做一个 OCR 软件真的就是调用一个接口那么简单的吗?

Matrix 精选

Matrix 是少数派的写作社区,我们主张分享真实的产品体验,有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章,展示来自用户的最真实的体验和观点。

文章代表作者个人观点,少数派仅对标题和排版略作修改。


很多人觉得做一个 OCR 软件有什么难的,现在百度、腾讯、谷歌那么多商用接口,我调用一下接口就好呀。确实,调用接口确实能完成这个事,但是要把这件事做的更优秀,那还是有很多事需要自己做的。

做一个 OCR 应用需要哪些技术

图像压缩技术

使用第三方的 OCR 接口,要把图片传到他们的服务器,然后返回识别结果,上传之前,压缩图片就是一个方面,你肯定不能拿原图上传,一张图体积有 4M-5M,传上去就得一会,所以白描可以做到将一张大图压得很小又能维持清晰度,既保证了传输速度又保证了识别质量。

波纹过滤

有的用户反应在使用白描的过程中,他是直接拍摄电脑屏幕,识别结果超级不准确,后来发现就是屏幕上的一片片波纹干扰了文字,实际用眼睛看的时候好像没看出什么来,但是把图的预览区域使劲缩小,就能看出很明显的一堆堆的波纹,我们也经过研究进行了适当的波纹优化,即时拍摄的屏幕有很多干扰条纹。也会把他们过滤掉,依然可以保证结果。

长图自动裁剪

如果有人用过一些 OCR 接口,可能都知道太长的图根本没法识别,那就要把长图裁剪成很多图去识别,识别完了再把结果拼接起来,但是长图裁剪这个事要让用户来手动裁吗?那太累了!所以我们研究了一套自动切长图的技术,可以自动检测到文本位置和空行位置,自动的裁剪开,不会把文字切开,所以在白描里,你什么都不用干,长图直接扔过去识别就行。

去除杂乱背景

在纸很薄的情况下,背面的字会透出来,这样就造成了识别的时候可能会把纸背面的字当内容去识别了,白描当然也提供了解决办法,通过黑白色彩切换,可以很轻易的去除透出来的字或者其他杂乱背景。

自动分段

目前的 OCR 接口都是一行一行的返回结果,所以要想后期编辑方便,需要自己做上自动分段的功能,白描就针对这个需求做了优化,当然目前只是针对普通文章的分段,排版复杂的还是会有不准确。

自由选区

很多人有识别多样化排版的文字需求,比如报纸那种排版,东一块文字西一块文字,他就想选需要的几块,那怎么样更方便呢,这就可以使用自由选区的功能,把需要识别的部分画出来,白描就会按照画的顺序去识别啦。

自动寻找文件边界

拍一个文件肯定不能做到完全按文件边缘拍出来,如果就需要文件那部分,就要手动裁剪一下,那怎么样让这个行为更方便一些呢?我们可以自动寻找文件边缘,这样直接一裁就可以啦。

先简单说这么几个针对 OCR 识别方面的技术上的小优化,但其实白描能做的还有很多,比如自动检测文档边界生成扫描件,切换扫描件的多种色彩,批量处理,表格识别导出 Excel,生成 PDF,翻译等等。

关于 OCR 成本

除了针对 OCR 需要用的技术,关键还有成本啊!很多人可能比较关心白描调用百度 OCR 的成本有多少?其实,白描不只有调用 OCR 的成本啊,还有调用翻译服务的成本。这里先只说一下 OCR 成本,平均下来白描每天调用的 OCR 次数大概有 12 万次,这一部分的成本真的是不小。

很多 App 整天盼着日活高一些啊,增长多一些啊,我还真的是盼着的是你们不要那么活跃啊,哈哈哈(付了费后不那么活跃就更好了🤣),此处纯属开玩笑啊,用我的 App 那是我的福气!怎么可以盼着人家不用!

所以,我们说一下会员价格,8 块钱和 26 块钱,还是一次买断,与白描的成本比起来,真的一点都不贵。

关于自研核心技术

也许有人关心核心技术的问题,你说白描作为一款文字识别和文件扫描工具,OCR 这种核心技术全用的人家的?不怕人家哪一天突然停用了?对于这个问题,我觉得他们既然能收钱商用,也不会无缘无故突然停止。

尽管这个发生的概率不大或者不会太快,但是,我们依然拥有了自己的识别核心,当然准确度和速度与大厂的相比,还有一定的差距,但是,总会进步的嘛。

另外还有文件扫描的自动边界检测功能,我们也依然通过机器学习,拥有了属于自己的更准确的检测技术。

一个 App 说大不大,说小不小,但作为开发者,更希望用户了解我们做出的努力,了解到我们为了一个 App 所要付出的时间成本和金钱成本,用肯定与建议的态度,去与开发者沟通(对纯粹骗钱的那种不要用这种态度),而不是简单的评论一句,不就是调用个接口的事吗?

现在回想一下,这是一种很奇妙的感觉,通过一个 App,进入了一个领域,还能因为这个 App 所需要的技术,让自身的技术视野更加开阔。

写这么多,其实主要是想感叹一下,不知不觉,白描诞生 2 周年了!也希望未来有越来越多的人了解白描,使用白描,也愿白描在各位的支持下越来越好!

特约福利

少数派与白描联合带来了特约福利活动,大家现在通过 少数派软件商城 购买白描会员可以享受与 6.18 活动相同的优惠价格,其中普通会员 4 元,黄金会员 18 元,一次购买,永久有效。本活动限时 3 天。

白描 - 高效准确的 OCR 文字识别与文件扫描工具

iOS/Android

活动时间:2019/06/20 - 2019/06/22
16 24 来自 少数派正版软件



100

登录 使用文章全部功能