如何将扫描图片上的文字转成word文档。谢谢！

扫描文本并将结果以图像格式 (.bmp) 保存到计算机。然后使用ORC识别系统进行转换，最后使用WORD进行修改和编辑。以下是如何使用 ORC：

OCR是英文Optical Character Recognition的缩写。翻译成中文，就是通过光学技术来识别文字，这是自动识别技术研究和应用的一个重要方面。它是一种可以自动识别文本并将其输入计算机的软件技术。它是与扫描仪配套的主要软件。属于非键盘输入的范畴，需要图像输入设备主要是扫描仪的配合。现在OCR主要是指文字识别软件。在1996年清华紫光开始使用中文识别软件之前，市场上的扫描仪和OCR软件是分开销售的。专业 OCR 软件单独出售。CR 软件也在不断升级。扫描仪制造商现在已经出售带有自己扫描仪的专业 OCR 软件。OCR技术的快速发展与扫描仪的广泛使用密不可分。近两年，随着扫描仪的逐渐普及和OCR技术的完善，OCR已经成为大多数扫描仪用户的得力助手。

一、OCR技术的发展历程

自1960年代初第一代OCR产品出现以来，经过30多年的不断发展和改进，包括手写在内的各种OCR技术的研究取得了显著成果，人们对OCR产品的功能需求也从原来的. 简单的关注识别率，发展到整个OCR系统的识别速度、用户界面的友好性、操作的便捷性、产品的稳定性、适应性、可靠性和易升级性，以及预处理的质量。销售和售后服务。更高的要求。

IBM最早开发OCR产品，1965年在纽约世博会上展出了IBM的OCR产品IBMl287。当时的这款产品只能识别印刷的数字、英文字母和一些符号，而且必须是指定的字体。在 1960 年代后期，日立和富士通也开发了自己的 OCR 产品。世界上第一个实现手写邮政编码识别的自动信件分拣系统是由日本东芝公司开发的，两年后NEC公司也推出了同样的系统。到1974年，信件的自动分拣率达到92%左右，在邮政系统中得到广泛应用，发挥了良好的作用。1983 年，日本东芝公司发布了 OCR 系统 OCRV595，它可以识别印刷的日文汉字。其识别速度为每秒70到100个汉字，识别率为99.5%。之后，东芝开始着手日文手写字符识别的研究。

我国对OCR技术的研究工作起步较晚。数字、英文字母和符号的识别技术研究始于1970年代，汉字识别研究始于1970年代后期。1986年，国家863计划组织清华大学、北京信息工程学院、沉阳自动化研究所三个单位在信息领域共同开发中文OCR软件。1989年，清华大学率先推出了国内第一套中文OCR软件——清华文通TH-OCR 1.0版。至此，中国OCR正式从实验室走向市场。清华OCR印刷汉字识别软件后期推出TH-OCR 92高性能实用的简繁体、多字体、多功能印刷汉字识别系统，使印刷汉字识别技术取得重大进展。1994年推出的TH-OCR 94高性能中英文混印文本识别系统被专家认定为“国内外首个推出的中英文混印文本识别系统，总体处于国际领先水平”。1990年代中后期，清华大学电子工程系提出并开展了汉字识别的综合研究，使汉字识别技术在印刷文本、在线手写汉字识别、离线手写等领域得到应用。汉字识别和离线手写数字符号识别。全面取得重要成果。代表成果是TH-OCR 97综合汉字识别系统，可以完成多语言（中、英、日）印刷文本、在线手写汉字、离线手写汉字和手写数字的识别和输入。这几年，除了清华文通TH-OCR，其​​他风格各异的OCR软件，如尚书SH-OCR，也陆续问世。中国OCR市场稳步扩大，用户遍布全球。在线手写汉字、离线手写汉字和手写数字。这几年，除了清华文通TH-OCR，其​​他风格各异的OCR软件，如尚书SH-OCR，也陆续问世。中国OCR市场稳步扩大，用户遍布全球。在线手写汉字、离线手写汉字和手写数字。这几年，除了清华文通TH-OCR，其​​他风格各异的OCR软件，如尚书SH-OCR，也陆续问世。中国OCR市场稳步扩大，用户遍布全球。

可以说，目前印刷OCR的识别技术已经达到了很高的水平。OCR产品从早期只能识别指定的印刷数字、英文字母和一些符号，发展到功能强大的计算机，可以自动进行版面分析、表格识别，实现混合文本、多种字体、多种字号、混合水平和垂直识别。快速信息录入工具。印刷汉字识别率达98%以上，即使印刷质量较差的汉字识别率也达95%以上。可识别宋、黑、楷、仿宋等简繁体字型，可识别多种字体、不同字号的混合排版，手写汉字识别率达到70%以上。尤其是我国汉字OCR技术经过十余年的努力，克服了起步晚、汉字集异常庞大、单个字符识别速度（指单位时间内完成从特征提取到识别结果输出的单词）可以达到70字/秒以上。由于印刷OCR汉字识别技术比较成熟，OCR产品广泛应用于新闻、印刷、出版、图书馆、办公自动化等行业。异常庞大的汉字集，单个字符的识别速度（指单位时间内从特征提取到识别结果输出完成的字数）可达70字/秒以上。由于印刷OCR汉字识别技术比较成熟，OCR产品广泛应用于新闻、印刷、出版、图书馆、办公自动化等行业。异常庞大的汉字集，单个字符的识别速度（指单位时间内从特征提取到识别结果输出完成的字数）可达70字/秒以上。由于印刷OCR汉字识别技术比较成熟，OCR产品广泛应用于新闻、印刷、出版、图书馆、办公自动化等行业。

专业OCR产品多面向特定行业，即适用于邮政、税务、海关、统计等每天需要处理大量形式信息输入的部门。这个针对特定行业的专业OCR系统，格式比较固定，识别的字符集比较小。常与专用输入设备配合使用，具有高速、高效的特点，如邮件自动分拣系统。

手写文件的识别直到 1996 年和 1997 年才出现，并作为打印文件识别产品的附加组件提供。由于人们的书写习惯千差万别，自由手写识别很难实现。因此，手写OCR技术的应用领域是在线手写识别，即人书写和计算机同时识别，是一种实时识别方法。

二、OCR的基本原理

简单来说，OCR的基本原理就是通过扫描仪将一份文件的图像输入电脑，然后电脑取出每个字符的图像，转换成汉字的编码。具体工作过程是扫描仪将汉字原稿通过电荷耦合器件CCD转换成电信号，再通过模数转换器转换成数字信号传输给计算机。计算机接受稿件的数字图像，图像上的汉字可以是印刷汉字或手写汉字，然后识别这些图像中的汉字。对于打印的字符，文件首先通过光学方式转换成原始的黑白点阵图像文件，然后通过识别软件将图像中的文字转换成文字格式，供文字处理软件进一步处理。其中，文本识别是OCR的一项重要技术。

一、OCR识别的两种方式

与其他信息数据一样，计算机中所有扫描仪捕获的图形信息都被记录下来，并用数字0和1进行标识。采样点。OCR识别程序对页面上的字符信息进行识别，主要通过单元模式匹配法和特征提取法进行字符识别。

单元格模式匹配（Pattern Matching）是将每个字符与包含标准字体和大小位图的文件进行松散比较。如果应用程序有一个保存字符的大型数据库，应用程序会选择适当的字符进行正确匹配。软件必须使用一些处理技术来找到最相似的匹配，通常是通过不断地试验同一个字符的不同版本来进行比较。一些软件可以扫描一页文本并识别定义新字体的每个字符。一些软件使用自己的识别技术尽可能地识别页面上的字符，然后手动选择或输入无法识别的字符。

特征提取与识别（Feature Extraction）是将每个字符分解成许多不同的字符特征，包括斜线、水平线和曲线。然后将这些特征与理解（识别）的字符进行匹配。举个简单的例子，应用程序识别出两条水平线，它“认为”字符可能是“二”。特征提取方法的优点是可以识别多种字体。例如，中国书法使用特征提取的方法来实现字符识别。

大多数OCR应用软件都加入了语法智能检查功能，这种功能进一步提高了识别率。它主要通过上下文检查方法来纠正拼写和语法。在字符识别期间，OCR 应用程序将执行多个上下文内聚性检查。根据程序中已经存在的词组和固定的词序，检查对应的词串。更高级的应用程序会自动用它“认为”正确的词替换错误的词，从而纠正句子的意思。

2.文字识别的几个步骤

文本识别包括以下步骤：图像和文本输入、预处理、文字识别和后处理。

(1)图文输入

指通过输入设备将文件输入计算机，即对原件进行数字化处理。今天最常用的设备是扫描仪。文档图像的扫描质量是OCR软件正确识别的前提。正确选择扫描分辨率和相关参数是保证文本清晰、不丢失特征的关键。此外，文档应尽可能平直放置，以确保预处理检测到的倾斜角度较小。进行倾斜校正后，文字图像的变形会很小。这些简单的操作将提高系统的识别精度。相反，由于扫描设置不当，文本的中断笔画过多可能会导致单独检测到一半文本的图像。断字和笔画粘连会导致部分特征丢失。将特征与特征库进行比较时，特征距离会增加，识别错误率会增加。

(2) 预处理

扫描一张简单打印文档的图片，将每一张文字图片整理出来，交给识别模块进行识别。这个过程称为图像预处理。预处理是指字符识别前的一些准备工作，包括图像清洗以去除原始图像中明显的噪声（干扰）。主要任务是测量文档放置的倾斜角度，分析文档的布局，确定所选文本字段的排版，分割横竖布局的文本行，分离每个文本的文本图像行，并区分标点符号。等待。这个阶段的工作很重要，处理的效果直接影响到文本识别的准确率。

版式分析是对文本图像的整体分析，就是对文档中的所有文本块进行整理，区分文本段落和版面顺序，以及图像和表格区域。每个字符块的域边界（图像中域的起点和终点的坐标），域中的属性（水平和垂直布局），以及每个字符块的连接关系作为数据结构，并提供给识别模块进行自动识别。对文本区域进行直接识别处理，对表格区域进行专门的表格分析识别处理，对图像区域进行压缩或简单存储。线字符分割是将大图像分割成线的过程，

(3) 单字识别

单字符识别是体现OCR字符识别的核心技术。从扫描文本中检测出文本图像，计算机将其图形和图像转换为文本的标准代码，这是让计算机“识别字符”的关键，也就是所谓的识别技术。就像人脑识别单词一样，因为单词的各种特征已经保存在人脑中，例如单词的结构、单词的笔画等等。为了让计算机识别文本，还需要先将文本的特征等信息存储在计算机中，但是存储什么样的信息以及如何获取这些信息是一个非常复杂的过程，而且是实现非常高的识别率所必需的。以满足要求。通常的做法是分析文字的笔画、特征点、投影信息、点的区域分布。

常用的汉字有数千种。识别技术是特征比较技术。通过与识别特征库的比对，找到特征最相似的字符，提取字符的标准代码，即为识别结果。比较是人们认识事物的基本方法。汉字识别也是通过比较找出汉字之间的相似、相似和差异，把握它们的数量和质量的关系，以及时间和空间的关系。对于字符集较大的汉字，一般采用多级分类、多特征、全方位动态匹配来获取相似度集，从而保证高分类率，适应性强，稳定性好；，结构判别，定量定性分析，前后连词关系，最后判别。汉字识别本质上是比较科学或认知科学在人工智能中的应用，其关键技术是识别特征库。有了这样的特征库，计算机就可以完成字符识别的功能。

在图像文档的布局中，除了文字和图片，有时还有表格。为了将识别出的表格数字化，在布局分析过程中需要对表格字段进行特殊处理，其中包括表格行的结构。信息提取，表格中文本字段的排序，表格行和文本字段的识别，根据表格行的数字化生成不同的文件格式。由于文档中表格的随机性大，格式多样，有封闭的和开放的，尤其是表格中的斜线，给表格分析带来一定的困难。

(4) 后处理

后处理是指使用词组对识别出的词或多个识别结果进行上下匹配，即将单字符识别的结果分成词，与词库中的词组进行比较，以提高词的识别率。系统，降低误识别率。

汉字识别是文本识别领域最难的问题。涉及模式识别、图像处理、数字信号处理、自然语言理解、人工智能、模糊数学、信息论、计算机、中文信息处理等学科。它是一项综合技术。. 近年来，印刷汉字识别系统的单字识别正确率已超过95%。为了进一步提高系统的整体识别率，还对扫描图像、图像预处理、识别后处理等技术进行了深入研究。并取得了长足的进步，有效地提高了印刷汉字识别系统的整体性能。清华大学在这方面的研究成果突出，已成为世界上最权威的机构之一。目前，紫光全系列扫描仪均配备了清华OCR千年版软件图片如何转换文字，无论是识别率、形式识别，甚至是标准化的笔迹识别，都达到了很高的水平。

三、OCR文字识别技巧

近年来，随着扫描仪的普及，OCR识别技术发展迅速，扫描识别软件的性能不断强大和智能化。但是，要想快速获得正确的扫描结果，获得高效的文本输入，就必须认真学习相关知识，结合实践经验，找到适合自己的一整套解决方案。有时我们在做文字识别工作时，识别率很低，达不到软件所说的95%以上。请不要责怪硬件或软件。其实这就是没有掌握扫描和OCR识别技巧的原因。

以下是一些在文本识别操作中经常使用的方法和技术。

1、分辨率设置是文本识别的重要前提。一般来说，扫描仪提供更多的图像信息，识别软件更容易获得识别结果。但并不是扫描分辨率设置得越高，识别精度就越高。为大多数文档扫描选择 300dpi 或 400dpi 分辨率。注意文字原稿的扫描识别。设置扫描分辨率时，不要超过扫描仪的光学分辨率，否则得不偿失。以下是一些典型设置图片如何转换文字，仅供参考。