最近做OCR身份证识别的调研，顺手把整个算法流程梳理了一遍——这里不扯深度学习那一套，单从传统图像处理的角度，把每一步的原理和要点掰开揉碎讲清楚。

OCR是什么

光学字符识别，英文全称Optical Character Recognition，简称OCR。说白了，就是让计算机看懂图片里的文字，然后转换成可编辑的文本字符序列。核心靠的是模式识别和数字图像处理技术，本质上是在解决“文字怎么输入到电脑里”这个老问题。

OCR的分类

按输入方式分

• 印刷体文字
• 手写体文字（扫描仪输入 / 手写板输入）

按识别字符集分

• 英文、中文、日文、韩文……
• 中文尤其麻烦：常用字就有4000个，加上字体多变、相似字又多（比如“己”“已”“巳”），区分难度不小。

面向应用的OCR

牌照、票据、文稿、名片、身份证、驾驶执照，甚至汽车制造业，都在用。说白了，任何需要把纸质信息数字化的场景，都离不开它。

身份证识别：一个典型的流程

先看一张身份证样图：

对应的算法流程图如下：

下面逐阶段拆解。

图像预处理

原始图像质量往往不理想，所以第一步就是“打扫干净”。

• 降噪：滤波、光照处理，把乱七八糟的噪点去掉。
• 增强（可选）：灰度拉伸，让对比度更舒服。
• 二值化：把灰度图变成纯粹的黑白二值图像——这是后续分割的基础。
• 倾斜校正：身份证拍照时难免歪一点，常用Hough变换或投影法给它扶正。

图像分割

行分割

身份证上的字符排列很规整，每行之间都有固定间隙。用水平投影法（统计每一行像素的累计值）就能轻松把行切出来。

字符分割

行切好之后，再对每一行做垂直投影，按列统计像素分布，这样就能把单个字符一个一个切出来。

字符识别：两种经典方法

字符切出来之后，就要辨认它到底是谁。

模板匹配法

为每个字符（比如数字0～9、汉字常用字）建一个标准模板，然后拿待识别的字符去跟模板比一比——图形匹配、笔画匹配、几何特征匹配。优点是实现简单，缺点也很明显：对图像质量要求高，计算速度慢，而且相似字符（比如“O”和“0”、“B”和“8”）的识别率惨不忍睹。

人工神经网络字符识别算法

神经网络（artificial neural network，简称ANN）就是模仿生物神经网络的结构和功能，用大量样本训练出一个模型，然后拿模型去识别。这种方法鲁棒性强，对各种变形、噪声的容忍度比模板匹配高得多，现在也是主流方向。

识别结果处理

识别出字符后，还要做两项关键的验证，保证结果靠谱。

身份证号码验证

依据国家标准（比如校验位算法），对识别出的18位号码进行校验，能有效过滤识别错误。

有效期验证

检查有效期格式是否正确、是否过期。对于卡证类识别来说，这一步至关重要。

市面上常见的身份证识别软件

云脉、文通、Abbyy……各家都有自己的方案，但识别效果的好坏，说到底逃不开这几个因素：照片清晰度、倾斜角度、背景复杂程度、光照条件、对比度。图像质量越差，识别难度就越大，这一点在任何算法面前都是硬道理。