AcrobatOCR识别文本功能提取图片文字.doc

Acrobat OCR识别文本功能提取图片文字 ?来源：　发布时间：12-04-11　编辑：李静 　　Acrobat自带的OCR识别文本功能，可以将图片格式的PDF文件（扫描件或者图片制作）转换成文本文件，从而提取图片中的文字。您可使用Acrobat识别以前已转换成PDF扫描文档的文本。光学字符识别（OCR）软件允许您搜索、更正和复制扫描的PDF中的文本。要将OCR应用于PDF，必须已经将原始扫描仪分辨率设置为72dpi或更高。 　　首先确保电脑已安装AdobeAcrobat。 　　OCR识别文本功能的设置 　　1、识别单个文档中的文本 　　打开扫描的PDF。 　　选择“文档” “OCR文本识别” “使用OCR识别文本”。 　　在“识别文本”对话框中，选择“页面”下的一个选项。 　　（可选）单击“编辑”打开“识别文本-设置”对话框，然后按需要指定选项。 　　2、识别多个文档中的文本 　　在Acrobat中，选择“文档” “OCR文本识别” “使用OCR识别多个文件中的文本”。 　　在“页面捕捉多个文件”对话框中，单击“添加文件”，选择“添加文件”，“添加文件夹”或“添加打开的文件”。然后选择相应的文件或文件夹。 　　在“输出选项”对话框中，指定输出文件的目标文件夹、文件名首选项以及输出格式。 　　在“识别文本-设置”对话框中，指定选项，然后单击“确定”。 　　3、识别PDF包中组件PDF中的文本 　　在PDF包中选择一个或多个扫描的PDF。 　　选择“文档” “OCR文本识别” “使用OCR识别文本”。 　　在“识别文本-设置”对话框中指定选项。 　　OCR识别文本功能的使用 　　1.捕获扫描页面 　　通过Acrobat的“使用OCR识别文本”功能可以将扫描页面由图像转换成可搜索的PDF文档。Acrobat允许以3种格式捕获扫描页面：格式化的文本和图形PDF、可搜索的图像PDF（精确）以及可搜索的图像PDF（紧凑）。可搜索的图像PDF在PDF文档中将扫描图像放在前景中，而将捕获的文本放在不可见的背景层中。 　　捕获扫描页面的具体步骤如下所述： 　　（1）选择“文档 使用OCR识别文本 开始”命令，弹出“识别文本”对话框。 　　（2）选择要捕获的页面。 　　（3）单击“编辑”按钮，弹出“识别文本－设置”对话框，选择“OCR识别的主要语言”和“PDF输出样式”选项，然后单击“确定”按钮。 　　（4）单击“确定”按钮开始OCR识别文本过程。 　　使用OCR识别文本不仅可将扫描页面中的文字内容转换成可搜索文本，另外还可以校正由于在扫描过程中导致的页面歪斜。 　　2.修正转化文本 　　Acrobat在识别扫描页面是，可能由于字迹模糊等原因不能正确识别文本，Acrobat将对存在疑点处标记为“捕获疑点”。被标记为“捕获疑点”之处以文字捕获前的位图显示，而该文字的替换字符则在一个不可见的底层上。 　　选择“文档 使用OCR识别文本 查找所有的OCR可疑物”命令，所有标记为“捕获疑点”之处以红色线框显示。选择“文档 使用OCR识别文本 查找第一个OCR可疑物”命令，弹出“查找元素”对话框。 　　单击“查找下一个”按钮，疑点处的位图依次显示在该对话框中，同时当前工具切换到“TouchUp文本工具”，并选中替换的文本，如果替换文本没有错误，可以单击“接受和查找”按钮，疑点处的位图将被接受的文本替换显示，如果替换文本不正确，可以使用“TouchUp文本工具”先进行修正，然后再单击“接受和查找”按钮进行确认。