👨‍👩‍👦‍👦 👩‍👩‍👧‍👦 ☁️ लिनक्स पर ऑप्टिकल चरित्र मान्यता ⛹🏿 👗 😦

परिचय

यह केवल मौजूदा ओसीआर की समीक्षा नहीं है (हम केवल तीन के बारे में बात करेंगे) और एक अधिष्ठापन गाइड नहीं (हालांकि स्थापना का वर्णन किया जाएगा)। यह लेख यह समझने के लिए बनाया गया था कि लिनक्स में रूसी और अंग्रेजी भाषाओं को क्या और कैसे पहचाना जा सकता है।

वर्णित प्रक्रियाओं के सार को समझने के लिए शब्दों का एक जोड़ा।
ओसीआर - ऑप्टिकल चरित्र मान्यता।
मुद्रित दस्तावेजों को डिजिटल करने के लिए प्रौद्योगिकी की आवश्यकता है; स्वचालन उद्देश्यों के लिए कुछ ओसीआर का उपयोग करें (उदाहरण के लिए, कैप्चा को पहचानने या स्पैम बॉट से बचाने के लिए)।

लिनक्स पर OCR

मैं फिर से दोहराता हूं: यहां हम उन कार्यक्रमों पर विचार करेंगे जो रूसी भाषा को पहचानते हैं। लिनक्स के तहत, लैटिन के साथ काम करने के लिए डिज़ाइन किए गए कई ओसीआर हैं, विशेष परिसर हैं जो केवल हिब्रू के साथ काम करते हैं, उदाहरण के लिए, - यह सब हमारे विषय पर लागू नहीं होता है।
वास्तव में, हम केवल तीन उत्पादों के बारे में बात करेंगे: क्यूनिफॉर्म , टेसरैक्ट और फिनएडर इंजन । वे सभी खुद को केवल एक कंसोल इंटरफ़ेस प्रदान करते हैं, हालांकि पहले दो के लिए एक जीयूआई विकसित किया गया है।

मैं डेबियन स्क्वीज़ का उपयोग करता हूं, लेकिन मैं अक्सर स्रोतों को लिंक दूंगा और पैकेजों की असेंबली को समझाऊंगा (आप notesalexp.org या आपके वितरण के रिपॉजिटरी पर रिपॉजिटरी का उपयोग कर सकते हैं - मैं सिर्फ विधानसभा का एक उदाहरण देता हूं)।
विषय का विस्तार निम्न क्रम में किया जाएगा:

1. लिनक्स के लिए ओसीआर (3 इंजन) स्थापित करना, उन्हें स्थापित करना।
2. उदाहरण के लिए सीएलआई ओसीआर की तुलना।
3. ओसीआर के लिए जीयूआई, उनकी तुलना।
4. एक छोटा सा परीक्षण ऑनलाइन-ओसीआर।
5. निष्कर्ष और कुछ पूर्वानुमान और सुझाव।

लिनक्स के लिए ओसीआर स्थापित करें

क्यूनेइफ़ॉर्म

विकिपीडिया पर परियोजना के बारे में पृष्ठ।

घोषित विशेषताएं: मूल दस्तावेज़ के स्वरूपण, txt, hocr, html, फ़ैक्स की मान्यता और मैट्रिक्स प्रिंटर पर मुद्रित ग्रंथों के लिए आउटपुट को सहेजते हुए, कई भाषाओं के लिए समर्थन।

हम लिनक्स के तहत क्यूनीफॉर्म का उपयोग करने के दो वास्तविक तरीकों को देखेंगे: देशी और वाइन का उपयोग करना (इसके लिए एक आवश्यकता है, नीचे आप खुद देख सकते हैं)।

1. नेटिव क्यूनिफॉर्म

लॉन्चपैड पर अनुभाग
स्रोत कोड

आइए स्थापना के साथ आगे बढ़ें।
स्रोतों को डाउनलोड करें और उन्हें अनपैक करें।
इसके अलावा, सब कुछ मानक है (स्रोत के साथ readme.txt पूरा देखें)। हम स्रोत के साथ निर्देशिका में जाते हैं और क्रमिक रूप से निष्पादित होते हैं:

mkdir builddir cd builddir cmake -DCMAKE_BUILD_TYPE=debug .. make sudo checkinstall sudo ldconfig

हो गया।

2. शराब के तहत स्थापना।

इस पद्धति का लाभ यह है कि हम तुरंत मूल कार्यात्मक जीयूआई प्राप्त करते हैं। वाइन संस्करण महत्वपूर्ण नहीं है (क्यूनिफॉर्म ने वाइन 1.0 के तहत भी काम किया है)। एकमात्र विशेषता: शराब सेटिंग्स में msvcrt लाइब्रेरी के लिए एक नया प्रतिस्थापन निर्दिष्ट करना आवश्यक है।
इस लिंक पर वितरण उपलब्ध है।

Tesseract।

विकिपीडिया पर परियोजना के बारे में पृष्ठ।
Google कोड पर पेज।

घोषित विशेषताएं: कई भाषाओं के लिए समर्थन, txt और hocr के लिए आउटपुट, अपने स्वयं के उदाहरणों का उपयोग करके कार्यक्रम को प्रशिक्षित करना (मैं इस पर विचार नहीं करूंगा, जैसा काम कर रहा है), एक विशिष्ट नमूने के लिए कॉन्फ़िगरेशन फ़ाइल का उपयोग कर रहा है।

मैं संक्षेप में और इस Readme का स्वतंत्र रूप से वर्णन करता हूं।

स्थापना से पहले निर्भरता संकल्प:

 sudo apt-get install autoconf automake libtool libpng12-dev libjpeg62-dev libtiff4-dev zlib1g-dev

Tesseract भी libleptonica-dev संस्करण पर निर्भर करता है जो 1.67 से कम नहीं है। स्क्वीज़ में, इस पैकेज को हटा दिया गया था, इसलिए मुझे इसे इकट्ठा करना पड़ा।
हमें स्रोत कोड मिलता है, अनपैक करें और निर्माण करें:

 ./autobuild ./configure make sudo checkinstall sudo ldconfig

अब हमें टेसरैक्ट स्रोत मिलते हैं , अनपैक करें और उनके साथ डायरेक्टरी पर जाएं।
अगला हम करते हैं:

 ./autogen.sh ./configure make sudo checkinstall sudo ldconfig

टेसरैक्ट स्थापित है। हम भाषा मान्यता के लिए पैकेज प्राप्त करेंगे: रूसी और अंग्रेजी - और उन्हें tessdata निर्देशिका ( / usr / स्थानीय / शेयर / डिफ़ॉल्ट रूप से tessdata ) में अनपैक करें ।
आप काम कर सकते हैं।

फाइनराइडर इंजन

घोषणा यहाँ देखी जा सकती है ।

कैसे प्राप्त करें? हम यहां जाते हैं , ध्यान से पढ़ें और एक परीक्षण (100 पहचानों की सीमा) का अनुरोध करें। आप रूसी में पूछ सकते हैं।

स्थापना सरल है: डाउनलोड करें , रूट के तहत abbyyocr.run चलाएं और पाठ निर्देशों का पालन करें।

घोषित विशेषताएं: कई भाषाओं के लिए समर्थन, विभिन्न एनकोडिंग, पासवर्ड के साथ काम करना, पेज नंबरिंग, टेबल की पहचान, बारकोड, एक मैट्रिक्स प्रिंटर पर मुद्रित ग्रंथ, टाइपराइटर, गॉथिक फोंट, आदि, आउटपुट के लिए txt, rff, HTML, xml, xls।

माणिक +

जब से मैंने CLI OCR के बारे में बात की है, मैं Tesseract और Cuneiform के लिए CLI Rubyquet + का उल्लेख नहीं करूँगा।
मैंने इसका परीक्षण नहीं किया (आप ऐसा कर सकते हैं) - उपरोक्त ओसीआर के लिए एक ही सीएलआई भी अपने आप उपलब्ध है।

सीएलआई ओसीआर की तुलना

* CLI - कमांड लाइन इंटरफ़ेस - कमांड लाइन इंटरफ़ेस ("कंसोल")।

मैं आपको तुरंत चेतावनी देता हूं: यह खंड काफी बड़ा है। यदि आप अनावश्यक विवरण और बहुत सारे पत्रों के बिना करना चाहते हैं - तो मैं बिगाड़ने वालों को नहीं खोलने की सलाह देता हूं।

याद रखें: मैं तुलना में बिल्कुल वस्तुनिष्ठ होने का नाटक नहीं करता। आपको अन्य परिणाम और अन्य निष्कर्ष मिल सकते हैं।

मैं परीक्षण के मानदंडों को इंगित करूंगा।

बेशक, सही परिणाम सभी वर्णों, स्वरूपण और आरेखण की एक सौ प्रतिशत मान्यता होनी चाहिए। हालांकि, व्यवहार में, सबसे लोकप्रिय बस पाठ पहचान है। उपयोगकर्ता पोस्ट-प्रोसेसिंग के दौरान छवियों के साथ पाठ को आवश्यक स्वरूपण और पूरक करने में सक्षम है।
मान्यता की गुणवत्ता का आकलन करने के लिए, मैं निम्नलिखित मानदंडों का परिचय दूंगा (हालांकि मैं उनसे विदा लूंगा):

" गलत शब्द " की कसौटी - गणना की सादगी के लिए गलत मान्यता प्राप्त शब्द (एक शब्द में एक गलत चरित्र से एक शब्द की पूर्ण अनुपस्थिति तक) सबसे महत्वपूर्ण मानदंड है।

" अमान्य वर्ण " मानदंड - गलत रूप से मान्यता प्राप्त वर्ण जब पहली कसौटी पर लागू नहीं किया जा सकता है (अतिरिक्त वर्ण, विराम चिह्न, आदि)।

मानदंड " प्रारूपण त्रुटियां " - का उपयोग तालिका, आंकड़े, बोल्ड और इटैलिक में लिखने की परिभाषा के साथ काम की गुणवत्ता निर्धारित करने के लिए किया जाता है।

प्रत्येक नमूने और कार्यक्रम के लिए, सही ढंग से पहचाने गए शब्दों के प्रतिशत की गणना की जाएगी, जो कि मूल कारक होगा। नमूने में शब्दों की संख्या मैं फिनएडर में मान्यता परिणाम पर ले जाऊंगा।

अब नमूनों के बारे में।
हम सबसे अधिक बार क्या पहचानते हैं? या तो दस्तावेज़ जो स्कैनर से गुजरे, या दस्तावेज़ की एक तस्वीर। स्वाभाविक रूप से, विभिन्न गुणवत्ता और संकल्प के साथ (ओसीआर के लिए इसे कम से कम 300 डीपीआई के रूप में स्कैन करने की सिफारिश की जाती है, इसलिए चलो स्कैन किए गए नमूनों की तुलना 200 डीपीआई, 300 डीपीआई और 600 डीपीआई के साथ करें; फोटो के लिए हम 2 एमपी और 5 एमपी गुणवत्ता के साथ शूटिंग का उपयोग करते हैं)। इसके अलावा, कुछ नमूनों में टेबल और चित्र होंगे।

मैं उन्हें लिंक के रूप में पहचानने योग्य चित्र दूंगा (लेख में उनकी प्रत्यक्ष उपस्थिति केवल हस्तक्षेप करेगी)। पहले लिंक द्वारा मान्यता परिणाम Google डॉक्स पर, दूसरे लिंक "मूल" द्वारा - ड्रॉपबॉक्स पर अपने मूल रूप में उपलब्ध होगा।

स्रोत छवि और परिणामी पाठ के पथ के बजाय समीक्षा को अव्यवस्थित नहीं करने के लिए, मैं क्रमशः INPUT और OUTPUT लिखूंगा।

नमूना नंबर 1 (क्रमांकित सूची)।

परीक्षण नमूना नंबर १

ऐसा हुआ कि 200 डीपीआई (डॉट्स प्रति इंच) पर स्कैन किए गए सवालों की यह सूची सबसे पहले हाथ में आई थी और लगातार पूरे अध्ययन में इसका उपयोग किया गया था।
0001.png

नमूने की विशेषताएं: यह वास्तव में 2 कॉलम (संख्या और पाठ) में विभाजित है, रूसी भाषा कई लैटिन वर्णों के साथ।

1. क्यूनिफॉर्म ।
cuneiform -l ruseng -f rtf --singlecolumn -o 'OUTPUT' 'INPUT'
वाक्य रचना:
-l ruseng - पाठ में रूसी और अंग्रेजी को पहचानें (अलग से यह क्रमशः -l ruseng होगा);
-f rtf - RTF आउटपुट स्वरूप (स्वरूपण सहेजने का प्रयास करें);
--singlecolumn - पाठ को एकल स्तंभ के रूप में देखता है;
-o 'OUTPUT' - पाठ के साथ फ़ाइल के लिए पथ;
'INPUT' छवि का मार्ग है।

परिणाम:
0001.png.cun.rtf
( मूल )

गलत शब्द: 14 (पाठ में 728 शब्द)
अमान्य वर्ण: 7
स्वरूपण त्रुटियां: कभी-कभी मैंने पैराग्राफ नहीं डाले, गलती से इटैलिक में प्रवेश कर गया।

निष्कर्ष: शब्द पहचान की सटीकता लगभग 98% है। मुख्य गलती "और" और "एन" के साथ भ्रम है। एक जगह मैं लैटिन वर्णमाला को पहचानने में कामयाब रहा।
सब सब में, अच्छा।

2. तपस्या ।
tesseract 'INPUT' 'OUTPUT' -l rus -psm 6
वाक्य रचना:
-l rus - 2 भाषाओं में एक बार टेसरैक्ट का समर्थन नहीं करता है;
-psm 6 - "पाठ का एक समान खंड मान लें", अर्थात् एक ही ब्लॉक में परिणामी पाठ को प्रारूपित करें (अन्यथा अंकन बड़े करीने से पूरे पाठ के सामने रखा जाएगा - ब्लॉक सभी समान है)।

परिणाम (RTF में नहीं बचा जा सकता):
0001.png.tes.txt
( मूल )

गलत शब्द: 6 (पाठ में 728 शब्द)
गलत वर्ण: ५
स्वरूपण त्रुटियां: जब एक पाठ फ़ाइल में आउटपुट करते हैं, तो मूल स्वरूपण को सहेजना असंभव है, यह क्यूनिफॉर्म की तुलना में पैराग्राफ के साथ बेहतर काम करता है, यह तकनीकी रूप से लैटिन अक्षरों को पहचान नहीं सकता है।

निष्कर्ष: शब्द पहचान की सटीकता लगभग 99% है। क्यूनिफॉर्म के साथ काम करने की तुलना में पाठ अच्छा दिखता है।

3. महीन ।
तुरंत, मैं एक बड़ा ऋण नोट करता हूं: जैसा कि मैं इसे समझता हूं, फिनएडर केवल सुपरसुसर विशेषाधिकारों के साथ काम करता है।
sudo abbyyocr9 -rl Russian English -if 'INPUT' -f RTF -of 'OUTPUT'
वाक्य रचना:
-rl Russian English - रूसी और अंग्रेजी पाठ भाषाएँ।
-f RTF - -f RTF आउटपुट।

0001.png.fin.rtf
( मूल )

गलत शब्द: 2 (पाठ में 728 शब्द)
अमान्य वर्ण: 0
स्वरूपण त्रुटियां: लगभग सही। शब्दों में 2 त्रुटियां - लैटिन वर्णमाला को पहचान नहीं पाईं।

निष्कर्ष: वस्तुतः एक सौ प्रतिशत सटीकता।

मॉडल नंबर 1 पर निष्कर्ष : फिनएडर पहला स्थान लेता है, टेसरैक्ट दूसरा लेता है, क्यूनिफॉर्म न्यूनतम मार्जिन के साथ तीसरा लेता है।

नमूना नंबर 2 (स्कैन की गई अंग्रेजी पाठ्यपुस्तक)।

परीक्षण नमूना नंबर २

200dpi।

0002.png

1. क्यूनिफॉर्म ।
cuneiform -l eng -f rtf --singlecolumn -o 'OUTPUT' 'INPUT'

परिणाम:
0002.png.cun.rtf
( मूल )

गलत शब्द: 2 (पाठ में 534 शब्द)
अमान्य वर्ण: 6
फ़ॉर्मेटिंग त्रुटियां: एकल उद्धरण के रूप में मान्यता प्राप्त फ़ुटनोट्स, वर्ग कोष्ठक, हाइफ़न और डैश के साथ सामना नहीं कर सके; शब्द के प्रतिलेखन को पहचान नहीं सका।

निष्कर्ष: 99% शब्द। सब ठीक है।

CuneiformV12 द्वारा मान्यता प्राप्त संस्करण:
0002.cun.win.rtf
( मूल )

परिणाम मूल संस्करण के परिणाम के करीब है।

2. तपस्या ।
tesseract 'INPUT' 'OUTPUT' -l eng -psm 6

परिणाम:
0002.png.tes.txt
( मूल )

गलत शब्द: 1 (पाठ में 534 शब्द)
अमान्य वर्ण: 4
फ़ॉर्मेटिंग त्रुटियां: कुछ अतिरिक्त वर्ण मिले, फ़ुटनोट्स का सामना नहीं कर सके।

निष्कर्ष: 99% शब्द। क्यूनिफॉर्म से बेहतर है।

3. महीन ।
sudo abbyyocr9 -rl English -if 'INPUT' -f RTF -of 'OUTPUT'

परिणाम:
0002.png.fin.rtf
( मूल )

गलत शब्द: 0 (पाठ में 534 शब्द)
अमान्य वर्ण: २
स्वरूपण त्रुटियां: एक फुटनोट और पृष्ठ संख्या को नहीं पहचानता।

निष्कर्ष: 100% शब्द इटैलिक्स में मान्यता प्राप्त हैं। सबसे अच्छा परिणाम।

वही ट्यूटोरियल, 300 डीपीआई।

0003.png

1. क्यूनिफॉर्म ।
0003.png.cun.rtf
( मूल )

मान्यता की गुणवत्ता समान स्तर पर है।

2. तपस्या ।
0003.png.tes.txt
( मूल )

अचानक, मान्यता की गुणवत्ता बिगड़ गई। Tesseract अंक और प्रतीकों के संग्रह के रूप में क्षैतिज रेखाओं को पहचानने में कामयाब रहा। इसके अलावा, अतिरिक्त वर्ण (टिल्ड, सिंगल कोट्स) पाठ में ही दिखाई दिए।

3. महीन ।
0003.png.fin.rtf
( मूल )

मान्यता की गुणवत्ता समान स्तर पर है।

वही ट्यूटोरियल, 600 डीपीआई।

0004.png

1. क्यूनिफॉर्म ।
0004.png.cun.rtf
( मूल )

गुणवत्ता खराब हो गई है। अतिरिक्त वर्ण दिखाई देते हैं, हाइफ़न और डैश अभी भी पहचान नहीं करते हैं, "यूनिट" शब्द में "यू" अक्षर खो दिया है।

2. तपस्या ।
0004.png.tes.txt
( मूल )

कोई "यूनिट 6" नहीं है, कोई पृष्ठ संख्या नहीं है, कई अतिरिक्त उद्धरण प्रकट हुए हैं।

3. महीन ।
0004.png.fin.rtf
( मूल )

एक पृष्ठ संख्या दिखाई दी, और इसके साथ एक क्षैतिज रेखा जो डॉट्स के एक सेट में बदल गई। गुणवत्ता में सुधार नहीं हुआ है।

नमूना नंबर 2 पर निष्कर्ष : सभी तीन प्रणालियों के लिए, 200 डीपीआई की छवि गुणवत्ता इष्टतम थी। डॉट्स प्रति इंच के घनत्व में वृद्धि के साथ, या तो मान्यता में गिरावट हुई, या बस बेहतर के लिए कोई प्रगति नहीं हुई।
मैंने काम की गुणवत्ता में पहले स्थान पर फिनएडर को रखा, दूसरे में टेसेरैक्ट (यह याद रखना चाहिए कि यह आरटीएफ का समर्थन नहीं करता है), और तीसरे में क्यूनिफॉर्म (कम से कम अंतराल के साथ)।

नमूना नंबर 3 (अंग्रेजी की पाठ्यपुस्तक की फोटो)।

परीक्षण नमूना नंबर 3

इस छवि की मुख्य विशेषताएं चमक और संभव धुंधली का असमान वितरण ("हिला" जब एक फ्लैश का उपयोग किए बिना धीमी गति से शूटिंग होती है)
हम तुरंत इस बात से सहमत हैं कि हमने कोई भी मैन्युअल छवि सुधार नहीं किया है (एक उदाहरण को छोड़कर): दोनों को हटा दिया गया और हटा दिया गया।

फ्लैश के साथ 5MP।

0005.JPG

1. क्यूनिफॉर्म ।
0005.JPG.cun.rtf
( मूल )

लगभग 40% पाठ को मान्यता दी, बाकी विभिन्न पात्रों की गड़बड़ी में बदल गई।

इस छवि में शराब के तहत CuneiformV12 सिर्फ शब्दों की एक जोड़ी को मान्यता दी। मैं एक उदाहरण नहीं देता।

2. तपस्या ।
0005.JPG.tes.txt
( मूल )

परिणाम क्यूनिफॉर्म की तुलना में बहुत बेहतर है। लगभग 80% पाठ सही ढंग से पहचाना जाता है।

3. महीन ।
0005.jpg.fin.rtf
( मूल )

गलत शब्द: 3 (पाठ में 534 शब्द)
अमान्य वर्ण: 0
स्वरूपण त्रुटियां: एक फुटनोट और पृष्ठ संख्या को नहीं पहचानता।

निष्कर्ष: 99% सटीकता। बहुत बढ़िया।

फ्लैश के बिना 5MP।

0006.JPG

1. क्यूनिफॉर्म ।
0006.JPG.cun.rtf
( मूल )

पाठ के बारे में 20% मान्यता प्राप्त है, परिणाम पूरी तरह से अनुपयुक्त है।

2. तपस्या ।
0006.JPG.tes.txt
( मूल )

पाठ के बारे में 30% मान्यता प्राप्त है।

3. महीन ।
0006.JPG.fin.rtf
( मूल )

लगभग 95% पाठ को मान्यता दी गई।

इमेज प्रीप्रोसेसिंग के बारे में

मैं एक सरल उदाहरण दूंगा कि प्रारंभिक छवि प्रसंस्करण मान्यता गुणवत्ता को बढ़ाएगा (हम पिछली छवि को सामान्य करके विपरीत को बढ़ाने के लिए इमेजमैगिक का उपयोग करते हैं):
convert 'INPUT' -normalize 'OUTPUT'
परिणाम:
0006_2.JPG

1. क्यूनिफॉर्म ।
0006_2.JPG.cun.rtf
( मूल )

2. तपस्या ।
0006_2.JPG.tes.txt
( मूल )

आप स्वयं इसकी तुलना कर सकते हैं: अब परिणाम निश्चित रूप से बेहतर हैं।

फ्लैश के साथ 2MP।

0007.JPG

1. क्यूनिफॉर्म ।
0007.JPG.cun.rtf
( मूल )

कुछ शब्दों को पहचान लिया।

2. तपस्या ।
0007.JPG.tes.txt
( मूल )

एक-दो दर्जन शब्दों को पहचाना।

3. महीन ।
0007.JPG.fin.rtf
( मूल )

और फिर भी फिनएडर ऊपरी वर्ग को दिखाता है: लगभग 85% पाठ को मान्यता दी गई है।

2MP बिना फ्लैश के।

0008.JPG

1. क्यूनिफॉर्म ।
0008.JPG.cun.rtf
( मूल )

एक-दो दर्जन शब्दों को पहचाना।

2. तपस्या ।
0008.JPG.tes.txt
( मूल )

पाठ का लगभग 60% मान्यता प्राप्त है।

3. महीन ।
0008.JPG.fin.rtf
( मूल )

लगभग 95% पाठ को मान्यता दी गई।

नमूना संख्या 3 पर निष्कर्ष : यहां यह स्पष्ट हो जाता है कि फिनएडर इंजन लगभग 400 एमबी आकार का क्यों है: इसमें ओसीआर के साथ इमेज प्रोसेसिंग एल्गोरिदम पूरा है, जिसके कारण यह फोटो को पहचानते समय लगातार अच्छे परिणाम देता है। क्यूनिफॉर्म और टेसरैक्ट के माध्यम से, बेहतर प्रारंभिक प्रसंस्करण के बिना तस्वीरों को पहचानना बेहतर है।

नमूना संख्या 4 (टेबल और एक स्कैन की गई छवि के आंकड़े की मान्यता)।

परीक्षण नमूना नंबर ४

चित्र:
0009.png

1. क्यूनिफॉर्म ।
cuneiform -l ruseng -f rtf -o 'OUTPUT' 'INPUT'

0009.png.cun.rtf
( मूल )

निष्कर्ष: विफल।

उसी समय, वाइन के तहत क्यूनिफॉर्म वी 12 एक अच्छा परिणाम देता है (मैंने आधी छवि खो दी, लेकिन तालिका को प्रबंधित किया)।
0009.cun.wine.rtf
( मूल )

2. तपस्या

दुर्भाग्य से, वह स्वरूपित पाठ नहीं दे सकता है।

3. महीन ।
0009.png.fin.rtf
( मूल )

जब मैंने राइटर में इस दस्तावेज़ को खोला, तो मुझे बहुत आश्चर्य हुआ: कोई तालिका नहीं थी (अजीब: आरटीएफ के रूप में इस तरह के एक पुराने और सरल प्रारूप के कार्यान्वयन के बीच का अंतर?)। हालाँकि, Word और Google डॉक्स ने इस RTF को सही ढंग से खोला।
फिनएडर ने ड्राइंग और टेबल दोनों के साथ शानदार काम किया।

नमूना संख्या 4 पर निष्कर्ष : पहले स्थान पर फिनएडर, दूसरे में - क्यूनिफॉर्म वी 12 (देशी क्यूनिफॉर्म कार्य के साथ सामना नहीं किया)।

नमूना संख्या 5 (स्कैन की गई पाठ्यपुस्तक "धातु संरचनाएं")।

परीक्षण नमूना नंबर ५

200dpi।

0010.png

1. क्यूनिफॉर्म ।
cuneiform -l ruseng -f rtf --singlecolumn -o 'OUTPUT' 'INPUT'

परिणाम:
0010.png.cun.rtf
( मूल )

गलत शब्द: 17 (पाठ 310 शब्दों में)
अमान्य वर्ण: 12
स्वरूपण त्रुटियां: डैश, पैराग्राफ अंक और प्रतिशत को पहचान नहीं पाईं। मान्यता समस्याओं "वाई"। त्रुटिपूर्ण रूप से मान्यता प्राप्त इटैलिक।

निष्कर्ष: 95% शब्द। यह बहुत अच्छा नहीं लगता है

CuneiformV12 द्वारा मान्यता प्राप्त संस्करण:
0010.cun.win.rtf
( मूल )

गुणवत्ता मूल संस्करण की तुलना में स्पष्ट रूप से अधिक है।

2. तपस्या ।
tesseract 'INPUT' 'OUTPUT' -l rus -psm 6

परिणाम:
0010.png.tes.txt
( मूल )

गलत शब्द: 8 (पाठ 310 शब्दों में)
अमान्य वर्ण: 15
स्वरूपण त्रुटियां: "errors" की मान्यता के साथ समस्याएं।

निष्कर्ष: 97% शब्द। क्यूनिफॉर्म से बेहतर है।

3. महीन ।
sudo abbyyocr9 -rl Russian English -if 'INPUT' -f RTF -of 'OUTPUT'

परिणाम:
0010.png.fin.rtf
( मूल )

गलत शब्द: 0 (पाठ 310 शब्दों में)
गलत वर्ण: ५
स्वरूपण त्रुटियां: चरित्र पूंजीकरण की समस्याएं।

निष्कर्ष: 100% शब्द। सबसे अच्छा परिणाम।

300dpi।

0012.png

1. क्यूनिफॉर्म ।
0012.png.cun.rtf
( मूल )

पिछले परिणाम के विपरीत, अधिक "वाई" और रोमन अंक दिखाई दिए। कुछ शब्दों के लिए मान्यता में सुधार हुआ है, लेकिन एक ही समय में, नई त्रुटियां और अतिरिक्त चरित्र दिखाई दिए हैं।

निष्कर्ष: कोई कम त्रुटियाँ नहीं हैं।

2. तपस्या ।
0012.png.tes.txt
( मूल )

निष्कर्ष: स्थिति समान है क्यूनिफॉर्म के साथ: कोई कम त्रुटियां नहीं हैं।

3. महीन ।
0012.png.fin.rtf
( मूल )

निष्कर्ष: कुछ भी नहीं बदला है।

600।

0011.png

क्यूनिफॉर्म और टेसरैक्ट दोनों ने मान्यता की गुणवत्ता में कमी दिखाई, जैसा कि अंग्रेजी भाषा के नमूने के मामले में है। मैं उदाहरण नहीं देता (आप खुद जांच सकते हैं)।

नमूना नंबर 5 पर निष्कर्ष : अवलोकन की पुष्टि की गई थी कि 200 से अधिक डीपीआई की गुणवत्ता वाली छवि के उपयोग से परिणाम में सुधार नहीं होता है।
फिनएडर पहला स्थान लेता है, टेसरैक्ट दूसरा लेता है, क्यूनिफॉर्म तीसरा लेता है (और यह वाइन के तहत बेहतर काम करता है)।

नमूना संख्या 6 (ओ'हेनरी की लघु कहानी का स्कैन किया गया पृष्ठ)।

परीक्षण नमूना संख्या 6

200dpi।

0013.png

1. क्यूनिफॉर्म ।
0013.png.cun.rtf
( मूल )

गलत शब्द: 28 (पाठ में 316 शब्द)
गलत चरित्र: कई।
स्वरूपण त्रुटियां: त्रुटिपूर्ण इटैलिक्स।

निष्कर्ष: 91% शब्द, बहुत सारी गलतियाँ, जो इस तरह के नमूने के लिए अस्वीकार्य हैं

और CuneiformV12 द्वारा मान्यता प्राप्त संस्करण:
0013.cun.win.rtf
( मूल )

गलत शब्द: 15 (पाठ में 316 शब्द)
गलत वर्ण: एकाधिक।
स्वरूपण त्रुटियां: कोई नहीं।

निष्कर्ष: 95% शब्द, परिणाम मूल संस्करण से बेहतर है।

2. तपस्या ।
0013.png.tes.txt
( मूल )

गलत शब्द: 30 (पाठ 316 शब्दों में)
गलत चरित्र: कई।
स्वरूपण त्रुटियां: अतिरिक्त वर्ण।

निष्कर्ष: 90% शब्द खराब हैं।

3. महीन ।
0013.png.fin.rtf
( मूल )

गलत शब्द: 3 (पाठ 316 शब्दों में)
गलत वर्ण: नहीं।
स्वरूपण त्रुटियां: कोई नहीं।

निष्कर्ष: 99% शब्द।

नमूना संख्या 6 पर निष्कर्ष : Cuneiform और Tesseract ने अक्षरों के लिए "और", "n" और "p" अक्षरों के लिए एक ही प्रकार की मान्यता त्रुटियों को देखा।
पहला स्थान फिनएडर है, दूसरा वाइन के तहत क्यूनिफॉर्म है (देशी क्यूनिफॉर्म ने बदतर काम किया), तीसरा टेसरैक्ट है।

नमूना संख्या 7 (पुस्तक "सत्य का क्षण" का स्कैन पृष्ठ)।

परीक्षण नमूना संख्या 7

200dpi।

0014.png

1. क्यूनिफॉर्म ।
0014.png.cun.rtf
( मूल )

गलत शब्द: 11 (पाठ 323 शब्दों में)
गलत वर्ण: लगातार हाइफ़न और डैश को नहीं पहचानता है।
स्वरूपण त्रुटियां: त्रुटिपूर्ण इटैलिक्स।

निष्कर्ष: 91% शब्द खराब हैं।

और CuneiformV12 द्वारा मान्यता प्राप्त संस्करण:
0014.cun.win.rtf
( मूल )

गलत शब्द: 1 (पाठ 323 शब्दों में)
अमान्य वर्ण: १।
स्वरूपण त्रुटियां: कोई नहीं।

निष्कर्ष: 99% शब्द, उत्कृष्ट।

2. तपस्या ।
0014.png.tes.txt
( मूल )

गलत शब्द: 30 प्रतिशत।
गलत चरित्र: कई।
स्वरूपण त्रुटियां: अतिरिक्त वर्ण।

निष्कर्ष: घृणित।

3. महीन ।
0014.png.fin.rtf
( मूल )

गलत शब्द: 0 (पाठ में 323 शब्द)
गलत वर्ण: नहीं।
स्वरूपण त्रुटियां: कोई नहीं।

निष्कर्ष: 100% शब्द। आदर्श।

सैंपल नंबर 7 के अनुसार निष्कर्ष : पहला स्थान फिनएडर है, दूसरा वाइन के लिए क्यूनिफॉर्म है (देशी क्यूनिफॉर्म ने बहुत बुरा काम किया), तीसरा टेसरैक्ट है (परिणाम को ठीक करने के लिए यह भी बेकार है)।

नमूना संख्या 8 (विभिन्न फोंट के साथ पंग्राम)।

परीक्षण नमूना नंबर 8

अंत में, अंतिम परीक्षण, जो फ़ॉन्ट पर ओसीआर की निर्भरता को प्रकट करेगा (मूल मध्यम गुणवत्ता के साथ एक इंकजेट प्रिंटर पर मुद्रित होता है)।

इस उदाहरण में, स्पष्टता के लिए, यदि आवश्यक हो, तो मैं पैराग्राफ और फ़ॉन्ट नामों को सही करूंगा।

200dpi।

0015.png

1. क्यूनिफॉर्म ।
रूसी पाठ:
0015_rus.png.cun.txt
( मूल )

त्रुटियों के बिना (दुर्भाग्यपूर्ण हाइफ़न के अलावा), केवल एरियल और ट्रेबुशेट एमएस को मान्यता दी जाती है।

अंग्रेजी पाठ:
0015_eng.png.cun.txt
( मूल )

केवल कूरियर न्यू और ISOCPEUR में त्रुटियां।

CuneiformV12 :
रूसी पाठ:
0015_rus.wine.cun.txt
( मूल )

Sans-serif, Arial, Courier New, DejaVu Sans, DejaVu Serif, Palladio Uralic, Trebuchet MS, Verdana को त्रुटियों के बिना मान्यता दी गई थी।

पोर्ट किए गए क्यूनिफॉर्म की तुलना में अंतर स्पष्ट है।

अंग्रेजी पाठ:
0015_eng.wine.cun.txt
( मूल )

अचानक, देशी संस्करण की तुलना में तीन गुना अधिक त्रुटियां हैं।

2. तपस्या ।
रूसी पाठ:
0015_rus.png.tes.txt
( मूल )

त्रुटियां (फिर, हाइफ़न के साथ समस्याओं के अलावा) केवल पल्लदियो यूरालिक, वर्दाना और आईएसओसीपीयूआर में हैं।

अंग्रेजी पाठ:
0015_eng.png.tes.txt
( मूल )

कोई त्रुटि नहीं हैं।

मॉडल नंबर 8 पर निष्कर्ष : रूसी के साथ, क्यूनिफॉर्म वी 12 (शराब के नीचे) और टेसरैक्ट ने सबसे अच्छा काम किया। Tesseract ने त्रुटियों के बिना अंग्रेजी को संभाला।

लिनक्स के लिए जीयूआई।

* जीयूआई - ग्राफिकल यूजर इंटरफेस - ग्राफिकल इंटरफेस ("विंडोज़ और बटन")।

Yagf

आधिकारिक पेज।

निर्भरता बनाएँ : libaspell-dev और libqt4-dev संस्करण 4.5 से कम नहीं है। चलाने के लिए, क्यूटी 4.5 और एस्पेल की आवश्यकता होती है (स्रोत के साथ आने वाले प्रलेखन देखें)।

स्थापना (स्रोत निर्देशिका में प्रारंभ):

 mkdir builddir cd build dir cmake ../ make sudo checkinstall

Yagf अच्छी तरह से स्थानीयकृत है, एक क्लिपबोर्ड से, एक फ़ाइल से, एक स्कैनर से एक छवि प्राप्त कर सकता है, आयात पीडीएफ, आपको छवि को संरेखित करने की अनुमति देता है।

Yagf सेटिंग्स में, आप Tesseract और Cuneiform के बीच स्विच कर सकते हैं। Yagf बैच मान्यता (सभी आयातित चित्र) या किसी विशिष्ट पाठ क्षेत्र की मान्यता का उत्पादन कर सकता है।
एकमात्र महत्वपूर्ण दोष मैं स्कैन इंजन के लिए अतिरिक्त मापदंडों को स्थापित करने की असंभवता पर विचार करता हूं, अर्थात्। कमांड लाइन के समान (OCRFeeder नीचे चर्चा की गई है जिसमें यह कमी नहीं है)।

क्यूनेइफ़ॉर्म-क्यूटी

यह परियोजना अप्रैल 2009 में अल्ट्लिनक्स परियोजना के हिस्से के रूप में सक्रिय जीवन शुरू हुई और समाप्त हो गई। क्यूनिफॉर्म-क्यूटी क्यूनिफॉर्म के लिए एक सरल जीयूआई प्रदान करता है।

चूंकि मुझे इस GUI से कुछ विशेष की उम्मीद नहीं थी, इसलिए मैंने तैयार पैकेज संस्करण 0.1.1-1 (स्रोत कोड 0.1.2 का नवीनतम संस्करण - विकास बहुत दूर चला गया) स्थापित करने के लिए खुद को सीमित करने का फैसला किया।

जीयूआई, वैसे, बहुत दिलचस्प निकला - आरटीएफ को बचाते समय, मान्यता प्राप्त पाठ कई लैटिन वर्णों के अनुक्रम में बदल गया, जो स्तंभ में सैकड़ों बार एक अक्षर की चौड़ाई के साथ दोहराता है। एक नियमित पाठ फ़ाइल में सहेजना सामान्य है।

हम निष्कर्ष निकालते हैं: यह GUI बेकार है।

KBookOCR

यह हब पर घोषित "फिनएडर किलर" है, जो क्यूनिफॉर्म पर एक ऐड-ऑन है।
लेखक का आधिकारिक ब्लॉग।
देब पैकेज

दुर्भाग्य से, निर्भरता में, यह केडीई के एक टुकड़े को खींचता है। एक साल पहले से निर्धारित, संस्करण 2.2 का तात्पर्य टेसेरैक्ट के समर्थन से है, लेकिन लगता है कि कोई प्रगति नहीं हुई है।
समीक्षा के लिए, मैंने वर्चुअल बॉक्स में कुबंटू 12.04 का उपयोग किया।

इस सॉफ़्टवेयर का संस्करण 2.1 किसी फ़ाइल से या स्कैन करके एक छवि प्राप्त कर सकता है, परिणाम HTML में प्रदर्शित कर सकता है या पाठ संपादक में खोल सकता है। केबीकेओक्र, यगफ के विपरीत, मान्यता के लिए ब्लॉक आवंटित करने का तरीका नहीं जानता है।

निष्कर्ष: KBookOcr कार्यक्षमता के मामले में Yagf निभाता है और केवल KDE के लिए अभिप्रेत है।

OCRFeeder

जीएनआई फॉर क्यूनीफॉर्म, टेसरैक्ट और अन्य ओसीआर की एक जोड़ी, रूसी भाषा समर्थन नहीं कर रही है। केवल पुराने संस्करणों को डेब पैकेज में प्रस्तुत किया जाता है, इसलिए हम स्रोत कोड से एकत्र करेंगे ।

जलन तुरंत उठती है: Readme संस्करण 0.3 के लिए लिखा गया है, वर्तमान संस्करण 0.7.1 है। फ़ाइल संरचना बदल गई है, कोई आवश्यक सेटअप सेटअप नहीं है। लेकिन वहाँ है ।/confugure
निर्भरताएँ:

 sudo apt-get install python-pygoocanvas ocrad unpaper python-gtkspell python-enchant sane python-imaging-sane

यह तब पता चलता है कि:
आपका अंतरजाल बहुत पुराना है। आपको intltool 0.35.0 या बाद की आवश्यकता है।
डिफ़ॉल्ट रूप से, पुराना इंटालस्टूल-डेबियन पैकेज स्थापित किया गया है : हम इंटोलूल पैकेज संस्करण 0.41 को रिपॉजिटरी से इंस्टॉल करते हैं ।

हम एकत्रित करते हैं:

 ./confugure make sudo checkinstall

फ़ंक्शन का सेट मानक है: खुले / स्कैन, संपादक में सहेजें / खोलें। कई बोनस हैं: अनपेपर समर्थित है, मान्यता इंजन सेटिंग्स आपको पाठ रूप में इसके लिए किसी भी समर्थित पैरामीटर को पारित करने की अनुमति देता है (उदाहरण के लिए, मान्यता भाषा का विकल्प उस तरह से किया जाता है); आप टेक्स्ट ब्लॉक चुन सकते हैं।

Ocropus

http://code.google.com/p/ocropus/ - टेसरैक्ट के लिए GUI या CLI।
निर्देशों का पालन करते हुए, मैंने नवीनतम संस्करण को संकलित करने की कोशिश की, लेकिन अजगर ने कुछ स्रोत लाइन के संबंध में कहा:
SyntaxError: invalid syntax
मैं कोड में नहीं जाना चाहता, मेरा निष्कर्ष है कि उत्पाद जीवित रहने की तुलना में अधिक मृत है।

gImageReader

टेसरैक्ट के लिए जीयूआई। यहां से
डिबेट पैकेज लें । gImageReader जितना संभव हो उतना सरल है: यह आपको एक छवि खोलने, चमक और कंट्रास्ट को समायोजित करने और एक पाठ क्षेत्र या सभी को एक साथ पहचानने की अनुमति देता है।

Tesseract-जीयूआई

प्रोजेक्ट पेज।
पैकेज यहां हैं ।
मैंने कुछ भी पहचानने से इनकार कर दिया।

जीयूआई के बारे में निष्कर्ष :
प्रस्तुत जीयूआई का एकमात्र वास्तविक लाभ व्यक्तिगत पाठ ब्लॉक (कुछ नहीं हो सकता है) की मान्यता समारोह हो सकता है।
इसलिए, मेरा मानना है कि लिनक्स पर ओसीआर के लिए मौजूदा जीयूआई कार्यात्मक नहीं हैं। यदि हम उनके बीच चयन करते हैं, तो वास्तव में केवल स्वीकार्य दो ही होंगे: यगफ और ओसीआरफीडर। एक ही समय में, यगफ समुदाय का उपयोग किया जाता है और अधिक बार उल्लेख किया जाता है।
कोशिश करें और अपने छापों को छोड़ दें।

ऑनलाइन-ओसीआर टेस्ट

ऑनलाइन-ओसीआर की एक छोटी सूची ।
ऑनलाइन ओसीआर बहुत ज्यादा है, और सिद्धांत रूप में, वे सभी इन तीन इंजन पर लागू किया जाता है: क्यूनेइफ़ॉर्म , Tesseract और FineReader ।
चूंकि ओसीआर डेटा इस लेख के विषय के अंतर्गत आता है, हम उनमें से एक जोड़े पर विचार करेंगे, उसी समय हम दिलचस्प निष्कर्ष निकालेंगे।

1. Finereader ऑनलाइन ।
finereader.abbyyonline.com/ru
Finereader Engine 9 (या शायद 10?) पर आधारित स्पष्ट रूप से मैंने इसे आज़माया नहीं था, मुझे उच्च गुणवत्ता का यकीन है।
प्रति दिन 10 पृष्ठों की मुफ्त पहचान की अनुमति देता है।

2. नया ओसीआर ।
www.newocr.com
Free, को पंजीकरण की आवश्यकता नहीं है और इसमें कोई प्रतिबंध नहीं है।
एक बहुत ही दिलचस्प संसाधन जो क्यूनिफॉर्म और टेसरैक्ट की अंतिम प्रयोज्यता के बारे में निष्कर्ष निकालेंगे । उन दो प्रणालियों को डाउनलोड करें जिनके साथ इन दोनों प्रणालियों को समस्या हो रही है और परिणाम देखें।

नमूना नंबर 3, 5 एमपी फ्लैश के बिना

Cuneiform के साथ मान्यता :
0006.cun.newocr.txt
( मूल ) Tesseract के

साथ मान्यता : 0006.tes.newocr.txt ( मूल ) ऑनलाइन मान्यता के परिणाम स्पष्ट रूप से बेहतर हैं।

नमूना संख्या 7

क्यूनिफॉर्म का उपयोग करते हुए मान्यता :
0014.cun.newocr.txt
( मूल )

पर्याप्त हाइफ़न और डैश नहीं हैं, लेकिन शब्दों में केवल 2 त्रुटियां हैं। शानदार परिणाम।

Tesseract के साथ मान्यता :
0014.tes.newocr.txt
( मूल )
शब्दों में 6 त्रुटियां, कुछ अतिरिक्त वर्ण - लेकिन मेरी छवि में Tesseract सामान्य पाठ को नहीं पहचान सका । शायद सबसे दिलचस्प परीक्षा परिणाम।

यहाँ नि: शुल्क ओसीआर का उपयोग करने का एक बड़ा उदाहरण है: साइट के रचनाकारों ने स्पष्ट रूप से लागू छवि प्रीप्रोसेसिंग और (संभवतः) पाठ के बाद के प्रसंस्करण (शब्दकोशों का उपयोग करके सुधार या ऐसा कुछ)। और इस रूप में, मुफ्त ओसीआर पहले से ही फिनएडर के साथ प्रतिस्पर्धा कर सकता है।

निष्कर्ष

हमने तीन ओसीआर प्रणालियों की जांच की जो रूसी और अंग्रेजी के साथ काम कर सकती हैं।

एक शक के बिना, FineReader Engine v9.0 ने सबसे अच्छा परिणाम दिखाया। यह पूरी तरह से स्कैन किए गए और फोटो खींचे गए चित्रों दोनों को पहचानता है। हालांकि, इसकी न्यूनतम लागत प्रति वर्ष 12,000 पहचान के लिए 149 € प्रति लाइसेंस है - क्या आपको इसकी आवश्यकता है?

नि: शुल्क ओसीआर: क्यूनिफॉर्म और टेसरैक्ट - स्वयं द्वारा, पूरे क्षेत्र में समान रूप से वितरित चमक और उच्च कंट्रास्ट के साथ केवल पर्याप्त रूप से स्कैन की गई छवियों को संसाधित कर सकते हैं ।
इन दोनों इंजनों ने अंग्रेजी-भाषा के नमूने के साथ अच्छी तरह से मुकाबला किया, जबकि रूसी पाठ के साथ समस्याएं थीं - सामान्य तौर पर, परीक्षण के दौरान यह पता चला कि नि: शुल्क ओसीआर काम के परिणाम "फ्लोट" के नमूने से नमूना तक।
उसी समय, वाइन के तहत लॉन्च किए गए CuneiformV12, लिनक्स के तहत मूल संस्करण से बेहतर रूसी ग्रंथों के साथ मुकाबला किया।

एक दिलचस्प तथ्य यह था कि जांच किए गए नमूनों में, इष्टतम छवि गुणवत्ता 200 डीपीआई थी - प्रति इंच डॉट्स की एक बड़ी संख्या के साथ, मान्यता की गुणवत्ता में गिरावट शुरू हुई।

क्यूनिफॉर्म और टेसरैक्ट के लिए कई GUI हैं, लेकिन वे वास्तविक लाभ नहीं लाते हैं।

फाइनरीडर और न्यू ओसीआर ऑनलाइन प्रणाली के उदाहरण का उपयोग करते हुए, यह स्पष्ट रूप से देखा जा सकता है कि परिणामों के शब्दावली नियंत्रण के आधार पर एक सामान्य कार्यात्मक ओसीआर आवश्यक रूप से एक छवि पूर्व-प्रसंस्करण प्रणाली और एक पाठ पोस्ट-प्रोसेसिंग सिस्टम के साथ संयोजन में मौजूद होना चाहिए।
इसी समय, मुफ्त इंजनों के लिए इस तकनीक को पहले ही लागू किया गया है (नई ओसीआर मान्यता बहुत उच्च गुणवत्ता है)।
यह इस तरह की तकनीक को साझा करने या इसे स्वयं लागू करने के लिए पर्याप्त है - और मुफ्त ओसीआर एबीबीवाई उत्पादों के साथ एक सममूल्य पर होगा - इसके बाद हम एक अच्छा जीयूआई लिखने के बारे में बात कर सकते हैं।

संक्षेप में: नि: शुल्क ओसीआर स्कैन की गई छवियों पर भी एक स्थिर परिणाम नहीं देता है, फिनएडर को पैसे खर्च होते हैं - एक साधारण उपयोगकर्ता के लिए ऑनलाइन सेवाओं का उपयोग करना आसान होता है।
ठीक है, यदि आप OCR का उपयोग अलग-अलग पैमाने पर करने जा रहे हैं, तो एक और कहानी है: आपको परिणामों को मैन्युअल रूप से समायोजित करने के लिए समय देना होगा या खर्च करना होगा।

PS यदि आपके पास मान्यता के लिए चित्र तैयार करने के लिए तैयार घटनाक्रम या स्क्रिप्ट हैं - टिप्पणियों में साझा करें। हर कोई दिलचस्पी और उपयोगी होगा।

लिनक्स पर ऑप्टिकल चरित्र मान्यता

परिचय

लिनक्स पर OCR

लिनक्स के लिए ओसीआर स्थापित करें

क्यूनेइफ़ॉर्म

1. नेटिव क्यूनिफॉर्म

2. शराब के तहत स्थापना।

Tesseract।

फाइनराइडर इंजन

माणिक +

सीएलआई ओसीआर की तुलना

नमूना नंबर 1 (क्रमांकित सूची)।

नमूना नंबर 2 (स्कैन की गई अंग्रेजी पाठ्यपुस्तक)।

200dpi।

वही ट्यूटोरियल, 300 डीपीआई।

वही ट्यूटोरियल, 600 डीपीआई।

नमूना नंबर 3 (अंग्रेजी की पाठ्यपुस्तक की फोटो)।

फ्लैश के साथ 5MP।

फ्लैश के बिना 5MP।

फ्लैश के साथ 2MP।

2MP बिना फ्लैश के।

नमूना संख्या 4 (टेबल और एक स्कैन की गई छवि के आंकड़े की मान्यता)।

नमूना संख्या 5 (स्कैन की गई पाठ्यपुस्तक "धातु संरचनाएं")।

200dpi।

300dpi।

600।

नमूना संख्या 6 (ओ'हेनरी की लघु कहानी का स्कैन किया गया पृष्ठ)।

200dpi।

नमूना संख्या 7 (पुस्तक "सत्य का क्षण" का स्कैन पृष्ठ)।

200dpi।

नमूना संख्या 8 (विभिन्न फोंट के साथ पंग्राम)।

200dpi।

लिनक्स के लिए जीयूआई।

Yagf

क्यूनेइफ़ॉर्म-क्यूटी

KBookOCR

OCRFeeder

Ocropus

gImageReader

Tesseract-जीयूआई

ऑनलाइन-ओसीआर टेस्ट

नमूना नंबर 3, 5 एमपी फ्लैश के बिना

नमूना संख्या 7

निष्कर्ष

More articles: