尚书七号

软件特色

简繁字集：除了简体汉字外，还可以混识台湾繁体字5400多个以及香港繁体字和GBK汉字。

识别字体种类：能识别宋体、仿宋、楷、黑、魏碑、隶书、圆体、行楷等一百多种字体，并支持多种字体混排。

识别字号:初号 小六号字体。

表格识别:可以自动判断、拆分、识别和还原各种通用型印刷体表格。

可支持繁体WINDOWS系统

使用方法:

1、打开尚书七号,选择打开图象。（我用的版本可以识别的格式有bmp、tif、jpg）

2、选择开始识别或按F8。识别结果将显示在窗口上部，下部显示版面分析结果。其中红线为可识别部分，绿线为不可识别。

3、选择输出--到指定格式文件，将识别结果保存为需要的格式。

详细操作

1．尚书7号OCR软件是MICROTEK中晶科技公司，向汉王科技购买授权，赠送给用户使用的软件，该软件是放在了扫描仪随机的驱动光盘中，用户可以选择安装。

2．软件安装完毕后，用户请点击桌面左下角“开始”，找到“尚书7号OCR”软件图标，并点击。打开尚书7号OCR的使用界面。

3． 打开尚书7号OCR的“文件”采单下的“选择扫描仪”，选择对应扫描仪的驱动“MICROTEK SCANWIZARD 5”的选项。并选择“确定”。

4． 选择“文件”菜单下的“扫描”，将打开扫描仪的驱动。下面的界面是扫描仪的“高级控制面板”。

5． 用户请注意选择SCANWIZARD 5软件中，左面“设置”窗口中的“图像类型”，请选择“RGB色彩”或者“灰阶”的类型，并注意扫描仪分辨率是300PPI。

6． 当用户作完“预览”后，设置需要扫描的范围，就可以点击“扫描”按钮，扫描仪将开始扫描的工作。将扫描好的文件，直接传递到尚书7号OCR默认的目录中（默认的存储图像文件的目录是用户计算机C盘下的SHOCR2002目录下的IMAGE目录）。扫描完毕后，请用户关闭掉扫描仪驱动程序SCANWIZARD 5.用户可以看到需要扫描的文件已经传递给尚书7号中，默认的文件名是HW001.JPG。

7． 请用户选择尚书7号软件中的“编辑”菜单下的“自动倾斜校正”，让尚书7号软件对扫描进来的图像作相应的旋转，以保证图像中的文字是水平排列，而非倾斜。因为太过倾斜的文字，将影响到尚书软件的识别效果。

9． 版面分析完毕后，用户可以看到对应的文字块，都有对应的识别框被选择。

10． 用户此时，请注意，对应的识别框，其属性是否正确。识别框分别有“横栏”、“竖栏”、“表格”和“图像”等四种属性，分别有四种不同颜色的选框来表示。

11． 核对无误后，用户可以使用“识别”菜单下的“开始识别”按钮。得到结果......

12． 此时实际上已经进入文字校对状态......

13． 当用户校对完毕后，或者不在尚书7号内作校对，用户可以选择“输出”菜单下的“到指定格式文件”.

用户可以看到，识别的结果，有TXT、RTF、HTML、XLS等格式可以选择。默认的输出的目录是用户计算机C盘下的SHOCR2002目录下的OUTPUT目录。用户选择一个对应的文件名，就可以存盘了。为了方便，用户可以选择“输出到外部编辑器”的选项，这样存盘的同时，尚书7号OCR会自动调出对应的编辑软件，如TXT存盘可以自动调用NOTEPAD软件，RTF存盘将自动调用WORD软件，XLS存盘将自动调用EXCEL软件。

一个简单的OCR操作就此完成了。

识别

识别说明

用扫描仪扫描的文字图像，不能对个别文字进行编辑修改，在教学中，需要利用文字识别软件，将文字图像进行识别，将图像格式转化成文本格式，常见的文字识别软件有很多，主要功能基本相同，尚书七号就是其中很优秀的一款。用尚书七号对文字图像识别转化的过程，利用其主菜单：“文件”、“编辑”、“识别”、“输出”可以很方便地完成。

识别步骤

步骤1：获取文字图像文件。

选择“文件”菜单下的“扫描”或“打开图像”（将已经扫描好的图像文件打开）命令，打开图像文件。如果连接了多台扫描仪，可以选择“文件”菜单下的“选择扫描仪”命令，调用扫描仪。

步骤2：对扫描的图像页进行调整

选择“编辑”菜单下“图像页面的处理”子菜单下的“图像页的倾斜校正”（提供自动和手动实现方法）及“旋转”等命令，将扫描的图像页进行调整。

步骤3：版面分析与文字识别转化

版面分析，选择识别范围，在进行文字识别前要选择识别范围，识别过程的核心是“版面分析”。尚书七号的自动版面分析功能很强，对报纸杂志等复杂的版面，也能保持很高的分析正确率。

设置好后，直接点击“开始识别”的按钮就可以进行文字识别了。

步骤4：校对修改

自动识别完毕，识别结果的“文本窗口”会弹出，这个窗口能够提供识别结果的校对，为了校对方便，尚书七号增加了光标跟随显示原图像行的校对方法（如图3出现的黄色提示行的出现）。

提供的校对方法，一眼就能够看到图像原文和识别出文本的差别，如果发现识别有误，可以进行修改。

步骤5：输出

如果检查修改后确认无误，选择识别结果的“输出”菜单，输出的文件格式有：RTF、HTML、XLS、2126，可以根据自己的需要选择对应的格式。如果用户想得到类似原文的识别结果，请选择RTF格式。把RTF格式输出的文件用WORD打开后，会发现几乎保留了原文的所有痕迹，包括原来页面中的彩色图像，都已经保留在WORD中了。

注意

1、图片质量。批量识别时，首先应确保要识别的图片质量。如不能识别还需要重新处理，甚至会导致软件死掉，浪费时间。我本人就曾深受其苦。图片分辨率应稍高，肉眼看感觉偏大，因为识别工具是有点近视的，文字和底色对比要求不高，通常来说，肉眼能看清楚即可，底色发灰或发黑基本不会影响识别结果。

2、避免有不规则形状（图片）出现。识别工具在进行版面分析时，只能采用方形切割，当图片中存在文字环绕不规则形状时，则无法将文字和该形状划分开，则将出现错误或无法识别。此时，较快的办法是在PS中，吸取该图片附近的页面底色，用粗画笔将该区域涂上，不必讲求效果，颜色没有太大差别即可，重新保存图片。

3、避免图象倾斜。尚书七号中也有自动倾斜校正和手动倾斜校正工具，但即使经过校正，识别率还是低很多。如果是拍摄的书本，可能会产生一定弧度，此时保证行的两端对齐即可。另外在拍摄时应避免高光等会使图象各部分亮度反差大的情况。

4.为了得到较好的OCR使用效果，建议用户将扫描仪的驱动SCANWIZARD 5软件，由初始安装的标准控制面板，切换到高级控制面板状态。

文档识别

1． 过程与上面所介绍，基本一样，只是用户需要注意存盘格式。

2． 一般，如果用户需要对该文字，进行重新排版工作，请用户选择TXT存盘，然后再将其内容拷贝到WORD中。

3． 如果用户希望保留稿件的原有格式，并能够作版面的恢复，请使用RTF格式存盘，该格式将有版面的恢复功能。但是用户只能针对其中的文字，作一些个别字的调整，无法作大范围的排版方式的修改。

OCR识别

1． 其中，扫描、自动倾斜矫正过程同普通文稿是一样的。

2． 但是注意“版面分析”后，对其结果进行检查。应该在表格上，经过版面分析后，有一个兰色的框，选中了表格部分，如果不是，用户需要修改栏属性或者考虑手动划定识别区域。

3． 注意输出结果的选择，如果是需要重新排版，用户应该分别用TXT和XLS格式存盘，然后将TXT中的文字和XLS中的表格分别拷贝到WORD，进行排版。

转换技巧

1、可以将书摊平，一次将两边都扫描或拍摄下来，节省时间。处理图片时不必剪开，这时要用到尚书七号的分栏工具了。直接用鼠标在打开的图象上拖拽，可出现选框，分成左右两个分栏，分栏左上角的编号就是识别结果的排列顺序。它会将自动按照编号顺序将所有分栏的内容连接在一起。

2、手动分栏可解决部分图象无法识别的问题。在进行识别后，可以看到版面分析结果，有时候由于图象质量原因，自动分析出的有效版面只是很小的一部分。此时可以按ctrl+del取消版面分析结果，用鼠标拖拽，划定需要识别的范围，重新进行识别。当图片质量问题不大时，这个办法有效。

有时候（尤其是拍摄所得图片），文字扭曲严重，即使用PS也无法调整好。可尝试手动分栏，多划分几栏，每一栏包含一行或少数几行文字，这样对于每个分栏来说，它所包含的范围内误差度相对减小，可提高识别率。

3、使用批量识别功能。尚书七号可以一次性识别大量图片。但在实际应用中，依次识别不宜过多，便于随时检查识别结果，发现错误及时修正。

4、批量识别图象时，保存文件也要花费大量时间。事实上，尚书七号在识别文件的同时，会在图片所在文件夹生成文本文档，名称与图片名称相同。因此，如果不是特别需要，可以不必再保存输出结果。

如所识别内容属于一部分，可以将左侧的图象列表全选（ctrl+A），再选择“输出--到指定格式文件”，则当前所有识别内容按照图片排列顺序保存在一个文件中。

我使用的尚书七号不能记忆保存路径，每次选择保存时，都会默认打开程序安装目录下的“outout”文件夹，不必每次都选择路径，可以先保存在这里，然后一起转移文件。

5、如果想保留文件中的图片，在输出结果时选用RTF格式，再用word打开，可以看到格式完全正确的文字和图片了。

6、用书本的页码给文件命名是明智的选择。我曾经用内容摘要命名，自以为清晰明了，结果在最后修正错误字符时悔恨交加。

7、当一个图象完全无法识别时，可稍稍增加亮度或对比度，有时候只差那么一点点，它也不给你工作。

8、分栏的几个类型。当单击一个分栏时，工具栏中会相应分栏类型的按纽会按下。分栏有横栏（横排文字）、竖栏（竖排文字）、图片、表格等几个类型，一般情况下可以自动识别类型，但手动分栏时一定要选择相应的类型，以提高识别率。

以上问题针对拍摄情况而言，扫描的话相信会减少问题，如果能拆书的话，最好还是拆吧。