我正在创建一项服务，用于监控文件夹中的扫描文件。一旦文件在那里，该服务就会将其拾取，并将其转换为可读的 PDF。在此过程中，该服务还会搜索条形码。在此之后，提取文本并将文件及其文本存储到我们软件的数据库中。该位置基于条形码。
现在，对于 OCR，我们使用 Atalasoft 的 SDK (http://www.atalasoft.com/)。 此 SDK 中还包含条码识别器。
但是转换后的文字还是有一些错误。 (我用其他 OCR 程序进行了一些测试，但 Atalasoft 表现不错。) 我正在寻找一些软件(SDK 套件)，它可以让我为 OCR 目的提高 PDF 的质量。
我测试了 Kofax VRS Elite ( http://www.kofax.com/vrs-virtualrescan/ )。我正在寻找类似的东西，但可以使用某种 SDK 套件在服务中实现。
有谁以前做过这个，或者遇到过类似的问题吗？ 提前谢谢!
最佳答案
您可以尝试完全不同的路径:
查看您是否可以将扫描仪配置为直接扫描为 PDF 并即时执行 OCR。 Lexmark 扫描仪可以做到这一点。这将创建带有可选和可搜索文本的 PDF。这又可以用 PDF 阅读库提取。
或者您可能想看看 http://www.abbyy.com/看看你是否能得到更好的结果。
如果这些都不是好的选择，您可能希望以系统的方式分解您的问题:
1.扫描图像的图像质量有问题吗？如果是这样，那么必须先解决这个问题。您的 OCR 解决方案可能会受到分辨率、对比度和颜色的影响。
2.是OCR软件吗？拿一份清晰度很高的文档，看看 OCR 软件是否出错。如果是这样，那么您就知道您必须找到更好的 OCR 软件。
3. 如果您的文档质量不错，并且您的 OCR 软件在破译清晰文档方面的成功率很高，那么您可能需要查看不起作用的异常(exception)情况，并根据具体情况逐一解决这些问题。
如果文档上的污迹和背景图像是问题的原因，您可能需要研究避免这种情况的方法，或者使用公开 API 的图像处理软件清除这种情况。
关于c# - 如何 : Improve the PDF- quality before OCR using C#，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/6593310/