发信人: maha <maha@tpts1.seed.net.tw>, 信区: BudaTech
标  题: 六部藏经的辨识效果初探
发信站: 国立中山大学网路组 Mailing List (Mon Aug 25 08:27:28 1997)
转信站: Lion!ccnews.nsysu!news.nsysu!buda-tech@sccid.nsysu
来  源: sccid.nsysu.edu.tw

跑了一趟中央图书馆，针对碛砂、嘉兴、乾隆、中华、高丽、大正
等六套藏经各影印了样本一份，带回家实际试试辨识效果如何。有
点可惜的是，原来经本的印刷就已不甚清晰，再经过央图的影印机
出来，状况不是很理想。

以丹青中文OCR（印刷体文字辨识系统）专业版 V2.0来试，使用
4342繁体字集，不使用学习字库，不对图档做任何修改，初步的
了解是这样：

  ◆OCR 自动分割的效果，从最好到最坏依次为：

    大正＞高丽＞碛砂＞中华＞乾隆＞嘉兴

  ◆辨识的效果，从最好到最坏依次为：

    大正＞嘉兴＞中华、高丽、碛砂、乾隆

这六套藏经，大正、嘉兴采明体字，辨识效果较好；其馀四套采楷
体字，辨识效果较差。我想可能是因为楷体字形变化较大，若无建
立良好的学习字库，效果势必不佳。很意外的发现，对於嘉兴藏的
行间垂直分隔线，丹青 OCR居然能够聪明的分割成功。

从比较中可以了解，还是大正藏的整体辨识效果较好，如果能够进
一步将图档当中各式各样的小符号清除乾净，相信它的辨识率会直
逼去过圈点後的佛教大藏经。

这几个图档共有936Kb，除了mail一份给 Heaven外，愿意接受轰炸
的朋友请私下来函索取。

                                              maha 8/25/97