Технологии ОСК для преобразования графической информации в текстовую

Размещено на http://www.allbest.ru/

Технологии ОСК для преобразования графической информации в текстовую

Н.А. Иванов, Д.А. Прокуров, В.С. Родионов, Р.Н. Федюнин, К.А. Щетинин, Пензенский государственный университет

Аннотация

Рассматриваются современные способы, системы и библиотеки, направленные на преобразование графической информации в текстовую интерпретацию. Выявляются области применения данных технологий, актуальные проблемы в этой области, а также предлагается удобное приложение, написанное на языке C#, которое направлено на считывание текста из графических файлов.

Ключевые слова: графическая информация, оптическое распознавание символов, технология, библиотека, исходный код

графический информация библиотека текст

В начале развития сети Интернет данные во «всемирной паутине» представляли собой в основном текстовую информацию, которая легко поддается интерпретации машиной, например, с целью создания поисковых систем [1].

Однако по мере процесса совершенствования протоколов передачи данных, а также аппаратных и программных средств их реализации стало возможно массово использовать не только текстовую, но и графическую информацию. Особенно широкое распространение последняя получила с появлением в сети Интернет большого числа социальных сетей и мессенджеров, где люди активно взаимодействуют друг с другом с использованием различного рода мультимедиа-контента.

Таким образом, для формирования, например, поисковых систем, экспертных систем, баз данных и аналитических алгоритмов остро встал вопрос распознавания информации в графических файлах.

На данный момент времени в этой области существуют два основных направления: распознавание образов в графической информации и распознавание символов в графической информации.

Для решения проблем во втором направлении, а именно: оптическом распознавании символов (OCR, Optical character recognition), в настоящее время создано огромное количество библиотек для различных сред программирования. Наиболее известными среди них являются Tesseract, Google Text Recognition API, Anyline [2]. Однако они так или иначе обладают рядом ограничений и недостатков, основным из которых является низкая точность считывания рукописного текста. Поэтому создание новых систем обработки графической информации является достаточно важной проблемой для развития современных информационных технологий.

Одним из примеров является API от компании Google, а именно: Google Text Recognition API. Данная библиотека позволяет обнаружить текст в изображениях и видеопотоках и распознать содержащийся в них текст. После обнаружения распознаватель определяет фактический текст в каждом блоке и разбивает его на слова и строки. К достоинствам можно отнести большое количество поддерживаемых языков, возможность распознания в режиме реального времени, высокую скорость распознания, а также небольшой размер библиотеки. Недостатком является большой размер файлов с обученными данными.

OCR библиотека Tesseract имеет открытый исходный код и распространяется бесплатно. Благодаря открытому коду достаточно легко обучить OCR распознавать нужные шрифты и повысить качество распознаваемой информации. После обучения библиотеки качество результатов распознавания стремительно возрастает. Также поддерживает большое количество языков. Недостатком является то, что для распознавания текста в реальном времени требуется дополнительная обработка полученного изображения.

Anyline - многоплатформенный SDK, который позволяет разработчикам легко интегрировать функции OCR в приложения. Данная OCR библиотека привлекательна тем, что имеет многочисленные возможности по настройке параметров распознавания и предоставляет модели для решения конкретных прикладных задач. Позволяет распознавать текст в реальном времени, а также, помимо текста, библиотека способна распознавать штрихкоды и QR-коды.

Iron OCR - это простая в установке, полная и хорошо документированная программная библиотека NET [3]. Выбор IronOCR позволяет достичь точности оптического распознавания текста более 99 % без использования каких-либо внешних веб-сервисов [4]. Iron OCR отлично подходит при работе с реальными изображениями и несовершенными документами, такими как фотографии или сканированные изображения с низким разрешением, которые могут иметь цифровой шум или дефекты.

На основе языка C# и библиотеки IronOCR, которая предоставляет функционал оптического распознавания текста, было разработано простое в использовании приложение с графическим интерфейсом, реализующее перевод графической информации в текстовую.

Интерфейс представляет из себя графическое окно с элементами взаимодействия в виде кнопок, переключателей и подменю, приведенное на рис. 1.

Рис. 1. Интерфейс программы

После выбора графического файла, установки необходимых параметров и нажатия кнопки обработки результат появляется в окне в правой части интерфейса. Среди дополнительных параметров можно установить выравнивание текста и сглаживание шумов на изображении.

Программа поддерживает распознавание текста на русском и английском языках. Пример обработки графической информации на английском языке представлен на рис. 2.

Как видно из приведенных рисунков, программа обладает достаточно лаконичным и простым в использовании интерфейсом. ИМЬ-диаграмма взаимодействия пользователя с приложением отображена на рис. 3.

Развитие сети Интернет не стоит на месте. Каждый день по каналам передачи данных передается все большее и большее количество информации. Поэтому проблематика развития алгоритмов и средств обработки информации, в том числе графической, еще долго будет актуальной [5].

Рис. 2. Обработка графической информации, содержащей английский текст

Рис. 3. ИМЬ-диаграмма взаимодействия

Использование технологий ОСИ существенно повышает производительность распознавания текстовой информации в различных документах и изображениях, однако все еще остается ряд проблем, например, распознавание рукописного текста.

Предложенный в данной статье инструмент по интерпретации графической информации в текстовый эквивалент может быть использован как платформа для совершенствования технологий OCR в данном направлении.

Список литературы

1. Что такое технология оптического распознавания символов, или OCR.

2. Evaluation of OCR Algorithms for Images with Different Spatial Resolutions and Noises by Qing Chen / / School of Information Technology and Engineering Faculty of Engineering University of Ottawa. 2003. 122 р.

3. Просиз Джеф. Программирование для Microsoft.NET. М.: Русская Редакция, 2003. 704 с.

4. C# OCR Library | Iron Ocr.

5. Требования к программному обеспечению / Материал из Википедии - свободной энциклопедии.

Размещено на Allbest.ru