MIT 学生开发强大 Chrome 插件，功能远超普通 OCR 软件...

首发自 | 凹非寺      报道 | 量子位

有时你遇到一篇古老的文献，PDF文档还是扫描版。又或者是遇到一幅网页版海报，上面的文字你完全看不懂。

但你无法把图片中的文字复制下来做进一步处理，是不是让人头大？

虽然市场上有很多OCR软件可以识别图片中的文字，但还是有种种局限性，比如无法识别文字排版，需要转成其他文件后才能处理，无法直接操作。

最近，一位来自MIT的学生Kevin Kwok解决了以上这些问题。他用计算机视觉算法写了个Chrome插件Naptha，可以直接识别网页图片中的文字，并直接对它们进行高亮、复制粘贴、翻译、修改等操作。

# 拾取图片中的文字

Naptha无需在电脑上安装App，直接在Chrome应用商店中搜索Project Naptha，就可以看到这款插件，一键安装后即可在Chrome浏览器中使用。

Naptha可以用于在线漫画、扫描文档，甚至连拍摄照片中的文字也能识别出来。

普通的网页文字自然不在话下：

如果是别人给你发过来的扫描文件也没关系，直接把文件拖到Chrome浏览器中（Chrome支持打开多种本地文件），Naptha就能识别。

对于照片中的图片，Naptha也能够读出。作者Kevin拍摄了一本书的封面，除了文字不清晰、竖向排列的情况，封面的书名和简介都能正常识别出来。

Naptha还支持读取表格文字，并将复制下来的文字粘贴到Excel里。

Kevin承诺，Naptha未来还会加入翻译、除去文字水印、直接在图片上修改文字等功能。这些功能目前还处在beta测试阶段，处于不稳定或者不可用状态。

# 不是OCR，是文本检测

光学字符识别（OCR）已经不是什么新鲜事了，虽然Naptha实现的功能看起来像OCR，但实际上它主要功能实际上是文本检测。

一般的OCR不包含语言模型，而Naptha则可以根据上下文的概率输出一系列字母。比如把一串字符判定成“hello”，而不是“he1 | o”。

OCR需要知道图片中的语言才能正确识别文本，Naptha使用的是一种称为“ 笔划宽度变换”的算法，该算法由微软研究院于2008年提出，它就像人一样，即使不知道是何种语言，也能猜到文字就在那里。

结合其他算法，如连通分量分析（识别不同的字母）、otsu阈值（确定字间距）、不相交的集合森林（识别文本行），Naptha可以非常快速地建立文本区域、单词和字母的模型，识别图中存在哪些特定字母。

通过一些基本的布局分析和文本度量，Naptha还可以找出文本的对齐参数、字体大小和字体粗细。有了这些信息，它可以在同一个地方以类似的字体重新打印文本，或者将文本改成同字体的其他文字。

# 传送门

博客地址：
https://projectnaptha.com/

Chrome插件下载地址：
https://chrome.google.com/webstore/detail/project-naptha/molncoemjfmpgdkbdlbjmhlcgniigdnf

热文推荐

同时，分享一份Java面试资料给大家，覆盖了算法题目、常见面试题、JVM、锁、高并发、反射、Spring原理、微服务、Zookeeper、数据库、数据结构等等

获取方式：点 在看，关注公众号并回复 面试 领取。