方法一

将中的文字识别出来，所有的OCR(Optical Character Recognition的简称，指光学字符识别技术，是自动识别技术研究和应用中的一个重要领域 )软件都可以做到，例如清华紫光OCR等，一般购买扫描仪的用户大多安装有此类软件。但需要注意，通常OCR软件只能够识别比较规范的印刷体，手写文本目前在识别上仍有困难。

方法二

而在大部分用户都有安装的Office 2003套件中，也附带有OCR功能的组件Microsoft Office Document Imaging。如果您有安装Office 2003，那么可以单击“开始”按钮指向程序组“Microsoft Office”中的“Microsoft Office 工具”选择“Microsoft Office Document Imaging”，即可打开。但Microsoft Office Document Imaging不是Office 2003默认的安装选项，所以在初次启用时如果该组件仍未安装，则需要插入Office的安装光盘进行安装，但整个安装过程将自动完成，您只需要按提示信息操作即可。

安装并打开Microsoft Office Document Imaging之后，只需通过“文件”菜单打开需要识别的，或者选择“扫描新文档”利用扫描仪将印刷品的文字扫描到电脑上，再选择“工具”菜单中的“使用OCR识别文本”或者“将文本发送到Word”，就可以将该上规范的印刷体文字识别出来。如果中的文字是“宋体”等比较常见的字体，并且版面比较整齐，基本上所有的文字都可以正确的识别出来。

另外，由于Microsoft Office Document Imaging只支持MDI、TIF等格式，需要您准备识别的，可能需要利用处理软件转换一下，又或者利用在安装Microsoft Office Document Imaging组件后，系统会自动安装的一个名为“Microsoft Office Document Imaging Writer”的虚拟打印机，将打印成一个MDI文件，然后再使用Microsoft Office Document Imaging识别。

方法三

利用尚书系列软件，它可以把报纸、书本中的文字用扫描仪扫入电脑，然后用这种软件识别成文本，以进一步编辑。

方法四

利用汉王系列软件：汉王文本王是针对机关单位、企业及有文字录入需求的个人用户，在日常的工作中，快速的对书刊、报纸、公文、宣传页等印刷稿件中内容进行录入的应用需求而推出的。 本产品集成了汉王科技顶尖的文字识别技术，对印刷文稿录入的识别率高达995%，能够识别百余种印刷字体和各种中英繁表图混排格式的文本，并具备朗读校对、翻译功能。是理想的文字、表格、图像录入系统。 文豪5300、文豪6450、文豪7600等，应用的软件都是汉王科技最近研发、及时更新的成熟版本，只是在赠送的扫描仪上有所区别，可谓是名副其实的“同胞”；文圣和文海的前身是汉王的“OCR录入工厂”，而文海更是录入工厂的网络版本，最高可达32用户，在面临庞大的批量录入工程时，32个用户可以同时使用一套系统，提高海量工作的共同效率，尽可能的减轻单位用户的工作量，成为图书馆、档案馆等信息化的应用的得力助手。

此次汉王科技文本王产品的全线产品推出，再一次证明了国内OCR技术在经历多年的“小妾”之屈后，不再依附于扫描仪而开发，已经成熟独立起来。汉王科技在去年研发出第一款文本王产品到现在，短短的一年之内，新产品不断的推陈出新，牢牢把握住本行业发展的脉搏，及时主动地进行软件更新，现在已经成为国内OCR领域实力最强的厂商。

方法五

利用我们自己的眼睛，手指以及输入法！一个一个的打上去！较笨，但很准确。很直接！

OCR（Optical Character Recognition，光学字符识别），是属于图型识别（Pattern Recognition，PR）的一门学问。其目的就是要让计算机知道它到底看到了什么，尤其是文字资料。

由于OCR是一门与识别率拔河的技术，因此如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也因此而产生。而根据文字资料存在的媒体介质不同，及取得这些资料的方式不同，就衍生出各式各样、各种不同的应用。

在此对OCR作一基本介绍，包括其技术简介以及其应用介绍。

一、OCR的发展

要谈OCR的发展，早在60、70年代，世界各国就开始有OCR的研究，而研究的初期，多以文字的识别方法研究为主，且识别的文字仅为0至9的数字。以同样拥有方块文字的日本为例，1960年左右开始研究OCR的基本识别理论，初期以数字为对象，直至1965至1970年之间开始有一些简单的产品，如印刷文字的邮政编码识别系统，识别邮件上的邮政编码，帮助邮局作区域分信的作业；也因此至今邮政编码一直是各国所倡导的地址书写方式。

OCR可以说是一种不确定的技术研究，正确率就像是一个无穷趋近函数，知道其趋近值，却只能靠近而无法达到，永远在与100%作拉锯战。因为其牵扯的因素太多了，书写者的习惯或文件印刷品质、扫描仪的扫瞄品质、识别的方法、学习及测试的样本……等等，多少都会影响其正确率，也因此，OCR的产品除了需有一个强有力的识别核心外，产品的操作使用方便性、所提供的除错功能及方法，亦是决定产品好坏的重要因素。

一个OCR识别系统，其目的很简单，只是要把影像作一个转换，使影像内的图形继续保存、有表格则表格内资料及影像内的文字，一律变成计算机文字，使能达到影像资料的储存量减少、识别出的文字可再使用及分析，当然也可节省因键盘输入的人力与时间。其处理流程如下图：

(在下面的站点上）

从影像到结果输出，须经过影像输入、影像前处理、文字特征抽取、比对识别、最后经人工校正将认错的文字更正，将结果输出。

在此逐一介绍：

影象输入：欲经过OCR处理的标的物须透过光学仪器，如影像扫描仪、传真机或任何摄影器材，将影像转入计算机。科技的进步，扫描仪等的输入装置已制作的愈来愈精致，轻薄短小、品质也高，对OCR有相当大的帮助，扫描仪的分辨率使影像更清晰、扫除速度更增进OCR处理的效率。

影象前处理：影像前处理是OCR系统中，须解决问题最多的一个模块，从得到一个不是黑就是白的二值化影像，或灰阶、彩色的影像，到独立出一个个的文字影像的过程，都属于影像前处理。包含了影像正规化、去除噪声、影像矫正等的影像处理，及图文分析、文字行与字分离的文件前处理。在影像处理方面，在学理及技术方面都已达成熟阶段，因此在市面上或网站上有不少可用的链接库；在文件前处理方面，则凭各家本领了；影像须先将、表格及文字区域分离出来，甚至可将文章的编排方向、文章的题纲及内容主体区分开，而文字的大小及文字的字体亦可如原始文件一样的判断出来。

文字特征抽取：单以识别率而言，特征抽取可说是OCR的核心，用什么特征、怎么抽取，直接影响识别的好坏，也所以在OCR研究初期，特征抽取的研究报告特别的多。而特征可说是识别的筹码，简易的区分可分为两类：一为统计的特征，如文字区域内的黑/白点数比，当文字区分成好几个区域时，这一个个区域黑/白点数比之联合，就成了空间的一个数值向量，在比对时，基本的数学理论就足以应付了。而另一类特征为结构的特征，如文字影像细线化后，取得字的笔划端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法，进行比对，市面上的线上手写输入软件的识别方法多以此种结构的方法为主。

对比数据库：当输入文字算完特征后，不管是用统计或结构的特征，都须有一比对数据库或特征数据库来进行比对，数据库的内容应包含所有欲识别的字集文字，根据与输入文字一样的特征抽取方法所得的特征群组。

对比识别：这是可充分发挥数学运算理论的一个模块，根据不同的特征特性，选用不同的数学距离函数，较有名的比对方法有，欧式空间的比对方法、松弛比对法（Relaxation）、动态程序比对法（Dynamic Programming，DP），以及类神经网络的数据库建立及比对、HMM（Hidden Markov Model）…等著名的方法，为了使识别的结果更稳定，也有所谓的专家系统（Experts System）被提出，利用各种特征比对方法的相异互补性，使识别出的结果，其信心度特别的高。

字词后处理：由于OCR的识别率并无法达到百分之百，或想加强比对的正确性及信心值，一些除错或甚至帮忙更正的功能，也成为OCR系统中必要的一个模块。字词后处理就是一例，利用比对后的识别文字与其可能的相似候选字群中，根据前后的识别文字找出最合乎逻辑的词，做更正的功能。

字词数据库：为字词后处理所建立的词库。

人工校正：OCR最后的关卡，在此之前，使用者可能只是拿支鼠标，跟着软件设计的节奏操作或仅是观看，而在此有可能须特别花使用者的精神及时间，去更正甚至找寻可能是OCR出错的地方。一个好的OCR软件，除了有一个稳定的影像处理及识别核心，以降低错误率外，人工校正的操作流程及其功能，亦影响OCR的处理效率，因此，文字影像与识别文字的对照，及其屏幕信息摆放的位置、还有每一识别文字的候选字功能、拒认字的功能、及字词后处理后特意标示出可能有问题的字词，都是为使用者设计尽量少使用键盘的一种功能，当然，不是说系统没显示出的文字就一定正确，就像完全由键盘输入的工作人员也会有出错的时候，这时要重新校正一次或能允许些许的错，就完全看使用单位的需求了。

结果输出：其实输出是件简单的事，但却须看使用者用OCR到底为了什么？有人只要文本文件作部份文字的再使用之用，所以只要一般的文字文件、有人要漂漂亮亮的和输入文件一模一样，所以有原文重现的功能、有人注重表格内的文字，所以要和Excel等软件结合。无论怎么变化，都只是输出档案格式的变化而已。

可以确定的是，不是所有的ocr软件都支持繁体字，下面分享一个识别繁体字的ocr软件；

第一步：通过软件管家或者是百度上下一个ocr软件；

第二步：在电脑上运行ocr软件，点击功能栏中的极速识别功能；

第三步：通过上面的添加文件按钮，将繁体字添加进去；

第四步：点击右下角的一键识别按钮，开始进行繁体字识别。

希望上面的方法可以帮助到您，祝您成功哦！

证件的OCR识别”就是针对证件类文档进行识别的技术，原理就是利用OCR识别技术，通过拍摄证件图像或者从相册中加载图像，过滤证件的背景底纹干扰，自动分析证件各文字进行字符切分、识别，最后将识别结果按各栏目分别导入到软件的数据库对应的字段当中。推荐安装云脉证件识别，人们就不用再依靠手工输入相关证件信息，可以实现自动识别采集。

云脉OCR证件识别一般包括身份证识别、驾照识别、行驶证识别、车牌识别、驾照副页识别、行驶证副页识别、护照识别、企业三证识别、户口本识别、港澳通行证识别，云脉SaaS平台都能下载上述识别api接口

COR是指光学字符识别。

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）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。

针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

扩展资料：

在日常的工作生活中还有很多把文字识别的需求，图书馆中有大量的珍贵的史料资料、企业发展过程中也有很多珍贵的资料需要留存登记、以及翻译公司也需要文字识别技术。

更重要的是这些资料不仅仅需要保存还需要是必要的时候对资料进行检索，采用ocr文字识别技术实现资料的随时调用和检索，文字识别可以减少对史料的损坏以及增加资料的利用率等。

OCR文字识别支持PDF，BMP ，JPG，PNG等多种格式图像的读取，支持多种外语识别，OCR识别可以解决史料保存、图书馆检索、办公室OA 等麻烦。

-OCR

OCR的处理流程如下：

首先将标的物的影像输人，然后经过影像前处理、文字特征抽取、比对识别等过程，最后经人工校正将认错的文字更正，将结果输出。详细如下：

影像输入

要想进行OCR处理，必须先通过光学仪器，如影像扫描仪、传真机或任何摄影器械，将影像转人计算机。随着科技的进步，扫描仪等输人装置已制作得愈来愈精致，轻薄短小，品质也高，对OCR有相当大的帮助。扫描仪分辨率的提高使影像更清晰，扫描速度的加快提高了OCR处理的效率

影像前处理

影像前处理是OCR系统中需解决问题最多的一个模块。从得到一个不是黑就是白的二值化影像或灰阶、彩色的影像，到分离出一个个的文字影像的过程，都属于影像前处理。它包含了影像正规化、去除噪声、影像矫正等的影像处理，以及图文分析、文字行与字分离的文件前处理。影像处理的原理及技术都已成熟，在网站上有不少可用的链接库；在文件前处理方面，则凭各家本领了；影像需先将、表格及文字区域分离出来，甚至可将文章的编排方向、文章的提纲及内容主体区分开，而文字的大小及文字的字体也可如原始文件一样地判断出来。值得一提的是如何将独立文字从文字行抽取出来。中文字特别的地方在于它有部首的观念。因此，不只是上下的合成，左右合成的字也特别多，且有可能是两部分（如“利”、“明”等），也有三部分的（如“捌”、“晰”等）合成。当这些字与英文或数字同时存在且紧靠在一起时，判断如何连接或切出，是相当困难的。对排版整齐的印刷文件都无法百分之百解决，更何况是每个人写字习性都不同的手写文件。也因此，手写的OCR产品走向是特殊且有限制的。

文字特征抽取

单以识别率而言，特征抽取可说是OCR的核心，用什么特征，怎么抽取，直接影响识别的好坏，所以在OCR研究初期，特征抽取的研究报告特别多。而“特征”可说是识别的筹码，可简易的区分两类。一类为统计的特征。例如文字区域内的黑／白点数比，当文字区分成好几个区域时，这一个个区域黑／白点数比之联合，就成了空间的一个数值向量。在对比时，基本的数学理论就足以应付了。而另一类特征为结构的特征。例如文字影像细线化后，取得字的笔画端点、交叉点之数量及位置，或以笔划段为特征，配合特殊的比对方法进行比对，市面上的线上手写输人软件的识别方法多以此种结构的方法为主。

比对数据库

当输人文字算完特征后，不管是用统计或结构的特征，都需有一比对数据库或特征数据库来进行比对，数据库的内容应包含所有欲识别的字集文字以及根据与输人文字一样的特征抽取方法所得的特征群组。

比对识别

比对识别是指根据不同的特征特性，选用不同的数学距离函数进行比对．较有名的比对方法有欧式空间的比对方法、松弛比对法(Relaxation)、动态程序比对法(Dynamic Programming, DP)以及类神经网络的数据库建立及比对、HMM(Hidden Markov Model)等著名的方法。为了使识别的结果更稳定，提出了专家系统(Experts System)，利用各种转征比对方袂的相异互补性，使识别结果的可靠性提高。

字词后处理

由于OCR的识别率并无法达到百分之百，为了加强比对的正确性及信心值，一些除错或甚至帮忙更正的功能，便成为OCR系统中必要的一个模块。字词后处理就是一例。它在比对后的识别文字与其可能的相似候选字群中，根据前后的识别文字找出最合乎“词”的词，作为更正的功能。例如识别出“找门”，在词库中找不到这个词，而“我”是“找”的相似候选字，因此很自然地将“我”取代“找”，而成“我们”。

字词数据库

它是为字词后处理所建立的词库。

人工校正

这是OCR最后的关卡。在此之前，使用者可能只是拿个鼠标，跟着软件设计的节奏操作或仅是观看，而在此则需要使用者去更正甚至找寻可能是OCR出错的地方。一个好的OCR软件，除了有一个稳定的影像处理及识别核心以降低错误率外，人工校正的操作流程及其功能也影响OCR的处理效率。因此，文字影像与识别文字的对照及其屏幕信息摆放的位置，还有每一识别文字的候选字功能、拒认字的功能及继字词后处理而特意标示出可能有问题的字词，都是为了让使用者尽量少地使用键盘。当然，不是说系统没显示出的文字就一定正确，可根据具体要求决定是否重新校正一次。

结果输出

其实输出是件简单的事，但需看使用者用OCR到底为了什么。有人只要求文本文件用于部分文字的再使用，所以只要一般的文字文件，有人要求输人文件的原文原封不动地重现出来；有人注重表格内的文字，要求跟Excel等软件结合。无论怎么变化，都只是输出档案格式的变化而已。