近日，合肥高维数据技术有限公司自主研发的"基于OCR识别的文本字符分割方法及系统"获得国家发明专利授权（专利号：CN113989485B）。该专利围绕 OCR 识别后的字符精准分割难题，提出了一套从漏识别字符补全、位置校正、分割线计算到切边去噪的完整技术方案，可有效提升文本字符分割的准确性与完整性，为文本隐形水印、版权追踪、泄密溯源等应用提供关键底层支撑。
字符分割不准，后续应用就"差之毫厘，失之千里"
OCR 技术已经相当成熟，能够识别文本中的字符内容。但在文本隐形水印、版权追踪、泄密溯源等场景中，仅仅"识别出文字"还不够，还需要把图像中的每一个字符准确切分出来，才能进一步提取字符的细微变形信息。
现实情况是，传统分割方法容易出现字符遗漏、分割位置偏移、符号字符间距不均、噪点干扰等问题。分割不准，后续隐藏信息提取的准确性就会受到影响。尤其是在拍摄文本、复杂排版、符号混排等场景下，如何稳定地找到两个字符之间的最佳分割位置，成为一项关键的技术挑战。
四项核心能力，让字符分割更完整、更精准
该专利从 OCR 输出结果出发，构建了一套系统化的字符分割流程，核心亮点包括：
****第一，漏识别字符"补得上"。****专利方案根据 OCR 输出的索引、内容和置信度信息，对连续低置信度区域进行漏识别字符判定与添加，避免因生僻字或识别异常导致字符被遗漏；同时记录非空内容置信度最大处的索引位置，为后续字符定位提供依据。
第二，索引位置"转得准"。 通过结合神经网络 LSTM 时间长度与文本检测行尺寸信息进行特征逆计算，将 OCR 索引位置映射到矫正图坐标，形成字符位置信息，为后续精准分割打下基础。
第三，分割位置"找得巧"。 针对相邻字符位置计算中心点，并在中心点两侧设置多个候选偏移位置，统计每一列像素中的空白像素占比；同时引入"中间权重大、两侧权重小"的权重机制，将空白占比与权重相乘，取最大值所在位置作为分割线。对于内容为符号的字符，还会进行位置偏移调整，解决符号偏左下、字符间距不均等问题。
****第四，边框切边"收得紧"。****在确定分割位置后，专利方案通过向左、右、上、下移动并判断黑色像素数量，搜索字符的最小外接边框；再结合字符置信度和边框大小剔除低置信度、小尺寸噪点，保留正确分割的字符。
简单来说，这套方案不是"凭感觉切"，而是用OCR输出信息做引导，用像素统计找边界，用权重机制选最优，用切边去噪保质量，从而实现对文本字符的精准分割。
从"识别文字"到"切准字符"，多行业应用场景加速落地
字符级精准分割是连接"文本识别"与"文本深度应用"的关键一环。该专利技术可结合不同行业的文档处理与安全需求，形成有针对性的应用支撑。
在党政机关与保密行业，公文流转、文件打印外发、屏幕拍摄文档等场景对泄密溯源要求较高。该专利可为文本隐形水印提取提供更完整的字符切分结果，辅助提升公文外发追踪、打印扫描溯源和屏幕拍摄溯源中的字符级定位能力。
****在金融行业，****合同、票据、保单、开户资料等文档数量大、版式复杂。字符分割技术可用于OCR后处理与字符级定位，辅助提升合同比对、票据识别、保单结构化处理以及敏感信息脱敏审查的准确性。
****在医疗健康行业，****病历、处方、检查报告等文档的数字化和隐私保护需求日益突出。该专利可服务于医疗文档OCR后处理，帮助定位目标字符区域，为病历结构化、处方信息提取和隐私脱敏处理提供更细粒度的位置依据。
****在法律服务行业，****合同、诉讼文书、证据材料等文档对内容比对、脱敏和溯源要求较高。该专利可用于法律文书OCR后处理与字符级定位，辅助合同条款比对、敏感信息标注和文档外发溯源。
****在企业数据安全与文档管理场景，****研发文档、商业合同、标书方案等外发文件需要可管、可查、可溯源。该专利可为文本隐形水印提取和泄密溯源提供字符级切分支撑，帮助企业提升文档外发追踪与数据安全管理能力。
持续创新，夯实文本数据安全技术底座
"基于OCR识别的文本字符分割方法及系统"获得发明专利授权，体现了合肥高维数据技术有限公司在OCR后处理与文本字符精准分割方向上的技术积累。未来，公司将继续围绕文本隐形水印、数据溯源与数据安全应用场景，推动更多创新技术落地。
让每一个字符都"切得准"，让每一份文本数据都可管、可查、可溯源。