光学字符识别(OCR)是以扫描仪等光学仪器得到的电子版文档作为处理对象,并对其信息进行分割和识别的一种技术。表格是一种格式简明、规范,信息高度集中的体现形式,便于人们快速准确地了解文档的内容,在生活中得到广泛应用。但是表格内容繁多,人工录入表格信息不仅耗费时间,而且容易出现差错。通过OCR技术实现表格内容的识别,不仅能提高工作的效率,而且大大降低了信息录入的错误率。本文主要针对表格内容的识别方法进行研究,包括印章的识别和表格文档的识别。本文基于印章的特征提出了通过映射将印章图像识别转为文字识别的方法。印章具有一系列显著的特征,如大多数印章的文字以圆心为中心呈环形分布,印章的颜色深浅和文字方向受人为因素的影响较大等,这些都增加了特征提取的难度,从而导致印章的识别效果不佳。本文首先对印章进行定位,并通过Gamma矫正增强印章的对比度使印章的纹理更加清晰;然后利用傅里叶变换将印章提取出来,再把印章从圆形映射成长方形;最后通过LeNet网络模型将印章图像识别转为文字识别。在对印章的识别效果的测试中,本文使用3 755个常用汉字,分别以五种字体经过数据增强生成印章数据集,并进行模型训练。实验结果表明,本文所提出的方法的印章文字识别正确率达到96.6%。本文基于表格框架的特征提出了通过交叉点类型及其关系定位表格单元格的方法。首先采用Hough变换提取出表格图像中的表格框架,然后使用细化算法对表格框架进行细化;其次,根据表格框架中的交叉点类型及各交叉点之间的关系,将表格中的各个单元格提取出来;最后,对于每个单元格的文本,本文使用Tesseract进行识别,并将识别的结果写回表格框架,从而达到对表格复现的目的。在对表格内印刷体文字的识别中,本文使用Tesseract官方的印刷体中文字库,并结合了借助jTessBoxEditor生成的本地字库,对表格的各个单元格文本分别进行识别,正确率达到87.4%。