至高岭工匠任务:PDF文件的OCR识别方法

来源:百度文库 编辑:九乡新闻网 时间:2024/03/29 10:23:00
 

  本方法适用于扫描所得的图片型PDF文件的文字识别。

1.工具:microsoft office document imaging(见Office 2003 工具)、Windows程序附件中的“画图”板。

2.图片文件格式:.tif(即Tag图像文件格式,tiff)

3.步骤:

    A.在PDF文件中使用快照工具,选中需要识别的区域。提示“选定的区域已复制到了剪贴板”,点击“确定”。

    B. 打开“画图”板,“开始--程序--附件--画图”,然后点“编辑--粘贴--文件--另存为”,在保存类型中选择Tiff,然后“保存”。

   C.用microsoft office document imaging打开保存的tif文件,“开始--程序--Microsoft office--microsoft office工具--microsoft office document imaging”,接下来有两种方法:1)点“工具--使用OCR识别文本”,然后在运行过OCR的页面上直接复制文字粘贴到Word中即可进行编辑。2)点“工具--将文本发送到Word”,去掉“在输出时保持图片版式不变”前面选择框中的“√”,然后确定,在弹出的Word中选择文字即可进行编辑,识别完成。

  4.注意事项:

   A.PDF原稿越清晰识别效果越好,建议放大到200%使用快照工具。

   B.其他格式图片应先转换为tif格式,用“画图”板打开然后另存就可以。

   C.使用快照工具时选区边界尽量放宽,避免靠边的字无法正确识别。

   D.支持跨栏选择的文字,识别后段落正常。

   E.使用快照工具时,避免一次选择太大范围,造成死机。

   F.如果识别后全为乱码,注意microsoft office document imaging的OCR选项是否为相应语言,“工具--选项--OCR--OCR语言(中英文选择)--确定”。