OCR (Optical Character Recognition)

 

OCR (Optical Character Recognition) je posebna kategorija vektorizacije, gdje se iz slike teksta izdvaja sami tekst. Očigledno je da sami tekst zauzima puno manje prostora i moguće ga je obrađivati jednostavno pomoću bilo kojeg popularnog programa za obradu teksta.
Područje kojim se bavi vektorizacija je u prvom redu industrija, kojoj je vrlo bitno da svoje nacrte i planove pohrane u, ne samo digitalnom, već i vektorskom obliku. To im omogućuje brži dostup, lakše prenošenje i upotrebu sve dokumentacije koju posjeduju. Također omogućuje dokumentiranje zastarjele dokumentacije pisane ili crtane rukom.

OCR se koristi kako u industriji, tako i u znanosti, poslovanju, općenito svugdje gdje postoji potreba za prenošenjem pisanih materijala, stare dokumentacije u digitalni oblik. Digitalni oblik daleko je pogodniji za sistematizaciju, oblikovanje, ispravljanje, dopunjivanje te pohranjivanje od materijala u pisanom obliku.
OCR također omogućava niz automatskih poslova sortiranja naročito korištenih u pošti (sortiranje pošiljaka prema prepoznatim adresama) te u bankama (prepoznavanje čekova i slipova).
Posebna grana OCR bavi se i prepoznavanjem automobilskih tablica u policijske svrhe (LPR - license plate recognition).
OCR je daleko najbrži način konverzije pisane materije u digitalni oblik, ali još uvijek zahtijeva ljudsku intervenciju i ispravljanje jer niti jedna metoda niti program nisu apsolutno tačni.
OCR se koristi već duže vrijeme pa je i broj programa za OCR velik.
Evo nekih najpoznatijih:

Metode OCR-a

Sve metode koje se koriste u OCR-u podrazumijevaju da se pojedini znakovi izdvoje, a zatim prepoznaju jedan po jedan.
Također pretpostavljeno je da slike budu binarne sa samo crnom i bijelom bojom kako bi se smanjila prisutnost šumova.
Uspoređivanje sa unaprijed definiranom matricom m*n
Kod ove se metode za svaki pojedini znak unaprijed definira položaj crnih i bijelih polja u matrici n*m. Svaki znak koji se pokušava prepoznati smjesti se u odgovarajuću matricu te se zatim uspoređuje položaj crnih i bijelih polja sa svim matricama koje unaprijed definirane. Znak se prepoznaje kao vektor u vektorskom prostoru dimenzije (m*n). Budući da je za dobro definiranje slova potrebna matrica od bar 10*10, dobiva se vektorski prostor dimenzije 100 što je poprilično nepogodno za upotrebu. Ovaj postupak poprilično je osjetljiv na šumove, a pogotovo na rotaciju, translaciju ili bilo koju modifikaciju znaka. Postupak upotrebom matrica bio je jedan od prvih pokušaja OCR, ali se više ne koristi.
Brojanje sjecišta sa horizontalnim i vertikalnim linijama
Kod ove metode odabire se određen broj horizontalnih linija(n) i vertikalnih linija (m). Zatim se traži broj sjecišta sa svakom od linija te pomoću toga definira svako slovo kao vektor u vektorskom prostoru dimenzije (m*n). Uz dobar odabir linija uz bitno smanjivanje dimenzija u odnosu na metodu matrica svaki znak se može precizno definirati. Posebno važno kod ove metode je što daje određenu neovisnost od rotacije, pa čak i izbora fontova.
Metode koje se koriste računanjem momenata
Ove metode koriste modele momenata prvog i drugog reda kako bi opisale pojedino slovo te ga tako i prepoznale. Najčešće korišteni momenti su Zernikeovi momenti. Velika prednost ove metode je neovisnost o rotaciji i translaciji.

U rubnim metodama pronalaze se granice znakova koje se zatim pretvaraju u funkcije kojima je svaki znak opisan (vektorizacija).Iako dobro reagiraju na translaciju i donekle rotaciju ove metode potpuno su ovisne o promjenama fontova.

 

Music OCR
Za razliku od prepoznavanja teksta, gdje se riječi obrađuju jedna za drugom, glazbene oznake je potrebno obrađivati paralelno, zbog prisutnosti višestrukih glasova i drugih muzičkih oznaka. Ovdje bitnu ulogu igra razmak između nota, oznake za tempo i dinamiku te glazbene oznake.

Suvremeni muzički OCR softwareski paketi imaju preciznost koja prelazi 99% u slučaju čistog skena i ako su korištene standardne notacije. Pošto glazbene notacije koriste točke za staccato oznake ili da bi se produljilo trajanje note, artifakti kod skeniranja mogu dovesti do problema pri prepoznavanju.

music

BarCode Reader
Barkod (eng. Bar Code) je sačinjen od vertikalnih linija i razmaka između njih. Niz linija i razmaka različitih širina predstavlja niz brojeva. Barkodovi se obično nalaze na pakiranjima. Barkod daje informacije o zemlji proizvodnje, imenu proizvođača i samom proizvodu.

barcode