發信人: maha <maha@tpts1.seed.net.tw>, 信區: BudaTech
標  題: 六部藏經的辨識效果初探
發信站: 國立中山大學網路組 Mailing List (Mon Aug 25 08:27:28 1997)
轉信站: Lion!ccnews.nsysu!news.nsysu!buda-tech@sccid.nsysu
來  源: sccid.nsysu.edu.tw

跑了一趟中央圖書館，針對磧砂、嘉興、乾隆、中華、高麗、大正
等六套藏經各影印了樣本一份，帶回家實際試試辨識效果如何。有
點可惜的是，原來經本的印刷就已不甚清晰，再經過央圖的影印機
出來，狀況不是很理想。

以丹青中文OCR（印刷體文字辨識系統）專業版 V2.0來試，使用
4342繁體字集，不使用學習字庫，不對圖檔做任何修改，初步的
了解是這樣：

  ◆OCR 自動分割的效果，從最好到最壞依次為：

    大正＞高麗＞磧砂＞中華＞乾隆＞嘉興

  ◆辨識的效果，從最好到最壞依次為：

    大正＞嘉興＞中華、高麗、磧砂、乾隆

這六套藏經，大正、嘉興採明體字，辨識效果較好；其餘四套採楷
體字，辨識效果較差。我想可能是因為楷體字形變化較大，若無建
立良好的學習字庫，效果勢必不佳。很意外的發現，對於嘉興藏的
行間垂直分隔線，丹青 OCR居然能夠聰明的分割成功。

從比較中可以了解，還是大正藏的整體辨識效果較好，如果能夠進
一步將圖檔當中各式各樣的小符號清除乾淨，相信它的辨識率會直
逼去過圈點後的佛教大藏經。

這幾個圖檔共有936Kb，除了mail一份給 Heaven外，願意接受轟炸
的朋友請私下來函索取。

                                              maha 8/25/97