tesseract: Unterschied zwischen den Versionen
Michi (Diskussion | Beiträge) Keine Bearbeitungszusammenfassung |
Michi (Diskussion | Beiträge) |
||
| Zeile 17: | Zeile 17: | ||
== Weblinks == | == Weblinks == | ||
{{Weblinks1|{{url_enwikipedia|Tesseract_(software)|Tesseract (software)}} | |||
{{url|US|Google|eng|http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract|TrainingTesseract (How to use the tools provided to train Tesseract for a new language)}} | |||
{{url|US|Sourceforge|eng|http://sourceforge.net/forum/forum.php?thread_id{{=}}1568751&forum_id{{=}}534361|Tesseract wrapper script for almost any image|Skript}} | |||
}} | |||
{{cat|Texterkennung}} | {{cat|Texterkennung}} | ||
Version vom 8. März 2009, 02:38 Uhr
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.
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
$ 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.
Verwendung
Zeichenerkennung in der Datei "file.tif". Das Ergebnis wird in die Datei "result.txt" geschrieben.
$ tesseract file.tif result