清華紫光OCR

清華紫光OCR支持Windows環(huán)境下的GB、BIG5、JIS和Shift-JIS等多種內(nèi)碼。在印刷體漢字識別中還加入了MMX優(yōu)化技術(shù)，使識別速度得到了很大提高。我們用它識別一頁A4大小的印刷體中英文混排的純文本文件，只用了幾秒鐘。而且識別率非常高，只有極個別的字出現(xiàn)了差錯。在這個版本中新增了表格識別功能。選擇了識別表格的選項后，它會自動將表格的框線先識別出來，再對表格中的文字進行識別。文字全部識別出來之后會將文字按原樣恢復到表格中。在這項測試中識別率也很不錯。但是在測試中我們的工程師發(fā)現(xiàn)，當文字與表格的框線距離較近時，它的識別效果就沒有那么理想了。如果用戶想對一個圖文混排的文件進行識別，則清華紫光OCR還具有版面自動分析功能。它自動對掃描的版面進行分析，把應識別的文字區(qū)域劃分出來，之后進行識別。對于被劃分區(qū)域內(nèi)的文字有很高的識別率，而且速度同樣很快。不過遺憾的是，在這個版本中沒有提供版面自動恢復的功能，因此如果想把文件恢復成原來的版面，則還需要重新手動排版。它的導出功能可以將帶有表格的文當導出成為RTF格式的文件，從而允許用戶在Word等應用程序中繼續(xù)進行編輯。它還可以將掃描進來的圖像格式轉(zhuǎn)換成TIFF、BMP或PCZ等格式，具有很大的靈活性。它的批量識別功能可以讓用戶一次把多頁文稿全部掃描之后再進行識別，避免了掃描一頁識別一頁帶來的麻煩。這一版本最多可實現(xiàn)10000頁的批量識別。該版本還增加了一項非常實用的功能，就是手寫體的識別。有了這一功能，許多以前手寫的信件或文件就可以掃描到計算機中，識別出來后用電子文檔的方式進行保存了。不過目前的手寫體識別功能還不夠完全成熟，它對書寫有很高的要求，如每個字之間要有一定的間隔，不能有連筆的情況等。盡管如此，手寫體識別這一功能還是能夠在一定程度上減輕文字錄入工作的負擔。該OCR還具有自學習功能，當遇到有生僻字時，可以通過鍵盤輸入進行學習。有了這一功能，用戶就可以自由地添加一些本來不“認識”的字，大大拓寬了中文OCR系統(tǒng)的識別字符集。清華紫光這一款專業(yè)版的OCR軟件，不僅可以對純文本文件進行識別，而且可以進行復雜的圖文混排和圖表文檔的識別，最大限度地把人們從繁雜的文字再錄入的工作中解脫出來。