浅谈水文资料整编成果的数字化

2016-09-01周子江朱德龙

治淮 2016年2期

周子江朱德龙

浅谈水文资料整编成果的数字化

周子江1朱德龙2

一、概述

历年水文资料整编生成的成果绝大部分是表格，在2000年以前，受制于当时的主客观条件，很多单位在将水文原始数据生成整编成果表并打印成册后，并没有将数据文件按照统一的格式以电子表格的形式存储于电脑中，造成资料分析挖掘处理上的不便。随着对装订成册纸质成果翻阅次数的增加，纸质成果逐渐开始磨损和破坏。由于没有电子表格，一旦成果被破坏后，就会造成水文资料永久性的缺失。如何保护好这些宝贵的水文资料，将纸质的水文整编成果表转换成电子表格作为备份，是亟待解决的问题。随着扫描仪的普及与广泛应用、计算机技术及OCR（OpticalCharacter Recognition，光学字符识别）技术的日臻完善，可以快速、准确地将纸质表格转换成可编辑的电子表格，成为代替手工录入的主要方法。

二、成果电子化

将纸质的成果表转换电子表需经过成果扫描→图片处理→OCR识别→成果校验等几个步骤，而前两个步骤处理的好坏对后两个步骤有决定性的影响。

1.OCR识别前的处理

OCR识别前，首先是要将纸质的资料整编成果表转换成图片格式，数码相机和扫描仪都可以完成这个任务。不过由于数码相机存在镜头畸变、透视变形等问题，拍照得到图片中的直线看起来是歪的，而后续处理又要花费大量的时间，有点得不偿失，因此应当将扫描仪作为转换成图片格式的首选工具。同时，为使扫描速度和精度能有一个很好的平衡，也为后续OCR识别有较高的准确率，扫描时宜选择成像颜色为黑白，扫描仪分辨率调整为300dpi左右；如扫描得到的表格图片有一定角度的倾斜，还须在扫描后使用图像处理软件进行倾斜纠正。

2.OCR识别

在兼顾OCR识别速度、准确率的前提下，OCR软件选用ABBYY FineReader Professional Edition，同时因水文整编成果表大部分是表格和数字，为提高识别准确率，首先设置软件的识别语言为纯数字，如图1。

图1　　识别语言设置

识别前，首先在需要识别的内容上画出表格块，如图2。

图2　画出表格块

然后分析表结构，程序自动画出表格线，如果程序自动画出的表格线有缺少或多余的，可以人为添加或删除，确保是所需要的表结构（图3）。

图3　　分析表结构及画出表格线

接着选择图3中的Read Block，读取表格块的内容。最后将OCR识别出来的数据导出到Excel软件，用校验程序进行最后的处理。

3.OCR识别后的处理

要确保识别数据的准确性，就需要对识别得到的数据进行校验。校验的方法根据水文数据成果表的特点分成两类。对于如逐日降水量表、逐日最高最低潮（水）位表、逐日水温表、逐日蒸发量表、逐潮高低潮位表等能直接得到原始数据加工文件的，可先得到原始数据加工文件，再用资料整编软件进行整编，最后用生成的成果表同纸质成果对照一下月年特征值，如有错误，则修改后再进行整编，直到同纸质成果相一致；另一类如逐日平均水位表、逐日平均流量表等无法还原得到原始数据加工文件的，则将得到的表格数据首先复制到往年的成果表中，通过计算月均值、获取年特征值来达到校验的目的。