1. 研究目的与意义
在当下的生活中，人们几乎每天都会和票据打交道，各种发票，车票、收据，琳琅满目的票据经常塞满了钱包、抽屉，检索归类统计分析都很不方便。
为了提高工作效率，本课题拟设计一种基于二值化图像的文字区域定位方法，结合通过开源代码工程Tesseract进行光学字符识别，通过将票据信息电子化，实现无纸化、网络化、自动化就可以环保高效地实现票据的信息管理。
本项目使用的Tesseract OCR引擎最先于1985年由HP实验室开始研发，1995年时该引擎已经成为OCR业内最准确的三款识别引擎之一。
2. 课题关键问题和重难点
光学字符识别（Optical Character Recognition，OCR）一般指的是电子设备（例如摄像头、扫描仪或数码相机等）检查纸张等所印的文字符号，然后经过检测其明、暗模式，进而确定其形状，最后通过字符识别的方法将这种形状辨识成计算机文字的过程；换而言之，就是先扫描文本资料，然后分析处理其图像文件，最终读取出该版面和文字信息的过程。
本项目的设计要点是根据拍摄的票据图片，进行图像预处理，包括对彩色图像的灰度化以及灰度图像的二值化、选用合适的二值化方法，基于数字形态学的图像去噪处理，倾斜图像的矫正。
在此基础上，使用Tesseract-OCR识别经过预处理的图片内的信息，测试利用它自带的字符库进行识别的效果，分析字符识别的正确率。
3. 国内外研究现状（文献综述）
计算机文字识别，俗称光学字符识别，英文全称是Optical Character Recognition(简称OCR)，它是利用光学技术和计算机技术把印在或写在纸上的文字读取出来，并转换成一种计算机能够接受、人又可以理解的格式。
OCR技术是实现文字高速录入的一项关键技术，是计算机视觉研究领域的分支之一。
OCR的概念是在1929年由德国科学家Tausheck最先提出来的，后来美国科学家Handel也提出了利用技术对文字进行识别的想法。
4. 研究方案
本课题是基于Tesseract OCR引擎使用python编程语言实现对票据信息的提取，实现电子化管理票据。
主要的研究方法：1.文献研究法：搜集整理相关研究资料，为研究做准备；2.个案研究法：对市面上成功的ocr识别软件升入了解分析，阅读和试运行相关成熟的开源项目3.比较分析法：比较不同框架和编程语言对项目的适用性4.实验研究法：通过实践亲自体验不同的语言与Tesseract OCR引擎的契合度
5. 工作计划
2022.1.01--2022.2.15文献调研：根据指导老师的任务书及课题要求查找相关文献并阅读，每天至少查阅一篇相关文献。
了解课题：项目需要使用的关键技术的核心内容，确定实现项目的方案方法，所使用的的开源资源与编程语言。
确定实施方案后深入学习相关工作的使用和编程语言，为项目做知识储备。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
