Texterkennung

Stichpunkte

Allgemein
	Texterkennung oder auch Optische Zeichenerkennung (Abkürzung OZE
	bzw
	OCR von englisch Optical Character Recognition) ist ein Begriff aus dem IT-Bereich und beschreibt die automatische Texterkennung von einer gedruckten Vorlage
	die zum Beispiel für das Bedrucken von Scheckformularen verwendet wurden
	Ursprünglich wurden zur automatischen Texterkennung eigens entworfene Schriftarten entwickelt
	Diese Schriftarten waren so gestaltet
	dass die einzelnen Zeichen von einem OZE-Lesegerät schnell und ohne großen Rechenaufwand unterschieden werden konnten
	besonders bei den Ziffern aus
	So zeichnet sich die Schriftart OCR-A durch einander besonders unähnliche Zeichen
	nicht-proportionalen Schriftart
	während OCR-H handgeschriebenen Ziffern und Großbuchstaben nachempfunden wurde
	OCR-B ähnelt mehr einer serifenlosen
	Die gestiegenen Leistungen moderner Computer und verbesserte Algorithmen erlauben inzwischen auch die Erkennung von "normalen" Druckerschriftarten bis hin zu Handschriften (z
	werden technologisch einfacher handhabbare Strichcodes benutzt
	wenn jedoch Lesbarkeit durch Menschen nicht vorrangig ist
	B. bei der Briefverteilung)
	Moderne Texterkennung umfaßt auch die Erkennung verschiedener Schriftarten und -größen und des Seitenlayouts zur möglichst originalgetreuen Wiedergabe einer Vorlage. [Bearbeiten]
Verfahren
	Digitalfotografie oder Videokamera erzeugt wird
	Ausgangspunkt ist eine Bilddatei (Rastergrafik)
	die von der Vorlage per Scanner
	Die Texterkennung selbst erfolgt dreistufig: Seiten- und Layouterkennung: Die Bilddatei wird in relevante Bereiche (Texte
	Bildunterschriften) und irrelevante Bereiche (Abbildungen
	Weißflächen
	Linien) aufgeteilt. Mustererkennung: Die Pixelmuster der Textbereiche werden mit Mustern in einer Datenbank verglichen und Rohdigitalisate erzeugt. Fehlerkorrektur: Die Rohdigitalisate werden mit Wörterbüchern verglichen sowie nach linguistischen und statistischen Verfahren hinsichtlich ihrer wahrscheinlichen Fehlerfreiheit bewertet
	In Abhängigkeit von dieser Bewertung wird der Text ausgegeben oder ggfs. einer erneuten Layout- oder Mustererkennung mit veränderten Parametern zugeführt
	Viele Programme bieten darüber hinaus einen besonderen Modus zur manuellen Fehlerkorrekur durch den Anwender. Abschließend erfolgt eine Codierung in das Ausgabeformat (z
	BA
	SCII) als Textdatei
	ggfs. auch mit Layout (zB
	u.a.: Qualität der Layouterkennung Umfang und Qualität der Muster-Datenbank Umfang und Qualität der Wörterbücher Qualität der Algorithmen zur Fehlerkorrektur Farbigkeit
	erzielen gute Programme dank leistungsfähiger Algorithmen zu Korrektur eine Fehlerfreiheit von bis zu 99%. [Bearbeiten]
	. als HTML oder PDF). Die Qualität der Texterkennung bestimmen mehrere Faktoren
	Kontrast
	Layout und Schriftart des Originaldokumentes Auflösung und Qualität der Bilddatei Während eine reine Mustererkennung eine Fehlerfreiheit in der Größenordnung von 80% erreicht (jedes fünfte Zeichen wird falsch erkannt)
Anwendungen
	Wiedergewinnen von Textinformation aus Bilddateien
	um diese mit Hilfe einer Textverarbeitung weiter zu bearbeiten und/oder elektronisch durchsuchbar zu machen Erkennung von relevanten Merkmalen (z
	BP
	Vertragsnummer
	ostleitzahl
	Rechungsnummer) zur mechanischen (Poststraße) oder elektronischen (Workflow-Management-System) Einsortierung eines Schriftstücks Erkennung von Merkmalen zur Registrierung und ggfV
	erfolgung von Gegenständen (zB
	Autonummern) Siehe auch: Spracherkennung
	ECM-Komponenten en:Optical character recognition es:Reconocimiento óptico de caracteres fr:Reconnaissance optique de caractères hu:Optikai karakterfelismerés it:OCR nl:Optical Character Recognition pl:OCR pt:OCR sv:OCR zh:光学字符识别
	Iriserkennung

Dieser Artikel basiert auf dem Artikel Texterkennung aus der freien Enzyklopädie wikipedia und steht unter der GNU Lizenz für freie Dokumentation. In der wikipedia ist eine Liste der Autoren verfügbar.