一般OCR套路是这样的
1.先检测和提取Text region.
2.接着利用radon hough变换 等 *** 进行文本校正。
3.通过投影直方图分割出单行的文本的。
最后是对单行的OCR
对单行的OCR主要由两种思想
之一种是需要分割字符的。
分割字符的 *** 也比较多，用的最多的是基于投影直方图极值点作为候选分割点并使用分类器+beam search 搜索更佳分割点。
搜索到分割点之后对于单个字符，传统的就是特征工程+分类器。 一般流程是 灰度 -> 二值化->矫正图像 -> 提取特征( *** 多种多样例如pca lbp 等等) ->分类器(分类器大致有SVM ANN KNN等等 )。
现在的 CNN（卷积神经 *** ）可以很大程度上免去特征工程。
第二种是无需分割字符的
还有一点就是端到端（end to end）的识别，但前提是你需要大量的标注好的数据集。 这种 *** 可以不分割图像直接以连续的输出字符序列。
对于短长度的可以使用mutli-label classification 。比如像车牌，验证码。 这里我试过一个车牌的多标签分类。 车牌识别中的不分割字符的端到端(End-to-End)识别
google做街景门牌号识别就是用的这种 *** 。
什么是OCR技术
ocr身份证异常就是没有有效的提取信息，无法提取证件上的文字信息上传，
可以选择手动录入。目前ocr识别技术无法保证100%识别成功，识别正确，只能是无限接近与100%，所以说遇到这种情况很正常。
OCR（OpticalCharacterRecognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）针对印刷体字符，采用光学的方式将文字转换成为黑白图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
ocr文字识别
OCR技术是光学字符识别的缩写(Optical Character Recognition)，是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。
也就是说，利用这一技术，可以直接从影像中提取金额、帐号、文字资料等重要数据，生成我们所需的新文本，进而代替人的手工录入。
ocr文字识别意思是光学字符识别技术。
OCR全称是Optical Character Recognition，是最为常见的、也是目前更高效的文字扫描技术，它可以从或者PDF中识别和提取其中的文字内容，输出文本文档，方便验证用户信息，或者直接进行内容编辑。
典型的OCR技术路线分为5个大的步骤，分别是输入、图像与处理、文字检测、文本识别，及输出。每个过程都需要算法的深度配合，因此从技术底层来讲，从到文字输出，要经历一些过程。
ocr技术过程
图像输入，读取不同图像格式文件。
图像预处理，主要包括图像二值化，噪声去除，倾斜校正等。
版面分析，将文档分段落，分行。
字符切割，处理因字符粘连、断笔造成字符难以简单切割的问题。
字符特征提取，对字符图像提取多维特征。
字符识别，将当前字符提取的特征向量与特征模板库进行模板粗分类和模板细匹配，识别出字符。
版面恢复，识别原文档的排版，按原排版格式将识别结果输出到文本文档。
后处理校正，根据特定的语言上下文的关系，对识别结果进行校正。
51秒前
17小时前