Screen OCR（光學字元辨識）

20100520-20100523

         一個針對螢幕的OCR（光學字元辨識）程式，它與印刷體和手寫輸入OCR的區別在於：螢幕OCR屬於精確識別，識別速度較快，演算法也較簡單，但它只能識別螢幕（或者無損BMP）上的文字，。

     該程式的預設字型庫採用索引+Hash表組織，檔案大小1.48M（未壓縮），內含2580個字（漢字2500個+數字10個+字母52個+標點18個）、5種字型、15種字型大小、2種樣式，共計387000個字型。

     經測試識別100個22號字約用時3s，100個8號字約用時0.7s，識別率一般。如果字型庫用純Hash表，那麼檔案大小將增大到32M，而識別速度最多可以提高6倍。另外，由於我還沒有搞清楚TrueType字型的產生演算法，所以暫時無法再提高識別速度。

     關於印刷體OCR我大概也有一點思路。段落的分割演算法與螢幕OCR基本一致，下面僅討論單字的識別演算法。

     首先將目標字的高度伸縮到標準字的大小（目標字的高度已經在段落分割中由行高得到），而目標字的寬度則按保持縱橫比伸縮。

     然後由尋徑演算法遍曆目標字的筆畫，得到一個標準筆畫寬度（即粗細）的字。顯然，這一步比較困難。

     最後進行模糊比對：將目標字與標準字按左上方對齊，並對目標字的每一個像素點，看以它為中心的正方形（邊長較小）中是否含有標準字的像素點，如果有則相似性+1。按此方法迴圈對所有標準字計算相似性，取相似性最高的字為識別字。

     最後一步非常耗時。最佳化的方法是將標準字按使用頻率由高到低存放，在匹配過程中如果發現相似性大於某一個值，則認為找到了識別字，中止迴圈。

     可以看出這並不是一個很好的演算法。如果根據筆畫向量或者字型輪廓進行匹配可能會好很多，當然難度也大得多。

     最後再簡單說一說手寫輸入的識別，它與前兩種OCR相比又有不同。因為它可以在使用者手寫的過程中獲得筆畫的順序以及方向（如果使用者寫倒筆字將降低識別精度），所以從這一點上看識別起來相對更容易。但是一般來說，使用者手寫的字與標準字差別較大，前面提到的演算法將失效。