【证件识别】 OCR（Optical Character Recognition ， 光学字符识别） ， 是属于图型识别（Pattern Recognition ， PR）的一门学问 。 其目的就是要让计算机知道它到底看到了什么 ， 尤其是文字资料 。 由于OCR是一门与识别率拔河的技术 ， 因此如何除错或利用辅助信息提高识别正确率 ， 是OCR最重要的课题 ， ICR（Intelligent Character Recognition）的名词也因此而产生 。 而根据文字资料存在的媒体介质不同 ， 及取得这些资料的方式不同 ， 就衍生出各式各样、各种不同的应用 。
在此对OCR作一基本介绍 ， 包括其技术简介以及其应用介绍 。
一、OCR的发展 要谈OCR的发展 ， 早在60、70年代 ， 世界各国就开始有OCR的研究 ， 而研究的初期 ， 多以文字的识别方法研究为主 ， 且识别的文字仅为0至9的数字 。 以同样拥有方块文字的日本为例 ， 1960年左右开始研究OCR的基本识别理论 ， 初期以数字为对象 ， 直至1965至1970年之间开始有一些简单的产品 ， 如印刷文字的邮政编码识别系统 ， 识别邮件上的邮政编码 ， 帮助邮局作区域分信的作业；也因此至今邮政编码一直是各国所倡导的地址书写方式 。
OCR可以说是一种不确定的技术研究 ， 正确率就像是一个无穷趋近函数 ， 知道其趋近值 ， 却只能靠近而无法达到 ， 永远在与100%作拉锯战 。 因为其牵扯的因素太多了 ， 书写者的习惯或文件印刷品质、扫描仪的扫瞄品质、识别的方法、学习及测试的样本……等等 ， 多少都会影响其正确率 ， 也因此 ， OCR的产品除了需有一个强有力的识别核心外 ， 产品的操作使用方便性、所提供的除错功能及方法 ， 亦是决定产品好坏的重要因素 。
一个OCR识别系统 ， 其目的很简单 ， 只是要把影像作一个转换 ， 使影像内的图形继续保存、有表格则表格内资料及影像内的文字 ， 一律变成计算机文字 ， 使能达到影像资料的储存量减少、识别出的文字可再使用及分析 ， 当然也可节省因键盘输入的人力与时间 。
从影像到结果输出 ， 须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正 ， 将结果输出 。 在此逐一介绍：
影象输入：欲经过OCR处理的标的物须透过光学仪器 ， 如影像扫描仪、传真机或任何摄影器材 ， 将影像转入计算机 。 科技的进步 ， 扫描仪等的输入装置已制作的愈来愈精致 ， 轻薄短小、品质也高 ， 对OCR有相当大的帮助 ， 扫描仪的分辨率使影像更清晰、扫除速度更增进OCR处理的效率 。
影象前处理：影像前处理是OCR系统中 ， 须解决问题最多的一个模块 ， 从得到一个不是黑就是白的二值化影像 ， 或灰阶、彩色的影像 ， 到独立出一个个的文字影像的过程 ， 都属于影像前处理 。 包含了影像正规化、去除噪声、影像矫正等的影像处理 ， 及图文分析、文字行与字分离的文件前处理 。 在影像处理方面 ， 在学理及技术方面都已达成熟阶段 ， 因此在市面上或网站上有不少可用的链接库；在文件前处理方面 ， 则凭各家本领了；影像须先将图片、表格及文字区域分离出来 ， 甚至可将文章的编排方向、文章的题纲及内容主体区分开 ， 而文字的大小及文字的字体亦可如原始文件一样的判断出来 。 文字特征抽取：单以识别率而言 ， 特征抽取可说是OCR的核心 ， 用什么特征、怎么抽取 ， 直接影响识别的好坏 ， 也所以在OCR研究初期 ， 特征抽取的研究报告特别的多 。 而特征可说是识别的筹码 ， 简易的区分可分为两类：一为统计的特征 ， 如文字区域内的黑/白点数比 ， 当文字区分成好几个区域时 ， 这一个个区域黑/白点数比之联合 ， 就成了空间的一个数值向量 ， 在比对时 ， 基本的数学理论就足以应付了 。 而另一类特征为结构的特征 ， 如文字影像细线化后 ， 取得字的笔划端点、交叉点之数量及位置 ， 或以笔划段为特征 ， 配合特殊的比对方法 ， 进行比对 ， 市面上的线上手写输入软件的识别方法多以此种结构的方法为主 。 对比数据库：当输入文字算完特征后 ， 不管是用统计或结构的特征 ， 都须有一比对数据库或特征数据库来进行比对 ， 数据库的内容应包含所有欲识别的字集文字 ， 根据与输入文字一样的特征抽取方法所得的特征群组 。
对比识别：这是可充分发挥数学运算理论的一个模块 ， 根据不同的特征特性 ， 选用不同的数学距离函数 ， 较有名的比对方法有 ， 欧式空间的比对方法、松弛比对法（Relaxation）、动态程序比对法（Dynamic Programming ， DP） ， 以及类神经网络的数据库建立及比对、HMM（Hidden Markov Model）…等著名的方法 ， 为了使识别的结果更稳定 ， 也有所谓的专家系统（Experts System）被提出 ， 利用各种特征比对方法的相异互补性 ， 使识别出的结果 ， 其信心度特别的高 。 字词后处理：由于OCR的识别率并无法达到百分之百 ， 或想加强比对的正确性及信心值 ， 一些除错或甚至帮忙更正的功能 ， 也成为OCR系统中必要的一个模块 。 字词后处理就是一例 ， 利用比对后的识别文字与其可能的相似候选字群中 ， 根据前后的识别文字找出最合乎逻辑的词 ， 做更正的功能 。
文章插图
字词数据库：为字词后处理所建立的词库 。 人工校正：OCR最后的关卡 ， 在此之前 ， 使用者可能只是拿支鼠标 ， 跟着软件设计的节奏操作或仅是观看 ， 而在此有可能须特别花使用者的精神及时间 ， 去更正甚至找寻可能是OCR出错的地方 。 一个好的OCR软件 ， 除了有一个稳定的影像处理及识别核心 ， 以降低错误率外 ， 人工校正的操作流程及其功能 ， 亦影响OCR的处理效率 ， 因此 ， 文字影像与识别文字的对照 ， 及其屏幕信息摆放的位置、还有每一识别文字的候选字功能、拒认字的功能、及字词后处理后特意标示出可能有问题的字词 ， 都是为使用者设计尽量少使用键盘的一种功能 ， 当然 ， 不是说系统没显示出的文字就一定正确 ， 就像完全由键盘输入的工作人员也会有出错的时候 ， 这时要重新校正一次或能允许些许的错 ， 就完全看使用单位的需求了 。
结果输出：其实输出是件简单的事 ， 但却须看使用者用OCR到底为了什么？有人只要文本文件作部份文字的再使用之用 ， 所以只要一般的文字文件、有人要漂漂亮亮的和输入文件一模一样 ， 所以有原文重现的功能、有人注重表格内的文字 ， 所以要和Excel等软件结合 。 无论怎么变化 ， 都只是输出档案格式的变化而已 。