初试OCR软件

最近有一项很无聊的工作，要录入某本书上的文字，大概有两万字多。像我这样用拼音输入法的、且很少上网聊天的人，无疑是一项艰巨而痛苦的任务。幸好，偶是搞计算机的，知道有OCR软件，二话不说立刻上百度。几经搜索和对比，选择了咱们清华大学出的TH-OCR9（推荐去迅雷下载，速度快且完美破解）

软件的使用就不说了，很容易上手，关键是用于识别的图像素材。由于手头没有扫描仪，只能用相机拍。为了得到最好的识别效果，我尝试了好几种参数组合进行拍摄，最终找出了比较合理的方法，识别率大概为90%

首先最影响扫描效果的是光照，也即拍出来的照片所有文字的光照要均匀。当然相机无法和扫描仪相比，在照片的边缘肯定会有一点点阴影。解决方法是在书本的周围摆上台灯，最好有几台，从不同角度给纸张打光，再加上相机的闪光灯，可以基本保证均匀的光照。但是也不能太强的光线，否则由于纸张的反光效果，会导致部分文字过曝而变得模糊

其次是对焦问题。一般我们都是对准书本的中间进行对焦的，然而从识别的效果来看，你会发现中间的识别效果最好，基本100%，周围的就很差，什么原因呢？除了刚刚提到的周围纸张光照不足，还有一个问题就是边缘对焦模糊。缓解这个现象的方法当然就是加大景深了。尽量将光圈的f值调到最大，快门保持在1/60左右基本就可以了，然后把ISO调到最大以弥补小光圈带来的曝光不足，反正是白纸黑字，受ISO带来的噪点影响不大

最后当然就是记得把要拍的纸张压平了。虽然OCR软件可以处理文字的轻度扭曲（比如镜头边缘的球形失真），但还是尽可能的压平纸张比较好。哪怕用手压，只要不挡住文字，在扫描的时候手动选取文字区域就不会影响最终结果。

具体的扫描效果要看个人的相机和书本的排版，总的来说还是不错的，相信用扫描仪的话识别率可以更高