xdowns.com/view_soft/3/7/OCRwenzishibieruanjian Mini Ocr.html
件
本軟件是飛濤軟件工作室開發的壹款免費Ocr軟件,主要用於識別圖像文件之中，出現
的漢字顯示字體。Ocr的中文含意是光學字符識別。
為什麽叫Mini呢？因為現有的識別漢字的商業Ocr軟件，動輒二三十兆，而本軟件解
壓後，也不過三兆多，身材比較纖小，再加上本軟件主要用於識別字體比較小的漢字，所
以叫Mini，中文的發音是“迷妳”，中文含義是超小型。
既然有了商業Ocr軟件，為什麽還要開發這個軟件？
不同於商業Ocr軟件，本軟件是免費的，可以自由使用。第二個不同之處，本軟件的
識別對象是屏幕出現的“顯示漢字”，而不是針對掃描儀掃出來的“打印漢字”。二者有什
麽不同呢？最重要的壹點： 掃描出來的打印漢字的高度和寬度壹般都在30多個像素點之
上，這是我用畫圖軟件，打開某個商業Ocr的samples\sample1.tif，然後壹點壹點數出
來的。從文件名和目錄名的中文含意可以看出，這個點數應該是壹個典型值。那麽，如果
用商業Ocr識別屏幕上出現的小五號字，漢字的高度是12個像素點，會出現什麽情況呢？
測試方法：用記事本隨便寫幾行漢字，設置字體為小五號字。這大概是看著還算舒服
的最小號的漢字字體了（高度是12個像素點），如果再小，字體就很難看了。然後，按拷
屏鍵PrtSc，把屏幕的圖像拷貝、粘貼到畫圖軟件中，修剪尺寸後，保存為bmp的格式。
然後，我找了兩個國內最著名的Ocr軟件進行測試，結果讓人大吃壹驚，識別率幾乎為零。
把圖像放大兩倍，再測試，結果仍然很不理想，大概也只有百分之二三十的樣子。
開發Mini Ocr軟件的由來
我在開發護花使者反黃圖像識別軟件的時候，遇到有些圖像裏,嵌有某些文字，如果能
把文字識別出來，圖像的含義就很容易讓計算機理解了。預算有限，我連掃描儀都舍不得
買，就更別想買商業Ocr的開發包了，大概幾十萬,或者更多，或者別人壓根就不賣。況且
它們的識別率對小字體幾乎為零，不符合我的要求。看來，只好自力更生，重新寫壹個了。
開發Mini Ocr的歷程
經過三個多月的努力，終於誕生了這款Mini Ocr 軟件。第1個月做出了漢字識別的
核心模塊，第2個月做出了文章段落切分的算法，並加入了對英文，數字，標點的支持，
第三個月繼續調整英漢混排和漢字切分的算法，並用MFC 做了壹個界面。
Mini Ocr的軟件架構
為了讓更多的人能使用到這個軟件，我在windows系統下，采用VC進行編程，界面當
然只好用MFC寫了。軟件架構是壹個SDI框架下的多窗口切分界面，左上角的窗口是壹個
CFormView，用來顯示常用的按鈕；左下角是壹個CEditView,用來顯示幫助信息；右上角
是壹個CView,用來顯示要識別的圖像；右下角是壹個CEditView,用來存放識別出來的文
字。識別部分采用了工作者線程，以避免顯示界面的主線程僵掉。識別部分是整個軟件的
核心，與操作系統無關，可以單獨摘出來放在dos窗口裏跑，也可以移植到Linux系統中跑。
漢字識別軟件的難點所在：
英文識別有壹些開放源碼的軟件，我看過的軟件，主要采取兩種識別方法：基於規則
的方法，和采用神經網絡方法。而這兩種方法，在識別漢字時，都不宜采用。因為漢字數
目眾多，最常用的國標2312的壹級漢字就有3755個。如果借用基於規則的方法，需要對
三千多個漢字，逐壹人工寫出分類規則，工作量太大，我壹個人無法完成；如果采用神經
網絡的方法，這麽多漢字，我不敢想象，需要多少層網絡和神經節點呀！如果采用網格法，
抗位移的效果太差；而采用不變矩法，識別人和入，土和士，相似度又難於控制。除此之
外，漢字切分也是壹大難題。英文寬度大概只有漢字壹半，標點符號大概只有漢字三分之
壹寬，數字大概只有四分之壹的寬度。而漢字本身又有二分字，和三分字。某些字，如“啊”，
字體小時可能是獨體字，字體大些，變為二分字，字體再大，又變為三分字。加上漢字與
漢字之間的粘連、漢字與英文的混排，英文與英文的粘連，造成漢字切分模塊的算法，甚
至比漢字識別模塊的算法還要復雜得多。為了克服這些難點，並加快識別速度，我在算法
設計時，采用了壹些優化和簡化的策略。經過實踐檢驗，證明行之有效。
Mini Ocr進行漢字識別的策略：
1) 采用復合特征的分類方法。
2) 字符集選擇3755個壹級漢字。
3) 字體選擇最常用的宋體。
4) 字號選擇從小五號到壹號漢字，主要針對20個點之內的小字體。
5) 英漢混排時，漢語優先。
6) 漢字粘連時，進行動態優化切分。
展望與下壹步的開發計劃：
1) 重新優化英文識別的算法；
2) 對英文粘連的切分算法進行調整；
3) 移植進入Linux；
選擇Ocr軟件的建議：
如果您選擇Ocr軟件，目的是用來識別掃描儀出來打印字體，推薦還是選用知名的商業Ocr。
如果您要識別屏幕上顯示的漢字，Mini Ocr是壹個比較不錯的選擇。真誠地希望您在使用
中，能喜歡上它