徒手打造一款PK 名片全能王 的名片识别应用

在App store中检索 “名片扫描”

今天要说的就是如何徒手打造一款商用的名片识别产品：名片扫描通 scanzen

脉可寻就不比了，那是一款有人工干预的产品，确实能做到100%准确，不过用户的名片隐私问题很让人担心。

• 汉王的产品，做OCR产品的龙头。不过在移动互联网时低好象out了，产品难用，免费版本一周只能扫两张名片，太抠门了吧。
• 名片扫描通，刚上线，完全免费，但扫描速度慢，当然如果你的手机是iphone5，也就显不出来慢了，一闪就扫完了。
• 名片全能王，敢当王的肯定不白给，扫描没得说，但是价格不便宜78。钱多的话，就这个了。

跑题了，今天要写的是徒手打造一款商用的名片识别产品。徒手就是码农不停用手敲出来了的，先简要谈一下原理

您看到此文，一定是对OCR有一定了解了，因为OCR是很小的领域，做相关研究的公司机构很少。

简单的讲，名片识别应用BCR应当处理如下几个问题

1. 名片切割
2. 名片旋转校正
3. 名片分行
4. 字符识别
5. OCR常见错误校正
6. 字符分司校正
7. Regular Expression提取名片信息

这些问题领域，前人已经研究的很深了，但要变成可商用的产品还是要付出点努力的。

先说名片分割：

最基本的方法有：连通区法和hough变换法，只要控制好参数，这两种方法就能切出大部分的名片

下图是一个通过联通区可以提取的名片：

但很少有名片能这么便捷地让你找到大的连通区，于是hough变换就必有可少了，找到四个焦点就ok了。

原理很简单，但切名片着实费了很大功夫，要达到100%能找到名片的效果，还需要更多的辅助手段。

名片旋转校正：

名片剪切后肯定会有有倾斜的，如果您google skew detect，会发现大量的论文来解决这个问题，足以说名，角度矫正的重要性。

OCR引擎对字符角度都极度信赖，如果你的字符旋转1度，那么，字符识别准确可能会降低10%，如果偏差2度，那OCR引擎无法工作。

将角度调整到0.1度范围内，实然就发现，识别的这么准！

那如何才能将行校正的这么准呢，方法有很多种，这里我介绍我使用的一种方法（没google到相同的处理方法）基于聚组成行skew detect方法。

名片剪切后，找出名片中所有的10号字以下的联通区，对这些联通区进行按行聚组计算，得到分行的结果，计算这些行的平均倾斜角度。然后再次聚组分行，就能得到很准确的结果，无需多次迭代。

OCR引擎可以使用开源的tesseract引擎，只是tesseract对大字符集的处理速度有很大问题，需要深入进行屏蔽一些处理才好用。