LeadTools中文入门教程（8）：使用OCR识别扫描文件中的中文

在很多情况下，我们需要将扫描文件中的文本提取出来，转化为文本搜索的格式，如doc、PDF等。LeadTools为开发者提供了快速的、高精度的OCR SDK技术。利用LeadTools OCR工具包，可以快速的开发健壮的、可扩展的、高性能识别的文档处理应用程序，这些应用程序可提取出扫描文件中的文本，将图像转化为文本搜索格式，如PDF、PDF/A、DOC、DOCX、XML、XPS等。

在很多情况下，我们需要将扫描文件中的文本提取出来，转化为文本搜索的格式，如doc、PDF等。LeadTools为开发者提供了快速的、高精度的OCR SDK技术。利用LeadTools OCR工具包，可以快速的开发健壮的、可扩展的、高性能识别的文档处理应用程序，这些应用程序可提取出扫描文件中的文本，将图像转化为文本搜索格式，如PDF、PDF/A、DOC、DOCX、XML、XPS等。

• 1 “使用OCR识别扫描文件中的中文” 的主要步骤及关键代码片段
• 2 “使用OCR识别扫描文件中的中文” 的Demo使用讲解及下载

主要步骤及关键代码片段

步骤1：选择将要使用的引擎类型，并创建IOcrEngine接口的一个实例。

 //在本段代码中我们使用了LeadTools OCR Advantage引擎 IOcrEngine ocrEngine = OcrEngineManager.CreateEngine(OcrEngineType.Advantage, false);

步骤2：启动引擎。

 //使用了默认的参数 ocrEngine.Startup(null, null, null, @"C:LEADTOOLS 18BinCommonOcrAdvantageRuntime");

步骤3：创建一页或多页的OCR文档。

 IOcrDocument ocrDocument = ocrEngine.DocumentManager.CreateDocument(); //将多页TIF图像的所有页添加至文档。 ocrDocument.Pages.AddPages(@"C:UsersPublicDocumentsLEADTOOLS ImagesOcr.tif", 1, -1, null);

步骤4：自动或手动的在页面中创建区域。

 // 自动分区 ocrDocument.Pages.AutoZone(null);

步骤5：（可选）设置OCR引擎将要使用语言。

 // 启用中文简体 ocrEngine.LanguageManager.EnableLanguages(new string[] { "zh-Hans" });

步骤6：（可选）设置拼写检查的语言。

 // 启用拼写检查系统，并将英文设置为拼写语言 ocrEngine.SpellCheckManager.SpellCheckEngine = OcrSpellCheckEngine.Native; ocrEngine.SpellCheckManager.SpellLanguage = "en";

步骤7：（可选）设置任意的识别模块选项。

 //改变第一个区域的填充方法，设置为默认 OcrZone ocrZone = ocrDocument.Pages[0].Zones[0]; ocrZone.FillMethod = OcrZoneFillMethod.Default; ocrDocument.Pages[0].Zones[0] = ocrZone;

步骤8：识别

 ocrDocument.Pages.Recognize(null);

步骤9：保存识别结果

 // 将结果保存为docx文件 ocrDocument.Save(@"C:UsersPublicDocumentsLEADTOOLS ImagesDocument.docx", DocumentFormat.Docx, null); ocrDocument.Dispose();

步骤10：结束时关闭OCR引擎

 ocrEngine.Shutdown(); ocrEngine.Dispose();

更多详细步骤及代码，可参照LeadTools中文入门教程（7）：使用OCR识别图像中的中文

Demo使用讲解及下载

下面为您提供了”使用OCR识别扫描文件中的中文“的示例代码。为了运行此代码，请LeadTools全功能试用版。

安装全功能试用版后，由于此应用程序要识别中文，因此在创建应用程序之，请LeadTools OCR语言扩展包。

1 启动程序。选择您想要使用的引擎类型。本次我们将选择LeadTools Professional OCR引擎。

2 启动引擎后，点击文件->打开…将我们要识别的文件打开。如果不只有一个页面，点击页面->插入…将随后的页面添加进来。

原扫描文件的一部分如下图所示：

将文件添加到应用程序中。

3 点击引擎->语言…弹出“启用语言”对话框，将中文简体添加到已启用语言中。点击“确定”完成。

4 点击OCR->识别文档进行识别。若只需识别当前页，点击OCR->识别当前页。此操作会对文档进行自动分区，随后进行识别。结果如下图所示：

如果我们不需要识别图片上包含的文字，可以调整自动识别的区域或将某些区域删除（右击区域，点击删除即可）。例如下图，若不需识别图片上的文字，红色矩形框标出的区域即可删除。

点击OCR->显示识别出的字符…可将识别出的字符显示出来。

5 点击OCR->保存文档…可将识别的结果保存为想要的格式，如Adobe PDF、Microsoft Word、Text、HTML等。

保存的文档如下图所示：

至此，我们使用此应用程序识别出了扫描文件中的中文并保存为Word文档。本博文提供的Demo还包含了其他很多Ocr的功能，如设置拼写检查引擎，拼写语言、相关OMR选项等等。还在等什么！快快下载Demo亲自尝试下吧！

DEMO下载：

OcrDemo.rar 

文章转自：葡萄城控件产品博客，http://blog.gcpowertools.com.cn

Demo提供了OCR的多种功能，为了运行此demo，不妨查看并免费下载LeadTools试用版，快快吧！

如需帮助，请联系在线客服！

标签：OCR SDK扫描识别OCR扫描与图像