图像文字转换为word文档_文字识别的两种简便方法 图像识别技术

在日常工作中,经常会遇到想复制某段文字,但是却发现文字是图片格式的。曾经遇到好多朋友问过我类似的问题,大概有下面几种问法:
等等一些列类似的问题。

以前不太清楚,曾经让那些同学可以尝试尚书之类的软件,但我其实没实际用过,并不知道效果。还有就是网上的OCR在线文字识别,我也曾收集过好多这样的网站(在线OCR文字识别),但是自己使用过,错误率较高,而且还要看网站支持不支持中文识别。

前几周,用AdobeAcrobatPro偶然摸索出来文字识别的一种方法,也帮同学识别了一个31页的文章。昨天又在网上看到同学分享的内容,又发现CAJViewer的文字识别方法。试了一下,也不错。好久没写这种计算机的文章了。今天在新闻网值班,闲着没事了,写一下吧。

示例图片如图所示:(第一个图片为了鉴别是被准确率,故意设置了多种效果)





因为Adobe Acrobat Pro还是收费的软件,大众用起来不是特比方便。所以,还是从免费的CAJViewer说起吧。

基本条件:电脑安装CAJViewer、word(可以吧word另存为pdf,本文以office2010为例进行演示)

首先新建word文档,插入以上两张图片,文件>另存为>PDF格式。
操作过程如图所示:



然后在CAJViewer中打开刚才保存的pdf文件。



点击“文字识别”>在文本中“框选”要识别的部分>好了,出来文字了。
识别之后的文字如下图所示:
H.比1H_}客http了lb}og.si na_cor}_cn/b}}}50801
I} }Ie-'}-'航IP石A匕视直播节…!}.,}dhe. }}I}c1e. ht,}1
上善若水,.._`-S p-利万物而不争。意苟畏龙境界的善行
就像水的品性-样,泽被万物而不争名利。
心在水中
H. He博客http://b I o9. s i na. com. cn/b2}}}}}}}
H,导航I P}r6电视直播节目ht tp:// hdh}, tk/r nclex, htm I
上善若水,善利万物而不争。意为最高境界的善行
就像水的品性一样,泽被万物而不争名利。
f }}在水中


然后按照屏幕提示,可以复制到剪贴板、发送到word或者是其他软件。从识别的准确率来看,字体的要求特别高,最好边缘清晰,颜色统一,字体大小要求影响不大。但相比之下,下面的图片识别准确率明显高于上面的。

使用该方法,个人认为对于较少的文字识别情况,是十分简单的。当面对较大的数目的时候,如果依然是这样一点点选定的话,可能效率不是特别高。(此处没有发现如何设置可以整个文本全部识别,欢迎各位提出各种好办法)

下面,说一下应用Adobe AcrobatPro进行识别的方法。(软件需要的可以到本博客首页底部联系我,直接QQ联系我,我给你们发。网盘地址:软件/注册/安装教程下载,安装过程需要注册。有不明白的也可以通过类似方式联系。声明:本软件仅供各位学习之用,如需要长期使用,请购买正版!

基本条件:电脑安装Adobe Acrobat Pro、word(非必须)

文档保存为pdf的方法和上面步骤相同,不再重复。

在Acrobat中打开需要识别的pdf文档>工具>文本识别>在本文件中>出现如第二张图一样的对话框,针对需要,设置是别的具体页面或整个文档,针对语言类型设置OCR识别的主要语言。设置完成后点击确定,开始识别。




如果顺利的话,结束后可以选择原来图片上有文字的地方。也就是识别成功了。但是本文采用的pdf则有下面的提示。“Acrobat无法在本也上执行OCR识别,因为本页包含可渲染的文本。”如图所示。


上次帮同学识别文字的时候遇到了类似的现象,也在网上找到了解决办法。至于原因,个人认为是在word文档转换成pdf的过程中,插入图片的环节之前有一个换行符在文本中。应该就是这个字符让Acrobat识别到可渲染的文本,然后提示无法识别。

解决办法,当时是把全部30多页文档在pdf文档中到导出为单页的jpg文件,然后利用Acrobat软件将30个单独的jpg文件合并为一个pdf文件。这样就不存在任何可渲染字符了。由于这里已经有点跑题了,不细说,只把如何将30多个jpg合并为一个pdf文档的过程截图以供参考。


如果一切正常识别后的结果是如图所示的效果。


识别出来文字了,怎么保存成txt或者是doc文件呢?这里可以直接复制,也可以选择“文件”>另存为>选择doc文件格式或者是txt文件格式

这里细心地网友可以发现,本文用Acrobat识别的文本文件不是我上面用的“H.He图片转文字演示.pdf”文件了,而换成了“0-1.pdf”。因为第一次尝试的时候遇到了可渲染文字。于是把那个pdf输出为jpg,然后又将jpg在Acrobat中打开。这样就避免了出现可渲染字符的出现。

这里多说一句,我觉得,第一步在word中插入图片再保存为pdf有些多余。其实如果文档只含有图片的话,完全可以直接在Acrobat中打开,这样就省去了word处理的过程。方便。

识别之后的文字,我复制出来,大家对比一下看看两个文字识别的效果和准确率。
。下面是Acrobat识别的结果。

H.t也1f窑h忧p:fjblog.sina.com.cnjb29050801
且He导航IPV6电视直播节目HTI酌'lhdhe. tk/ indeJιhtml
上善若水, 善利万勃而不争。意备最惠境界崎~行
就像*的£性一样, 挥横7i物而不争名秘。
图像文字转换为word文档_文字识别的两种简便方法 图像识别技术
心在水中
H.He博客http://blog.sina.com.cn/b29050801
H.He.导航IPv6电视直播节目http://hdhe.tk/in似. html
上善若水,善利万物而不争.意为最高境界的善行
就像水的晶性一样,泽被万物而不争名利。
心在水中
那么,这两种方法,到底哪个好呢。
对比两者识别效果。如下所示:

CAJViewer识别:

H.比1H_}客http了lb}og.si na_cor}_cn/b}}}50801
I} }Ie-'}-'航IP石A匕视直播节…!}.,}dhe. }}I}c1e. ht,}1
上善若水,.._`-S p-利万物而不争。意苟畏龙境界的善行
就像水的品性-样,泽被万物而不争名利。
心在水中
H. He博客http://b I o9. s i na. com. cn/b2}}}}}}}
H,导航I P}r6电视直播节目ht tp:// hdh}, tk/r nclex, htm I
上善若水,善利万物而不争。意为最高境界的善行
就像水的品性一样,泽被万物而不争名利。
f }}在水中
Acrobat识别:

H.t也1f窑h忧p:fjblog.sina.com.cnjb29050801
且He导航IPV6电视直播节目HTI酌'lhdhe. tk/ indeJιhtml
上善若水, 善利万勃而不争。意备最惠境界崎~行
就像*的£性一样, 挥横7i物而不争名秘。
心在水中
H.He博客http://blog.sina.com.cn/b29050801
H.He.导航IPv6电视直播节目http://hdhe.tk/in似. html
上善若水,善利万物而不争.意为最高境界的善行
就像水的晶性一样,泽被万物而不争名利。
心在水中

这里我不做评价,大家可以针对效果选择自己认为比较好的识别软件啊。
大家的眼睛是雪亮的。

  

爱华网本文地址 » http://www.413yy.cn/a/25101013/176601.html

更多阅读

Word文档中如何设置页码 word2007怎么设置页码

Word文档中如何设置页码——简介Word文档中插入页码是办公的基本操作,利用微软Office所提供的强大页码功能,我们可以实现丰富多样的页码格式。以下小编将为大家讲解一下在Word中插入页码的方法。Word文档中如何设置页码——工具/原料

Word文档怎样转换成PDF 怎么将wps转换成pdf

现在使用PDF格式文件的人越来越多,而要将制作好的Word文档转换成PDF格式,很多人都选择使用第三方工具,其实在Word 2010软件中用自带的另存为功能就能轻松将Word文档转换成PDF文件格式。Word文档怎样转换成PDF——步骤/方法Word文档怎

怎么样在word文档中调整文字的大小 word文档调整行距

怎么样在word文档中调整文字的大小——简介在word文档中设置字体的大小是再普通、再简单不过的事了,我们常常根据不同要求来设置它们,文字的大小可以随意调整,可以调大也可以调小,具体方法如下:怎么样在word文档中调整文字的大小——方

怎样去除word文档中文本框的黑色边框 wps去除文本框的边框

怎样去除word文档中文本框的黑色边框——简介有时候我们在word文档那个里面插入了文本框,然后需要将其边框的颜色变成无色的,那么到底怎么做呢,下面小编就告诉大家吧怎样去除word文档中文本框的黑色边框——方法/步骤怎样去除word文档

PPT演示稿怎样转换成Word文档 什么是itunes

PPT演示稿和Word文档都是微软office软件的系列之一,在网上下载的PPT演示稿或自己制作的,我们需要将它转换成Word文档时,该怎么办呢?PPT演示稿怎样转换成Word文档——PowerPoint 2003

声明:《图像文字转换为word文档_文字识别的两种简便方法 图像识别技术》为网友阿精神分享!如侵犯到您的合法权益请联系我们删除