点击复制内容
软件名称：[B]mimiocr(OCR文字识别软件)绿色版[/B] 软件类型：国产软件 运行环境：Win9X/Win2000/WinXP/Win2003 软件语言：简体中文 授权方式：免费软件 软件大小：2.76 MB 官方主页： 更新时间：2006-04-13 02:21:19 软件简介:
河源下载站推荐下载的mimiocr(OCR文字识别软件)绿色版： 本软件是飞涛软件工作室开发的一款免费Ocr软件,主要用于识别图像文件之中，出现的汉字显示字体。Ocr的中文含意是光学字符识别。 为什么叫Mini呢？因为现有的识别汉字的商业Ocr软件，动辄二三十兆，而本软件解压后，也不过三兆多，身材比较纤小，再加上本软件主要用于识别字体比较小的汉字，所以叫Mini，中文的发音是“迷你”，中文含义是超小型。既然有了商业Ocr软件，为什么还要开发这个软件？ 不同于商业Ocr软件，本软件是免费的，可以自由使用。第二个不同之处，本软件的识别对象是屏幕出现的“显示汉字”，而不是针对扫描仪扫出来的“打印汉字”。二者有什么不同呢？最重要的一点： 扫描出来的打印汉字的高度和宽度一般都在30多个像素点之上，这是我用画图软件，打开某个商业Ocr的samples\sample1.tif，然后一点一点数出来的。从文件名和目录名的中文含意可以看出，这个点数应该是一个典型值。那么，如果用商业Ocr识别屏幕上出现的小五号字，汉字的高度是12个像素点，会出现什么情况呢？ 测试方法：用记事本随便写几行汉字，设置字体为小五号字。这大概是看着还算舒服的最小号的汉字字体了（高度是12个像素点），如果再小，字体就很难看了。然后，按拷屏键PrtSc，把屏幕的图像拷贝、粘贴到画图软件中，修剪尺寸后，保存为bmp的格式。然后，我找了两个国内最著名的Ocr软件进行测试，结果让人大吃一惊，识别率几乎为零。把图像放大两倍，再测试，结果仍然很不理想，大概也只有百分之二三十的样子。开发Mini Ocr软件的由来 我在开发护花使者反黄图像识别软件的时候，遇到有些图像里,嵌有某些文字，如果能把文字识别出来，图像的含义就很容易让计算机理解了。预算有限，我连扫描仪都舍不得买，就更别想买商业Ocr的开发包了，大概几十万,或者更多，或者别人压根就不卖。况且它们的识别率对小字体几乎为零，不符合我的要求。看来，只好自力更生，重新写一个了。开发Mini Ocr的历程 经过三个多月的努力，终于诞生了这款Mini Ocr 软件。第１个月做出了汉字识别的核心模块，第２个月做出了文章段落切分的算法，并加入了对英文，数字，标点的支持，第三个月继续调整英汉混排和汉字切分的算法，并用MFC 做了一个界面。Mini Ocr的软件架构 为了让更多的人能使用到这个软件，我在windows系统下，采用VC进行编程，界面当然只好用MFC写了。软件架构是一个SDI框架下的多窗口切分界面，左上角的窗口是一个CFormView，用来显示常用的按钮；左下角是一个CEditView,用来显示帮助信息；右上角是一个CView,用来显示要识别的图像；右下角是一个CEditView,用来存放识别出来的文字。识别部分采用了工作者线程，以避免显示界面的主线程僵掉。识别部分是整个软件的核心，与操作系统无关，可以单独摘出来放在dos窗口里跑，也可以移植到Linux系统中跑。
汉字识别软件的难点所在：
英文识别有一些开放源码的软件，我看过的软件，主要采取两种识别方法：基于规则的方法，和采用神经网络方法。而这两种方法，在识别汉字时，都不宜采用。因为汉字数目众多，最常用的国标2312的一级汉字就有3755个。如果借用基于规则的方法，需要对三千多个汉字，逐一人工写出分类规则，工作量太大，我一个人无法完成；如果采用神经网络的方法，这么多汉字，我不敢想象，需要多少层网络和神经节点呀！如果采用网格法，抗位移的效果太差；而采用不变矩法，识别人和入，土和士，相似度又难于控制。除此之外，汉字切分也是一大难题。英文宽度大概只有汉字一半，标点符号大概只有汉字三分之一宽，数字大概只有四分之一的宽度。而汉字本身又有二分字，和三分字。某些字，如“啊”，字体小时可能是独体字，字体大些，变为二分字，字体再大，又变为三分字。加上汉字与汉字之间的粘连、汉字与英文的混排，英文与英文的粘连，造成汉字切分模块的算法，甚至比汉字识别模块的算法还要复杂得多。为了克服这些难点，并加快识别速度，我在算法设计时，采用了一些优化和简化的策略。经过实践检验，证明行之有效。Mini Ocr进行汉字识别的策略：1) 采用复合特征的分类方法。2) 字符集选择3755个一级汉字。3) 字体选择最常用的宋体。4) 字号选择从小五号到一号汉字，主要针对20个点之内的小字体。5) 英汉混排时，汉语优先。6) 汉字粘连时，进行动态优化切分。
展望与下一步的开发计划：1) 重新优化英文识别的算法；2) 对英文粘连的切分算法进行调整；3) 移植进入Linux；选择Ocr软件的建议： 如果您选择Ocr软件，目的是用来识别扫描仪出来打印字体，推荐还是选用知名的商业Ocr。如果您要识别屏幕上显示的汉字，Mini Ocr是一个比较不错的选择。真诚地希望您在使用中，能喜欢上它。
首先声明，我不是一个OCR领域的专家。我的经验来自我写Mini Ocr软件的过程。
―― 马飞涛
