Procesamiento de imágenes de documentos basado en extracción de características para OCR

El procesamiento de imágenes desempeña un papel fundamental en el sistema de procesamiento de imágenes de documentos. Para el proceso de digitalización a gran escala, existen varios métodos para proporcionar una versión electrónica de un documento en papel, y el escaneo del documento en papel es uno de los métodos más adecuados. El escaneo óptico es la nueva técnica aplicada a un documento de imagen, que convierte los datos de salida sin procesar al sistema de reconocimiento óptico de caracteres (OCR). Dado que el sistema informático no puede entender el lenguaje de los documentos escritos, necesitamos convertir estos documentos en documentos electrónicos, para que puedan ser procesados fácilmente por el sistema informático. El OCR convierte los documentos de texto escrito en documentos electrónicos. En este documento determinamos el valor umbral de un documento de imagen escaneado utilizando el método de umbral global, que se basa en el algoritmo de Otsu. Sobre la base de los valores umbral obtenidos de los diferentes métodos, podemos juzgar la calidad de un documento de imagen y, por lo tanto, podemos mejorar la calidad de un documento de imagen escaneado.