从介绍一个名词文字识别OCR(OpticalCharacterRecognition，光学字符识别)开始。即电子设备(如扫描仪或数码相机)通过检测纸张上的字符，以检测暗、亮的方式确定其形状，然后通过字符识别法将形状转换成计算机文字。

一、文字识别的应用领域：

文字识别一般用于证件识别(身份证、驾照、护照、名片)、文件检索、截图识别等。

二、文字识别如何处理图片：

事实上，这样做的结果就是把只有一个文本的图片交给计算机进行翻译。

那么，机器如何看到纸张、电子文档或图片中的文本呢？下面查看它的工作流程：

先除去杂质，这样程序就能集中注意到文字上面。

1、预处理。

预处理主要有灰度处理、二值化、去噪、倾斜校正等。

灰度化：

灰度化是仅包含亮度信息而不包含颜色信息的图像。

当R=G=B时，颜色代表一种灰色的颜色，其中R=G=B的值称为灰度值。

通常符合下列公式：

Gray=0.299R+0.587G+0.114B这一参数顾及了人类的生理特征。

二值化：非黑即白。

照相机拍摄的图像，大多是彩色图像，其中包含着大量的信息，对于图片内容，我们可以简单地分成前景和背景，为了让计算机更快、更好地识别文字，我们首先需要对彩色图进行处理，使图片只包含有背景信息的信息，对前景信息和背景信息进行简单的定义，这就是二值化图。

彩色图像的灰度处理后，还需要对图像进行二值化处理，使文本与背景进一步分离。

二值化过程涉及“门限”的概念，简单地说，就是寻找一个适当的值作为界限，大于或小于这一界限的值变成白色或黑色，即0或255。如何选择“临界点”？

OCR文字识别方法很多，这里只介绍两种。

OCR文字识别方法1：

将其阈值设置为127(相当于中数0~255,(0+255)/2=127)，允许灰度值小于等于127的变为0(黑色)，灰度值大于127的变为255(白色)，这样做的好处是计算量小，但在不同的图片中，它们的颜色分布差别很大，所以用127做的结果是不太好的，这种一刀切，效果肯定是不好的。

OCR文字识别方法2：

用直方图法(也称为双峰法)求二值阀值，直方图是图像的重要特征。柱状图方法考虑了图像由前景和背景组成，在灰度直方图上，前景和背景均形成高峰，双峰之间最低谷是阀值所在。

OCR文字识别降低图像噪声：

实际数字图像在数字化和传输过程中，经常受到外部环境噪声干扰等成像设备的影响，称之为含噪图像或噪声图像。降低图像噪声的过程叫做图像降噪(ImageDenoising)。

展示过程中，可以看到图像二值化后的当二值化后会显示很多小黑点，这些都是不需要的信息，会对图像的轮廓识别产生很大的影响，降噪是非常重要的阶段，降噪处理的好坏直接影响图片识别的准确性。

这被称为DFS或BFS(深度和广度搜索)，在数据结构中称为数据结构。对于w*h的位图，我们首先搜索所有联通区域(值为1的，连接在一起的区域看上去是黑色)。将所有联通区域计算平均像素值，如果某些联通区域的像素值远低于此平均值，则将其视为噪点。把他换成0。

OCR文字识别倾斜校正：

照相或选取的图片不可能是全水平的，倾斜会影响到后面的图片，所以要旋转图片。

最常用的倾角校正方法是霍夫变换，其原理是对图像进行膨胀处理，把断开的文本连成一条直线，以方便直线检测。求出直线的角度后，可利用旋转算法，对斜图进行平直校正。

2、图片分割：

对一段多行文本来讲，字切分包括行切分和字切分两个步骤，倾斜校正是文字切割的前提。把校正倾斜的文本投影到Y轴上，然后累加所有的值，以便得到一个在y轴上的直方图。

3、最终文字识别：

上面的步骤都是要得到这一小段的图像，在每一段扫描图片时，从文本中提取的特征向量与特征模板库进行粗分类和模板细匹配，从而识别字符。