Основы работы в программах оптического распознавания информации

Основы работы в программах оптического распознавания информации

Практическая работа

Цели:

– Получить представление об компьютерных справочных правовых системах.

– Получить навык работы с поиском информации в компьютерных справочных правовых системах.

– Получить представление об OCR - программах распознавания текста, познакомиться с возможностями данных программы, научить распознавать отсканированный текст, передавать и редактировать его в Word.

– Знать системы распознавания символов, форм и текста; уметь пользоваться программой распознавания текста.

Задание:

1.      Перед выполнением заданий, внимательно изучите теоретический материал!

2.      Выполнить 8 заданий.

3.      Ответить на контрольные вопросы по теме «СПС ГАРАНТ, СПС КонсультантПлюс». Ответы оформить в текстовом редакторе WORD.

4.      Ответить на контрольные вопросы по теме «Системы оптического распознания символов». Ответы оформить в текстовом редакторе WORD.

Теоретическая часть:

1. Системы оптического распознания символов - преобразуют элементы графического изображения в последовательности символов (FineReader, CuneiForm).

2. Системы оптического распознавания форм - распознаются рукопечатные текст (данные вводятся в поля печатными буквами).

3. Системы распознавания рукописного текста - преобразуют текст, созданный на экране карманного компьютера специальной ручкой, в текстовый компьютерный документ.

С помощью сканера достаточно просто получить изображение страницы текста в графическом файле. Однако работать с таким текстом невозможно: как любое сканированное изображение, страница с текстом представляет собой графический файл — обычную картинку. Текст можно будет читать и распечатывать, но нельзя будет его редактировать и форматировать. Для получения документа в формате текстового файла необходимо провести распознавание текста, то есть преобразовать элементы графического изображения в последовательности текстовых символов.

Преобразованием графического изображения в текст занимаются специальные программы распознавания текста (Optical Character Recognition - OCR).

Современная OCR должна уметь многое: распознавать тексты, набранные не только определенными шрифтами (именно так работали OCR первого поколения), но и самыми экзотическими, вплоть до рукописных. Уметь корректно работать с текстами, содержащими слова на нескольких языках, корректно распознавать таблицы. И самое главное — корректно распознавать не только четко набранные тексты, но и такие, качество которых, мягко говоря, далеко от идеала. Например, текст с пожелтевшей газетной вырезки или третьей машинописной копии. Само собой, распознать текст — это еще полдела. Не менее важно обеспечить возможность сохранения результата в файле популярного текстового (или табличного) формата — скажем, формата Microsoft Word.

Как видим, для того чтобы получить электронную, готовую к редактированию копию любого печатного текста, программе OCR необходимо выполнить «цепочку» из множества отдельных операций. Сначала необходимо распознать структуру размещения текста на странице: выделить колонки, таблицы, изображения и так далее. Далее выделенные текстовые фрагменты графического изображения страницы необходимо преобразовать в текст. Если исходный документ имеет типографское качество (достаточно крупный шрифт, отсутствие плохо напечатанных символов или исправлений), то задача распознавания решается методом сравнения с растровым шаблоном. Сначала растровое изображение страницы разделяется на изображения отдельных символов. Затем каждый из них последовательно накладывается на шаблоны символов, имеющихся в памяти системы, и выбирается шаблон с наименьшим количеством отличных от входного изображения точек.

При распознавании документов с низким качеством печати (машинописный текст, факс и так далее) используется метод распознавания символов по наличию в них определенных структурных элементов (отрезков, колец, дуг и др.).

Любой символ можно описать через набор значений параметров, определяющих взаимное расположение его элементов. Например, буква «Н» и буква «И» состоят из трех отрезков, два из которых расположены параллельно друг другу, а третий соединяет эти отрезки. Различие между данными буквами — в величине углов, которые образует третий отрезок с двумя другими. При распознавании структурным методом в искаженном символьном изображении выделяются характерные детали и сравниваются со структурными шаблонами символов. В результате выбирается тот символ, для которого совокупность всех структурных элементов и их расположение больше всего соответствует распознаваемому символу.

Наиболее распространенные системы оптического распознавания символов, например, ABBYY FineReader и CuneiForm от Cognitive, используют как растровый, так и структурный методы распознавания. Кроме того, эти системы являются «самообучающимися» (для каждого конкретного документа они создают соответствующий набор шаблонов символов) и поэтому скорость и качество распознавания многостраничного документа постепенно возрастают.

При заполнении налоговых деклараций, при проведении переписей населения и так далее используются различного вида бланки с полями. Рукопечатные тексты (данные вводятся в поля печатными буквами от руки) распознаются с помощью систем оптического распознавания форм и вносятся в компьютерные базы данных. Сложность состоит в том, что необходимо распознавать написанные от руки символы, довольно сильно различающиеся у разных людей. Кроме того, система должна определить, к какому полю относится распознаваемый текст.

Системы распознавания рукописного текста.

С появлением первого карманного компьютера Newton фирмы Apple в 1990 году начали создаваться системы распознавания рукописного текста.

Такие системы преобразуют текст, написанный на экране карманного компьютера специальной ручкой, в текстовый компьютерный документ. Программы для распознавания текста вы можете приобрети отдельно или получить бесплатно вместе с купленным вами сканером.

Возможно, самая известная программа для распознавания текстов — это FineReader от компании ABBYY. Именно эту программу чаще всего вспоминают, когда речь заходит о системах распознавания.

FineReader — омнифонтовая система оптического распознавания текстов. Это означает, что она позволяет распознавать тексты, набранные практически любыми шрифтами, без предварительного обучения. Особенностью программы FineReader является высокая точность распознавания и малая чувствительность к дефектам печати, что достигается благодаря применению технологии "целостного целенаправленного адаптивного распознавания".

FineReader имеет массы дополнительных функций, которые простому пользователю, возможно, и без надобности, но зато производят впечатление на определенные группы покупателей. Так, одним из козырей FineReader является поддержка неимоверного количества языков распознавания — 176, в числе которых вы найдете экзотические и древние языки, и даже популярные языки программирования.

Но далеко не все возможности включены в самую простую модификацию программы, которую вы можете получить бесплатно вместе со сканером. Пакетное сканирование, грамотная обработка таблиц и изображений — для всего этого стоит приобрести профессиональную версию программы.

Все версии FineReader, от самой простой до самой мощной, объединяет удобный интерфейс. Для запуска процесса распознавания вам достаточно просто положить документ в сканер и нажать единственную кнопку (мастер Scan & Read) на панели инструментов программы. Все дальнейшие операции — сканирование, разбивку изображения на «блоки» и, наконец, собственно распознавание программа выполнит автоматически. Пользователю останется только установить нужные параметры сканирования.

FineReader работает со сканерами через TWAIN-интерфейс. Это единый международный стандарт, введенный в 1992 году для унификации взаимодействия устройств для ввода изображений в компьютер (например, сканера) с внешними приложениями. Качество распознавания во многом зависит от того, насколько хорошее изображение получено при сканировании. Качество изображения регулируется установкой основных параметров сканирования: типа изображения, разрешения и яркости.

Сканирование в сером является оптимальным режимом для системы распознавания. В случае сканирования в сером режиме осуществляется автоматический подбор яркости. Если Вы хотите, чтобы содержащиеся в документе цветные элементы (картинки, цвет букв и фона) были переданы в электронный документ с сохранением цвета, необходимо выбрать цветной тип изображения. В других случаях используйте серый тип изображения.

Оптимальным разрешением для обычных текстов является - 300 dpi и 400-600 dpi для текстов, набранных мелким шрифтом (9 и менее пунктов). После завершения распознавания страницы FineReader предложит пользователю выбор: сканировать и распознавать дальше (для многостраничного документа) или сохранить полученный текст в одном из множества популярных форматов — от документов Microsoft Office до HTML или PDF. Можно, впрочем, сразу же перебросить документ в Word или Excel, и уже там исправить все огрехи распознавания. При этом FineReader полностью сохраняет все особенности форматирования документа и его графическое оформление.

Компьютерная Справочная Правовая Система

(СПС) – это программный комплекс, включающий в себя массив правовой информации и программные инструменты, позволяющие специалисту работать с этим массивом информации (производить поиск конкретных документов или их фрагментов, формировать подборки необходимых документов, выводить информацию на печать и т.д.).

Основными свойствами систем являются:

- возможность работы с огромными массивами текстовой информации с ежедневной актуализацией и хранением базы архивных документов;

- применение в СПС специальных поисковых программных средств, позволяющих осуществлять поиск во всем информационном массиве в режиме реального времени;

- гармоничное использование в работе СПС всех вариантов телекоммуникационных технологий, в частности, электронной почты, сети Интернет, режима on-line с эталонной базой данных, хранящихся на удаленном компьютере. В этом случае не расходуется дисковое пространство пользовательского компьютера. Хотя в настоящее время наиболее распространены варианты СПС с локализованными базами данных. Это объясняется пока что недостаточным качеством российских телефонных линий, необходимостью оплаты междугородных переговоров или использования трафика (канала связи) сети, малыми сервисными возможностями при работе в режиме on-line.

На рынке сегодня существуют следующие СПС:

- ГАРАНТ (Научно-производственное предприятие «Гарант-Сервис», 1991 г.);

- КонсультантПлюс (акционерное общество «КонсультантПлюс», 1992 г.);

- Кодекс (ГП «Центр компьютерных разработок», г. Санкт-Петербург).

Кроме них на рынке представлены и такие системы:

- ЮСИС (фирма «Интралекс», 1989 г.);

- Референт (ЗАО «Референт-Сервис»);

- Юридический Мир (издательство «Дело и право»);

- Ваше право и Юрисконсульт (фирма «Информационные системы и технологии»);

- 1С: Кодекс, 1С: Гарант, 1С: Эталон (компания «1С», известная как лидер российских экономических, бухгалтерских, производственных, управленческих и иных программных продуктов);

- Законодательство России (Ассоциация развития банковских технологий);

ОСНОВЫ РАБОТЫ СО СПРАВОЧНОЙ ПРАВОВОЙ СИСТЕМОЙ ГАРАНТ

Окно СПС ГАРАНТ содержит Верхнее меню, Панель инструментов, Панель навигации (в левой части экрана), Основное меню с разделами: Базовый поиск, Справочная информация, Последние открытые документы, Поиск. На Панели инструментов имеется кнопка   для вызова Основного меню.

Рис.1. Внешний вид СПС ГАРАНТ

Для вызова Панели навигатора нажмите на Панели инструментов пикограмму

В зависимости от контекста работы на Панели навигатора (в левой части экрана) могут появляться вкладки: Основное меню, Мои документы, Документы на контроле, ПРАЙМ, Моя новостная лента, Мои консультации, Журнал работы, Толковый словарь.

Навигатор представляет собой иерархический список разделов, в котором документы сгруппированы по нормам права или другим признакам (правая часть экрана).

Поиск документов

Базовый поиск

Пример 1. Требуется найти Конституцию РФ. В тексте закона найти статью, в которой говорится о государственной тайне.

Для поиска нажать вкладку Все документы и ввести в поле Базовый поиск Конституция РФ, далее кнопку Найти. Появится список документов, относящихся к этой теме. Конституция РФ в списке стоит на первом месте. Следует заметить, что Конституция – основной закон, ее можно найти почти в каждой папке.

Чтобы найти в тексте Конституции статью о государственной тайне, необходимо: открыть документ двойным щелчком мыши по названию. Далее в Базовом поиске ввести текст государственная тайна и нажать кнопку Найти.  Найденное словосочетание в тексте будет выделено серым цветом. Закрыть окно Поиск по контексту. Выделить весь текст статьи 29 Конституции РФ и нажать кнопку Экспорт в MS Word.  Документ сохранить в папке ГАРАНТ на диске С именем Статья 29 doc.

Поиск по реквизитам

Поиск по реквизитам является самым удобным и простым средством поиска в ГАРАНТЕ. Каждый документ характеризуется основными и дополнительными (расширенными) реквизитами, значения которых задаются в качестве условий поиска.

Чтобы выполнить поиск документов по реквизитам, нажмите клавишу F7 или кнопку Поиск по реквизитам на Панели инструментов. Система загрузит карточку запроса.

Основные сведения о справочно-правовой системе КонсультантПлюс.

Компания «КонсультантПлюс», образованная в 1992 г., является разработчиком компьютерной справочно-правовой системы Консультант Плюс.

СПС КонсультантПлюс обеспечивает доступ к различным типам правовой информации, как официальной, так и неофициальной: от нормативных актов, материалов судебной практики, комментариев, финансовых консультаций до бланков отчетности и узкоспециальных документов. Для удобства поиска информации все документы содержатся в Едином информационном массиве (ЕИМ) КонсультантПлюс. Это позволяет проводить поиск нужных документов, не заботясь о том, к какому типу информации они относятся. В то же время, поскольку документы, относящиеся к различным типам правовой информации, имеют свои специфические особенности, весь ЕИМ правовой и справочной информации системы КонсультантПлюс условно поделен на разделы, каждый из которых может содержать один или несколько близких по содержанию информационных банков.

Таблица

Таким образом, при поиске документов пользователь получает наглядное представление, где какие документы находятся.

Для запуска СПС КонсультантПлюс выполните следующие действия:

Пуск Программы КонсультантПлюс (или на рабочем столе нажмите на пиктограмму).

Рис. 2 Внешний вид СПС КонсультантПлюс

После запуска программы КонсультантПлюс внимательно просмотрите и изучите самостоятельно меню карточка поиска, кодексы, обзоры, пресса и книги.

Практическая часть:

Задание № 1

1. В меню Документы СПС ГАРАНТ найти Уголовный кодекс РФ (действующую редакцию).  В тексте закона найти статью, устанавливающую уголовную ответственность за подделку печатей. Сохранить текст статьи в PDF файле с именем УК РФ в своей папке.

2. Вернуться в меню Документы и самостоятельно найти Закон «О защите прав потребителей» в законе найдите ответ на вопрос «Могут ли владельцы кафе сделать дополнительной платной услугой посещение своего санузла?». Сохранить текст статьи в PDF файле с именем Закон «О защите прав потребителей» в своей папке.

Задание № 2

Составьте полную подборку документов по вопросу получения образования заочно.

Пример иллюстрирует поиск с использованием полей «Тематика» и «Текст документа». Вариант решения:

1.   Откройте Карточку поиска раздела «Законодательство». При необходимости, очистите ее с помощью кнопки «Очистить карточку». Подключите опцию «Искать во всех разделах».

2.   В поле «Тематика» введите: получение образования и выберите рубрику ФОРМЫ ПОЛУЧЕНИЯ ОБРАЗОВАНИЯ.

3. В поле «Текст документа» задайте значение заочно.

4. В поле «Поиск по статусу» укажите: ВСЕ АКТЫ, КРОМЕ УТРАТИВШИХ СИЛУ И НЕ ВСТУПИВШИХ В СИЛУ.

5. Постройте список документов, нажав на кнопку F9.

6. Обратите внимание, что при открытии найденных документов курсор устанавливается на фрагменте, содержащем указанные в поле «Текст документа» слова.

7. Сохранить текст подборки в PDF файле с именем «Получения образования заочно» в своей папке.

Задание № 3

Определите, с помощью каких нормативных актов регулируется в настоящее время государственный контроль качества продуктов питания.

1. Войдите в Правовой навигатор, при необходимости очистите поле «Выбраны» с помощью кнопки «Отменить выбор».

2. Наберите в строке поиска качество продуктов питания.

3. Выберите в группе понятий КАЧЕСТВО (слева) ключевое понятие КАЧЕСТВО И БЕЗОПАСНОСТЬ ПРОДУКТОВ ПИТАНИЯ (справа).

4.  Постройте список документов, нажав на кнопку F9.

5.  Просмотрите список найденных документов.

6.  Сохранить текст нормативного акта в PDF файле с именем “Контроль качества продуктов” в своей папке.

Задание № 4

1. Установите на компьютер программу FineReader (https://abbyy-finereader.softok.info/).

2. Откроите документ в FineReader из Задания 1 «УК РФ» в своей папке. Распознайте отсканированный документ в FineReader, выделив блоки. Сохраните распознанный документ в Microsoft Office Word и отредактируйте его.

Задание № 5

Откройте в FineReader PDF файл из Задания 1 Закон «О защите прав потребителей» из своей папки распознайте его, сохраните в Microsoft Office Word. Отредактируйте документ.

Задание № 6

     Откройте в FineReader PDF файл из Задания 2 «Получения образования заочно» из своей папки распознайте его, сохраните в Microsoft Office Word. Отредактируйте документ.

Задание № 7

     Откройте в FineReader PDF файл из Задания 3 «Контроль качества продуктов» из своей папки распознайте его, сохраните в Microsoft Office Word. Отредактируйте документ.

Задание № 8

    Ответе на Контрольные вопросы по теме: СПС ГАРАНТ, СПС КонсультантПлюс:

1. Дайте определение понятию СПС

2. Перечислите основные свойства СПС

3. Перечислите основные продукты СПС

4. На какие структурные разделы разделяется информационный банк?

5. Перечислите, какое законодательство присутствует в банке данных СПС ГАРАНТ?

6. Какие основные возможности поиска информации присутствуют в СПС ГАРАНТ?

7. Основное назначение в СПС ГАРАНТ «Машина времени»?

8. Как в СПС ГАРАНТ найти различные схемы?

9. Основное назначение в СПС КонсультантПлюс?

 10. Дайте определение понятию «информационный банк»?

Ответе на Контрольные вопросы по теме: Системы оптического распознания символов:

1. Зачем нужны программы распознавания текста?

2. Как происходит распознавание текста?

3. Какие программы распознания текста вы знаете? Какими пользовались?

4. Какое разрешение является оптимальным для сканирования текста, изображений?

Скачано с www.znanio.ru