用OCR软件实现印刷品文字录入

果子李

<p>用OCR软件实现印刷品文字录入。</p><p>这是一个老话题，也不是什么新技术。</p><p>大家经常遇到这样的情况，对一些报刊杂志上的文章，我们想把他装进电脑，但这些报刊杂志的网站上又没有这些文章可供下载，怎么办？是老老实实一个字一个字地敲，还是利用其他便捷一点的方法？</p><p>答案是有便捷的方法，早在九几年就有了。果子简单地讲一下流程。</p><p>第一步：将文章用扫描仪扫下来，扫描仪参数设置：色彩模式：灰度；分辨率：300DPI，说明一下，如果是字比较小，笔划比较细，纸张比较暗的话（比如报纸，新闻纸较暗，报宋体的笔划又比较细），可设高点，如设成600。这样是为了提高识别率。保存为JPG或TIF，建议保存JPG（占硬盘空间小）。</p><p>第二步：打开PHOTOSHOP软件，对图片进行调整，如裁正、去污点、调曲线等，使背景为白底，文字笔划要清晰，不粗不细，尽量要黑。这一步对提高识别率也很重要。当然，没有这个软件的，这一步省掉也行，那就在第三步里调整。</p><p>第三步：打开OCR软件。OCR软件有很多，有尚书、紫光等。以尚书为例。开OCR后，打开图片文件，选择识别的范围和先后（即版面分析），选择语言、格式（简体、繁体、英文、横排、竖排、表格等）。点识别，即开始识别了，图片上的文字自动变成文本了。不同的OCR软件，界面有差异，大致如此。</p><p>没有经过第二步的，利于OCR软件本身自带的旋转、橡皮等工具对图片进行简单编辑（有些OCR软件可能不支持这类操作），然后再识别。</p><p>第四步：对照图片文件校对、修改。图片文字一行行地出现在识别文字旁边。识别率取决于前两步。</p><p>第五步：将文本复制出来，粘贴到WORD中（也可存为TXT文本格式再在WORD打开），在WORD中取消原来的换行符，将一行行的文本连接起来，变成一篇通畅规范的文本文件。</p><p>睡前写的，可能有点乱，有问题的朋友直接Q我。</p>

[此贴子已经被作者于2007-5-11 22:48:06编辑过]

云崤

<p>这只是模式识别技术的分支</p><p>模式识别技术包括图形识别和语音识别,文字识别属于图形识别的一种.</p><p>你说的OCR软件软件,原理知道一些,先纵向扫描,横向扫描,确认文字的的宽度和高度.在对单个字进行识别,这是脱机识别,需要提取该字的特征向量,根据该字的特征向量与字库中加载的字体特征向量对比,获得误差最小的哪个字,这样就完成了单个字体的识别.一个系统的好坏是有它选择的特征向量来决定的.</p><p>现在好多的手机都支持手写输入,这是联机识别.识别技术现在在好多地方使用.比如:检测指纹,车牌扫描,公安系统有人像识别等.</p>