这是一篇来自新浪网友的测评,“我是看到abbyy官方微博的活动才写的这篇评测,ABBYY FineReader 这款老牌OCR软件时隔几年终于再次更新了,经过几天试用版的测试,我写下这篇使用心得。同时也夹杂着对ABBYY FineReader12的更新的地方的一些理解。”本文为上半部分。
以下ABBYY FineReader12简称12版,ABBYY FineReader11简称11版。
高质量图片比较
首先我们以一张质量比较高的杂志图片作为识别素材,图片出自杂志《桌游Club》2013年6月号,选择这个素材的原因有几点:
一、素材的质量非常好,没有任何噪声和阴影,能把这些不确定因素降到最低,非常适合用来进行OCR识别。
二、素材的字体和版式均有一定的复杂程度,素材内还有一个表格和一张图片,非常适合检验字体和版式的还原效果。
三、素材的语种中文为主,含有少量英文,可以检测中英文混排的效果。
四、素材的内文原作者为本文本人,本人有素材内文本的原始文档,可以最准确地检测OCR结果的识别率。
图1
以下是ABBYY 11的识别效果图:
图2
以下是ABBYY 12的识别效果图:
图3
图4 12版表格识别效果
图5 12版内文识别效果
将输出的文本经过文字处理软件与我的原始文稿进行对比,可以发现:
一、11版和12版均做到了文本的版式的完美还原。
二、除了若干括号和冒号的差异之外,11版和12版只有4处差异,和我的原始文稿也只有4处差异,差异分别是:
11版 |
12版 |
原始文稿 |
Ghost |
Gh〇st |
Ghost |
Guilty |
Gui11y |
Guilty |
鬼迷心?§ |
鬼迷心窍 |
鬼迷心窍 |
巳经 |
已经 |
已经 |
可以看出,在图片质量非常好的情况下,11版和12版已经做到了很高的识别率,为2/1730=99.88%。12版的中文的识别率更是做到了可喜的100%。同时,虽然牺牲了一些英文字符的识别率,但是在中英文混排的情况下12版对中文字符的识别比11版做得更好,同时一定程度地解决了11版固有的几个问题:
1、不确定字符识别成特殊符号。笔者使用11版时,识别中文时经常出现类似于“£〃•€■|”诸如此类的特殊符号,譬如在本次测试中的“§”。而此次测评在12版中没有此类问题。
2、常用字识别成形状接近的生僻字。笔者使用11版时,识别中文时经常出现将常用字识别成形状接近的生僻字的情况,譬如 “查”识别成“査”,“开”识别成“幵”和此次测试中的“已”识别成“巳”。而此次测评在12版中没有此类问题。
3、12版在中英文混排的情况下牺牲了一定的英文的识别率。由于目前文档处理软件的英文拼写检查技术已经相当成熟,这方面的问题完全可以同过英文拼写检查这一手段解决。而中文的拼写检查技术还很不完善,故提高中文的识别率更加重要。
4、美中不足的是,11版和12版均未能做到对扑克牌花色这一特殊字符的识别,只有12版识别了“◇”。
5、不知道是否是试用版的缘故,12版虽然将文字的颜色识别出来了,但是在保存为word后这些颜色都消失了。
更多关于ABBYY FineReader的内容, 请点击进入ABBYY中文教程,查看您需要的信息。