图片型PDF文件的OCR识别方法

 

  本方法适用于扫描所得的图片型PDF文件的文字识别。

1.工具：microsoft office document imaging(见Office 2003 工具)、Windows程序附件中的“画图”板。

2.图片文件格式：.tif(即Tag图像文件格式，tiff)

3.步骤：

    A.在PDF文件中使用快照工具，选中需要识别的区域。提示“选定的区域已复制到了剪贴板”，点击“确定”。

    B. 打开“画图”板，“开始－－程序－－附件－－画图”，然后点“编辑－－粘贴－－文件－－另存为”，在保存类型中选择Tiff，然后“保存”。

   C.用microsoft office document imaging打开保存的tif文件，“开始－－程序－－Microsoft office－－microsoft office工具－－microsoft office document imaging”，接下来有两种方法：1）点“工具－－使用OCR识别文本”，然后在运行过OCR的页面上直接复制文字粘贴到Word中即可进行编辑。2）点“工具－－将文本发送到Word”，去掉“在输出时保持图片版式不变”前面选择框中的“√”，然后确定，在弹出的Word中选择文字即可进行编辑，识别完成。

  4.注意事项：

   A.PDF原稿越清晰识别效果越好，建议放大到200%使用快照工具。

   B.其他格式图片应先转换为tif格式，用“画图”板打开然后另存就可以。

   C.使用快照工具时选区边界尽量放宽，避免靠边的字无法正确识别。

   D.支持跨栏选择的文字，识别后段落正常。

   E.使用快照工具时，避免一次选择太大范围，造成死机。

   F.如果识别后全为乱码，注意microsoft office document imaging的OCR选项是否为相应语言，“工具－－选项－－OCR－－OCR语言（中英文选择）－－确定”。