Reconocimiento óptico de caracteres.

Hoy he encontrado una aplicación bastante curiosa para mi Nokia 5800 la cual te permite traducir un texto con la cámara de fotos. Me explico:

Estás en un pais extranjero y necesitas saber que significa un determinado cartel que hay en una tienda o un bar o cualquier sitio. Pues con esta aplicación basta con hacer una foto al cartel donde se vean bien las letras y esta puede traducir a tu idioma lo que pone en el cartel.

Esto me ha parecido un poco increible, pero la verdad es que funciona.

Ya sabía de la existencia de scaners que podían hacer algo parecido. Podemos escanear un folio con apuntes de clase escritos a mano y este nos lo convierte a caracteres en el PC. Pero nunca lo había visto a partir de una foto.

Tras descargarme la aplicación y ver que funcionaba me he puesto a buscar información sobre con que tipos de algoritmos se puede conseguir esto y he encontrado alguna información interesante sobre como se hace y cuales son los problemas actuales de estos algoritmos asi como algunas otras aplicaciones de este método:

Partiendo de una imagen perfecta, es decir, una imagen con sólo dos niveles de gris, el reconocimiento de estos caracteres se realizará básicamente comparándolos con unos patrones o plantillas que contienen todos los posibles caracteres. Ahora bien, las imágenes reales no son perfectas, por lo tanto el Reconocimiento Óptico de Caracteres se encuentra con varios problemas:

• El dispositivo que obtiene la imagen puede introducir niveles de grises al fondo que no pertenecen a la imagen original.

• La resolución de estos dispositivos puede introducir ruido en la imagen, afectando los píxeles que han de ser procesados.

• La distancia que separa a unos caracteres de otros, al no ser siempre la misma, puede producir errores de reconocimiento.

• La conexión de dos o más caracteres por píxeles comunes también puede producir errores.

Todos los algoritmos de Reconocimiento Óptico de Caracteres tienen la finalidad de poder diferenciar un texto de una imagen cualquiera. Para hacerlo se basan en 4 etapas:


Binarización

La mayor parte de algoritmos de OCR parten como base de una imagen binaria (dos colores) por lo tanto es conveniente convertir una imagen de escala de grises, o una de color, en una imagen en blanco y negro, de tal forma que se preserven las propiedades esenciales de la imagen. Una forma de hacerlo es mediante el histograma de la imagen donde se muestra el número de pixeles para cada nivel de grises que aparece a la imagen. Para binarizarla tenemos que escoger un umbral adecuado, a partir del cual todos los pixeles que no lo superen se convertirán en negro y el resto en blanco.

Mediante este proceso obtenemos una imagen en blanco y negro donde quedan claramente marcados los contornos de los caracteres y símbolos que contiene la imagen. A partir de aquí podemos aislar las partes de la imagen que contienen texto (mas transiciones entre blanco y negro).

Fragmentación o segmentación de la imagen

Este es el proceso más costoso y necesario para el posterior reconocimiento de caracteres. La segmentación de una imagen implica la detección de los contornos o regiones de la imagen, basándose en la información de intensidad o información espacial.

Una de las técnicas más clásicas y simples para imágenes de niveles de grises consiste en al determinación de los modos o agrupamientos (“clusters”) a partir del histograma, de tal forma que permitan una clasificación o umbralización de los pixeles en regiones homogéneas.

Adelgazamiento de las componentes

Una vez aisladas las componentes conexas de la imagen, se les tendrá que aplicar un proceso de adelgazamiento para cada una de ellas. Este procedimiento consiste en ir borrando sucesivamente los puntos de los contornos de cada componente de forma que se conserve su tipología.

Comparación con Patrones

En esta etapa se comparan los caracteres obtenidos anteriormente con unos teóricos (patrones) almacenados en una base de datos. El buen funcionamiento del OCR se basa en gran medida a una buena definición de esta etapa. Existen diferentes métodos para llevar a cabo la comparación. Uno de ellos es el Método de Proyección, en el cual se obtienen proyecciones verticales y horizontales del carácter por reconocer y se comparan con el alfabeto de caracteres posibles hasta encontrar la máxima coincidencia.

Algunas otras aplicaciones pueden ser el reconocimiento de matrículas que se utiliza en los radares o el reconocimiento de texto manuscrito.

Por cierto, la aplicación de la que hablaba era esta: ABBYY Foto Translate