图文转换方法.doc

如何利用OFFICE软件将图片文字转换为文本文字复制本帖链接 飞雨飘 发表于 2006-01-25 14:23:36 此帖被浏览 28147 次,回复 33 次 最后由 飞雨飘 于 2006-01-25 14:43:32 修改 原创如何利用OFFICE软件将图片文字转换为文本文字在日常工作中，有大量的JPG或BMP格式的图片当中包含着文字与表格，如果需要将它们转换为WORD格式，则需要专门的OCR软件，如果没有的话，那就需要自已一个个字的打出来，浪费了大量的时间和精力，现在我们只要使用微软OFFICE2003版软件的话就没必要这么辛苦了。具体操作过程如下：首先手头要有一张JPG或BMP格式的图片，我使用的图片如下图用OFFICE软件中的MICROSOFTOFFICEPICTUREMANAGER软件将其打开。如下图点击导出图片按扭，在“以此文件格式导出”处将格式改为，TIFFTAG图像文件格式（*.tif）,点击确定，将格式改为tif格式。然后用MICROSOFTOFFICEDOCUMENTIMAGING软件将此tif格式文件打开，点击将文本发送到WORD按钮，出现下图，并在版式选项中的在输出时保持图片版式不变选项去勾，按确认键。如下图经过ORC转换成WORD。如下图这样，一个从图片转换为文字的过程就基本完成，现在只要修改一下辨认不是很精确的部位就可大功告成了。另注，如果你的画图中有TIF格式，可把图片格式直接转为TIF格式，然后用MICROSOFTOFFICEDOCUMENTIMAGING软件转换为WORD格式。本文于2006-01-2514:43:32.673被飞雨飘修改过。这是本帖的第2次修改将图片文件JPG格式用画图工具读入另存为TIF格式。使用 Microsoft Office Document Imaging，打开已转换好的TIF图片。在 Microsoft Office Document Imaging中，点击工具使用OCR识别文本.在 Microsoft Office Document Imaging中，点击工具将文本发送到WORD .打开发送过来的WORD文档，进行编辑。 如果你的Office不是正版的也可以从网上下载OCR软件但识别效果都不太理想，最好还是自己识别啦！ 1.清华紫光OCR V7.5 清华紫光 OCR支持Windows环境下的GB、BIG5、JIS和Shif /soft/6564.html 2.ABBYY FineReader OCR Professional 63 一款OCR软件。为用户提供了现代OCR赤铜的全部功能，给予它们对信息管理的完全控制。一 /soft/24081.htm 3.扫描小精灵 V1.30 Build 2003.03.21 针对OCR的图像增强、虚拟TWAIN、批量扫描.软件实现了 /soft/8242.html 4.Mini Ocr 汉字显示字体识别软件 1.0 本软件是飞涛软件工作室开发的一款免费Ocr软件,主要用于识别图像文件之中，出现的汉字 /soft/27951.htm 5.Mini Ocr 汉字显示字体识别软件 V1.0 本软件是飞涛软件工作室开发的一款免费Ocr软件,主要用 /soft/15933.html 6.奥普印刷体文字识别OCR系统 专业版 a.OCR专业版，OCR全称是光学字符识别技术（OpticalCharacterRecognition，简称OCR）。 /soft/29690.htm中国OCR信息网/风雨春水 2009-06-02 15:31:58 不要通过尚书7号扫描。 使用方法是： 在尚书软件里，打开扫描好的图像，再做识别就可以了。 正版的清华TH-OCR V9.0是带加密狗的。 首先手头要有一张JPG或BMP格式的图片，用OFFICE软件中的MICROSOFT OFFICE PICTURE MANAGER 软件将其打开。点击导出图片按扭，在“以此文件格式导出”处将格式改为，TIFF TAG 图像文件格式（*.tif）,点击确定，将格式改为tif格式,然后用MICROSOFT OFFICE DO*ENT IMAGING 软件将此tif格式文件打开，点击工具-将文本发送到WORD按钮，并在版式选项中的在输出时保持图片版式不变选项去勾，按确认键.经过ORC转换成WORD。这样，一个从图片转换为文字的过程就基本完成，现在只要修改一下辨认不是很精确的部位就可大功告成了。软件简介： Mini Ocr 汉字显示字体识别软件首先声明，我不是一个OCR领域的专家。我的经验来自我写Mini Ocr软件的过程。 马飞涛 关于Mini Ocr 软件本软件是飞涛软件工作室开发的一款免费Ocr软件,主要用于识别图像文件之中，出现的汉字显示字体。Ocr的中文含意是光学字符识别。为什么叫Mini呢？因为现有的识别汉字的商业Ocr软件，动辄二三十兆，而本软件解压后，也不过三兆多，身材比较纤小，再加上本软件主要用于识别字体比较小的汉字，所以叫Mini，中文的发音是“迷你”，中文含义是超小型。既然有了商业Ocr软件，为什么还要开发这个软件？不同于商业Ocr软件，本软件是免费的，可以自由使用。第二个不同之处，本软件的识别对象是屏幕出现的“显示汉字”，而不是针对扫描仪扫出来的“打印汉字”。二者有什么不同呢？最重要的一点： 扫描出来的打印汉字的高度和宽度一般都在30多个像素点之上，这是我用画图软件，打开某个商业Ocr的samplessample1.tif，然后一点一点数出来的。从文件名和目录名的中文含意可以看出，这个点数应该是一个典型值。那么，如果用商业Ocr识别屏幕上出现的小五号字，汉字的高度是12个像素点，会出现什么情况呢？ 测试方法：用记事本随便写几行汉字，设置字体为小五号字。这大概是看着还算舒服的最小号的汉字字体了（高度是12个像素点），如果再小，字体就很难看了。然后，按拷屏键PrtSc，把屏幕的图像拷贝、粘贴到画图软件中，修剪尺寸后，保存为bmp的格式。然后，我找了两个国内最著名的Ocr软件进行测试，结果让人大吃一惊，识别率几乎为零。把图像放大两倍，再测试，结果仍然很不理想，大概也只有百分之二三十的样子。开发Mini Ocr软件的由来我在开发护花使者反黄图像识别软件的时候，遇到有些图像里,嵌有某些文字，如果能把文字识别出来，图像的含义就很容易让计算机理解了。预算有限，我连扫描仪都舍不得买，就更别想买商业Ocr的开发包了，大概几十万,或者更多，或者别人压根就不卖。况且它们的识别率对小字体几乎为零，不符合我的要求。看来，只好自力更生，重新写一个了。开发Mini Ocr的历程经过三个多月的努力，终于诞生了这款Mini Ocr 软件。第个月做出了汉字识别的核心模块，第个月做出了文章段落切分的算法，并加入了对英文，数字，标点的支持，第三个月继续调整英汉混排和汉字切分的算法，并用MFC 做了一个界面。Mini Ocr的软件架构为了让更多的人能使用到这个软件，我在windows系统下，采用VC进行编程，界面当然只好用MFC写了。软件架构是一个SDI框架下的多窗口切分界面，左上角的窗口是一个CFormView，用来显示常用的按钮；左下角是一个CEditView,用来显示帮助信息；右上角是一个CView,用来显示要识别的图像；右下角是一个CEditView,用来存放识别出来的文字。识别部分采用了工作者线程，以避免显示界面的主线程僵掉。识别部分是整个软件的核心，与操作系统无关，可以单独摘出来放在dos窗口里跑，也可以移植到Linux系统中跑。汉字识别软件的难点所在：英文识别有一些开放源码的软件，我看过的软件，主要采取两种识别方法：基于规则的方法，和采用神经网络方法。而这两种方法，在识别汉字时，都不宜采用。因为汉字数目众多，最常用的国标2312的一级汉字就有3755个。如果借用基于规则的方法，需要对三千多个汉字，逐一人工写出分类规则，工作量太大，我一个人无法完成；如果采用神经网络的方法，这么多汉字，我不敢想象，需要多少层网络和神经节点呀！如果采用网格法，抗位移的效果太差；而采用不变矩法，识别人和入，土和士，相似度又难于控制。除此之外，汉字切分也是一大难题。英文宽度大概只有汉字一半，标点符号大概只有汉字三分之一宽，数字大概只有四分之一的宽度。而汉字本身又有二分字，和三分字。某些字，如“啊”，字体小时可能是独体字，字体大些，变为二分字，字体再大，又变为三分字。加上汉字与汉字之间的粘连、汉字与英文的混排，英文与英文的粘连，造成汉字切分模块的算法，甚至比汉字识别模块的算法还要复杂得多。为了克服这些难点，并加快识别速度，我在算法设计时，采用了一些优化和简化的策略。经过实践检验，证明行之有效。Mini Ocr进行汉字识别的策略：1) 采用复合特征的分类方法。2) 字符集选择3755个一级汉字。3) 字体选择最常用的宋体。4) 字号选择从小五号到一号汉字，主要针对20个点之