标签: ocr

我有一个文本模糊的pdf。文本本身是可读的，但会造成很大的压力。
这是文本的一个例子。

有没有办法清除它？

我有一本扫描书的PDF。

我正在寻找一个免费软件，该软件将执行 OCR，然后提供一个选项以将其再次保存为 PDF 或文档。

有吗？

我已经在谷歌上搜索了一段时间，但找不到我的问题的答案。

我最近使用 Adob​​e Acrobat 扫描的文档中有不需要的 OCR 层。它没有被正确 OCR，我想编辑一些信息，但 OCR 正在使想要的信息被删除。我将文件转换为 TIF，但注意到（非常）显着的质量损失。我听说打印到另一个 PDF 要么保留文本，要么降低图像质量。

很多时候我遇到的位图只有文本段落，所以我一直在寻找一种方法来识别使用的字体、段落对齐方式、行距和颜色、粗体、斜体。

OCR 包允许我这样做吗？

如果没有，我还有什么其他选择？

上周末我去了我祖父母家。我祖母拿出了这本巨大的（约 1400 页）书，讲述了她可以追溯到 1630 年左右的家族史。我是个巨大的书呆子，我认为将所有信息存储在数据库中并从网络上可用会很巧妙。我可以处理所有的网络编程和正则表达式等等，但我不知道将文本从书本传送到计算机的最佳方式。

我知道某种 OCR 是必要的，从我所做的小研究来看，我的选择似乎是：

1. 用相机拍下每一页的照片，然后用OCR软件处理图片
2. 用扫描仪扫描每一页，然后用OCR软件处理
3. 使用某种手持设备，像这样。

有没有人对解决这个问题的最佳方法有任何想法？我不想毁掉这本书，因为据我所知，它无法替代。这可能是我唯一一次要扫描一本大书，所以我不认为我想在任何类型的设备上花费超过 250 美元。我不介意这里的一些手动工作（我意识到这很可能需要几个月的时间），但我想找到最有效的方法。

关于这本书的注意事项：它只有大约 20 年的历史，所以它的状态很好。它是单色的，页面还没有开始变黄。由于它太大了，我担心当文本靠近绑定时可能会出现阴影。

Evernote会对您保存的图像进行 OCR。有没有办法在 Evernote 中获得与图像等效的全文，或者 OCR 仅用于搜索？

此 PDF 由 Abbyy Finereader 10 制作：

http://ebooks.zeitr.org/from_abbyy.pdf

您可以复制并粘贴第一句话并获得此（非常好的）文本结果：

Der »Bund Deutscher Gymnastik-Schulleiter« wurde am 20. November 1955 anläßlich einer Zusammenkunft der Leiterinnen und Leiter der privaten deutschen Gymnastik-Ausbildungsstätten gegründet。

在使用 Ghostscript 9.02（64 位 Windows）进行一些处理后，我得到了这个文件：

http://ebooks.zeitr.org/after_ghostscript.pdf

现在第一句话看起来很奇怪 - 每个单词的最后一个字符之前都有一个额外的空格。

Der »Bun d Deutscher r GymnastikSchulleiter « wurd eam 20 . 195 年 11 月 5 月

这有一个主要的负面影响，即您无法在 Acrobat Reader 中搜索整个单词。我可以使用以下为 Ghostscript 设置的最小参数来重现效果：

-sDEVICE=pdfwrite ^
-dBATCH ^
-dNOPAUSE ^
-sstdout="myStdOut" ^
-sOutputFile="myDestFile.pdf" ^
 mySourceFile.pdf

有任何想法吗？