尚书七号扫描仪文字识别系统.rar

系统使用快速入门

 通过阅读本文，您可以初步了解该软件系统的结构、使用流程以及一些有效的设置。
第一节 系统安装
 将安装光盘放入计算机的光盘驱动器中，直接运行程序setup.exe，根据安装向导的提示，就可以完成安装操作。
 
第二节 选择扫描仪
 第一次使用扫描仪或者更换扫描仪时，都需要安装和设置扫描仪驱动程序。请先按照扫描仪使用手册上的步骤正确安装扫描仪驱动程序，然后打开本系统主程序，在应用程序界面内，单击“文件”菜单中的“选择扫描仪”命令，选择相应的扫描仪，如图：

第三节 系统设置
单击“文件”菜单中的“系统配置”命令，进入系统设置界面，设置扫描任务的语言及彩色图片的保存格式。如下图：
 

 支持的扫描任务语言有：中文简体、简繁混合、纯英文等。
 如果选中“灰度彩色图像总存为JPG”，那么扫描时，系统会自动将灰度、彩色图像文件保存成JPG格式；如不选中该项，图像文件格式是根据用户在“扫描到”窗口中的设定(图像名后缀)来保存的。此设置只对灰度、彩色图像有效。
 如果选中“识别”页中的“自动倾斜校正”，在自动版面分析时，系统会自动校正倾斜的图像文件。如下图：

第四节 操作流程简介
一、获取图像：
 有两种方式获取图像，扫描图像或打开计算机中已经存在的图像文件。本系统支持24位彩色、256级灰度和二值黑白图像。
 扫描图像之前应设置好保存扫描图像文件的路径、图像文件名、图像文件名后缀。设置图像路径，可以直接在  窗口中键入路径名，或单击  按钮，在浏览路径窗口中选定路径。
 图像名的命名规则为: 若干位字母前缀+3位数字，3位数字的范围从000到999，每扫描一幅图像后系统会自动在数字尾数加1，如图像名前缀取“hw”，图像名数字尾数取“003”，图像名后缀取tif，则当前图像名为hw003.tif，下一幅图像名自动改为hw004.tif；如果当前图像名尾数达到最大值，如hw999.tif，则下一幅图像名自动改回为hw000.tif，所以相同路径下相同文件名前缀的文件数最多为1000幅。
 如果扫描过程中弹出“此文件已经存在，是否替换该文件？”提示框，说明该路径下已经存在同名的旧图像文件，如果旧图像文件不再需要，择选择“是”，以新扫描的图像替换旧图像；如果还需要旧图像文件，则选择“否”，并在“另存到”窗口中重新设定路径或图像文件名。不同批次的扫描图像最好分别保存于不同的路径之下，或者在相同路径下而选取不同的图像名前缀，以防止相同路径下相同文件名前缀的文件数超过1000幅。
 图像文件名后缀只能取bmp，tif，jpg 三种图像格式，一般情况下，黑白二值图像保存为tif格式，灰度彩色图像保存为jpg格式将占用较少的硬盘空间。例如，C:\hwocr\image\hw003.tif是一个完整合法的图像文件名。
 单击工具栏上的按钮或单击“文件”菜单中的“扫描”命令，通过扫描仪开始批量扫描文件；单击工具栏上的按钮或单击“文件”菜单中的“打开图像”命令，打开计算机中已经扫描好的图像文件（注意：图像文件所在路径必须是可写的）。
二、图像处理：
 为提高识别率，对图像进行图像反白，自动倾斜校正，调整边框，去噪音（如麻点、下划线等），表格画线等处理。
三、版面分析：
 单击工具栏中的按钮，或单击“识别”菜单中的“版面分析”命令，自动对图像的版面布局、内容进行分析理解，切分图像页，判别图像框的版面属性（横栏、竖栏、表格、图像），并以不同颜色的线框标识图像框属性。对分析错误的版面可以手动调整，方法为，先以鼠标选中需要调整的版面块，再调整版面块的边框改变大小，或单击工具栏上的属性按钮（横栏、竖栏、表格、图像）改变该版面块属性。
四、识别图像：
 单击按钮或单击“识别”菜单中的“开始识别”命令，按照版面属性（横栏、竖栏、表格、图像），自动对图像文件管理器选择的图像进行批量识别。
五、校对：
 通过对比识别结果文本和原图像，以发现识别错误的文字。用户可按Ctrl+Tab、Shift+Tab组合健直接查找系统用醒目的颜色标出的可信度不高的文字，进行校对。
六、版面还原：
     单击“输出”菜单中的“到指定格式文件”命令，将识别并修改好的文本输出、还原成可供计算机阅读和查询检索的RTF、HTML、XLS、TXT 格式的电子文档。

七、删除不再需要的数据文件：
    系统在识别处理过程中生成一些数据文件，这些文件和相关的图像文件放在同一文件夹之下，这些文件以对应的图像文件名字命名而分别加上不同的后缀，包括 *.bki，*.pst，*.tmp。例如对于图像文件hw003.tif，对应生成的数据文件有hw003.tif.bki（不一定存在该文件），hw003.tif.pst，hw003.tif.tmp。当这些图像的识别结果不再需要时，用户可以使用Windows资源管理器删除这些文件。

第五节 使用技巧

1．如果用户从光盘上复制图像及数据进行进行处理，务必先将这些文件的只读属性去掉。
2．处理纯英文文档时，识别语言选项设定为“简体”、“简繁”、“英文”都可以，但设定为“英文”识别效果最好；当处理含有繁体字的文档时，语言选项应设定为“简繁”。
3．如果表格结构因为断线而识别错误，可以先用工具按钮中的画笔在图像上弥补断线再重新版面分析。
4．识别效果不佳的主要原因
(1) 扫描设置不当，扫描图像时的扫描分辨率(Resolution)一般应设为300dpi，如果文档字体较小则需要将扫描分辨率设定为更高值如400dpi或600dpi。缩放比例(Scaling)设为100％，亮度阀值(Threshold,Brightness)需根据纸张和印刷的质量调节，避免扫描图像过黑或过淡 。
(2) 如自动版面分析有错误，这时请用户用鼠标自己划分出正确的版面块；版面块的版式设置错误，如将横版的设置为竖版，竖版的设置为横版等，这时请用户自行将块的版式修改正确。
(3) 原稿印刷质量太差，笔画断裂严重、油墨太浓、字与字之间粘连严重等也可能使识别率显著降低。
(4) 识别语言选项选择不当，应根据原稿正确选择“简体”、“简繁”或“英文”。
5．建议系统使用IE5.0以上版本，否则可能影响正确浏览联机帮助文档。

    如果您在使用本系统时还有什么问题，请查阅本软件系统的联机帮助。
 

图片1