中文字 OCR 光学辨识免费线上工具网站「OnlineOcr」与「NewOcr」测试介绍

OCR，Optical Character Recognition 的首字缩写，指的是光学字元辨识的意思，这项技术是用来将一张图片中的文字，透过光学字元的辨识算法，转译成电脑能加以编辑的文字字元。

今天要和大家介绍的不是一般的 OCR 软件，而是在网络上免费提供光学字元辨识服务的工具网站。文中还会提供影像范本以及辨识后的分析来跟大家一并说明，让大家自行评估是否要使用这类服务（还是自己慢慢硬啃）。

学生时代对于这类OCR软件一直有著高度需求，尤其在网络还没有这么发达的那个时候，查了资料要做报告只能自己一个字一个字的Keyin进电脑，非常可以磨砥我的耐心。

后来有聪明的学生（羞举手）跑去买了一台扫描器，将书面资料扫进电脑，再用当时也是冷门的OCR辨识软件将文字影像转为文件文件，让做报告的速度变得非常迅速。

现在更拜网络科技发达之赐，有些网站直接在线上提供免费的光学文字辨识服务。不过很可惜，这些服务大多是由外国人提供，对于中文字的辨识率，我原本并没有太多期待。

在试用过下面两间线上知名的免费光学文字辨识网站后，觉得还是有一定辨识功力，特别介绍给大家认识，你们可以参考我提供的影像范本与辨识结果来加以评估是否要使用这些服务。

OCR中文字辨识工具网站

OnlineOcr

请参考下图一所示的「OnlineOcr.Net[i]」网站，操作步骤包括：

1. 点击「Select File」按钮，直接上传你电脑中预备好的图片；
2. 选择翻译语言和输出格式，例如「Chinese Traditional」与「Text Plain( txt)」；
3. 点击「CONVERT」按钮开始进行转换，最后会输出一篇文字编辑器（例如小作家）可开启的中文文字文件。

图一，OnlineOCR 线上页面。

NewOcr

请参考下图二所示的「NewOcr.com[ii]」网站，操作步骤包括：

1. 点击「选择文件（Select File）」按钮，从电脑中选择想要进行文字辨识的图片（或是输入图片所在的网址）；
2. 点击「Upload」按钮，上传你选好的图片就能开始进行辨识。

图二，NewOCR 线上页面。

另外，请参考下图三，NewOcr 还提供多种进阶设定，可选择你打算辨识的语言（可复选），例如「English」和「Chinese Tradition」两种，以及图片的选转角度（非必须）与是否要分析文件排版格式，并进行相对应的切割等运算等服务。

图三，NewOCR 设定页面。

影像样本的实际辨识结果与讨论

这次会写这篇文章的原因，是家人请我帮忙复打一份太极武术《修罗扇》的分解动作指令，懒人如我者当然就想到可以用OCR软件，不过这次就改用线上辨识服务来做测试啰。

下图四是从太极拳教练手中拿到的一份《修罗扇》的分解动作指令，可能因为打印太多次的关系，文字本身的分辨率不是那么清晰。

图四，辨识样本：修罗扇。

经过线上 OCR 文字辨识转换后，可得到如下的结果：

OnlineOcr.Net 的辨识结果

木兰点兵（南） 回头一瞥（西南） 百步穿扬（南） 立斩蛟龙（南）· 拨云见日（南）∼“ 、甬海翻腾（南）, 夜又探海（南） 转斩蛟龙（北） ) 凤凰转简禾（面南） 转身、一斗劈（北）· 孔雀展姿（北）· 、甬袒乾坤（北）两 海底捞月（北）守 反点以么星（北） 、扇海拨云（北）, 倦鸟归林〔北）. 回一叩一棒（正斗闲） 云龙单头（柬南）“t一· 左右开弓（西北。斗果南） 聂哄防各L，心／∼斗私丰幻j：、‘ 斤廾斗〞‘n。一、丫‘‘口刘州州、〝．乏一 吋‘ 童子并佛（南） 桔街盘根（南） 童子并佛（南） 蝴蝶穿花（南） 蜻蜓点水（淌州 挑珑入实由 盘．根错节（南 回头一（棒（冻佻 ‘可鹤、亮翅（东丈 上香一 并沐 青龙．人调（一沐 J匕二三巳取匕 化常讪‘、－‘一、‘’ 痲。‘绝二‘，二妇写· 。计p.-·＿一、『一‘-. “必-4一‘, v‘一’必 ■， －一界’、 叔江d‘织化计。纷．‘。 r;’一客－ （一．－。一 {-‘I添．一 宁驯 一方絮 、∼。、 乍，’ ’‘〕。一e 响，”’ r一L k’ 、一迸‘ 〞二”, →才几 “7_i方二 访k鸟点〔必乙〞骗邺j,，江为向 日 ∼、细‘’ . 华O斗吗

NewOcr.com 的辨识结果：

木兰黠兵(南) 回头一瞥(西南) 百步穿扬(南了 立斩蛟龙(南丫 拨云见旦南了 扇海翻腾(南)威 夜叉探海(南) 转斩蛟咙(北) 凤凰转巢(面南) 转身立 劈(北). 〝孔雀展姿(北丫 扇里乾坤(北) 海‵底捞月(北)e 反黠金星(北) 扇海拨云(北富 倦乌归林(北) 云龙罩头勺果南》细质 左右开弓〈西北桌郝) 雁落平沙(束南) 〝嘉 童子 拜佛(南)” 了 一 柑 枯树盘根(南N嘶脚姜 量子拜佛T巴

我们可以从上面两个结果看出来，两个网站的辨识结果各有有缺点。在文字的正确辨识率上来说，OnlineOcr 以极小的幅度领先 NewOcrt，但是到后半段却又通通变成乱码，可见得去除背景杂讯的技术还有待加强，这对实际应用而言还是有相当不利。

另外，我用小画家做了一张高清的文字影像，这次再来看看辨识度会不会比较好一点。如下图五所示，我选用的文章是诸葛亮的前出师表的前段。

图五，辨识样本：出师表。

OnlineOcr.net 辨识结果：

臣亮言：先帝创业未半，而中道崩姐；今天下三分，益州疲敝，此诚危急存亡之秋也。然侍卫之臣，不懈于 内；忠志之士，息身于外者：盖追先帝之殊遇，欲报之于陛下也。诚宜开张圣听，以光先帝遗德，恢弘志士 之气；不宜妄自菲薄，引喻失义，以塞忠谏之路也。宫中府中，俱为一体；险罚臧否，不宜异同：若有作奸 犯科，及为忠善者，宜付有司，论其刑赏，以昭陛下平明之治；不宜偏私，使内外异法也。侍中·侍郎郭攸 之·费依·董允等，此皆良实，志虑忠纯，是以先帝简拔以遗陛下：愚以为宫中之事，事无大小，悉以咨 之，然后施行，必得裨补阙漏，有所广益。将军向宠，性行淑均，晓畅军事，试用之于昔日，先帝称之日 ，匕“，是以众议举宠为督：愚以为营中之事，事无大小，悉以咨之，必能使行阵和穆，优劣得所也。亲贤 臣，远小人，此先汉所以兴隆也；亲小人，远贤臣，此后汉所以倾颓也。先帝在时，每与臣论此事，未尝不 叹息痛恨于桓、灵也！侍中·尚书·长史·参军，此悉贞亮死节之臣也，愿陛下亲之·信之，则汉室之隆， 可计日而待也。

NewOcr.com 辨识结果：

臣亮言:先帝创业未半’而中逋崩姐;含夭下三分’益州疲敞，此诚危急存亡之秋也。然侍卫之臣，不懈于 内;忠志之士，忘身于外者:盖追先帝之殊遇，谷欠报之于陛下也。诚宣开张圣听，以光先帝遣德，恢弘志士 之气;不宣妄自菲莲，引喻失义，以塞忠谏之路也。宫中府中 ，俱为一体;B步罚臧否，不宣异同:若有作奸 犯科，及为忠善者’宣付有司 ，论真刑赏，以昭陛下平明之治;不宣偏私’使内外异法也。侍中侍郎郭攸 之贾依`菫允等，此皆良贵，志虑忠纯’是以先帝简拔以遣陛下:愚以为宫中之辜，辜无大小，悉以彗 之，然后施行，必得裨补阙漏，有所蜃益。将军向宠，性行淑均 ，晓畅军辜’试用之于昔日 ，先帝称之日

从上面两个结果来看，如果是文字清晰度够高的影像，OnlineOcr 的辨识正确率会大幅度提高，而 NewOcr 的辨识率和前一个测试差不多。由此可见背景的干净度和文字清晰度对于 OnlineOcr 有很大幅度的影响。

总结几项大家可以注意的细节，让文字辨识效率可以大幅度提升，包括：

• 影像内容的分辨率越高，文字辨识效果越好（至于画质好坏对于英文字的辨识率而言是影响相对较小的）。
• 扫描或拍照时要特别注意，文字的角度是否偏移，影像边缘是否歪斜。
• 原始范本的文字背景是否足够干净，建议可以先用影像处理程序清除杂乱背景。

经过一段时间的测试后，关于最前面提到我会寻找这类OCR文字辨识软件线上网站的原因，就是那份修罗扇的文件，我还是决定自己亲手打比较快（啪啪啪啪啪啪啪）。

题外话，学生时代为了交报告特别买了一台扫瞄器[iii]，随机器附赠一套专门为中文字辨识开发的软件「丹青文件辨识系统[iii]」不过那个年代的辨识软件主要还是以简单线条组成的英文字的辨识能力最高。这让我一方面欣赏具有崇高艺术价值的中文字，另一方面又让我讨厌线条优美到无法被轻易辨识的中文字。这种又爱又恨的心情是复杂的。

后来就如同大家知道的，网络科技开始被广泛运用，大家都能轻易从网络上 抄袭 找到大量的文章。这有好处也有坏处，好处是文字被大量的活用，知识的进展是以几何速度扩散；坏处是学生的思辨与写作能力越来越差。

我在大学担任研究所助教时，学生交过来的报告只要看上几眼就差不多能知道是不是他自己写的，之后再撷取几段上网搜寻，八九不离十就能找到被抄袭的作品。对于这些大量抄袭文章，连重新整理、归纳都懒的同学（一个班级最少也有二成以上的机率），我给的分数一定难看（好好教授还得帮忙拉分数）─── 这个助教讨人厌。

延伸阅读

1. OnLine OCR。
2. New OCR。
3. 产品参考：文件、书本推荐用扫瞄器。
4. 软件下载：丹青文件辨识系统。