尚書七號

尚書七號

尚書7號OCR軟體是MICROTEK中晶科技公司,向漢王科技購買授權,贈送給用戶使用的軟體,是一款專門為識別文字而研發的軟體。尚書七號是套用OCR技術,為滿足書籍、報刊雜誌、報盤票據、公文檔案等錄入需求,實現系統管理方式而設計的軟體系統;是適用於個人、小型圖書館、小型檔案館、小型企業進行大規模文檔輸入、圖書翻印、大量資料電子化的軟體系統。尚書7號可支持繁體WINDOWS系統。

基本信息

軟體特色

簡繁字集:除了簡體漢字外,還可以混識台灣繁體字5400多個以及香港繁體字和GBK漢字。

識別字型種類:能識別宋體、仿宋、楷、黑、魏碑、隸書、圓體、行楷等一百多種字型,並支持多種字型混排。

識別字號:初號 小六號字型。

表格識別:可以自動判斷、拆分、識別和還原各種通用型印刷體表格。

可支持繁體WINDOWS系統

詳細操作

1.尚書7號OCR軟體是MICROTEK中晶科技公司,向漢王科技購買授權,贈送給用戶使用的軟體,該軟體是放在了掃瞄器隨機的驅動光碟中,用戶可以選擇安裝。

2.軟體安裝完畢後,用戶請點擊桌面左下角“開始”,找到“尚書7號OCR”軟體圖示,並點擊。打開尚書7號OCR的使用界面。

3. 打開尚書7號OCR的“檔案”采單下的“選擇掃瞄器”,選擇對應掃瞄器的驅動“MICROTEK SCANWIZARD 5”的選項。並選擇“確定”。

4. 選擇“檔案”選單下的“掃描”,將打開掃瞄器的驅動。下面的界面是掃瞄器的“高級控制臺”。

5. 用戶請注意選擇SCANWIZARD 5軟體中,左面“設定”視窗中的“圖像類型”,請選擇“RGB色彩”或者“灰階”的類型,並注意掃瞄器解析度是300PPI。

6. 當用戶作完“預覽”後,設定需要掃描的範圍,就可以點擊“掃描”按鈕,掃瞄器將開始掃描的工作。將掃描好的檔案,直接傳遞到尚書7號OCR默認的目錄中(默認的存儲圖像檔案的目錄是用戶計算機C糟下的SHOCR2002目錄下的IMAGE目錄)。掃描完畢後,請用戶關閉掉掃瞄器驅動程式SCANWIZARD 5.用戶可以看到需要掃描的檔案已經傳遞給尚書7號中,默認的檔案名稱是HW001.JPG。

7. 請用戶選擇尚書7號軟體中的“編輯”選單下的“自動傾斜校正”,讓尚書7號軟體對掃描進來的圖像作相應的鏇轉,以保證圖像中的文字是水平排列,而非傾斜。因為太過傾斜的文字,將影響到尚書軟體的識別效果。

9. 版面分析完畢後,用戶可以看到對應的文字塊,都有對應的識別框被選擇。

10. 用戶此時,請注意,對應的識別框,其屬性是否正確。識別框分別有“橫欄”、“豎欄”、“表格”和“圖像”等四種屬性,分別有四種不同顏色的選框來表示。

11. 核對無誤後,用戶可以使用“識別”選單下的“開始識別”按鈕。得到結果......

12. 此時實際上已經進入文字校對狀態......

13. 當用戶校對完畢後,或者不在尚書7號內作校對,用戶可以選擇“輸出”選單下的“到指定格式檔案”.

用戶可以看到,識別的結果,有TXT、RTF、HTML、XLS等格式可以選擇。默認的輸出的目錄是用戶計算機C糟下的SHOCR2002目錄下的OUTPUT目錄。用戶選擇一個對應的檔案名稱,就可以存檔了。為了方便,用戶可以選擇“輸出到外部編輯器”的選項,這樣存檔的同時,尚書7號OCR會自動調出對應的編輯軟體,如TXT存檔可以自動調用NOTEPAD軟體,RTF存檔將自動調用WORD軟體,XLS存檔將自動調用EXCEL軟體。

一個簡單的OCR操作就此完成了。

識別

識別說明

用掃瞄器掃描的文字圖像,不能對個別文字進行編輯修改,在教學中,需要利用文字識別軟體,將文字圖像進行識別,將圖像格式轉化成文本格式,常見的文字識別軟體有很多,主要功能基本相同,尚書七號就是其中很優秀的一款。用尚書七號對文字圖像識別轉化的過程,利用其主選單:“檔案”、“編輯”、“識別”、“輸出”可以很方便地完成。

識別步驟

步驟1:獲取文字圖像檔案。

選擇“檔案”選單下的“掃描”或“打開圖像”(將已經掃描好的圖像檔案打開)命令,打開圖像檔案。如果連線了多台掃瞄器,可以選擇“檔案”選單下的“選擇掃瞄器”命令,調用掃瞄器。

步驟2:對掃描的圖像頁進行調整

選擇“編輯”選單下“圖像頁面的處理”子選單下的“圖像頁的傾斜校正”(提供自動和手動實現方法)及“鏇轉”等命令,將掃描的圖像頁進行調整。

步驟3:版面分析與文字識別轉化

版面分析,選擇識別範圍,在進行文字識別前要選擇識別範圍,識別過程的核心是“版面分析”。尚書七號的自動版面分析功能很強,對報紙雜誌等複雜的版面,也能保持很高的分析正確率。

設定好後,直接點擊“開始識別”的按鈕就可以進行文字識別了。

步驟4:校對修改

自動識別完畢,識別結果的“文本視窗”會彈出,這個視窗能夠提供識別結果的校對,為了校對方便,尚書七號增加了游標跟隨顯示原圖像行的校對方法(如圖3出現的黃色提示行的出現)。

提供的校對方法,一眼就能夠看到圖像原文和識別出文本的差別,如果發現識別有誤,可以進行修改。

尚書7號尚書7號

步驟5:輸出

如果檢查修改後確認無誤,選擇識別結果的“輸出”選單,輸出的檔案格式有:RTF、HTML、XLS、2126,可以根據自己的需要選擇對應的格式。如果用戶想得到類似原文的識別結果,請選擇RTF格式。把RTF格式輸出的檔案用WORD打開後,會發現幾乎保留了原文的所有痕跡,包括原來頁面中的彩色圖像,都已經保留在WORD中了。

注意

1、圖片質量。批量識別時,首先應確保要識別的圖片質量。如不能識別還需要重新處理,甚至會導致軟體死掉,浪費時間。我本人就曾深受其苦。圖片解析度應稍高,肉眼看感覺偏大,因為識別工具是有點近視的,文字和底色對比要求不高,通常來說,肉眼能看清楚即可,底色發灰或發黑基本不會影響識別結果。

2、避免有不規則形狀(圖片)出現。識別工具在進行版面分析時,只能採用方形切割,當圖片中存在文字環繞不規則形狀時,則無法將文字和該形狀劃分開,則將出現錯誤或無法識別。此時,較快的辦法是在PS中,吸取該圖片附近的頁面底色,用粗畫筆將該區域塗上,不必講求效果,顏色沒有太大差別即可,重新保存圖片。

3、避免圖象傾斜。尚書七號中也有自動傾斜校正和手動傾斜校正工具,但即使經過校正,識別率還是低很多。如果是拍攝的書本,可能會產生一定弧度,此時保證行的兩端對齊即可。另外在拍攝時應避免高光等會使圖象各部分亮度反差大的情況。

4.為了得到較好的OCR使用效果,建議用戶將掃瞄器的驅動SCANWIZARD 5軟體,由初始安裝的標準控制臺,切換到高級控制臺狀態。

文檔識別

1. 過程與上面所介紹,基本一樣,只是用戶需要注意存檔格式。

2. 一般,如果用戶需要對該文字,進行重新排版工作,請用戶選擇TXT存檔,然後再將其內容拷貝到WORD中。

3. 如果用戶希望保留稿件的原有格式,並能夠作版面的恢復,請使用RTF格式存檔,該格式將有版面的恢復功能。但是用戶只能針對其中的文字,作一些個別字的調整,無法作大範圍的排版方式的修改。

OCR識別

1. 其中,掃描、自動傾斜矯正過程同普通文稿是一樣的。

2. 但是注意“版面分析”後,對其結果進行檢查。應該在表格上,經過版面分析後,有一個蘭色的框,選中了表格部分,如果不是,用戶需要修改欄屬性或者考慮手動劃定識別區域。

3. 注意輸出結果的選擇,如果是需要重新排版,用戶應該分別用TXT和XLS格式存檔,然後將TXT中的文字和XLS中的表格分別拷貝到WORD,進行排版。

相關詞條

相關搜尋

熱門詞條

聯絡我們