在很多情況下，我們需要將掃描文件中的文本提取出來，轉化為文本搜索的格式，如doc、PDF等。LeadTools為開發者提供了快速的、高精度的OCR SDK技術。利用LeadTools OCR工具包，可以快速的開發健壯的、可擴展的、高性能識別的文檔處理應用程序，這些應用程序可提取出掃描文件中的文本，將圖像轉化為文本搜索格式，如PDF、PDF/A、DOC、DOCX、XML、XPS等。

本文主要包括兩大部分：

• 1 “使用OCR識別掃描文件中的中文” 的主要步驟及關鍵代碼片段
• 2 “使用OCR識別掃描文件中的中文” 的Demo使用講解及下載

主要步驟及關鍵代碼片段

步驟1：選擇將要使用的引擎類型，并創建IOcrEngine接口的一個實例。

 //在本段代碼中我們使用了LeadTools OCR Advantage引擎
 IOcrEngine ocrEngine = OcrEngineManager.CreateEngine(OcrEngineType.Advantage, false);

步驟2：啟動引擎。

 //使用了默認的參數
 ocrEngine.Startup(null, null, null, @"C:\LEADTOOLS 18\Bin\Common\OcrAdvantageRuntime");

步驟3：創建一頁或多頁的OCR文檔。

 IOcrDocument ocrDocument = ocrEngine.DocumentManager.CreateDocument();
 //將多頁TIF圖像的所有頁添加至文檔。
 ocrDocument.Pages.AddPages(@"C:\Users\Public\Documents\LEADTOOLS Images\Ocr.tif", 1, -1, null);

步驟4：自動或手動的在頁面中創建區域。

 // 自動分區
 ocrDocument.Pages.AutoZone(null);

步驟5：（可選）設置OCR引擎將要使用語言。

 // 啟用中文簡體
 ocrEngine.LanguageManager.EnableLanguages(new string[] { "zh-Hans" });

步驟6：（可選）設置拼寫檢查的語言。

 // 啟用拼寫檢查系統，并將英文設置為拼寫語言
 ocrEngine.SpellCheckManager.SpellCheckEngine = OcrSpellCheckEngine.Native;
 ocrEngine.SpellCheckManager.SpellLanguage = "en";

步驟7：（可選）設置任意的識別模塊選項。

 //改變第一個區域的填充方法，設置為默認
 OcrZone ocrZone = ocrDocument.Pages[0].Zones[0];
 ocrZone.FillMethod = OcrZoneFillMethod.Default;
 ocrDocument.Pages[0].Zones[0] = ocrZone;

步驟8：識別

 ocrDocument.Pages.Recognize(null);

步驟9：保存識別結果

 // 將結果保存為docx文件
 ocrDocument.Save(@"C:\Users\Public\Documents\LEADTOOLS Images\Document.docx", DocumentFormat.Docx, null);
 ocrDocument.Dispose();

步驟10：結束時關閉OCR引擎

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

更多詳細步驟及代碼，可參照LeadTools中文入門教程（7）：使用OCR識別圖像中的中文

Demo使用講解及下載

下面為您提供了”使用OCR識別掃描文件中的中文“的示例代碼。為了運行此代碼，請點擊下載LeadTools全功能試用版。

安裝全功能試用版后，由于此應用程序要識別中文，因此在創建應用程序之，請點擊下載LeadTools OCR語言擴展包。

下面就讓我們使用本文提供的Demo，識別掃描文件中的中文吧！

1 啟動程序。選擇您想要使用的引擎類型。本次我們將選擇LeadTools Professional OCR引擎。

2 啟動引擎后，點擊文件->打開…將我們要識別的文件打開。如果不只有一個頁面，點擊頁面->插入…將隨后的頁面添加進來。

原掃描文件的一部分如下圖所示：

將文件添加到應用程序中。

3 點擊引擎->語言…彈出“啟用語言”對話框，將中文簡體添加到已啟用語言中。點擊“確定”完成。

4 點擊OCR->識別文檔進行識別。若只需識別當前頁，點擊OCR->識別當前頁。此操作會對文檔進行自動分區，隨后進行識別。結果如下圖所示：

如果我們不需要識別圖片上包含的文字，可以調整自動識別的區域或將某些區域刪除（右擊區域，點擊刪除即可）。例如下圖，若不需識別圖片上的文字，紅色矩形框標出的區域即可刪除。

點擊OCR->顯示識別出的字符…可將識別出的字符顯示出來。

5 點擊OCR->保存文檔…可將識別的結果保存為想要的格式，如Adobe PDF、Microsoft Word、Text、HTML等。

保存的文檔如下圖所示：

至此，我們使用此應用程序識別出了掃描文件中的中文并保存為Word文檔。本博文提供的Demo還包含了其他很多Ocr的功能，如設置拼寫檢查引擎，拼寫語言、相關OMR選項等等。還在等什么！快快下載Demo親自嘗試下吧！

DEMO下載：

文章轉自：葡萄城控件產品博客，//blog.gcpowertools.com.cn

Demo提供了OCR的多種功能，為了運行此demo，不妨查看并免費下載LeadTools試用版，快快點擊下載吧！

如需幫助，請聯系！