四種免費中文ocr文字辨識的測試與使用
因為工作需要，必須做一些中文文字的辨識(OCR)，找了許多資料，找到了一些免費軟體，我測試了四種均是免費OCR軟體(除了附加在ms office那個，當然Office是要錢的，不過我想大部分人都有吧，所以也把它的附加功能列入免費軟體)。
這些辨識工具，在不同情況下，有不同的使用方式，有些工具如果操作錯誤，還會影響辨識效果，有些安裝時沒注意到細節，還會一直出現錯誤，因為花了很多功夫，試了很多軟體，所以乾脆作成記錄，方便以後有同樣需求時參考，也提供有相同需求的朋友一些方向，不用像我走了許多冤枉路，浪費了許多時間。
這裡所提供的文字辨識功能均支援中文辨識(當然也支援英文)，我所測試的均以繁體中文為主，唯一例外的是Capture2Text，因找到資料說它對簡體字的辨識效果不錯，因此也特別測試了一下，如果您不想看下面冗長的文章，以下的注意事項及使用心得，可以先給您一個快速的參考:
注意事項:
*要使用JOCR或Office來辨識:
1)必須在安裝office時，選擇安裝 Microsoft Office Document Imaging，(最好選全部安裝，因為裡面的Microsoft Office Document Image Writer在不是使用Jocr的情況，而是用Microsoft Office Document Imaging 時會用到)
2)據找到的資料指出要在Office 2003以上的版本才可使用。(我實測office xp不能使用，我沒有Office 2003，直接使用Office 2007)
3)office 2007要安裝service pack 3，才能正常使用。
*中文原始文件的文字方向很重要，會大大的影響辨識結果，我所測試的文字均是橫向，Google Doc直接在其說明資料，表明不支援直行中文字辨識，Capture2Text有選項可以調整橫向或直向中文字。
使用心得:
*在幾個免費的ocr軟體中，操作上最沒有問題的是Capture2Text，在操作過程中，沒有出現異常錯誤，
*在我測試的條件下，辨識率最好的是JOCR及Capture2Text(只限於辨識簡體中文時)，辨識效果最不佳的是Google 雲端硬碟，特別強調我的測試條件，是因為這只是我工作過程中的附帶記錄，所以測試OCR的原始樣本並不多，只是我工作上使用到的情況，大都是直接在螢幕上擷取文字來辨識，並未用掃描器或數位相機從紙本文件中辨識，這也可能是Google雲端及Office Document Imaging的辨識效果較差的原因(文末有同一原始文件，各個軟體的辨識結果供參考，請參看辨識結果比一比)。
*而辨識速度，除了Capture2Text可以感覺到慢了一些，其他的看不出明顯的差異。
*操作最煩瑣的是使用Office的 Microsoft Office Document Imaging來作辨識，它必須先把原始圖檔用一個虛擬印表機轉成tif檔，再到Microsoft Office Document Imaging進行辨識。
綜合以上，我認為用Jocr最優秀，它檔案極小，操作簡單，辨識率也不錯，速度也還好，但像Jocr或Capture2Text是直接在螢幕上選取一個區域作辨識，如果是多個文件(圖檔)，或是原始圖檔超過一個畫面大小，就會比較麻煩。
而Google或Office是直接讀取圖檔，可以一次讀進一個或多個影像檔進行辨識，不必在螢幕上選取操作，在多檔或批次作業上佔優勢。
反之Jocr及Capture2Text雖然不利於多檔或大檔案辨識，但其優點就是，在螢幕上看到的影像文字，只要一選取，立即辨識，方便又快速，像有時候遇到電腦顯示的錯誤訊息，或視窗上的文字，想在搜尋引擎上尋找相關資料，如果萬一不能用複製，貼上來處理，就必須親自打字，如果用Jocr或Capture2Text就可以即時辨識成文字來運用。
以下逐一說明操作步驟:
JOcr
下載:JOCR 1.0 Download (Free) - JOCR.exe
JOCR是一個可以辨識圖片裡的文字並存成文字檔的免費軟體，不過其實它只是借用Microsoft Office的殼，實際的功能是Microsoft Office提供的， 因此它的檔案極小，不到100K。
使用前你的office 必須安裝Microsoft Office Document Imaging，如果安裝office時，沒有安裝的話，請把您的office光碟拿出來，增加安裝此一項目， 如下圖所示。 
至於那一版的Microsoft Office才有提供呢，我目前使用的Office XP找不到此功能，應該是Microsoft Office 2003以上的版本才有，(我另外找到Microsoft Office 2007有提供)，JOCR的操作非常簡單，它不用安裝，只要在下載回來的檔案上按兩下滑鼠左鍵即可執行；還有它的檔案非常小，大約只有80K左右。
使用JOcr前先到Ms Office 工具中作語言項目的設定，從程式集進入「Microsoft Office->Microsoft Office工具->Microsoft Office Document Imaging 」 
進入後從工具->選項->OCR 選擇您要的語言，這裡當然選擇中文（繁體）如下圖: 
上述設定完成後，接著啟動JOCR，先按下「Capture Region」，然後選取圖片中你想辨識的區域，接著選擇辨識的語言，並按下「Recognize」就會開始辨識，辨識完成的文字會出現在記事本內， 如果您出現如下圖的錯誤訊息，是要你到Ms Office 工具中作語言項目的設定，可是我已照著設定，仍不能正常工作， 後來我安裝了Office 2007 Service Pack 3，就可正常使用了。 
直接使用Office內 Microsoft Office Document Imaging的OCR功能
如同前文所講，JOcr只是借用Office的功能，提供一個較方便的方式來作辨識，那當然也可以直接使用Office內的功能來完成，雖然Office不是免費的軟體，但是應該大部分的人都有安裝。使用方法如下：
先安裝 Microsoft Office Document Image Writer， 如上面第一個圖中所示，如果您有全部安裝Microsoft Office Document Imaging的話，也會安裝Microsoft Office Document Image Writer，安裝完成後會在系統的印表機中多出一個Microsoft Office Document Image Writer的虛擬印表機。
使用步驟
1) 先在檔案總管找出要辨識的圖片(不同於JOCR可以在螢幕上直接指定一塊區域來辨識，它辨識的是整個圖檔)，請在圖片上按滑鼠右鍵，選擇[列印]，出現相片列印精靈後，點擊[下一步]，選擇印表機時，請選擇Microsoft Office Document Image Writer的印表機。
2) 點擊[列印喜好設定]，定好要印的紙張大小(建議用A3紙)，如果圖片文字方向不對，請選好直印或橫印加以調整，選擇好之後點擊[確定]，點擊[下一步]。
3)點選[下一步]，存成tif格式檔案， (這個虛擬印表機事實上是一個轉檔的功能，將你的圖片轉成tif檔，以方便下一步的辨識 )
4)在剛剛存好檔的 tif 檔，使用 Microsoft Office Document Imaging 來開啟(操作方式上面JOCR時已提到過，程式集進入「Microsoft Office->Microsoft Office工具->Microsoft Office Document Imaging 」)。
5)進入後選檔案->開啟，打開上述轉好的tif檔
打開後可看到如下圖的縮圖，再縮圖上按右鍵，還有一些功能選項，如果在上文列印(轉tif檔)原圖時，沒有選好紙張方向，在此處也可以旋轉頁面來調整。 
再進入「工具->使用OCR 辨識文字」，辨識完成後，並不會出現任何完成的訊息，而是在左邊的預覽圖右下角就會出現已辨識的圖樣，如下圖紅框內的圖示。 
再點「工具 -> 傳送文字到 Word」。
Capture2Text
Capture2Text個人認為是一款還算不錯的免費文字辨識軟體，它可以像JOcr一樣直接在螢幕上，選定一個區域作辨認，又不必像JOcr必須背著Office這個大包袱，另一方面，它也不像直接在Office內作辨識那麼繁瑣，但有一個問題，就是它的辨識速度較慢，辨識簡體中文較準確，繁體中文差了一些，不過目前很多pdf或圖片檔的免費電子書，幾乎都是簡體中文，拿它來辨識，應該是非常適合，所以這裡也一並介紹。
Capture2Text下載點/
各種語言的tessdata pack(包含中文繁簡體)
簡體中文的nhocr pack (如果是辨識簡體，建議下載這個，辨識率較高)
這裡也提供個人已壓縮好的Capture2Text，含繁簡體(87M)，當然主程式本來就含有日英德法西班牙意大利文，如果想省事的人可直接下這套解壓即可使用， 下載點:
http://pan.baidu.com/s/1hqFZWMC
如果不是下載我自製的懶人包，這裡提供使用繁簡體nhocr的使用方式:
下載下來主程式以後，直接解壓縮，簡體中文的nhocr pack也下載下來，一樣解壓後，將nhocr pack內的檔案全部copy到Capture2Text主程式內的\Utils\nhocr\Dic的資料夾內。
然後直接執行Capture2Text內的Capture2Text，exe執行檔，在右下工作列中會出現Capture2Text的圖示，在圖示上點右鍵，選擇ocr language，再挑選欲辨識的語言。 
(如果要辨識繁體中文，只能下載tessdata pack，因為nhocr沒有繁體中文， 請copy 到\Utils\tesseract\tessdata資料夾內，其他步驟與上相同)
要開始辨識時，請先將鼠標移到您要辨識螢幕區域的左上角，按下Windows鍵+Q，然後直接拖動滑鼠(不用按滑鼠鍵)，圈出一個藍色的矩形範圍(如下圖)。 
這個範圍就是您要作辨識的區域，此時你可以用空白鍵切換左上，右下角，再拖動滑鼠改變選取區大小，也可以按下滑鼠右鍵，拖動以移動整個選取區，還可以用方向鍵調整選取大小，區域選定好以後，再次按下Windows鍵+Q(或滑鼠左鍵)，Capture2Text就開始辨識作業，辨識速度取決您的電腦速度，辨識完成後，會彈出一個視窗，成功辨識的文字會在視窗內，也會放在剪貼薄內，要運用直接貼上即可。
下面兩個圖分別是簡體繁體中文的辨識效果，在popup result的結果視窗中，可以看到簡體(選用Chinese-NHocr)比繁體效果要好很多，
以一個免費的ocr軟體來說，乍看之下似乎有許多字未能正確辨識，但這裡的例子是直接選取螢幕的文字作測試，本來解析度就不太高，如果原始圖片或pdf上的圖片文字解析度比螢幕高，或字體大小比較大，也許效果會好很多。
簡體中文字的辨識效果: 
繁體中文字的辨識效果: 
另外在設定的地方(工作列圖示->右鍵->perferences)。可進行一些設定，其中ocr頁面有幾個值得注意的地方:
1)Text Direction選取文字的方向，如果方向錯的話，辨識結果會非常差，要特別注意。
另外ocr-pre-processing如果勾選會增加辨識時間，但辨識度會提高許多。 
Google 文件的OCR功能
以上介紹的幾種OCR功能均是借用軟體來完成，但臨時找不到適合的軟體，也可以利用Google雲端硬碟上的OCR功能，它一樣也支持中文文字辨識。
使用方法如下:
前往Google Doc網站:
https://drive.google.com/
按下上傳文件圖示，再選取->檔案 
在上傳設定中選擇->「將PDF檔案或圖片，...轉為Google文件」，勾選此一選項將使Google Doc會進行OCR辨識作業。 
因為這些圖是我直接從螢幕擷取下來的，可能是解析度太差了，第一次除了原圖檔外，未辨識出出任何文字 
第二次我把原來的文字放大一些再進行擷取，結果嚇了一大跳，這是什麼情況，是有辨識出一些文字，但Google文件把字放的超大的，所以也看不出OCR的效果。 
我手動把字縮小一些，才看出原貌，這次辨識的很不錯，但不知為何只辨識出一部分，不知是否Google Doc把字放大了，導致辨識不全，因為Google Doc強調它除了能辨識出文字之外，還能辨識出字體，如斜體，粗體等，可能功能太多反而出現不能預期的錯誤。
(除了以上的測試，我還使用不同擷圖軟體，picpick及faststone分別擷取png檔，將dpi品質調高到500，又試過jpeg的品質調為最佳，擷出來的圖檔，都不能辨認，只有把原始文字放大，才認得出來) 
免費中文OCR軟體-辨識結果比一比
以下是同一段中文字，使用不同免費ocr軟件的辨識結果，可以見到JOCR真的是最優的，同時也很遺憾Google Doc又未識別出任何文字.可能是這種直接擷取螢幕文字的方式，真的對Google Doc較不能適應吧! (Google Doc我是使用擷圖軟體，分別擷取png檔，將dpi品質調高到500，又試過jpeg的品質調為最佳，擷出來的圖檔，都不能辨認，只有把原始文字放大，才認得出來) 
以上就是針對幾個免費的中文ocr軟體的比較與測試報告，希望對大家有所助益。
參考:
The 3 Best Free OCR Tools To Convert Your Files Back Into Editable Documents
Convert screenshots to text with Capture2Text, a free optical character recognition (OCR) app
