OCR软件使用宝典

OCR（Optical Character Recognition)是通过扫描仪，利用OCR软件，将点阵图形的的字符转变成文本的技术。很多人在使用这项技术的时候，因为方法不当，致使识别后的文本误码率很高。下面，我就将本人在使用当中总结的经验推荐给大家，希望能给你的工作带来方便。

　　扫描阶段：识别率的高与低，很大程度取决于该阶段，其中原稿的质量起着决定性的作用。对于报纸等非常低劣的原稿，我们可通过扫描界面减小或增大亮度参数的方法提高识别率，如果还未达到要求，还可增大扫描时的分辩率。分辩率的提高会增大图像的大小，所以就会延长扫描时的时间。不过，对于太小的字体，或不太清楚的文字，适当增大分辩率，可提高识别率。对于杂志、书本等字迹清晰，对比强烈，质量比较好的原稿，可以把亮度设为0，分辩率设为300，在此基础上，根据预扫得到的图像，本着字体笔划即不能互相粘连漆黑一片，又不能断笔画少点的原则进行调整。

　　版面分析阶段：扫描得到的是图像，要把图像转变为文本，需要OCR软件。现在市面的上OCR系统很多，而且有些OCR系统的智能化程度很高，连表格也都能正确识别。本文以笔者经常使用的北信OCR系统为例向大家介绍OCR使用的技巧。

　　在识别前，首先要对扫描得到的图像进行校正，这是进行下一步工作的基础，所以在扫描时，应尽力使原稿摆正，若得到的图像还有点倾斜，就要进行倾斜校正。一般的OCR系统都有自动校正的功能，如果没有，那就只能手动校正了。

　　现在的OCR系统，它还不能自动识别扫描得到的图像中的文字、表格、图形等元素，这就要求我们分别对不同的元素进行画框，定义其属性，以便OCR系统能够正确识别。在这里要注意，对于大小不同的文字，特别是横竖排版的文字，最好分别定义在不同的框中。对于图像中的污点，可以使用清除、橡皮擦等命令或工具消除。另外，画框时这要注意画框的次序，以避免识别后的文字“前言不搭后语”。 　　后处理阶段：一般的OCR软件都有后处理系统，识别后的文字，OCR会自动导入这一程序中。在这里，为了处理错误码，OCR软件提供了“前相关”、“后相关”等功能，以便从不同的侧面对当前错误码时行改正。有的OCR系统还有学习功能，开启该功能并让OCR系统经常性地进行“学习”，可以使软件的识别率逐渐得以提高。笔者使用的北信OCR系统，如果扫描参数设置得当，版面分析细致正确，这些前期工作做得好的话，识别后的文本几乎就不用修改。

　　识别后得到的文本，它是根据扫描后的图像排版的，特别是像报纸，杂志等多栏式的原稿，它不合乎我们对日常文稿的排版要求，所以我们对识别后的文稿，一般这要进行一次排版操作。这种排版操作，OCR系统的后处理程序一般都不能完成，我们要借助Word、WPS等排版软件进行操作。

　　在OCR后处理程序中，把文本保存为纯文本文件后退出。在Word、WPS中，打开或灌入刚才的文本文件（也可以使用复制、粘贴命令在Word、WPS中新建文件）。在Word中，“查找”“＾P”（没有引号）标记（段落标记），全部或部分替换为“＾S”（没有引号），或者是直接替换为空（就是在“替换”文本框中什么都不填）可以取消每行文字后的硬回车。在WPS（WPS2000手写输入系统）中，在菜单栏执行“工具→文字→段落重排”命令，可以自动对全部段落重新排列，这一功能，对OCR处理后的文本，只执行一个命令，就可以使所有段落排列的整整齐齐，特别推荐OCR使用着使用这一功能。最后，设置标题样式，首行缩进两个字符等……怎么样，一篇漂亮的文档出来了吧！

　　现在市面上流行的OCR系统很多，比如清华紫光、中晶尚书等，而且你在购买扫描议的时候，厂商也大都会提供一套OCR软件，但是，笔者建议大家使用北信OCR系统，因为它的识别率很高，且在WPS2000手写系统中，能够方便的直接调用，使用非常方便。

　　最后，我在简单地说一下WPS2000手写系统。WPS2000手写系统增强了文字输入及校对方面的功能，它支持手写输入、语音输入和OCR输入，对经常进行文字录入的人员来说，它应是首选的工具。它的语音校对功能可以极大地降低录入错误的概率。与OCR的结合，更会使录入工作的效率得到很大的提高。

　　Microsoft Word不论多么强大，但在对OCR后的文字进行排版，特别是重新安排段落这一点，与WPS2000手写系统相比是相形见绌的(这一点是可以原谅的，因为它毕竟对中国人的文字使用不是十分了解），这是国产软件的又一次胜利！