Inbyggd OCR- och streckkodsigenkänning

Motorlösa överlagringar av ApplyLoadedOCRTextLayer och DecodeLoadedPageBarcodes använder HotPDF:s avgränsade inbyggda igenkännare

OCR-omfattning

Den inbyggda OCR-motorn känner igen maskintryckta ASCII-bokstäver och siffror, inklusive textblandade versaler och gemener, genom Otsu-binarisering med ett fallback för lokalt fönster, extraktion av glyfer från sammanhängande komponenter och avgränsad gråskalemallmatchning mot cachade flerfonstmallar

Reguljära, fetstilta, kursiverade och fetkursiverade mallar täcker Arial, Times New Roman, Courier New, Tahoma och Segoe UI utan extern OCR-installation

Igenkännaren normaliserar ljus text på en övervägande mörk bakgrund och accepterar blekt text när gråskaleomfånget är minst 16 nivåer av 255, samtidigt som anroparens bitmapp och dess ordkoordinater bevaras

Radnivå höjdklyngring och skiftlägeskontextpreferens skiljer versal- och gemenformer åt, i- och j-prickar sammanfogas med sina skaft, brust av sprickmönster under en minsta komponentyta ignoreras och ordluckor upptäcks genom bimodal luckklustring

Igenkända ord rapporterar per-rad baslinjer och kapsläjshöjder så att ApplyLoadedOCRTextLayer kan placera sökbar text exakt

Naturliga scener, icke-fristående typsnitt, mycket liten text och tvetydiga former returnerar fortfarande inget gissat ord, och ett ord som innehåller en oigenkänd behållen glyf utelämnas som en helhet i stället för att tyst förlora tecken

Enfärgade bakgrunder och bilder med ett gråskaleomfång under 16 nivåer ger inget resultat; automatiskt polaritetsval antar att bakgrunden upptar större delen av sidan

En giltig bild utan igenkända ord lyckas med en tom resultatarray, inklusive tomma sidor, sidor med låg kontrast och sidor med text som inte stöds; batchar av skannade dokument fortsätter till senare sidor, medan ogiltiga begäranden, avbrytning och uttömda gränser fortfarande misslyckas

FPC i Windows läser både 24-bitars och 32-bitars indatabitmapper utan att ändra deras pixelformat eller kasta bort originalpixlarna

Streckkodsomfattning

Den inbyggda linjära motorn avkodar Code 39, Code 128-uppsättningarna A/B/C med SHIFT- och FNC-kontroller, EAN-8, EAN-13, UPC-A och UPC-E med sina obligatoriska kontrollsiffror

QR Code i version 1 till 40 stöder kvartsvarvs- och spegelorienteringar, finderbaserad perspektivsampling, BCH-formatåterställning och Reed-Solomon-korrigering av skadade kodord inom varje blocks kapacitet

Data Matrix ECC 200 stöder kvadratiska storlekar från 10 till 144 moduler, de sex standardiserade rektangulära storlekarna, flera regioner och block samt ASCII-, C40-, Text-, X12-, EDIFACT- och Base256-nyttolaster

PDF417 stöder text-, numerisk- och bytekomprimering med GF(929) Reed-Solomon-korrigering på felkorrigeringsnivåerna 0 till 8

Bytenyttolaster bevarar sina råbyte och respekterar stödda ECI-teckenuppsättningar, inklusive UTF-8; ECI-värden som inte stöds misslyckas uttryckligen

Varje inbyggd bildavskanning lokaliserar flera separerade stödda symboler, behåller upprepade nyttolaster på olika positioner och rapporterar per-symbol gränser och konfidens; Streckkodsinläsning i raster med flera symboler tillhandahåller den nativa hjälparen, projicerade Data Matrix-hörn och skannbudgetar

Data Matrix stödjer roterad och trapetzoid projektiv sampling, inklusive korrigerbar datamodulskada; DMRE ligger utanför avkodaren, och PDF417-återhämtning kräver att varje rads lokatormönster förblir igenkännbara

Skador som förstör lokatorgeometrin eller överskrider korrigeringskapaciteten ger inget resultat, och rörande eller överlappande symboler kan förhindra oberoende lokalisering

Budgetar och atomiskhet

Igenkänningen är begränsad till 4096 gånger 4096 bilder och 4 194 304 pixlar med fasta tids-, resultat-, text- och råbytesgränser

Inbyggd OCR kontrollerar sin tvåsekundersdeadline och sin avbrytningstoken under pixelkonvertering, tröskelvärdesbearbetning, komponentextraktion, glyfnormalisering och radanalys; ett tak på 8 192 komponenter begränsar analysen av tät brus

Avbrytning fortplantas genom de befintliga OCR- och streckkodspipelinorna, som endast publicerar resultat efter att hela begäran har lyckats