讓掃描儀文字識別更準(zhǔn)確的方法 如何讓掃描儀文字識別更準(zhǔn)確

要問掃描儀是做什么的？一般的用戶都會說拿來掃描照片之類的呀，殊不知掃描儀在錄入文字材料方面也是一把“好手”哦，通過掃描儀來快速掃描、識別文字，已經(jīng)成為許多單位用戶和個(gè)人用戶每天必修的“功課”之一。不過在用掃描儀識別、錄入文字材料的過程中，不少人往往只會用掃描儀缺省的設(shè)置參數(shù)來掃描識別文字，遺憾的是這種識別方法常常無法準(zhǔn)確地將材料中的文字識別出來。為了有效提高辦公效率，學(xué)會一些文字識別的操作技巧，從而提高文字材料的錄入速度是非常有必要的�，F(xiàn)在，小編就將自己在掃描識別文字過程中總結(jié)出來的一些經(jīng)驗(yàn)貢獻(xiàn)出來，與各位朋友分享一下!

從識別軟件挖掘。

也許有人說，識別軟件不是內(nèi)置在掃描儀驅(qū)動程序中，這有什么好挖掘的?其實(shí)不然，不同的OCR掃描識別軟件在文字識別的能力以及功能方面是不完全相同的，而挑選一款操作方便、識別能力較強(qiáng)的識別軟件是提高文字識別準(zhǔn)確率的前提。一般用戶通常都會使用掃描儀內(nèi)置的OEM識別軟件，不過這種識別軟件相比其他專業(yè)的識別軟件來說，識別功能不強(qiáng)，文字識別的準(zhǔn)確率也不是很高，甚至還無法對中文字體進(jìn)行識別;而類似尚書OCR6.0、清華紫光OCR2003等專業(yè)的文字識別軟件，不但在文本自動識別方面有較強(qiáng)的能力，而且在使用功能方面也比較突出一些，選擇這些專業(yè)的識別軟件可以很輕松地提高文字的識別準(zhǔn)確率。

當(dāng)然，要是目標(biāo)文稿中包含的文字具有復(fù)雜的格式，比方說段落中出現(xiàn)了首行縮進(jìn)格式，文字字體使用了斜體、粗體等格式，那么有的OCR軟件在識別這些格式時(shí)，常常會識別出亂碼來;所以當(dāng)我們在掃描識別一些具有特殊格式的文字材料時(shí)，一定要選用可以支持文字格式的掃描識別軟件，只有這樣才能獲得較高的文字識別成功率。

從放置操作挖掘

不少人都認(rèn)為放置掃描原稿是一件十分簡單的事情，只要將原稿正面的內(nèi)容對著平板玻璃放置，然后蓋上掃描儀的上面蓋就可以了;其實(shí)原稿的放置操作也會影響文字的準(zhǔn)確識別，正確放置文稿的方法應(yīng)該為先將文稿正面的內(nèi)容對著平板玻璃放置，然后將文稿位置調(diào)整到掃描起始線正中，同時(shí)確保掃描儀的平板玻璃表面完整和干凈，最后放下掃描儀的上面蓋。要是文稿放置有一定傾斜角度的話，一定要在掃描完成后使用旋轉(zhuǎn)工具對傾斜文字進(jìn)行糾正，不然的話掃描識別程序會將水平筆劃看作斜筆劃來處理，這樣文字識別的正確率就會下降很多。

從識別參數(shù)挖掘

在使用OCR識別軟件來識別目標(biāo)文稿中的文字時(shí)，常常需要先在識別軟件中進(jìn)行合適的參數(shù)設(shè)置，畢竟使用默認(rèn)的參數(shù)設(shè)置是無法獲取最令人滿意的效果的。一般來說，需要設(shè)置的識別參數(shù)主要包括掃描模式設(shè)置、分辨率設(shè)置、亮度對比度設(shè)置等;在識別純文字材料時(shí)，往往只需要將識別軟件的掃描模式設(shè)置為“黑白”模式就可以了，要是將掃描模式設(shè)置為“彩色”或“灰度”模式的話，只會增加掃描識別的時(shí)間，而且也不會提高文字識別的準(zhǔn)確率。要是被識別的目標(biāo)文稿質(zhì)量比較差時(shí)，我們可以嘗試將掃描模式設(shè)置為“灰度”模式，然后用相關(guān)的掃描軟件對掃描結(jié)果進(jìn)行一下處理再繼續(xù)進(jìn)行識別，這樣一來文字識別準(zhǔn)確率就會大大提高。

在進(jìn)行分辨率設(shè)置時(shí)，通常將分辨率設(shè)置得越低，掃描儀掃描文本的速度就越快，但掃描出來的文稿效果就越差;相反，將掃描分辨率設(shè)置得越高，掃描儀掃描文本的速度就越慢，但掃描出來的文稿效果就越好。不過這一理論并不是千篇一律的，畢竟將掃描分辨率設(shè)置得太高的話，文稿紙張上的小斑點(diǎn)都有可能被識別成標(biāo)點(diǎn)符號，這樣一來文字識別準(zhǔn)確率反而會得不到提高。經(jīng)過筆者多次測試發(fā)現(xiàn)，如果目標(biāo)文稿中的文字字號為1、2、3號的話，那我們只需要將掃描分辨率設(shè)置為200dpi就可以了;要是目標(biāo)文稿中的文字使用的是4號或5號字體的話，那可以將掃描分辨率設(shè)置為300dpi;高于5號的文字字體，必須將掃描分辨率設(shè)置為400dpi以上，但不能超過掃描儀的光學(xué)分辨率。

使用合適的掃描亮度與掃描對比度，可以確保目標(biāo)文稿中的文字黑白分明，這對提高文字識別準(zhǔn)確率非常關(guān)鍵;在調(diào)整掃描亮度與對比度時(shí)，我們應(yīng)該仔細(xì)觀察掃描預(yù)覽效果，當(dāng)發(fā)現(xiàn)預(yù)覽效果中的文字筆畫較細(xì)但并沒有斷開時(shí)，就表明此時(shí)的亮度和對比度數(shù)值是最合適的。如果在識別過程中，發(fā)現(xiàn)預(yù)覽效果中的文字線條較粗較黑而且筆畫分不清時(shí)，就表明此時(shí)的亮度數(shù)值設(shè)置得小了，我們應(yīng)該嘗試提高一些亮度值來看看;要是發(fā)現(xiàn)預(yù)覽效果中的文字線條看上去凹凸不平，甚至有斷線或殘缺不全的現(xiàn)象時(shí)，那就表明此時(shí)的掃描亮度調(diào)整得有點(diǎn)高了，我們應(yīng)嘗試將亮度數(shù)值降低一些再看看。

此外，“輸出信息”的參數(shù)設(shè)置也會對文字的識別準(zhǔn)確率帶來一定的影響;在缺省狀態(tài)下，“輸出信息”的數(shù)值常常會被設(shè)置為100%，這種參數(shù)設(shè)置僅僅適合那些新墨粉打印出來的文字材料或者印刷出來的報(bào)紙、書籍等，相反在掃描識別那些文字色彩比較淺的文稿時(shí)，最好能夠?qū)ⅰ拜敵鲂畔ⅰ钡臄?shù)值調(diào)整得稍微大一些，不然的話掃描出來的圖象看上去很不清晰，而且文字識別的準(zhǔn)確率也不會很高;當(dāng)然“輸出信息”的數(shù)值也不能設(shè)置得過大，不然會延長掃描識別的時(shí)間，而且還會使識別出來的文字筆畫看不清楚。

從識別原稿挖掘

在掃描識別不同類型的原稿時(shí)，需要用不同的識別處理方法，才能保證得到比較理想的識別效果。如果原稿為報(bào)紙或者半透明文稿的話，那么在掃描識別之前要是不采取任何措施的話，報(bào)紙背面的文字很容易透過紙張表面來混淆目標(biāo)文字的字形，從而會對文字的正確識別造成不小的障礙。為此在掃描識別這類文稿時(shí)，最好在原稿背面蓋上一張黑紙，同時(shí)在掃描過程中，將對比度稍微提高一些，這樣就能有效降低背面文字對識別效果的干擾程度了。在掃描識別一些印刷質(zhì)量較差的文稿時(shí)，一定要先進(jìn)行色調(diào)調(diào)節(jié)操作，以確保掃描結(jié)果看上去黑白分明，否則的話掃描圖象中有可能會出現(xiàn)許多黑色斑點(diǎn)，從而嚴(yán)重影響文字識別的準(zhǔn)確率。當(dāng)然在對色調(diào)參數(shù)進(jìn)行調(diào)節(jié)時(shí)，一定注意觀察掃描識別界面中的圖象預(yù)覽效果，并根據(jù)預(yù)覽效果對色調(diào)進(jìn)行反復(fù)調(diào)整，才能得到非常理想的識別結(jié)果。在掃描識別圖文混排類型的原稿時(shí)，應(yīng)該先確認(rèn)一下自己選用的掃描識別應(yīng)用程序能否支持自動圖文分析功能，要是可以支持的話，那我們就應(yīng)該啟用該功能，這樣掃描識別程序就會自動分析出目標(biāo)文稿中的文字內(nèi)容、文本位置等，而文字內(nèi)容部分只要按照標(biāo)示順序來進(jìn)行正常識別就可以了。

從手工識別挖掘

現(xiàn)在許多文稿排版為了追求盡善盡美的視覺效果，常常會使用圖文混排方式，如果我們將原稿簡單地掃描成一幅圖像的話，將會嚴(yán)重影響文字的識別準(zhǔn)確率。有鑒于此，我們應(yīng)該根據(jù)實(shí)際情況，對原稿版面進(jìn)行手工劃分，讓其版面分為若干個(gè)區(qū)域;而且應(yīng)該保證處于同一區(qū)域中的文字字號與字體最好相同，盡量沒有圖像、圖形，每一行的文字寬度應(yīng)該相同，要是發(fā)現(xiàn)寬度長短不一的話，最好再進(jìn)行細(xì)分，通常情況下一次最多能掃描識別10個(gè)選擇區(qū)域。此外根據(jù)實(shí)際情況，我們還需要對多個(gè)選擇區(qū)域設(shè)置好識別順序。大家千萬不能嫌這樣的操作比較煩，這可是有效提高文字識別準(zhǔn)確率的理想途徑之一。