緬甸聯(lián)邦共和國丫一接線圖講解，原名緬甸，是東南亞丫一接線圖講解的一個國家，從1962年到2010年，緬甸一直被政變后上臺的軍政府統(tǒng)治，直至最近5年它才對外界開放，與其他國家建立了貿(mào)易與文化聯(lián)系。

　　緬甸語由很多方言組成，但所有方言都共享一個核心字母表，該核心字母表主要用于正式文本和印刷媒體，有33個輔音和12個輔助字符，地區(qū)方言可能還使用其他字符，完整列表大約有核心字母表的三倍大。幸運的是，丫一接線圖講解我們的工作是識別使用流行的至少10點大小的緬甸3字體書寫的標(biāo)準(zhǔn)緬甸文本，文本圖像可以是灰度、黑白或彩色的，分辨率至少有300dpi，下面是典型的緬甸文本樣板：

　　在項目初步階段，丫一接線圖講解我們必須實現(xiàn)75%的OCR準(zhǔn)確度，最小目標(biāo)準(zhǔn)確度為94%。

　　緬甸腳本就是所謂的alphasyllabary，在這里每一個輔音字母也都傳達“默認(rèn)”元音聲，其他元音聲使用特殊字符和輔音上面、下面、前面、后面的變音符號甚至輔音周圍的變音符號轉(zhuǎn)錄。

　　字母大多由半圓組成，因為在過去，文本都是寫在棕櫚葉上，很容易被直線切口損壞。

　　緬甸語是一種有聲調(diào)的語言，有三個主要聲調(diào)—高、低和嘎吱聲，和兩個次要聲調(diào)—入耳調(diào)和降調(diào)。

　　由于聲調(diào)也要在書寫中進行轉(zhuǎn)錄，緬甸腳本實際上有兩種可分辨的符號，可能放在主要字母上面、下面或同時放在主要字母的上面和下面，這兩種層疊的可分辨系統(tǒng)給OCR軟件帶來了重大挑戰(zhàn)，但不僅僅如此。

　　若要讓事情變得更復(fù)雜，有些字母組合可以融合在一起形成新字符。

　　在大多數(shù)常規(guī)術(shù)語中，光學(xué)字符識別如雷貫耳。當(dāng)OCR軟件收到圖像文件時，它會使用OCR技術(shù)執(zhí)行一些初步處理，將圖像轉(zhuǎn)換為黑白文本并糾正看得見的扭曲，接下來檢測包含不同類型文本（標(biāo)題、正文、腳注）、照片和表格的區(qū)域，文本塊隨后解析成行，行再到單詞，單詞再到字母，單個字母識別完成之后，文本將自下至上重組，緬甸文本的圖像處理和板塊檢測和大多數(shù)其他語言里的操作一樣，但是檢測文本行是一件棘手的事。

　　由于變音符號的豐富性，教電腦識別短文本行非常困難，這就是原因所在，我們的運算法則使用很多功能體現(xiàn)文本行，其中的一個功能是虛構(gòu)的基線，所有主要字符都位于這個基線上，電腦需知道在哪里畫一條基線，以便生成有關(guān)單個字符的合理假設(shè)。

　　電腦使用統(tǒng)計數(shù)據(jù)檢測基本文本行，為了收集必要的數(shù)據(jù)，要觀察構(gòu)成字母的黑點生成的直方圖上的峰值，在歐洲字母的直方圖上，有三個清晰可見的峰值對應(yīng)于基線和小寫字母的高度：

　　然而在緬甸語中，文本行正常寬度以外的眾多變音符號在直方圖中導(dǎo)致額外的統(tǒng)計學(xué)上有意義的峰值，為此，我們的最初面向歐洲腳本的運算法則，無法正確地識別緬甸文本行的重要參數(shù)。

　　在下面的圖形中，程序正確地檢測到了前兩行，但沒有檢測到第三行：

　　針對文本行檢測運算法則，我們必須要做一些調(diào)整，讓其同樣適用于緬甸文本。

　　本文中我們提到的OCR技術(shù)指的就是ABBYY FineReader 12，更多相關(guān)內(nèi)容，請點擊訪問你的電腦會閱讀緬甸語嗎（下）。