1、ABBYY FineReader使用指南ABBYYFineReader使用指南(2012-09-19 18:36:31)转载标签:扫描校对书籍ocr分享杂谈分类:他山之石首先,什么是 OCR 技术?OCR (Optical Character Recognition,光学字符识别)传统上是指,电子设备检查纸上打印的字符,通过检测暗、亮的模式确定其形状,然后用字符识别方法将形状翻译成计算机文字的过程;即,对文本资料进行扫描,然后对图像文件进行分析处理,获取文字及版面信息的过程。本文所述 OCR,特指将 PDF 文档,拆分为一幅幅图像文件,用 OCR 技术通过相应软件,将图片中文字转换成文本,便于
2、下一步操作(例如导入书苑的 epubBuilder 制作软件)。传说中一步到位的 PDF 转换成 EPUB ,并不在本文的讨论范畴内。一、准备工作:1.准备 PDF 源文件,并将 PDF 按页拆分成图像文件。方法有很多,不一一赘述了,如图例1;2.准备 OCR 软件,本人用的是ABBYY FineReader 10,如图例2;二、初始工作:1.新建 FineReader 文档,如图例3;2.点击上栏“打开”图标,打开图像,打开后,软件处理图像添加进文档,如图例4、5;提示:在新建的FineReader文档中,添加若干图像文件,可以合理安排工作量,例如:按章节分派,每个文档就是一个章节的图像文件
3、;平均分派,每个文档取一个固定值的图像文件,便于均衡校对的工作量。3.保存 FineReader 文档,如图例6;提示:建立并保存FineReader文档后,下次可以打开未完成的文档,继续校对工作。三、设置工作:1.将输出设置为“另存为TXT”,如图例7;提示:个人认为无格式的TXT文档便于后期编辑,具体喜好因人而宜。2.点击“选项”图标,设置“文档语言”,这个很重要,如图例8;提示:简体中文书籍,繁体书籍,英文书籍请按相应语言设置,也可按右侧“编辑语言”,设置你要的语言,不要添加过多选项,否则将影响准确率。如图例9。3.在“选项”内选“查看”标签,设置软件显示待校对文字的字体,如图例10;提
4、示:我选“楷体”,并不是说我喜欢这个字体,而是因为,很多生僻字在楷体字库下显示不出,例如“事”和“亊”,识别为“亊”,在宋体下能显示,楷体不显示,便于纠错。四、校对工作:1.打开 FineReader 文档(类似一个专辑),调出一组图像文件;2.一般情况打开左右两栏,左侧原图,右侧待校对文字;3.调整好两栏显示大小;4.打开右上角“显示不可打印字符”按钮,便于将不规则字符去除;如图例115.遇到书源不好的PDF,字迹比较模糊,也可调整为上下俩栏(共4栏),识别校对,如图例12;6.软件会将可能错误的字符以背景颜色显示出来,便于校对更正,更正时可以手动输入,也可以鼠标移动待修改字,右键以显示待选
5、字符,再选择正确字符。如图例13;7.将此档校对完毕,保存输出,如图例14;8.其他一些情况,如中英文混编的书籍,更复杂一些。建议分别选择识别区域,分别识别,如图例15。9.OCR 技术的扩展应用,一份小女的卷子,手机拍下,分别识别校对。五、总结:有书友提出不必拆分为图片,直接进行转换,甚至有的软件号称可以直接 PDF 转 EPUB。当然那也是可以的,同样的 OCR 软件输出质量应该是相差无几的。但是本人是完美主义者,做事的理念是:“不喜欢难看的东西,更不喜欢错误的东西”。所以多做了一些前期工作,喜欢以图片、文字对照的方式边读边校对。作完一本书,就是读完一本书,用时肯定比别人长,但精度也肯定比别人强一些。所以,修改了一下帖子,谨将此帖献给励志做精校、精确书籍,让他人有舒畅阅读体验的书友们!
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1