tesseract: Unterschied zwischen den Versionen

Aus Mikiwiki
Zur Navigation springen Zur Suche springen
Zeile 7: Zeile 7:
=== Ubuntu 8.04 Hardy Heron ===
=== Ubuntu 8.04 Hardy Heron ===


Unter Ubuntu 8.04 kann tesseract 2.00 automatisch installiert werden.
tesseract 2.00 kann mittels [[apt-get]] automatisch installiert werden.


  $ <b>sudo apt-get install tesseract-ocr tesseract-ocr-deu tesseract-ocr-eng tesseract-ocr-fra</b>
  $ <b>sudo apt-get install tesseract-ocr tesseract-ocr-deu tesseract-ocr-eng tesseract-ocr-fra</b>
Zeile 21: Zeile 21:
  $ <b>make</b>
  $ <b>make</b>


Leider funktioniert die Installation von tesseract 2.03 weder mit [[checkinstall]] noch mit "make install".
Die Installation von tesseract 2.03 funktioniert weder mit [[checkinstall]] noch mit "make install".


  $ <b>sudo checkinstall</b>
  $ <b>sudo checkinstall</b>

Version vom 13. April 2009, 21:19 Uhr

Der Shell-Befehl tesseract ist ein Texterkennungs-Programm. Es ist ein reines Zeichenerkennungsprogramm ohne Analyse von Seitengestaltung oder die Verwendung statistischer Sprachmodelle sowie ohne grafische Benutzeroberfläche. Auf Zeichenebene bietet es jedoch sehr gute Ergebnisse und lässt sich grundsätzlich für beliebige Zeichensätze und Sprachen trainieren. Für die Sprachen Deutsch, Englisch, Französisch, Italienisch, Spanisch und Niederländisch werden fertige Trainingsdaten mitgeliefert.

Seit 2006 wird das Programm als Grundlage von Google Books weiterentwickelt. Es dient als Texterkennungsmodul in Ocropus, das zusätzlich noch Analyse der Dokumentgliederung und statistische Sprachmodelle bietet. Für die Sprachen Englisch, Französisch, Italienisch, Deutsch, Spanisch und Niederländisch sind bereits Texterkennungsdaten vorhanden. Teilweise ist auch die Texterkennung von Texten in Frakturschriften möglich.

Installation

Ubuntu 8.04 Hardy Heron

tesseract 2.00 kann mittels apt-get automatisch installiert werden.

$ sudo apt-get install tesseract-ocr tesseract-ocr-deu tesseract-ocr-eng tesseract-ocr-fra

Die tesseract-Dateien sind danach unter "/usr/share/tesseract-ocr/tessdata" installiert.

tesseract 2.03 kann direkt von der offiziellen Homepage heruntergeladen werden - allerdings lässt es sich nicht installieren:

$ wget http://tesseract-ocr.googlecode.com/files/tesseract-2.03.tar.gz
$ tar xzf tesseract-2.03.tar.gz
$ cd tesseract-2.03
$ ./configure
$ make

Die Installation von tesseract 2.03 funktioniert weder mit checkinstall noch mit "make install".

$ sudo checkinstall
$ sudo make install
...
Making install in java
make[1]: Betrete Verzeichnis '/home/mik/backup/software/linux/Ubuntu8.04/tesseract-2.03/java'
make[1]: *** Keine Regel, um »install« zu erstellen.  Schluss.
make[1]: Verlasse Verzeichnis '/home/mik/backup/software/linux/Ubuntu8.04/tesseract-2.03/java'
make: *** [install-recursive] Fehler 1

Verwendung

Zeichenerkennung in der Datei "file.tif". Das Ergebnis wird in die Datei "result.txt" geschrieben.

$ tesseract file.tif result

Weblinks

Herausgeber Sprache Webseitentitel Anmerkungen