扫描版pdf文字提取 提取图片（扫描版PDF）中的文字

有时候在书上看到一篇好文章用相机拍下来，或是纸质文章需要输入到电脑时，如果数量比较大，手动输入会很慢，下面介绍几中方法将图片中的文字转化为文本，同样适用于影印版PDF。

只要图片中的文字不是很模糊，识别的正确率还是很高的，但是一定要记得进行校正。

下面几个方法各有优劣，可根据个人兴趣选择。

ABBYY FineReader 11软件

Office2003 自带组件Microsoft Office Document Imaging

DoPDF软件和AJViewer

慧眼图像文字识别软件

首先介绍ABBYY FineReader 11这个软件。

泰比（ABBYY）FineReader提供直观的文件扫描和转换成可编辑、可搜索的电子格式工具。泰比（ABBYY）FineReader可以识别和转换几乎所有打印的文档类型，包括书籍、志上的文章与复杂的布局、表格和电子表格、图片，甚至以准确的精度发传真。

下载地址：网上随便一搜就很多例如：

http://www.xp510.com/soft/Application/Processing/15768.html

破解补丁：

http://down.qiannao.com/space/file/l513980209/share/2011/11/2/ABBYY_FineReader_11_Professional_Edition_-514d-5e8f-5217-53f7-65e0-9650-5236-7834-89e3-7248-7834-89e3-6587-4ef6.rar/.page#

破解方法：将下载的文件替换原安装文件即可。

使用方法：

1 安装后打开软件，选择任务，这里选择图片至microsoft word。

2 打开需要识别的图片，软件会自动识别文字。

3 当然该软件还自带图像简单处理功能，使得识别更加准确。

4 识别后可以设置文字的样式、语言、字体、大小等。

5 对于自动识别的文字可能出现偏差，所以必须手动。

6 校验完毕后发送到word（可选其他格式）。

提取图片（扫描版PDF）中的文字_慧眼图像文字识别

Office2003 自带组件Microsoft Office Document Imaging

如果Office装的是精简版，那么在就没装这个组件，可以自己装一下或是下载完整版。装完后如下图。

1 转换文件格式，将图片转化为tif格式。

用ACDSee打开你的.jpg文件，单击界面上的“浏览器”按钮（或者双击当前图片都可以进入到浏览器界面），在打开的浏览器中，右键这个文件，在右键菜单中选择“工具/转换文件格式”；在转换文件格式对话框中，选择TIFF格式，两次下一步后，就开始转换，结果是将你当前的.jpg文件转换成了.tif文件。

2 将图片转换为文字。

选择：开始/所有程序/Microsoft Office/Microsoft Office工具/Microsoft Office Document Imaging，打开这个工具后，菜单：文件/打开，找到你保存的那个.tif文件，打开它。然后选择菜单：工具/使用OCR识别文本；梢等一会儿，继续菜单：工具/将文本发送到Word。这样，这幅图片就到了Word中成了可以编辑的文字内容了。因为OCR识别并非百分之百成功，所以有些位置可能需要你进行手动修改。

提取图片（扫描版PDF）中的文字_慧眼图像文字识别

通过PDF->文字

也就是先将图片转化为PDF，然后再提取文字。

1 下载DoPDF将word转化为PDF，工具网上多得很，例如下载地址：

http://www.duote.com/soft/1329.html

2 下载AJViewer，地址：

http://www.drv5.cn/sfinfo/7781.html

3 打开AJViewer，选择【工具】-【文字识别】，如下图

4 选择文字后，进行转化，转化效果如下。

提取图片（扫描版PDF）中的文字_慧眼图像文字识别

慧眼图像文字识别软件

可参考

http://jingyan.baidu.com/article/ceb9fb1006ffed8cad2ba01d.html

文字图像尽量平整，文字尽量清晰。

进行识别后一定要进行校验。

爱华网本文地址 » http://www.413yy.cn/a/8105150103/347403.html