1、 OCR是“光學字符識別”（Optical Character Recognition）的英文縮寫。掃描儀等光學輸入設備可以將各種報刊、書籍、文稿、票據及其它印刷品的文字轉化為圖像信息，它要依賴掃描儀等硬件。而利用OCR文字識別技術卻可以將圖像信息轉化為可以進行編輯的文字，是一種計算機輸入技術，主要是通過軟件實現。 OCR文字識別軟件是與掃描儀配套的主要軟件，屬于非鍵盤輸入范疇。近幾年隨著掃描儀逐漸普及和OCR技術的日趨完善，OCR己成為大多數掃描儀用戶的得力助手，掃描儀廠商現在已把專業的OCR軟件搭配自己生產的掃描儀出售。 中文OCR是針對漢字信息高速輸入計算機的問題，致力于解決困擾漢字使用

2、者低速信息輸入與高速信息處理的矛盾，從而提高整個計算機系統的效率，比手工輸入要快幾十倍。此時，用戶只需要用掃描儀將整頁的文本或圖像掃描輸入到計算機，OCR軟件就會自動產生可以編輯的文本文件。 一、OCR 簡介二、OCR 的基本原理和工作流程（一） OCR 的基本原理 簡單地說，就是通過掃描儀將一份文稿的圖像輸入給計算機（或者說是計算機通過掃描儀獲取圖像），然后由OCR軟件取出每個文字的圖像，并將其轉換成文字的編碼。其具體工作過程是，計算機OCR軟件接受文稿的數字圖像，然后利用各種模式識別算法分析文字形態特征，判斷出文字的標準編碼，并按通用格式存儲為計算機的文本文件格式。其中文字識別是OCR的核

3、心技術。（二） OCR 的工作流程二、OCR 的基本原理和工作流程 現在幾乎所有的平板式掃描儀都捆綁了OCR 軟件，多數機型的隨機軟件中不僅有中文版OCR 還有英文版OCR，其實大部分中文版OCR 都兼有識別英文的功能。目前市場比較成熟的中文版OCR 軟件有清華文通、尚書、蒙恬等。這里以清華TH-OCR XP為例，介紹OCR軟件的使用。 清華TH-OCR XP 能夠適應超過一百種Windows字體，識別全部簡體國標一二級6763個字符，繁體13000多字符。在文檔識別過程中，對于每個區域可以設定不同的字體，例如一篇文檔中的大段英文可以設為英文識別，以提高識別率。TH-OCR XP 支持多任務，

4、可以在識別一篇文章的同時掃描或編輯其它文檔。 三 、清華 TH-OCR XP 軟件的使用（一）OCR 軟件簡介 在所購買紫光掃描儀的隨機光盤中，有清華 TH-OCR XP 的安裝程序。打開相應的文件夾，雙擊 setup.exe 文件開始安裝，首先進行語言設置，如下圖所示（實際安裝）。三 、清華 TH-OCR XP 軟件的使用（二）清華 TH-OCR XP 軟件的安裝 清華TH-OCR XP的窗口如其他Windows程序窗口一樣，簡潔明快、布局合理、容易上手。窗口分為標題欄、菜單欄、工具欄、工程管理區、圖像和識別操作區、狀態欄，如下圖所示（結合實際窗口介紹）。 三 、清華 TH-OCR XP 軟

5、件的使用（三）清華 TH-OCR XP 的窗口 完整的文字識別操作過程包括：設置、掃描、版面處理、識別、編輯修改、輸出六個基本步驟，如下圖所示。三 、清華 TH-OCR XP 軟件的使用（四）清華 TH-OCR XP 軟件使用的基本流程 說明：為了方便，這里使用已經掃描好的圖片供OCR 。實際操作時，也可以在OCR軟件中掃描文稿并直接加載掃描獲得的圖片，然后進行識別。三 、清華 TH-OCR XP 軟件的使用（五）實際使用清華 TH-OCR XP 軟件（處理幾個文件）1 打開清華 TH-OCR XP 軟件，并裝入要識別的圖片（或通過掃描獲得）。2 進行版面處理，包括傾斜校正、版面處理等。3 進

6、行識別。4 后處理。5 導出。 在使用OCR軟件進行文字識別時，必須認真學習OCR有關知識和理論，特別是系統設置、版面處理和編輯修改的理解和具體操作，并結合實踐不斷積累經驗，摸索出切實可行的解決方案。下面是一些有價值的提示，要認真理解和體會。 1在掃描儀中一定要放正原稿，不能位置傾斜，否則掃描出來的原稿也會是傾斜的，從而造成OCR軟件無法正確識別。另外，在放置掃描原稿時，把掃描的文字材料一定要擺放在掃描起始線正中，以最大限度地減小由于光學透鏡導致的失真。 2選擇適當的分辨力也是很重要的，一般來說，使用200300dpi的分辨力進行掃描比較合適，如果分辨力太高也沒有太大意義，只會增加掃描時間和文

7、件的大小。 3在掃描識別報紙或其他半透明文稿時，背面的文字透過紙張混淆文字字形，對識別會造成很大的障礙。遇到該類掃描，可以在掃描原稿的背面附蓋一張黑紙，并增加掃描對比度，即可減少背面模糊字體的影響，提高識別正確率。三 、進行文字識別時的注意事項 4對掃描后生成的圖像，用圖像處理軟件擦掉圖像污點，包括原來版面中的不需要識別的插圖、分隔線等，使文字圖像中除了文字沒有一點多余的東西，這可以大提高識別率并減少識別后的修改工作。 5版面分析。如果需要識別的原稿包含多種字號、多種字體的文字、多個文本區塊、圖文混排等復雜版面，就需要進行版面分析，將要識別的內容劃分為一個塊，這樣OCR軟件才能正確識別。 6多頁批識別功能 。若需識別的文章有多頁組成，使用OCR的批量識別功能十分方便。首先將多頁文件以TIF的格式按頁面順序依次掃描后存盤。而后再打開它