(tǒng)發(fā)出請求。

4） 試題共享模塊：用戶在“個(gè)人試題中心”可以選擇試題將其添加入共享區(qū);已添加至共享區(qū)的試卷可被其他用戶查看與使用。如果用戶在本地共享后的試題發(fā)生了修改，共享區(qū)對應(yīng)的試題內(nèi)容也發(fā)生改變。

5） 試題內(nèi)容修改功能：用戶在試卷上傳完成后，可以在試卷對應(yīng)的修改功能區(qū)對其進(jìn)行修改。

6） 試題文字識別模板：該模板作為此軟件的核心模板，它需要根據(jù)用戶上傳的圖片進(jìn)行文字的提取，并按照圖片對應(yīng)的題型轉(zhuǎn)化成電子試題。為保證試題文字識別的準(zhǔn)確率，系統(tǒng)將會優(yōu)先從已有的試題庫中進(jìn)行文字匹配，將其反饋給用戶，用戶可以拒絕選擇試題庫識別的試題，選擇當(dāng)前拍照所轉(zhuǎn)化的電子試題。圖1為試題生成軟件的功能模板。

3.2 非功能需求

1） 實(shí)時(shí)性：用戶對試題修改完成后，共享區(qū)中對應(yīng)分享的試卷同步修改，保證其他用戶在使用時(shí)的實(shí)時(shí)性與準(zhǔn)確性。

2） 可靠性：針對具體模塊的數(shù)據(jù)庫，指定備份與恢復(fù)機(jī)制。建立多級系統(tǒng)日志功能，將對應(yīng)產(chǎn)生的事件或錯(cuò)誤信息進(jìn)行記錄。保證用戶上傳試卷的完整性與軟件的使用可靠度。

3） 獨(dú)立性：每個(gè)用戶正在使用的試卷都獨(dú)立的保存在本地，無網(wǎng)絡(luò)請求，保證了用戶使用的穩(wěn)定性的需求，同時(shí)減輕了服務(wù)器被頻繁訪問帶來的壓力。

3.3 用戶需求

用戶在登錄成功后將出現(xiàn)一個(gè)氣泡導(dǎo)航欄，其包括三個(gè)部分，首頁部分主要使用的功能是拍照上傳并生成對應(yīng)的試題，第二個(gè)部分為所有用戶共享部分，可以拉取個(gè)人所需要的試題至本地保存，最后一部分為個(gè)人試題部分，包含有個(gè)人上傳的信息和生成、拉取的電子試題。

3.4 試題生成流程設(shè)計(jì)

用戶在使用試題拍照功能模塊的時(shí)候，將首先對其的身份進(jìn)行校驗(yàn)，判斷其是否成功登錄，如果未登錄將會跳轉(zhuǎn)至登錄頁面。校驗(yàn)成功后調(diào)用相機(jī)的拍照功能，同時(shí)可以對所拍的圖片進(jìn)行大小截取。然后將圖片向系統(tǒng)進(jìn)行提交后，開始文字識別，生成對應(yīng)的電子試題，用戶可以選擇除軟件智能轉(zhuǎn)化的試題外，還可以選擇從試題數(shù)據(jù)庫中匹配的相關(guān)試題。圖2為試題生成流程圖。

4 文字識別

服務(wù)器對用戶上傳的圖片進(jìn)行文字識別試題生成的過程：

1） 服務(wù)器在接收到用戶的發(fā)出的照片請求后，首先對圖片進(jìn)行灰度轉(zhuǎn)化，將彩色的圖像進(jìn)行灰度處理，對每個(gè)像素點(diǎn)進(jìn)行顏色的RGB值（0～255之間）的轉(zhuǎn)換，同時(shí)對轉(zhuǎn)化后的RGB值的三個(gè)分量進(jìn)行YUV顏色模型求解，再全部儲存在對應(yīng)的矩陣中，繼而建立灰度圖，其中YUV顏色模型為：Y=0.3R+0.58G+0.11B[2]。圖3為上傳的測試試題原圖片。

2） 完成灰度圖的轉(zhuǎn)化后，將轉(zhuǎn)化后的灰度圖進(jìn)行二值化處理：對灰度圖對應(yīng)的矩陣中的值進(jìn)行處理，將像素值小于K值的點(diǎn)設(shè)為0轉(zhuǎn)化為黑色，將像素點(diǎn)大于等于K值的點(diǎn)設(shè)為255轉(zhuǎn)化為白色，其中闕值K采用雙峰法進(jìn)行計(jì)算[3]，并根據(jù)數(shù)組中數(shù)值大小進(jìn)行間距分割。圖4為二值化處理并間隔計(jì)算后的結(jié)果圖。