在爬蟲對驗證碼進行破解時，經常需要對圖片中的文字內容進行識別，這時就需要用到OCR技術了，那么 OCR識別技術是如何實現對文字內容“即拍即得”的呢？

OCR（Optical Character Recognition）即光學字符識別技術，實質屬于計算機輸入技術。OCR通過利用光學技術與計算機技術對圖片、紙張、物體等處的文本內容進行分析識別，并讀取轉換成計算機和人類都能理解接受的格式。

OCR主要可以分為手寫體識別和印刷體識別。

由于印刷體都是計算機自助生成再進行輸出，通常較為規律，因此較手寫體識別來說要更簡單。而手寫體由于往往會帶有個人特色，每個人的風格不盡相同，由于其千人千面的特性，手寫體識別也成了OCR界一直想攻克的難關。當然，除了手寫體與印刷體外，OCR也可以根據識別內容來分類。例如按語言分類，要識別的內容將可能包括漢語、英語、日語、法語等，而如果僅滿足國人需求，要識別的內容就可能會包括漢字、英文字母、阿拉伯數字、標點符號等。

通常根據要識別的內容不同，識別的難度也不同。比如僅識別阿拉伯數字，只需能識別出0-9，而英文字母則需要識別52個字符（僅考慮大小寫），而中文識別則會高達數千個，且由于漢字的結構偏旁較為復雜，要將這些字符都準確識別出來會使難度系數直線上升。一個典型的OCR技術處理流程如下圖所示：

圖：來源于網絡

其中，圖像預處理通常為能使圖像中的文字更明顯便于識別，會對圖像的成像問題進行修正，通常是基于數字圖像處理和傳統機器學習等方法對圖像進行操作。

常見的圖像預處理包括幾何變換（透視、翻轉、旋轉、扭曲、拉直等）、畸變矯正、去模糊、銳化、圖像增強、光線矯正、灰度化、二值化等。其中，在對付驗證碼時常用的灰度化、二值化處理對于內容較為簡單的文本信息有增強作用，但對復雜背景的內容處理效果就會收效甚微。

文字檢測，顧名思義是對圖片中存在的文字內容進行檢測，檢測內容包括文本所在的位置、范圍、布局、數量等，通常也包括整體版面分析和文字行檢測等。部分OCR軟件為了保證檢測范圍的準確性，還會套用圖像檢測的方法，對圖像中的文本區域進行框選，并像下圖所示將框選與待識別區域交由令用戶進行校驗確認。

圖：某OCR軟件識別界面

文本檢測完成后，建立在其基礎之上的文本識別將會對選定的文本內容進行識別，并將圖像中的字符轉化為可供人類和計算機識別的文本信息。文本信息主要需要解決的問題是每個字符是什么。

對于識別后輸出的文本通常需要再次核對驗證以確保其準確率，即文本校正，通常也被認為屬于文字檢測的環節。當識別的內容是由詞庫中的詞匯構成時就稱之為有詞典識別，反之則稱為無詞典識別。在整個處理流程過程中，對識別準確率影響最大的步驟就是文本檢測與文本識別。相比一般文本，通常對OCR技術的評測會從最終識別率、識別速度、版面理解正確率、版面還原滿意度4方面來作為依據。

OCR識別技術對于手寫體識別目前尚在發展階段，而對于印刷體識別的技術已經發展的較為純熟。而且，對于印刷體識別的應用劃分可能遠比你我想象的更為細致。例如用于對人身份進行核查驗證的證件OCR識別、用于移動支付綁卡的銀行卡OCR識別、用于存儲管理名片的名片OCR識別、用于大量文字資料、檔案卷宗的錄入和處理的文檔OCR識別、用于銀行、金融、電信機構的票據OCR識別、用于交通安全的車輛OCR識別等。

OCR技術的出現無疑提升了工作效率，也改變了我們的生活。

參考文獻：

https://www.sohu.com/a/233167039_205239

https://zhuanlan.zhihu.com/p/45376274

編輯：jq