尚書七號

軟件特色

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

識別字體種類：能識別宋體、仿宋、楷、黑、魏碑、隸書、圓體、行楷等一百多種字體，并支持多種字體混排。

識別字號:初號 小六號字體。

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(tǒng)

使用方法:

1、打開尚書七號,選擇打開圖象。（我用的版本可以識別的格式有bmp、tif、jpg）

2、選擇開始識別或按F8。識別結(jié)果將顯示在窗口上部，下部顯示版面分析結(jié)果。其中紅線為可識別部分，綠線為不可識別。

3、選擇輸出--到指定格式文件，將識別結(jié)果保存為需要的格式。

詳細(xì)操作

1．尚書7號OCR軟件是MICROTEK中晶科技公司，向漢王科技購買授權(quán)，贈送給用戶使用的軟件，該軟件是放在了掃描儀隨機(jī)的驅(qū)動光盤中，用戶可以選擇安裝。

2．軟件安裝完畢后，用戶請點擊桌面左下角“開始”，找到“尚書7號OCR”軟件圖標(biāo)，并點擊。打開尚書7號OCR的使用界面。

3． 打開尚書7號OCR的“文件”采單下的“選擇掃描儀”，選擇對應(yīng)掃描儀的驅(qū)動“MICROTEK SCANWIZARD 5”的選項。并選擇“確定”。

4． 選擇“文件”菜單下的“掃描”，將打開掃描儀的驅(qū)動。下面的界面是掃描儀的“高級控制面板”。

5． 用戶請注意選擇SCANWIZARD 5軟件中，左面“設(shè)置”窗口中的“圖像類型”，請選擇“RGB色彩”或者“灰階”的類型，并注意掃描儀分辨率是300PPI。

6． 當(dāng)用戶作完“預(yù)覽”后，設(shè)置需要掃描的范圍，就可以點擊“掃描”按鈕，掃描儀將開始掃描的工作。將掃描好的文件，直接傳遞到尚書7號OCR默認(rèn)的目錄中（默認(rèn)的存儲圖像文件的目錄是用戶計算機(jī)C盤下的SHOCR2002目錄下的IMAGE目錄）。掃描完畢后，請用戶關(guān)閉掉掃描儀驅(qū)動程序SCANWIZARD 5.用戶可以看到需要掃描的文件已經(jīng)傳遞給尚書7號中，默認(rèn)的文件名是HW001.JPG。

7． 請用戶選擇尚書7號軟件中的“編輯”菜單下的“自動傾斜校正”，讓尚書7號軟件對掃描進(jìn)來的圖像作相應(yīng)的旋轉(zhuǎn)，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，將影響到尚書軟件的識別效果。

9． 版面分析完畢后，用戶可以看到對應(yīng)的文字塊，都有對應(yīng)的識別框被選擇。

10． 用戶此時，請注意，對應(yīng)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． 核對無誤后，用戶可以使用“識別”菜單下的“開始識別”按鈕。得到結(jié)果......

12． 此時實際上已經(jīng)進(jìn)入文字校對狀態(tài)......

13． 當(dāng)用戶校對完畢后，或者不在尚書7號內(nèi)作校對，用戶可以選擇“輸出”菜單下的“到指定格式文件”.

用戶可以看到，識別的結(jié)果，有TXT、RTF、HTML、XLS等格式可以選擇。默認(rèn)的輸出的目錄是用戶計算機(jī)C盤下的SHOCR2002目錄下的OUTPUT目錄。用戶選擇一個對應(yīng)的文件名，就可以存盤了。為了方便，用戶可以選擇“輸出到外部編輯器”的選項，這樣存盤的同時，尚書7號OCR會自動調(diào)出對應(yīng)的編輯軟件，如TXT存盤可以自動調(diào)用NOTEPAD軟件，RTF存盤將自動調(diào)用WORD軟件，XLS存盤將自動調(diào)用EXCEL軟件。

一個簡單的OCR操作就此完成了。

識別

識別說明

用掃描儀掃描的文字圖像，不能對個別文字進(jìn)行編輯修改，在教學(xué)中，需要利用文字識別軟件，將文字圖像進(jìn)行識別，將圖像格式轉(zhuǎn)化成文本格式，常見的文字識別軟件有很多，主要功能基本相同，尚書七號就是其中很優(yōu)秀的一款。用尚書七號對文字圖像識別轉(zhuǎn)化的過程，利用其主菜單：“文件”、“編輯”、“識別”、“輸出”可以很方便地完成。

識別步驟

步驟1：獲取文字圖像文件。

選擇“文件”菜單下的“掃描”或“打開圖像”（將已經(jīng)掃描好的圖像文件打開）命令，打開圖像文件。如果連接了多臺掃描儀，可以選擇“文件”菜單下的“選擇掃描儀”命令，調(diào)用掃描儀。

步驟2：對掃描的圖像頁進(jìn)行調(diào)整

選擇“編輯”菜單下“圖像頁面的處理”子菜單下的“圖像頁的傾斜校正”（提供自動和手動實現(xiàn)方法）及“旋轉(zhuǎn)”等命令，將掃描的圖像頁進(jìn)行調(diào)整。

步驟3：版面分析與文字識別轉(zhuǎn)化

版面分析，選擇識別范圍，在進(jìn)行文字識別前要選擇識別范圍，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(qiáng)，對報紙雜志等復(fù)雜的版面，也能保持很高的分析正確率。

設(shè)置好后，直接點擊“開始識別”的按鈕就可以進(jìn)行文字識別了。

步驟4：校對修改

自動識別完畢，識別結(jié)果的“文本窗口”會彈出，這個窗口能夠提供識別結(jié)果的校對，為了校對方便，尚書七號增加了光標(biāo)跟隨顯示原圖像行的校對方法（如圖3出現(xiàn)的黃色提示行的出現(xiàn)）。

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(fā)現(xiàn)識別有誤，可以進(jìn)行修改。

步驟5：輸出

如果檢查修改后確認(rèn)無誤，選擇識別結(jié)果的“輸出”菜單，輸出的文件格式有：RTF、HTML、XLS、2126，可以根據(jù)自己的需要選擇對應(yīng)的格式。如果用戶想得到類似原文的識別結(jié)果，請選擇RTF格式。把RTF格式輸出的文件用WORD打開后，會發(fā)現(xiàn)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(jīng)保留在WORD中了。

注意

1、圖片質(zhì)量。批量識別時，首先應(yīng)確保要識別的圖片質(zhì)量。如不能識別還需要重新處理，甚至?xí)?dǎo)致軟件死掉，浪費時間。我本人就曾深受其苦。圖片分辨率應(yīng)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(fā)灰或發(fā)黑基本不會影響識別結(jié)果。

2、避免有不規(guī)則形狀（圖片）出現(xiàn)。識別工具在進(jìn)行版面分析時，只能采用方形切割，當(dāng)圖片中存在文字環(huán)繞不規(guī)則形狀時，則無法將文字和該形狀劃分開，則將出現(xiàn)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(qū)域涂上，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(jīng)過校正，識別率還是低很多。如果是拍攝的書本，可能會產(chǎn)生一定弧度，此時保證行的兩端對齊即可。另外在拍攝時應(yīng)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，建議用戶將掃描儀的驅(qū)動SCANWIZARD 5軟件，由初始安裝的標(biāo)準(zhǔn)控制面板，切換到高級控制面板狀態(tài)。

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盤格式。

2． 一般，如果用戶需要對該文字，進(jìn)行重新排版工作，請用戶選擇TXT存盤，然后再將其內(nèi)容拷貝到WORD中。

3． 如果用戶希望保留稿件的原有格式，并能夠作版面的恢復(fù)，請使用RTF格式存盤，該格式將有版面的恢復(fù)功能。但是用戶只能針對其中的文字，作一些個別字的調(diào)整，無法作大范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”后，對其結(jié)果進(jìn)行檢查。應(yīng)該在表格上，經(jīng)過版面分析后，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(qū)域。

3． 注意輸出結(jié)果的選擇，如果是需要重新排版，用戶應(yīng)該分別用TXT和XLS格式存盤，然后將TXT中的文字和XLS中的表格分別拷貝到WORD，進(jìn)行排版。

轉(zhuǎn)換技巧

1、可以將書攤平，一次將兩邊都掃描或拍攝下來，節(jié)省時間。處理圖片時不必剪開，這時要用到尚書七號的分欄工具了。直接用鼠標(biāo)在打開的圖象上拖拽，可出現(xiàn)選框，分成左右兩個分欄，分欄左上角的編號就是識別結(jié)果的排列順序。它會將自動按照編號順序?qū)⑺蟹謾诘膬?nèi)容連接在一起。

2、手動分欄可解決部分圖象無法識別的問題。在進(jìn)行識別后，可以看到版面分析結(jié)果，有時候由于圖象質(zhì)量原因，自動分析出的有效版面只是很小的一部分。此時可以按ctrl+del取消版面分析結(jié)果，用鼠標(biāo)拖拽，劃定需要識別的范圍，重新進(jìn)行識別。當(dāng)圖片質(zhì)量問題不大時，這個辦法有效。

有時候（尤其是拍攝所得圖片），文字扭曲嚴(yán)重，即使用PS也無法調(diào)整好?？蓢L試手動分欄，多劃分幾欄，每一欄包含一行或少數(shù)幾行文字，這樣對于每個分欄來說，它所包含的范圍內(nèi)誤差度相對減小，可提高識別率。

3、使用批量識別功能。尚書七號可以一次性識別大量圖片。但在實際應(yīng)用中，依次識別不宜過多，便于隨時檢查識別結(jié)果，發(fā)現(xiàn)錯誤及時修正。

4、批量識別圖象時，保存文件也要花費大量時間。事實上，尚書七號在識別文件的同時，會在圖片所在文件夾生成文本文檔，名稱與圖片名稱相同。因此，如果不是特別需要，可以不必再保存輸出結(jié)果。

如所識別內(nèi)容屬于一部分，可以將左側(cè)的圖象列表全選（ctrl+A），再選擇“輸出--到指定格式文件”，則當(dāng)前所有識別內(nèi)容按照圖片排列順序保存在一個文件中。

我使用的尚書七號不能記憶保存路徑，每次選擇保存時，都會默認(rèn)打開程序安裝目錄下的“outout”文件夾，不必每次都選擇路徑，可以先保存在這里，然后一起轉(zhuǎn)移文件。

5、如果想保留文件中的圖片，在輸出結(jié)果時選用RTF格式，再用word打開，可以看到格式完全正確的文字和圖片了。

6、用書本的頁碼給文件命名是明智的選擇。我曾經(jīng)用內(nèi)容摘要命名，自以為清晰明了，結(jié)果在最后修正錯誤字符時悔恨交加。

7、當(dāng)一個圖象完全無法識別時，可稍稍增加亮度或?qū)Ρ榷?，有時候只差那么一點點，它也不給你工作。

8、分欄的幾個類型。當(dāng)單擊一個分欄時，工具欄中會相應(yīng)分欄類型的按紐會按下。分欄有橫欄（橫排文字）、豎欄（豎排文字）、圖片、表格等幾個類型，一般情況下可以自動識別類型，但手動分欄時一定要選擇相應(yīng)的類型，以提高識別率。

以上問題針對拍攝情況而言，掃描的話相信會減少問題，如果能拆書的話，最好還是拆吧。