Cuneiform и Tesseract

YAGF и с тессерактом работать может, но YAGF глючный несколько - при большом pdf файле у него раньше память текла рекой (мне 16 Гб оперативки не хватало).

Мне сейчас нужно только одну фотографию текста обработать.

дак в консольке скорми картинку. По мне первый получше второго...

Кстати самая приличная под линукс оболочка это http://zenway.ru/page/ocrfeeder

А по teeseract ищу как правильно задавать значения

cuneiform -l ruseng -o txt.txt img.jpg

tesseract img.jpg txt -l rus

Перед тессерактом лучше фотографию сделать черно-белой (например в GIMP) и убедиться, что все читаемо.

лорчую!

например так (gimp):

  1: Изображение->Режим->Градации серого
  2: Фильтры->Выделение края->Разница по Гауссу(Радиус 1: 100, Радиус 2: 1)
  3: Цвет->Порог(Нижняя граница в районе 230)

Благодарю! Сделаю, отпишусь! Кстати, используя gui ocrfeeder, мне нужно было распознать страницу с русскими и немецкими словами, так вот tesseract немецкие слова опознает, а вместо русских пишет какую то абракадабру. Как это побороть?

язык ему задать. Он бедный среди этой вашей кириллицы ищет похожие знаки на родной ему латинице.

ну так я ему указываю русский язык, а он его в упор не понимает. И даже на тестовой четкой фотографии опознает неверно, провертл на различных фото, результат тот же.

tesseract - штука обучаемая, ты уверен, что данные русского языка для него установлены?

Возможно я ошибаюсь,но tesserakt использует aspell, а ru, ger установлены. И что тогда не так? Finereader все прекрасно раcпознает. То что тогда не так с данными linux ocr?

Возможно tesseract и использует aspell, но не для непосредственно распознавания. Тебе нужна модель русского языка именно для тессеракта. Можешь даже сам обучить. Но быстрее скачать готовую. Лучше всего из репов твоего дистрибутива (если, конечно, оно там есть). Например в archlinux пакет называется community/tesseract-data-rus

Я усебя в synaptic посмотрел нечто подобное: tesseract-ocr-rus,eng,deu(немецкий).

Так, я скормил изображение более высокого разрешения tesseractu, он распознал таки русский, хоть и не везде но все же. А мне надо бы чтобы он в одноаременно распознал 2 языка. А в настройках GUI можно только однин язык выбрать. Как это сделать? Сейчас я использую (GUI OCRFeeder).

Надо лезть yagf в правка -> настройки -> обработка изображений. И убрать все галочки. И еще что бы выставить по умолчанию русский надо вручную править файл настроек.

Мне сейчас нужно только одну фотографию текста обработать.

Если количество малое, то проще в онлайн

https://finereaderonline.com/ru-ru (бесплатно несколько страниц за какой-то период)

tesseract и cuneiform далеко по качеству до finereader. Они более-менее на совсем простых текстах, где нет смешения русского и английского, всяких формул, таблиц и прочего.

Из онлайн сервисов так же есть https://www.newocr.com (он как раз толи на Cuneiform или Tesseract)

Но суть - применяет предобработку изображений перед подачей её в OCR систему

Чем мучиться с этими глюковатыми поделками, лучше finereader 8 в вайне. Ну или онлайн версию, если пару страниц надо.

Что ж. Спасибо. Буду тогда так распознавать.