中小銀行會計檔案及事后監督系統的設計和實現(十)

由于掃描儀的普及與廣泛應用，OCR軟件只需提供與掃描儀的接口，利用掃描儀驅動軟件即可。因此，OCR軟件主要是由下面幾個部分組成。

1. 圖像輸入、預處理：

2. 圖像輸入：對于不同的圖像格式，有著不同的存儲格式，不同的壓縮方式。預處理：主要包括二值化，噪聲去除，傾斜較正等

　　3. 二值化：

對攝像頭拍攝的圖片，大多數是彩色圖像，彩色圖像所含信息量巨大，對于圖片的內容，我們可以簡單的分為前景與背景，為了讓計算機更快的，更好的識別文字，我們需要先對彩色圖進行處理，使圖片只前景信息與背景信息，可以簡單的定義前景信息為黑色，背景信息為白色，這就是二值化圖了。

　　4. 噪聲去除：

對于不同的文檔，我們對燥聲的定義可以不同，根據燥聲的特征進行去燥，就叫做噪聲去除

5. 傾斜較正：

由于一般用戶，在拍照文檔時，都比較隨意，因此拍照出來的圖片不可避免的產生傾斜，這就需要文字識別軟件進行較正。

6. 版面分析：

將文檔圖片分段落，分行的過程就叫做版面分析，由于實際文檔的多樣性，復雜性，因此，目前還沒有一個固定的，最優的切割模型。

7. 字符切割：

由于拍照條件的限制，經常造成字符粘連，斷筆，因此極大限制了識別系統的性能，這就需要文字識別軟件有字符切割功能。

　　8. 字符識別：

這一研究，已經是很早的事情了，比較早有模板匹配，后來以特征提取為主，由于文字的位移，筆畫的粗細，斷筆，粘連，旋轉等因素的影響，極大影響特征的提取的難度。

9. 版面恢復：

人們希望識別后的文字，仍然像原文檔圖片那樣排列著，段落不變，位置不變，順序不變，的輸出到word文檔,pdf文檔等，這一過程就叫做版面恢復。

10. 后處理、校對:

根據特定的語言上下文的關系，對識別結果進行較正，就是后處理。

工作流程

一個OCR識別系統，其目的很簡單，只是要把影像作一個轉換，使影像內的圖形繼續保存、有表格則表格內資料及影像內的文字，一律變成計算機文字，使能達到影像資料的儲存量減少、識別出的文字可再使用及分析，當然也可節省因鍵盤輸入的人力與時間。

　　從影像到結果輸出，須經過影像輸入、影像前處理、文字特征抽取、比對識別、最后經人工校正將認錯的文字更正，將結果輸出。目前國內最有實力的OCR字符識別公司有：云脈OCR, 漢王OCR等。

4．2．3 實時數據采集方式

MQ技術是分布式應用間交換信息的一種技術。消息隊列可駐留在內存或磁盤上,隊列存儲消息直到它們被應用程序讀走。通過消息隊列，應用程序可獨立地執行--它們不需要知道彼此的位置、或在繼續執行前不需要等待接收程序接收此消息。

在分布式計算環境中，為了集成分布式應用，開發者需要對異構網絡環境下的分布式應用提供有效的通信手段。為了管理需要共享的信息，對應用提供公共的信息交換機制是重要的。

設計分布式應用的方法主要有：遠程過程調用(PRC)--分布式計算環境(DCE)的基礎標準成分之一；對象事務監控(OTM)--基于CORBA的面向對象工業標準與事務處理(TP)監控技術的組合；消息隊列(MessageQueue)--構造分布式應用的松耦合方法。

隊列管理器

隊列管理器是MQ系統中最上層的一個概念，由它為我們提供基于隊列的消息服務。

2) 消息

在MQ中，我們把應用程序交由MQ傳輸的數據定義為消息，我們可以定義消息的內容并對消息進行廣義的理解，比如：用戶的各種類型的數據文件，某個應用向其它應用發出的處理請求等都可以作為消息。消息有兩部分組成：

消息描述符(Message Discription或Message Header)，描述消息的特征，如：消息的優先級、生命周期、消息Id等；

消息體(Message Body)，即用戶數據部分。在MQ中，消息分為兩種類型，非永久性(non-persistent)消息和永久性(persistent)消息，非永久性消息是存儲在內存中的，它是為了提高性能而設計的，當系統掉電或MQ隊列管理器重新啟動時，將不可恢復。當用戶對消息的可靠性要求不高，而側重系統的性能表現時，可以采用該種類型的消息，如：當發布股票信息時，由于股票信息是不斷更新的，我們可能每若干秒就會發布一次，新的消息會不斷覆蓋舊的消息。永久性消息是存儲在硬盤上，并且紀錄數據日志的，它具有高可靠性，在網絡和系統發生故障等情況下都能確保消息不丟、不重。

此外，在MQ中，還有邏輯消息和物理消息的概念。利用邏輯消息和物理消息，我們可以將大消息進行分段處理，也可以將若干個本身完整的消息在應用邏輯上歸為一組進行處理。

3) 隊列

隊列是消息的安全存放地，隊列存儲消息直到它被應用程序處理。

消息隊列以下述方式工作：

a)   程序A形成對消息隊列系統的調用，此調用告知消息隊列系統，消息準備好了投向程序B；

b) 消息隊列系統發送此消息到程序B駐留處的系統，并將它放到程序B的隊列中；

c) 適當時間后，程序B從它的隊列中讀此消息，并處理此信息。

由于采用了先進的程序設計思想以及內部工作機制，MQ能夠在各種網絡條件下保證消息的可靠傳遞，可以克服網絡線路質量差或不穩定的現狀，在傳輸過程中，如果通信線路出現故障或遠端的主機發生故障，本地的應用程序都不會受到影響，可以繼續發送數據，而無需等待網絡故障恢復或遠端主機正常后再重新運行。

在MQ中，隊列分為很多種類型，其中包括：本地隊列、遠程隊列、模板隊列、動態隊列、別名隊列等

本地隊列又分為普通本地隊列和傳輸隊列，普通本地隊列是應用程序通過API對其進行讀寫操作的隊列；傳輸隊列可以理解為存儲-轉發隊列，比如：我們將某個消息交給MQ系統發送到遠程主機，而此時網絡發生故障，MQ將把消息放在傳輸隊列中暫存，當網絡恢復時，再發往遠端目的地。

遠程隊列是目的隊列在本地的定義，它類似一個地址指針，指向遠程主機上的某個目的隊列，它僅僅是個定義，不真正占用磁盤存儲空間。

模板隊列和動態隊列是MQ的一個特色，它的一個典型用途是用作系統的可擴展性考慮。我們可以創建一個模板隊列，當今后需要新增隊列時，每打開一個模板隊列，MQ便會自動生成一個動態隊列，我們還可以指定該動態隊列為臨時隊列或者是永久隊列，若為臨時隊列我們可以在關閉它的同時將它刪除，相反，若為永久隊列，我們可以將它永久保留，為我所用。

通道

通道是MQ系統中隊列管理器之間傳遞消息的管道，它是建立在物理的網絡連接之上的一個邏輯概念，也是MQ產品的精華。

在MQ中，主要有三大類通道類型，即消息通道，MQI通道和Cluster通道。消息通道是用于在MQ的服務器和服務器之間傳輸消息的，需要強調指出的是，該通道是單向的，它又有發送(sender), 接收(receive), 請求者(requestor), 服務者(server)等不同類型，供用戶在不同情況下使用。MQI通道是MQ Client和MQI通道是MQ Client和MQ Server之間通訊和傳輸消息用的，與消息通道不同，它的傳輸是雙向的。群集(Cluster)通道是位于同一個MQ 群集內部的隊列管理器之間通訊使用的。