Hvad er OCR (optisk karaktergenkendelse)?
Optisk karaktergenkendelse (OCR) er en proces til at konvertere trykte materialer til tekst- eller tekstbehandlingsfiler, der let kan redigeres og gemmes. Teknologien har gjort det muligt for sådanne materialer at opbevares ved hjælp af meget mindre opbevaringsplads end papirkopierne. OCR -teknologi har haft en enorm indflydelse på den måde, hvorpå information gemmes, deles og redigeres. Før optisk karaktergenkendelse, hvis nogen ønskede at omdanne en bog til en tekstbehandlingsfil, skal hver side indtastes ord for ord.
OCR -teknologi kræver både hardware og software. Derudover kræver sofistikerede OCR -systemer et ekstra kredsløbskort på selve computeren for at afslutte processen. En optisk scanner scanner teksten på en side og bryder derefter skrifttyperne ned i en række prikker kaldet en bitmap. Softwaren kan læse mest almindelige skrifttyper og skelne, hvor linjer starter og stopper. Denne bitmap oversættes derefter til computertekst.
, mens optisk karaktergenkendelse har gjort enormFremskridt i de senere år fungerer det stadig ikke altid godt med at genkende håndskrift eller skrifttyper, der ligner håndskrift. Der er systemer inden for bankbranchen, der bruger OCR-teknologi til at prøve at læse de beløb, der er på håndskrevet kontrol, til at gå sammen med computerens evne til at læse routing- og kontonumrene.
For at give en idé om OCRs magt kan det hjælpe med at se på et ægte eksempel på et virkeligt verden. Forestil dig en politiafdeling, der har alle sine kriminelle poster, der er gemt i store filskabe. Selvom scanning af millioner af sider ville være en dyr og tidskrævende virksomhed, er fordelene enorme.
Når OCR-systemet har konverteret siderne til computerlæselig tekst, kunne en detektiv for eksempel søge gennem hele historien på få sekunder. Det er måske ikke for svært at manuelt at finde en bestemt rekord, men forestil dig en detektiv, der prøver at sarCH for alle de forbrydelser, der er begået på et bestemt kryds mellem 8:00 og 8:30. Dette eksempel ridser kun overfladen af kraften i søgbar tekst, og det er kun en grund til, at mange virksomheder og institutioner bruger millioner af dollars til at OCR deres arvedata.