【普通技术贴】我宣布，中文电子书V1.1时代来临了——两步搞定扫描书！！！！！！！！！！！！！！！！！！！！！！！！基于《单片机程序
引子：看过一两本英文书，但还是中文书居多。
捧着书看的感觉很好，但工作时还是翻翻电子版居多，书架上的书已经落了些许灰尘。
言归正传，在你看了一些书以后，你会有种感觉，我去，怎么人家洋鬼子的书都是文字版的，中文的几乎都是扫描的呢？
我没事抄点结论都必须自己打字，太麻烦了吧？
问题的原因呢，有可能外国人的开源精神比较好（这是假的，肯定是NB人把出版商的数据库盗了，或者买了电子书后偷偷共享。）。
目标：我也要中文非扫描！！！！！！！！
可行性分析：1）我们拿到出版商数据的机会不多，反正不会黑客技术。2）我们只能从现有资源着手。
————————————————————————————————————————————————
在一个月黑风高，黄沙漫卷，风和日丽的昨天晚上。我终于完成了这项具有历史性意义的实验。它的成功必将引起整个中文扫描书界的震动。
（我去，大哥，废话够多了，上正文吧。）
好的，正文来了。
我的实验目标是MCU MOUSE大侠分享的《单片机程序设计基础 229页 118M》。
大家可以去他的分享页面，荡下来，和我一起练习。
哎呀，忘记说了，我的实验工具是Adobe Acrobat 9.3，请大家自行装备、和谐，谢谢。
打开这本书，哎呀，好慢啊…………………………
STEP1：识别
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679950O1KHGB.JPG
识别 (原文件名:识别.JPG)
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679951QP5JAZ.JPG
识别2 (原文件名:识别2.JPG)
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679952MD5YMW.jpg
识别设置 (原文件名:识别设置.jpg)
STEP2：优化
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679953HLTLS5.jpg
优化 (原文件名:优化.jpg)
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679954Z7ZAE1.jpg
优化设置 (原文件名:优化设置.jpg)
效果1：文件体积：原件 = 118M，识别后 = 44M，优化后 = 27.3M。
我的感觉是百兆级的PDF明显比十兆级的PDF打开的慢。
效果2：识别效果，这个虽然不是非常满意，但是，我觉得应该算进步。
http://cache.amobbs.com/bbs_upload782111/files_46/ourdev_679955Z0O0XU.jpg
识别效果 (原文件名:识别效果.jpg)
抛砖引玉，希望大家有更多发现。
注意：对有的本身扫描水平很差或者背景很暗的书，优化效果可能不如预期。
修改：抱歉，上传5次那个27.3M版本失败，但是还是老问题，我的网和阿莫的网不对路啊…… 不知道和汉王的相比，谁更好用呢？ 没用过汉王，用过CAJViewer，但它好像不能整本直接OCR复制。 mark 试过多种ocr软件的飘过！
总结：对中文识别效果比较差，尤其是图文混排的文档 有空试试 大学时候就试过了，当有图片和多种格式混排的时候效果一塌糊涂，汉王OCR效果不错，不过无论哪种都远远不够宣布什么xx时代来了 不就是OCR吗？lz发现新国内了？ 识别率不高 有没有书，听网上介绍说这本书写得不错，我想下来看看 OCR，暂时还不给力。新的汉王精准了很多，仍然不实用。
页:
[1]