漢王OCR文字識別軟件對軟件中文版進行全面升級，是漢王OCR之前的系列版本和尚書七號的升級版，提供圖片文字識別服務。相比大家都知道OCR技術吧！所謂OCR也就是圖像文字識別技術，利用計算機將掃描儀或者數碼相機導入的圖片中的文字給抽取出來....

orc識別軟件圖一

軟件介紹

沒有什么比照著打印出來的材料，再把字原樣輸入計算機更讓人沒有成就感。只需將材料掃描/用手機拍照，然后交給軟件識別成文本。漢王 PDF OCR 提供 PDF 自動轉換 RTF/TXT 功能，漢王ocr文字識別軟件同時支持 TIFF/JPEG/GIF等圖像格式文本識別。手動操作基本步驟是先調整角度，之后自動識別版面，F8開始識別。

根據多次使用的經驗，漢王PDF OCR 對純中文/英文的情況處理準確率極高，但對同一行中英文混合的情況處理不理想。

orc識別軟件圖二

識別過程

1.圖像輸入、圖像前處理、預識別。

2.圖像輸入

漢王PDF OCR對于不同的圖像格式，有著不同的存儲格式，不同的壓縮方式，目前有OpenCV、CxImage等開源項目。

3.預處理

漢王ocr文字識別軟件功能主要包括二值化，噪聲去除，傾斜較正等。

4.二值化

對攝像頭拍攝的圖片，大多數是彩色圖像，彩色圖像所含信息量巨大，對于圖片的內容，可以簡單的分為前景與背景，為了讓計算機更快的、更好地識別文字，我們需要先對彩色圖進行處理，使圖片只前景信息與背景信息，可以簡單的定義前景信息為黑色，背景信息為白色，這就是二值化圖。

5.噪聲去除

對于不同的文檔，對噪聲的定義可以不同，根據噪聲的特征進行去燥，就叫做噪聲去除。

orc識別軟件圖三

6.傾斜校正

由于一般用戶，在拍照文檔時，都比較隨意，因此拍照出來的圖片不可避免的產生傾斜，這就需要文字識別軟件進行較正。

7.版面分析

漢王ocr文字識別軟件可以將文檔圖片分段落，分行的過程就叫做版面分析，由于實際文檔的多樣性，復雜性，因此，目前還沒有一個固定的，最優的切割模型。

8.字符切割

由于拍照條件的限制，經常造成字符粘連，斷筆，因此極大限制了識別系統的性能。

9.字符識別

這一研究已經是很早的事情了，比較早有模板匹配，后來以特征提取為主，由于文字的位移，筆畫的粗細，斷筆，粘連，旋轉等因素的影響，極大影響特征的提取的難度。

10.版面還原

人們希望識別后的文字，仍然像原文檔圖片那樣排列著，段落不變，位置不變，順序不變地輸出到Word文檔、PDF文檔等，這一過程就叫做版面還原。

11.后處理、校對

漢王PDF OCR根據特定的語言上下文的關系，對識別結果進行校正，就是后處理。