2024年6月4日发(作者：)

OCR相关

一、OCR识别技术介绍

OCR技术是光学字符识别的缩写(Optical Character Recognition)，是通过

扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为

图像信息，再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。

可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。适合于

银行、税务等行业大量票据表格的自动扫描识别及长期存储。相对一般文本，通

常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为OCR

技术的评测依据；而相对于表格及票据， 通常以识别率或整张通过率及识别速度

为测定OCR技术的实用标准。

OCR识别技术不仅具有可以自动判断、拆分、 识别和还原各种通用型印刷体

表格，在表格理解上做出了令人满意的实用结果，能够自动分析文稿的版面布局，

自动分栏、并判断出标题、横栏、图像、表格等相应属性，并判定识别顺序，能

将识别结果还原成与扫描文稿的版面布局一致的新文本。表格自动录入技术，可

自动识别特定表格的印刷或打印汉字、字母、数字，可识别手写体汉字、手写体

字母、数字及多种手写符号，并按表格格式输出。提高了表格录入效率，可节省

大量人力。同时支持将表格识别直接还原成PTF、PDF、HTML等格式文档；并可以

对图像嵌入横排文本和竖排文本、表格文本进行自动排版面分析。

采用OCR识别技术,可以将其应用于银行票据光盘缩微系统，可以自动提取票

据要素，可减轻操作员的工作量，减少重复劳动，尤其是在与银行事后且监督系

统相结合后，可以替代原先的操作人员完成事后监督工作。由计算机自动识别票

据上的日期、帐号、金额等要素，通过银行事后监督系统与业务系统中的数据进

行比较，完成传统的事后监督操作；配有印章验证系统后，自动将凭证图像中的

印章与系统中预留的印鉴进行比较，完成印章的真伪识别。

利用目前的高新技术-OCR，直接从凭证影像中提取金额、帐号等重要数据，

代替人的手工录入，与条码识别/流水识别紧密结合，实现建立事后副本帐、完成

事后监督的工作。OCR处理一般使用性能较好的PC机，OCR处理程序一经启动会

自动扫描数据库中的凭证影像，发现有需OCR处理而未处理的，提取到本地进行

处理。

OCR手写体、印刷体识别技术，能识别不同人写的千差万别的手写体汉字和数

字，应用于本系统，识别凭证影像中储户填写的信息，如大写金额、小写金额、

帐号、存期、日期、证件号等，可以代替手工录入。同时被识别得出的金额还要

与流水识别所得的金额进行核对，核对成功，则OCR识别成功。这样处理是为了

避免误判。

经过对银行产生的实际凭证进行的大量测试，在实际开发过程中，根据银行

的实际需求，OCR技术在票据和表格识别能力和手写体自动识别能力上不断提升，

目前处理速度可达到每分钟60～80张票据，存折识别率已经达到了85％以上，存

单、凭条识别率达到90％以上，而85％以上的识别率就能减少80％以上的数据录

入员。

二、夏普SHARP DESK OCR使用方法

针对目前SHARP DESK V3.3版本已经整合了中文OCR功能，下面以此为例介

绍：

步骤一：安装SHARP DESK V3.3

步骤二：选则需要进行OCR转换的文档（只能转换TIFF或者PDF格式）

步骤三：按下方OCR按钮（图1）

OCR按钮

步骤四：弹出OCR设置项（图2）按照下图方式设置

1、选择文件格式（文档选DOC，表格选XLS）

2、根据原稿类型选择文档布局（尤其表格需要

特别选择）

3、选择文档语言（文档中有E文的要勾选英语）

步骤五：按确定后进行OCR识别

原稿文档 OCR转换后文档

三、提高OCR识别率技巧

由于存在光电扫描的转换，不可避免存在误差，但可以通过有效的设置技

巧来提高识别率：

1、一般使用200-300dpi进行扫描，过高的分辨率可能会导致将纸张上的细节

（污点、纹路等）信息扫描进去影响识别。

2、如果使用原稿盖扫描，需要将盖密实，否则没稿盖住的扫描区域会影响扫

描结果；

3、OCR必须使用黑白二值扫描，切记，灰度和彩色都会影响OCR识别率。

4、根据原稿的浓度对比度调整扫描软件设置的“亮度”和“对比度”，提高亮度

可以掩盖原稿的一些污渍，提高对比度可增加文字效果。

5、尽量将原稿放端正，扫描后文字倾斜了，就需要调整倾斜度，另外请务必

保证原稿的整洁干净！

7、识别区域越小，识别率越高；例如“①⑨”这样的序号，300dpi时选定区域

太大就会识别出错，如果识别区域选定适合，识别率就是100%。如果识别后

发现不理想，可以重新修改识别区域，甚至删除全部区域重新选定。

8、不同字体，必须分开识别区域，不能混在同一个识别区域里；

9、表格OCR选择相应的设置项——如表格文档布局和XLS的格式后，就能

很好地识别出并能保留完整的原稿排版。

10、对于300dpi下固定的识别出错字符，识别过程中不需要理会，全部扫描

识别完成后，在word里面，使用替换功能（Ctrl+H）一次性把全部字符换成

正确的。