用office2003和扫描仪进行文本识别（OCR）——有图有真相

优秀会员 · 发表于 2010-8-8 07:34

前面发了PDF转换的软件，回帖中有人需要把图片文字识别为可以编辑的WORD文档，也就是经常说的OCR识别，这个软件目前说少也不少，国内外都有，说多也不多，每个软件或多或少都有点小问题，存在识别率低的问题，这还主要是你图片的问题上，图片清晰度和图片上文字的公正程度等等。
下面就我亲身体验来说明，看下面。把经过写下来，让没试过的看看，更主要的是抛砖引玉，请高手指正。
我用的是win7系统，office2003早不用了，2007前些日子在2010出来的时候也写在了，显示使用OFFICE2010，2010中没有这个组件，我便在XP MODE中安装了2003来完成OCR识别，呵呵。

把扫描仪打开，依次点：开始－所有程序－Microsoft　Office－Microsoft　Office工具－Microsoft　Office　Ducoment Scanning，如下图：
（我猜有些精简版的office或者安装时没有选择安装OCR功能的可能没有这个选项，我装这东东从来都是完全安装的，所以不知道别人是什么情况）

启动扫描程序

在上面的图中随便设置一下，把一张测试用的打印好的纸放到扫描仪里，点下那个大大的“扫描”按钮，就听到一阵机器的轰鸣声响起（所以说是破扫描仪），漫长的一分钟后，扫描结束，自动启动了Microsoft　Office　Ducoment Imaging，这个时候其实文字识别（OCR）已经结束：

在上面的图中，点

是进行OCR，
点

则是把OCR的结果发送到到word文档中

这里可以选文档的保存位置，确定后，OCR的结果就在word文档中显示了。下面看看识别的效果：

原件：

识别后：

可以看到，对这种很清晰的、字体很端正的印刷件，识别的效果还差强人意。

然后，我想了一个问题，这玩意儿对手写文字识别率如何呢？试了一下，结果如下：

原件：

识别后：

很简单吧。。。。结束了。。。

那啥，如果。。。如果没有扫描仪，能不能做OCR呢，其实也是可以的。不管你用什么方法，用相机拍也好，在电脑上对屏幕截图也好，总之把这些有文字的图片保存为tiff格式，然后，从Microsoft　Office工具里手动打开Microsoft　Office　Ducoment Imaging，再用它打开这个tiff文件，点进行OCR，点把OCR的结果发送到到word文档中就行了。
大家心里知道Microsoft　Office　Ducoment Imaging只认tiff和mdi格式的图片就行了