如何正确设置参数进步OCR识别率？

tytuuu

问：我是贵网站的忠实浏览者，这两天我碰到了一个头疼的题目，主要是时间很紧，快过年了，别人要得很急，请务必帮个忙。我现在扫描很多油印的文稿(文字不是很清楚)，其中有文字、简单的图形和表格，但是扫描成可编辑文字后(.txt)，识别率非常低，需要大量的修改工作。但是我现在急需出版文稿，我想问一下，用什么样的软件配合扫描仪可以达到较高的识别率，减少修改工作。 　　答：为了达到最佳的识别效果，确定合适的扫描参数非常重要。一般OCR是原稿应扫描为“黑白二值”，扫描文字的亮度和对比度对正确识别非常关键，我们可以通过“放大预览”对文稿中的几个文字进行取样扫描，从而对图像的亮度进行更为细致的调节。调节的工具是扫描仪工具内的“阀值”。对于分辨率，一般300DPI是最佳的分辨率。超过和低于300DPI都不能得到最理想的识别率。 　　　 对稿件进行识别前的预处理 　　OCR对原稿的要求是字符清楚、完整，无笔画中断；字符边沿锯齿不明显；文字摆放平行、水平。但原稿的情况是差异万千，所以需要在识别前，应做一些预先的处理。 比如去除杂点和图像。如文稿中含有图像，OCR是不能识别的，假如有图像存在，会影响OCR的文字切分。可使用“图像的块擦拭”工具将文档中的图像去除，同时将一些杂点去除。另外要留意倾斜校正和正确分栏 。由于OCR的辨识原理是采用字模的方式进行的，所以一定要留意稿件是否水平。对于版面较复杂的原稿，尽量不要采用“自动切分”。 　　　 采用适当的辨识方式 　　留意稿件是横排还是竖排，可选择合适的编排格式按扭，以保持对应。另外尚书OCR提供了简体、繁体、英文的识别方式，也应选择合适。不要总是抱怨识别软件不好，原稿的扫描和处理效果，对OCR识别率影响更大，确认以上的步骤后，相信你OCR的识别率会大大进步。