【OCR教程】OCR系列教程一：汉王文豪基础篇 【转自文心阁】

汉王文本王基础篇

①图象预处理
　　图象处理有两个步骤：
　　一是转换格式，汉王文本王不支持.gif格式，必须将.gif转换成.jpg/.tif/.bmp格式的图象
　　二是调整图片大小，为了更好的识别效果，一般将图片放大到2倍，调整宽度的像素为1400
　　直接转换格式一般都会有些许失真，如果想得到比较好的图源，那就用Photoshop，我将详细说下用PS转换格式：
　　打开PS，打开需要转换格式的图片，全选，复制，然后新建一个文件（背景白色），黏贴。
　　一般将图片放大2倍，可以取得更好的OCR效果，延续上面的操作：
　　将图像宽度的像素调整为1400，然后储存为web和设备格式，保存为JPEG文件即可。
　　如何批处理比较多的图片呢？请参看OCR系列教程二：图像批处理篇

②设置
　　见图一，设置成“手写”与“公文”，其他的设置保持默认的就可以了

　　


③工程
　　在菜单栏“文件(F)”里选择“打开工程(P)”可以打开工程。如果没有已经建好的工程，选择“打开图象(O)”新建工程。
　　如何使用字库工程？请参照OCR系列教程三：字库工程应用篇　

    　

④识别
　　汉王文本王比较有趣的地方就是它可以成长，可以学习以前识别过的字体。直接用方正的启体做的图，OCR效果不好，只好用最笨最笨的方法，从起点的图片上抠字。
　　注意，每次重新打开字库工程都要先在菜单栏的“识别(R)”的下拉菜单中选择“手写--学习全体字(U)”。注意：每张图都要学习一次

　　

　　学习字体之后，同样，可以在左列表，按“Shift”或者“Ctrl”选择多张图片，然后进行批量识别
　　
　　

⑤校对
　　文稿中的每个字同图片的每个方框是存在一一对应关系的。光标移到文稿校对窗口进行校对时，会有两种状态，按Insert可以切换“替代替换”和“插入状态”，插入状态时，光标是竖着的，这个时候插入的汉字在原图中是没有相对应的汉字的。替换状态时，光标停留在被替换的字下面，替换汉字后，新替换的汉字和原图中的汉字，存在对应关系。
　　如果不是为了学习字体的目的，可以不在汉王文本王里面校对，在里面校对的效率比较低，选择批识别过的图，然后菜单栏的“导出(O)”的下拉菜单中选择“输出为指定格式文件(S)...”，保存为TXT，然后在外部进行校对。

　　

　　导出文本之后，会发现标点符号存在大量错误，我将详细说说标点符号的识别，请参看OCR系列教程四：标点符号识别篇