我正在创建一个服务来监视扫描文件的文件夹。一旦文件存在，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。位置基于条形码。
现在，对于 OCR，我们使用的是 Atalasoft ( http://www.atalasoft.com/ ) 的 SDK。此 SDK 中还包含条码识别器。
但是转换后的文本仍然存在一些错误。（我用其他 OCR 程序进行了一些测试，但 Atalasoft 的结果很好。）我正在寻找一些软件（SDK-kit），它可以让我提高用于 OCR 目的的 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。
任何人以前这样做过，或有类似的问题？提前谢谢！
您可以尝试完全遵循不同的路径：
查看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。这将创建具有可选择和可搜索文本的 PDF。反过来，这可以通过 PDF 阅读库提取。
或者你可能想看看http://www.abbyy.com/看看你是否能得到更好的结果。
如果这些不是很好的选择，您可能需要系统地分解您的问题：
1. 扫描图像的图像质量是否存在问题？如果是这样，则必须首先解决此问题。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？拿一份清晰易读的文件，看看 OCR 软件是否出错。如果是这样，那么您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例外情况，并根据具体情况进行处理。
如果文档上的污迹和背景图像是问题的原因，您可能需要寻找避免这种情况的方法，或者使用公开 API 的图像处理软件进行清理。