易度文档管理系统OCR使用说明

易度文档管理系统OCR使用说明

关于OCR

OCR是让系统识别出图片中包含的文字，方便对图片进行搜索。

主要特性

支持多种扫描文件格式，包括pdf文件和图片（tiff/jpg/bmp/png/gif/ppm）

支持英文、简体、繁体三种语言，支持数字的识别

支持宋体、仿宋、楷体、黑体、圆体、隶变等字体，部分支持粗圆体、魏碑、隶书

支持中英文混排识别

可识别黑白和彩色图片

通过设定文件夹OCR转换规则，上传的时候按需自动OCR识别

可对已经上传的文件，手工发起OCR识别

可手工修复识别结果中不正确的内容

安装方法

1.要求按照易度文档管理系统V4.2以上，企业版以上

2.需要在服务器上安装Tesseract，易度底层采用这个开源的OCR识别引擎。对于

Widnows版本：

V3.0的下载地址：

/p/tesseract-ocr/downloads/detail?name=tesseract-ocr-setup-

3.00.exe&can=2&q=

安装的时候，需要选择语言包：简体中文，繁体中文

安装完成后需要下载一个补丁包，下载解压后，复制到Tersseract安装目录，覆盖相关文件即可

/p/tesseract-ocr/downloads/detail?name=tesseract-

3.00.1.exe.zip&can=2&q=

更多的下载安装信息参看：

/p/tesseract-ocr/downloads/list

3.进入易度控制台，激活Tesseract转换服务

4.安装易度OCR支持扩展软件包

进入易度扩展软件包，找到“OCR初始化包”，点击安装，并完成部署

OCR的使用

上传文件自动OCR，是通过文件夹的规则定义来实现的。具体操作如下：

1.在任何一个文件夹下，点击规则，可看到“英文OCR”、“简体OCR”、“繁体OCR”三

个选项

目前只能为每一个文件指定一种语言识别，如果你的图片或者pdf 内用的是简体中文的字体，就需要用简体中文识别

2.比如选择选择添加“简体OCR”规则，可将这个规则应用到整个子文件夹，如下图：

3.在文件夹中，上传需要识别的文件, 你会看到文件多了一个拓展属性（OCR文本），

里面可以对OCR结果查看和操作

如何让从前上传的文档也支持OCR？

操作如下：

1.到某一个需要OCR的文件预览界面

2.点击“新增属性栏”，选择 “OCR文本“

3.进入新添加的“OCR文本”属性栏

a)如果需要，选择正确的语言（默认是“简体中文”），并保存。

b)点击“重新识别”链接

一些限制

暂不支持行楷、手写字体

不支持繁简混合

OCR是一个非常耗时的过程，目前仅仅对文档的前50页进行OCR处理

对于纯英文的扫描件，建议采用英文OCR，这样速度会快很多

扫描件越清晰，识别率越高，在300dpi(像素每英寸)以上的图片，基本可完整无误的识别

黑白效果最好，彩色次之

如果有背景图片，需要文字和背景的色差比较大。如下图可以识别：

关于双层PDF生成

双层PDF是一种PDF制作方法，将OCR识别出的文字作为独立的层，放入PDF文件中，但是隐藏起来不予显示。

双层PDF的制作，属于文档OCR加工制作的领域，有专门的软件进行处理，有专门的公司负责类似的加工服务。

易度自身不提供制作双层PDF的功能，但是将加工完成的双层PDF存档到易度中，易度可以提供对这些双层PDF进行文字。对双层PDF的搜索，无需启用易度的OCR识别服务。

Linux版本tesseract的安装

如果您使用的是Linux版本，tesseract安装方法如下：

1.安装前准备

安装以下的依赖包：

sudo apt-get install libpng12-dev

sudo apt-get install libjpeg62-dev

sudo apt-get install libtiff4-dev

sudo apt-get install zlibg-dev

sudo apt-get install leptonica-dev

以上的包都是属于开发版，有dev后缀的，不要安装普通版

2.安装

下载tesseract的主程序包，解压，进入目录下执行：

./configure

make

sudo make install

执行完 configure和 make 后，可以打开config_auth.h 文件，查看类似这些行看依赖包是否确认安装了，# define HA VE_LIBLEPT 1 , 1代表已经安装了。类似的还有HA VE_LIBTIFF, HA VE_LIBPNG, HA VE_LIBZ, HA VE_LIBJPEG等.

3.导入语言包

在某个地方创建放语言的目录。例如：/home/edo/tessdata, 将英文，简体，繁体等语言包放到这里目录中，然后修改~/.bashrc 加入以下这一行:

export TESSDATA_PREFIX=/home/edo/tessdata

最后执行这一个命令：