利用Office 2003新增的OCR功能从图片中提取文字

如果你需要将图片（PDF文件）中的文字提取出来。我这里就教你一个方法吧。

首先可以利用Office 2003组件。运行Office 2003安装包， abbr_cd9352b49c6bd0ce4b8b09037408be7f.jpg (34.38 KB)

2007-10-10 14:41

不过刚装的就少了这个过程了。接着在勾选 “选择应用程序的高级自定义”这里要注意的是刚装的在选择安装时要选完全安装或自定义，而不是默认的“经典”

abbr_b2a7f1c37e188d8a8c14377d3cacd1fc.jpg (40.1 KB)

2007-10-10 14:41

打开Office工具→Microsoft Office Document Imaging，按提示选择安装“扫描、OCR和索引服务筛选器”和“Microsoft Office Document Image Writer”

abbr_b8ac0b023396b39fd48778cad027bc.jpg (45.63 KB)

2007-10-10 14:41

进行更新完毕后。在安装Microsoft Office Document Imaging组件后，Windows XP系统会自动安装一个名为“Microsoft Office Document Imaging Writer”的打印机（虚拟打印机）。Imaging组件可以通过这个虚拟打印机，将PDF文件所保存的信息识别，从而达到将它直接转换输出到Word等文字编辑工具中的目的。

第二步：用Adobe Reader 打开想转换的PDF文件，（或用图片浏览器打开相机拍摄的文档照片）接下来 选择 “文件→打印”菜单，在打开的“打印”窗口中将“打印机”栏中的名称设置为 “Microsoft Office Document Image Writer”

abbr_f8ade4fa4e5f97be60e3fc953cc8dc.jpg (46.38 KB)

2007-10-10 14:41

确认后将该PDF文件输出为 MDI格式的虚拟打印文件（点击确定）

abbr_e2335d16cdd115162a8a4b1e7982a48a.jpg (42.85 KB)

2007-10-10 14:41

然后，运行 “Microsoft Office Document Imaging”，并利用它来 打开 刚才保存的MDI文件，选择“工具→ 将文本发送到Word 

abbr_cf13ca49667324cd86bda58a768706.jpg (37.94 KB)

2007-10-10 14:41

在弹出的“将文本发送到Word”窗口中选中“所有页面”和“ 在输出时保持图片版式不变 

abbr_bb8ce333d2b09435eaf0aff3543a96.jpg (40.8 KB)

2007-10-10 14:41

确认后系统会提示“必须在您执行此操作前识别该文档中的文本(OCR)。这可能需要一些时间”，不管它，点击确定即可

识别完成后，系统会自动调出Word，这时你就可以看到，刚才还不能编辑的文字，乖乖的出现在Word编辑窗口中

需要说明的是，利用Office 2003实现PDF文件转的Word文档不是特别完美，转换后会丢失原来的排版格式，所以转换后还需要手工对其进行排版和校对

本人利用此方法转换的文档，识别的正确率超过某些扫描仪。感兴趣的朋友可以试一下。对大篇幅的文档相当快捷。

相机的像素不要求很高，但一定要能对焦。我用200W手机拍的也行，