# ocr文字纠错

**Repository Path**: cuixueyi/Ocr

## Basic Information

- **Project Name**: ocr文字纠错
- **Description**: OCR 应用中，由于图像质量、目标角度、文字大小等众多因素，文字不全、文字错误等问题直接影响文字的识别质量；特别在视频的识别过程中，更需要文字纠错速度控制在视频帧率之内。故本程序意在数毫秒之内实现对文字的纠错。
- **Primary Language**: C#
- **License**: Unlicense
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 0
- **Created**: 2024-10-17
- **Last Updated**: 2025-09-02

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

## 短/术语拼写校正

    适用于图像OCR识别后,对不完整中文、英文或拼音文本的拼写矫正和语义对照矫正。
    默认情况下，将使用内置的词库进行拼写矫正和翻译。
    可根据不同应用方向修改自定义词库，以实现对特定领域或语言的拼写矫正和翻译。

    限定：
        1. 英文/拼音短语编辑距离（缺字、多字、错字总数）最多允许66%，正确字大于： 0.33%
        2. 中文短语编辑距离（缺字、多字、错字总数）不得大于4个，错误率小于： 0.33%

    测试效果：  

        单语种纠错平均耗时 < 1ms， 
        中/英/拼音三种综合纠错平均耗时 < 2ms
        汉字转拼音： 2000字/1ms
    

## 使用方法

###  1 字典词库

    .\Liberaries\english_chinese_dictionary.txt 中英文对照词库（训练程序自动添加）
    .\Liberaries\frequency_dictionary_cn.txt    中文频率词库（训练程序自动添加/调整）
    .\Liberaries\frequency_dictionary_en.txt    英文频率词库（训练程序自动添加/调整）
    .\Liberaries\Specialized_Dictionary.txt     完全自主的专用词库（LiberaryModel.Specific）

    新增术语：如新增术语，可之际添加到 Specialized_Dictionary.txt：
        格式：
        human_computer_interaction 人机交互

      其它字典亦相同，英文与中文之间使用空格分割。

### 2 引用命名空间：

    using PhraseCorrector;

### 3 创建一个PhraseCorrector对象:

    IPhraseCorrector phraseCorrector = new PhraseCorrector(字典模式);

    字典模式：

            使用全部词库： LiberaryModel.All（基本字典 + 专用字典）
            只使用多词短语： LiberaryModel.Phrase,（基本字典中的多词词汇 + 专用字典）
            只使用专有词库： LiberaryModel.Specific,（只用专用字典 Specialized_Dictionary）

### 4  拼音类

#### 4.1 获取给定中文文本的拼音。

        <param name="word">要获取拼音的中文文本。</param>
        <returns>单词的拼音。</returns>
            
            phraseCorrector.GetPinyin(string word);

#### 例子：
    phraseCorrector.GetPinyin("人工智能是智能学科重要的组成部分，它企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器。人工智能是十分广泛的科学，包括机器人、语言识别、图像识别、自然语言处理、专家系统、机器学习，计算机视觉等。");

    【执行结果】ren gong zhi neng shi zhi neng xue ke zhong yao de zu cheng bu fen , ta qi tu le jie zhi neng de shi zhi , bing sheng chan chu yi zhong xin de neng yi yu ren lei zhi neng xiang si de fang shi zuo chu fan ying de zhi neng ji qi  。 ren gong zhi neng shi shi fen guang fan de ke xue , bao kuo ji qi ren 、 yu yan shi bie 、 tu xiang shi bie 、 zi ran yu yan chu li 、 zhuan jia xi tong 、 ji qi xue xi , ji suan ji shi jue deng 。


#### 4.2 根据拼音获取对应的中文文本。

            <param name="pinyin">要转换的拼音。</param>
            <returns>返回对应的中文文本。</returns>
        
                public ECResult GetPyText(string pinyin);

#### 例子：

        phraseCorrector.GetPyText("zhongguojiefangjun").ToString();

        【执行结果】{
             中文汉字: 中国人民解放军,
             西文拼音: zhong guo ren min jie fang jun,
             错字数: 6,
             相似度: 77.27%
         }

### 5 中文纠错

#### 5.1 纠正中文术语的拼写错误,得到在最大距离内相似度最高的修正术语。

            <param name="phraseString">需要纠错的中文术语。</param>
            <returns>返回一个ECResult对象，包含纠错后的英文、中文、拼音，以及器最大错误距离和相似度。</returns>

                public ECResult ChinesePhraseCorrect(string phraseString);

#### 例子：

        phraseCorrector.ChinesePhraseCorrect("中国人民军");

        【执行结果】{
             中文汉字: 中国人民解放军,
             西文拼音: chinese people's liberation army|zhong guo ren min jie fang jun,
             错字数: 2,
             相似度: 71.43%
         }

#### .2 检查并纠正英语短语的拼写错误。

            <param name="text">需要进行拼写检查的英语短语。</param>
            <returns>返回一个ECResult对象，其中包含了翻译后的中文、英文及拼音属性，以及距离和相似度。</returns>

                public ECResult EnglishPhraseCorrect(string text);

#### 例子：

        phraseCorrector.EnglisgPhraseCorrect("chinesepeopleslibarmy");

        【执行结果】{
             中文汉字: 中国人民解放军,
             西文拼音: chinese people's liberation army,
             错字数: 11,
             相似度: 65.62%
         }

###  6 中文/西文/拼音组合纠错

#### 6.1 通过提供的中文、英文或拼音关键字进行中英文匹配。

            <param name="chinese">包含中文关键字的源对象。</param>
            <param name="letters">包含英文/拼音关键字的源对象。</param>
            <returns>返回一个新的ECResult对象，包含匹配结果。</returns>

                public ECResult ChineseEnglishPinyinMache(string chinese, string letters);

#### 例子：

        phraseCorrector.ChineseEnglishPinyinMache( "中国民放军", "chese lib army");

        【执行结果】{
             中文汉字: 中国人民解放军,
             西文拼音: chinese people's liberation army,
             错字数: 2,
             相似度: 71.43%
         }

#### 6.2  通过提供的中文、英文或拼音字符串行警接续后进行中英文匹配。

            <param name="chinese">包含中文关键字的源对象。</param>
            <param name="letters">包含英文/拼音关键字的源对象。</param>
            <returns>返回一个新的ECResult对象，包含匹配结果。</returns>

                public ECResult WordLineMache(string line);

#### 例子：

    phraseCorrector.WordLineMache("人artificial lligence3201智能");

    【执行结果】{
             中文汉字: 人工智能,
             西文拼音: artificial intelligence,
             数字: 3201,
             错字数: 5,
             相似度: 78.26%
        }

### 7. paddleOcr词组拼写检查

    自动识别英文/拼英。

 #### 7.1 paddleOcr原文
        var result =  OcrSplitJoint.SplitJoint( new OcrPaddleResult( 
             [
                new OcrRegion() {
                        Text= "zhongguorenminjiefang",
                        Score= 0.91689205F ,
                        Rect= new RotatedRect(){
                            Angle= 5.194429F,
                            Center= new Point2f(623.8811f, 343.3074f),
                            Size= new Size2f {  Width= 197.18686f, Height= 39.383053f }
                        }
                },
                new OcrRegion(){
                        Text= "3403", 
                        Score=0.885835052F ,
                        Rect= new RotatedRect(){
                            Angle= 2.683775F,
                            Center= new Point2f(X:246.43352F, Y:299.9188F),
                            Size= new Size2f { Width= 108.89606f, Height= 50.89724f }
                        }
                },
                new OcrRegion() {
                        Text= "人工能",
                        Score= 0.75535476F ,
                        Rect= new RotatedRect(){
                            Angle= 90F,
                            Center= new Point2f(481.5f, 330f),
                            Size= new Size2f { Width= 36f, Height= 83f }
                        }
                }
            ])）;

#### 7.2 paddleOcr中文
    中文汉字：人工智能
    西文拼音：zhongguorenminjiefangjun
    数字：3403