廣告好幫手，不用打字，圖片文字識(shí)別軟件
清華紫光最新推出了新一代文字識(shí)別軟件——清華TH-OCR千禧專業(yè)版，并將其免費(fèi)贈(zèng)送給了清華紫光掃描儀的用戶。它實(shí)現(xiàn)了使普通紙張上的文檔自動(dòng)原式原樣地轉(zhuǎn)化為計(jì)算機(jī)可以閱讀、查詢和理解的電子文檔。它是一種非�？旖�、省力的文字輸入方法。
高文字識(shí)別率和強(qiáng)分析能力
TH-OCR千禧專業(yè)版在原國(guó)標(biāo)二級(jí)字庫(kù)約6763個(gè)漢字的基礎(chǔ)上，增加BIG5碼二級(jí)字庫(kù)，使OCR千禧專業(yè)版可識(shí)別字符集達(dá)到20000余字。TH-OCR2000千禧專業(yè)版能同時(shí)識(shí)別多種字體和超大字符集，是可以識(shí)別兩萬(wàn)漢字的文字識(shí)別系統(tǒng)。在TH-OCR2000版中新增了簡(jiǎn)體和繁體全字集，能比以前的版本識(shí)別更多漢字。它還可以實(shí)現(xiàn)對(duì)漢英、日英、韓英混排文本的識(shí)別，對(duì)各種字體綜合識(shí)別率較高。在測(cè)試中，從《中國(guó)計(jì)算機(jī)報(bào)》上隨機(jī)選取了一段有1090個(gè)字符、中英混排的文章進(jìn)行識(shí)別，只有12個(gè)字符沒(méi)能正確識(shí)別(其中包括9個(gè)英文單詞和3個(gè)漢字)。識(shí)別率基本達(dá)到99%，并且識(shí)別速度較快。對(duì)以上1090個(gè)字符的識(shí)別經(jīng)兩次秒表計(jì)時(shí)，均為 13秒鐘（運(yùn)行環(huán)境為IBM Personal Computer 300GL、CPU Intel Celeron 466MHz、內(nèi)存128MB SDRAM、硬盤8.4GB）。自動(dòng)版面分析能力比以前有所增強(qiáng)，幾乎不用人工干預(yù)，只需在版面分析選單中選擇報(bào)紙或雜志，用戶就可以對(duì)復(fù)雜的報(bào)紙和雜志版面進(jìn)行自動(dòng)版面分析。
方便的全新主界面
在TH-OCR2000千禧專業(yè)版中，系統(tǒng)的操作主界面和以前的版本相比也發(fā)生了較大的變化（見(jiàn)圖1）。整個(gè)系統(tǒng)界面由工程管理窗口、待編輯文本窗口和對(duì)應(yīng)圖像窗口三個(gè)主要部分組成。在工程管理主窗口中，記錄了曾經(jīng)做過(guò)的掃描和識(shí)別，以方便地在各作業(yè)之間進(jìn)行切換。在待編輯文本窗口中可以看到識(shí)別后的文本，其中紅色字體是計(jì)算機(jī)認(rèn)為有可能識(shí)別錯(cuò)的字體，即通常所說(shuō)的可疑字。文本中當(dāng)前光標(biāo)所在位置的漢字，在對(duì)應(yīng)圖像窗口中以藍(lán)色方框圍住。這使用戶不用查閱原稿，就可以進(jìn)行全部的編輯校對(duì)和修改工作。在待編輯文本窗口中，光標(biāo)所在行以高亮度顯示本行對(duì)應(yīng)的原始文本，以方便修改。它還提供了方便的“前向詞匯”、“后向詞匯”和“相似字”等詞匯聯(lián)想的方式，提高了編輯效率。
保留彩色圖像
很多曾經(jīng)使用過(guò)OCR的人，都因?yàn)樗谧R(shí)別文字的同時(shí)只能對(duì)彩色圖像進(jìn)行黑白保留而感到有些遺憾。TH-OCR2000千禧專業(yè)版不但對(duì)輸入文稿的印刷質(zhì)量適應(yīng)性強(qiáng)，而且還能支持對(duì)灰度和彩色圖像的處理。在操作中只要將圖片選為區(qū)域塊并將其屬性設(shè)置為圖形圖像（如圖２），就可以在識(shí)別后導(dǎo)出的文件中將彩色圖片保留為原樣。我們可將識(shí)別結(jié)果直接送到Ｗｏｒｄ中編輯使用，也可以恢復(fù)成ＨＴＭＬ格式供網(wǎng)上瀏覽，還可以直接以Ｍａｉｌ的形式發(fā)送出去或保存為ＴＸＴ文本格式。對(duì)掃描中難以避免的較小角度的傾斜，清華ＴＨ－ＯＣＲ２０００千禧專業(yè)版可以自動(dòng)適應(yīng)，無(wú)須任何處理就能識(shí)別。對(duì)于較大的傾斜角度，只須點(diǎn)擊工具欄上的“傾斜校正”按鈕即可很快地實(shí)現(xiàn)傾斜校正。
批量處理和手寫體支持
在TH-OCR2000千禧專業(yè)版里，另一個(gè)新特點(diǎn)就是自動(dòng)批量的頁(yè)面數(shù)由100頁(yè)增加到10000頁(yè)。對(duì)大量文稿進(jìn)行錄入時(shí)，系統(tǒng)將在掃描時(shí)自動(dòng)在工程管理窗口內(nèi)編入頁(yè)碼，一次完成全部識(shí)別任務(wù)。它可以將識(shí)別后的文檔整理，形成一個(gè)完整的文檔并保存到磁盤上。
圖1 全新的系統(tǒng)操作主界面
盡管TH-OCR2000版對(duì)手寫體識(shí)別率比以前的版本有所提高，但對(duì)手寫體工整程度要求還較高，如不能書寫連筆字、字的大小要標(biāo)準(zhǔn)、字間距要均勻等。它在這方面還有待提高完善。
TH-OCR2000可廣泛應(yīng)用于我國(guó)電子出版、Internet網(wǎng)上資源數(shù)據(jù)庫(kù)和數(shù)字圖書館的建設(shè)，以及各行各業(yè)的信息資源建設(shè)。
圖2 保留彩色圖像
清華TH-OCR千禧專業(yè)版的優(yōu)點(diǎn)：
+ 識(shí)別性能提高，大字符集超過(guò)100種字體。
+ 對(duì)輸入文稿的印刷質(zhì)量適應(yīng)性更強(qiáng)，并支持對(duì)灰度和彩色圖像的處理。
+ 自動(dòng)版面分析能力增強(qiáng)，尤其對(duì)復(fù)雜的報(bào)紙和雜志版面，基本上不用人工干預(yù)。
+ 對(duì)識(shí)別結(jié)果可進(jìn)行RIF、HTML、TXT等多種格式保存。
+ 自動(dòng)批處理頁(yè)數(shù)有所增加。
+ 提供了豐富詳細(xì)的詞匯聯(lián)想方式。
+ 更為易裝易用。
缺點(diǎn)：
- 對(duì)手寫體的書寫要求較高，否則識(shí)別率較低。
- 只兼容清華紫光的掃描儀。
