汉王PDF OCR

　　      汉王 PDF OCR官方版是汉王OCR 6.0 和尚书七号的升级版，新增PDF文件的处理功能，可以把PDF文件(包括文本型和图片型)转化为可编辑的各种文档,如(PDFTOWORD)或(PDFTOTXT)。汉王 PDF OCR官方版现已全面升级，并且对个人用户免费，无功能限制。

　　快捷键速记

　　扫描文件： 按下“Ctrl+N”调出扫描程序，扫描图像文件。

　　打开文件： 按下“Ctrl+O”打开图像文件，追加图像文件。

　　保存图像： 按下“Ctrl+S”键保存图像。

　　图像反白： 按下“Ctrl+I”将图像反白。

　　自动倾斜校正： 按下“Ctrl+D”进行自动倾斜校正。

　　手动倾斜校正： 按下“Ctrl+M”进行手动倾斜校正。

　　版面分析： 按下“F5”键，对选中的文件进行版面分析。

　　取消版面分析： 按下“Ctrl+Del”键，取消当前页的版面分析。

汉王PDF OCR软件特色

　　1.图像输入、图像前处理、预识别。

　　2.图像输入

　　汉王PDF OCR官方版对于不同的图像格式，有着不同的存储格式，不同的压缩方式，目前有OpenCV、CxImage等开源项目。

　　3.预处理

　　汉王ocr文字识别软件功能主要包括二值化，噪声去除，倾斜较正等。

　　4.二值化

　　对摄像头拍摄的图片，大多数是彩色图像，彩色图像所含信息量巨大，对于图片的内容，可以简单的分为前景与背景，为了让计算机更快的、更好地识别文字，我们需要先对彩色图进行处理，使图片只前景信息与背景信息，可以简单的定义前景信息为黑色，背景信息为白色，这就是二值化图。

　　5.噪声去除

　　对于不同的文档，对噪声的定义可以不同，根据噪声的特征进行去燥，就叫做噪声去除。

　　6.倾斜校正

　　由于一般用户，在拍照文档时，都比较随意，因此拍照出来的图片不可避免的产生倾斜，这就需要文字识别软件进行较正。

　　7.版面分析

　　汉王ocr文字识别软件可以将文档图片分段落，分行的过程就叫做版面分析，由于实际文档的多样性，复杂性，因此，目前还没有一个固定的，最优的切割模型。

　　8.字符切割

　　由于拍照条件的限制，经常造成字符粘连，断笔，因此极大限制了识别系统的性能。

　　9.字符识别

　　这一研究已经是很早的事情了，比较早有模板匹配，后来以特征提取为主，由于文字的位移，笔画的粗细，断笔，粘连，旋转等因素的影响，极大影响特征的提取的难度。

　　10.版面还原

　　人们希望识别后的文字，仍然像原文档图片那样排列着，段落不变，位置不变，顺序不变地输出到Word文档、PDF文档等，这一过程就叫做版面还原。

　　11.后处理、校对

　　汉王PDF OCR根据特定的语言上下文的关系，对识别结果进行校正，就是后处理。

使用方法

　　文件管理区：对文件进行管理和整理。

　　1.打开文件：选择“文件”菜单，选择打开图像文件的路径，图像文件便显示在管理区用鼠标可将图像文件拖拽到管理区，也可将打开的图像页复制、粘贴到管理区。

　　2.删除文件：按键盘上的“Delete”键将文件删除。

　　3.调整文件：选中一个文件或按住Ctrl可以选择多个文件，把文件拖放到要调整的位置。

　　4.文件格式：本系统支持TIF、BMP、PDF，彩色灰度图还支持JPG格式。

　　5.文件语言：本系统支持中文简体、英文、简繁体混排方式、以及中英文混排方式。

　　6.图像文件重命名：选中文件，点击文件菜单选择可保存成TIF、BMP、JPG文件(说明：本系统不支持批量图像文件的改名)。

　　7.图像文件保存路径：在中可以设置获取图像文件的路径、名称、格式。如该路径不存在，系统会提示是否创建该路径;如果要选择已存在的某个路径,可以点击“扫描到”按钮，弹出选择路径对话框，选择需要保存图像的路径。

　　侯选字区：修改识别结果时，可以选择侯选区的字直接修改当前字。

　　识别结果区：显示当前图像文件的识别结果。

　　原图像区：显示当前正处理的图像。

　　搜索区：百度、Google搜索。

FAQ

      如何使用?

      1.运行汉王PDF OCR软件

      2.点击左上角【文件】-【打开图像】，选择一副包含文字的图片。

      3.点击【识别】-【开始识别】。

      4.汉王ocr文字识别软件会识别出图片上的文字，可以对一些识别错误的字进行手动修改。

      5.修改完成后点击【输出】-【到指定格式】，保存识别出来的文本。

用户评论

      转换：

      软件很好用，免费，简单实用。

      大海全是水：

      软件很实用，使用起来也很方便。

      悟空：

      还可以将图片转换为PDF，功能还挺全的。

小编寄语

      小知识：汉王 PDF OCR文字识别技术

      光学字符识别(英语：Optical Character Recognition， OCR)是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。

      OCR的概念是在1929年由德国科学家Tausheck最先提出来，并申请了专利。后来美国科学家Handel也提出了利用技术对文字进行识别的想法。国内最早的OCR商业应用是由中国科学家王庆人教授在南开大学开发出来的，并在美国市场投入商业使用。