OCR: различия между версиями

Версия от 22:14, 13 декабря 2024

Программы для подготовки изображений

Scan Tailor Advanced

Scan Tailor

Разработчик(и)	Virgil Grigoras
Первый выпуск	2022
Лицензия	GNU GPL v3
Сайт	github.com
Репозиторий	scantailor

ScanTailor - программа для подготовки изображения к распознаванию.

Когда вы отсканировали изображение, оно:

цветное
может быть не достаточно контрастным
с неправильной ориентацией

и пр.

ScanTailor пошагово поможет вам максимально подготовить изображение к тому, чтобы OCR как можно лучше распознал текст.

Установка:

# apt-get install scantailor

Программы для распознавания

Стабильные

Cuneiform-qt

Cuneiform-qt

Разработчик(и)	Андрей Черепанов
Первый выпуск	2009
Лицензия	GNU GPL v3
Сайт	github.com
Репозиторий	cuneiform-qt

Для успешного распознавания подготовьте изображение с помощью Scan Tailor Advanced.

Установка:

# apt-get install cuneiform-qt

gImageReader

gImageReader

Разработчик(и)	Sandro Mani
Первый выпуск	2009
Лицензия	GNU GPL v3
Сайт	github.com
Репозиторий	gimagereader

Установка:

# apt-get install gimagereader-qt5

или

# apt-get install gimagereader-gtk

Программа корректно распознает скан книги в простой неформатированный текст, если выбрать:
- режим распознавания "простой текст"
- русский язык
режим hOCR, PDF - как и следует - больше подходит для PDF

OCRFeeder

OCRFeeder

Разработчик(и)	Joaquim Rocha (GNOME)
Первый выпуск	2009
Лицензия	GNU GPL
Сайт	wiki.gnome.org
Репозиторий	ocrfeeder

Установка:

# apt-get install ocrfeeder

Экспериментальные

VietOCR

VietOCR

Разработчик(и)	Quan Nguyen
Первый выпуск	2008
Лицензия	Apache v2.0
Сайт	vietocr.sf.net
Репозиторий	нет

VietOCR - GUI для OCR Tesseract. Имеет интерфейс на Java и .NET. Обе версии имеют схожий графический интерфейс пользователя и способны распознавать текст из изображений распространенных форматов.

Версия Java использует Tess4J - Java JNA wrapper для Tesseract OCR API.

Установка:

Посмотрите версию tesseract в вашей платформе

Примечание: Например, на 8.12.24, в платформе P10, доступен tesseract v5.2.0

Посмотрите, какая версия Tess4J соответствует версии tesseract

Примечание: Согласно странице выше, версии tesseract v5.2.0 соответствует версия tess4J 5.3

Посмотрите, какая версия VietOCR соответствует версии tesseract и tess4J

Примечание: Согласно страницам выше, это Version 6.3.0 (7 July 2022)

Скачайте VietOCR с sourceforge под версию
Пропишите в файле .bashrc, который находится в домашней папке:

export TESSDATA_PREFIX=/usr/share/tesseract

В распакованном каталоге VietOCR3 запустите файл VietOCR.jar

$ java -jar '/home/test/Загрузки/VietOCR3/VietOCR.jar'

OCRmyPDF

Внимание: Раздел в разработке

OCRmyPDF

Разработчик(и)	James R. Barlow
Первый выпуск	2023
Лицензия	MPL v2
Сайт	ocrmypdf.readthedocs.io github.com
Репозиторий	нет

Примечание: Проверялось на P10, с deb-пакетом ocrmypdf_14.0.1+dfsg1-1_all.deb от Debian 12

Установка

С портала https://pkgs.org/search/?q=ocrmypdf скачайте deb-пакет ocrmypdf. (RPM-пакеты криво перепаковываются)

Установите с перепаковкой:

# epm install --repack '/home/user/Загрузки/ocrmypdf_14.0.1+dfsg1-1_all.deb'

Доустановим библиотеки:

# apt-get install pip
# pip3 install coloredlogs pipeline
# apt-get install img2pdf pdfminersix python3-module-tqdm

Использование

$ ocrmypdf -l rus '/home/user/Загрузки/praktika dogovor.pdf'  '/home/user/praktika dogovor_fix.pdf

-l - язык, в ISO-формате

Сравнение

Редакторы субтитров
Параметры		Cuneiform-qt	gImageReader	OCRFeeder	VietOCR
Движки	Движок Cuneiform
	Движок Tesseract
	Движок Gocr
	Движок Ocrad
Импорт	Импорт изображений
Импорт	Импорт PDF
Экспорт	Экспорт в txt
	Экспорт в html
	Экспорт в rtf
	Экспорт в tex
	Экспорт в odt
	Экспорт в pdf
Возможности	Возможность сканирования
	Поворот изображения
	Автоповорот изображения
	Настройка яркости-контраста
	Выбор области
	Автовыбор области
	Unpaper
	Устранение перекосов
	Ручное удаление переносов
	Изменение регистра

Софт в ALT Linux

Adobe Flash • AndroidStudio • AnyDesk • Arduino • Audacity • Basilisk • Bleachbit • Cheese • CompressPDF • Converseen • Darktable • Discord • Dislocker • Dosbox • Emulators • Epiphany • F3 • Falkon • Firefox • GIMP • Grub-customizer • ID3Editors • ImageMagick • Inkscape • JDownloader • Krita • LibreOffice • Mail • MIDI • MKVToolnix • MOC • Newmoon • Notes • OBS • OCR • Opera • Paint • PortProton • Python • Rawtherapee • Recoll • Rurecoder • Scilab • Shutter • Soft/Brave • Soft/Chromium • Soft/Edge • Soft/FFmpeg • Soft/OnlyOffice • Soft/Skype • SoftmakerOffice • Stellarium • Telegram • VirtualBox • Vivaldi • Vosk • Whatsapp • WINE • WPS Office • Yandex.Disk • Yt-dlp • АнализаторыДисков • Аудиоплееры • Видеоплееры • Видеоредакторы • Двупанельники • Запись дисков • Информация об оборудовании (soft) • МойОфис • Органайзеры • Работа со сканером • Редакторы субтитров • ТоррентКлиенты • ЧтениеChm • ЧтениеFB2 • ЧтениеPDF • ЯндексБраузер • Категория:Софт c epm • Категория:Софт из flatpak • Категория:Софт-из-архивов • Категория:Хорошо бы собрать пакет

Набор программ

MIDI • Paint • Органайзеры • Двупанельники • ЧтениеChm • АнализаторыДисков • ТоррентКлиенты • CompressPDF • ЧтениеFB2 • Аудиоплееры • ЧтениеPDF • Видеоплееры • ID3Editors • Notes • Mail • Видеоредакторы • Редакторы субтитров • OCR • Работа со сканером • Информация об оборудовании (soft) • Запись дисков

@@ Строка 38: / Строка 38: @@
 ==Программы для распознавания==
-===Cuneiform-qt===
+===Стабильные===
+====Cuneiform-qt====
 {|class="wikitable" style="float: right; margin-left: 2em"
 	!	colspan="2" | Cuneiform-qt
@@ Строка 67: / Строка 68: @@
   # apt-get install cuneiform-qt
-===gImageReader===
+====gImageReader====
 {|class="wikitable" style="float: right; margin-left: 2em"
 	!	colspan="2" | gImageReader
@@ Строка 101: / Строка 102: @@
 *режим hOCR, PDF - как и следует - больше подходит для PDF
-===OCRFeeder===
+====OCRFeeder====
 {|class="wikitable" style="float: right; margin-left: 2em"
 	!	colspan="2" | OCRFeeder
@@ Строка 128: / Строка 129: @@
   # apt-get install ocrfeeder
-===VietOCR===
+===Экспериментальные===
+====VietOCR====
 {|class="wikitable" style="float: right; margin-left: 2em"
 	!	colspan="2" | VietOCR
@@ Строка 169: / Строка 171: @@
   $ java -jar '/home/test/Загрузки/VietOCR3/VietOCR.jar'
+====OCRmyPDF====
+{{Внимание|Раздел в разработке}}
+{|class="wikitable" style="float: right; margin-left: 2em"
+	!	colspan="2" | OCRmyPDF
+	|-
+	|	colspan="2" | [[Изображение:User-menu-OCRmyPDF.png|100px|center]]
+	|-
+	|	'''Разработчик(и)'''
+	|	James R. Barlow
+	|-
+	|	'''Первый выпуск'''
+	|	2023
+	|-
+	|	'''Лицензия'''
+	|	MPL v2
+	|-
+	|	'''Сайт'''
+	|		[https://ocrmypdf.readthedocs.io ocrmypdf.readthedocs.io]<br>[https://github.com/ocrmypdf/OCRmyPDF github.com]
+	|-
+	|	'''Репозиторий'''
+	|	нет
+|}
+{{Note|Проверялось на P10, с deb-пакетом ocrmypdf_14.0.1+dfsg1-1_all.deb от Debian 12}}
+=====Установка=====
+С портала https://pkgs.org/search/?q=ocrmypdf скачайте deb-пакет ocrmypdf. (RPM-пакеты криво перепаковываются)
+Установите с перепаковкой:
+ # epm install --repack '/home/user/Загрузки/ocrmypdf_14.0.1+dfsg1-1_all.deb'
+Доустановим библиотеки:
+ # apt-get install pip
+ # pip3 install coloredlogs pipeline
+ # apt-get install img2pdf pdfminersix python3-module-tqdm
+=====Использование=====
+ $ ocrmypdf -l rus '/home/user/Загрузки/praktika dogovor.pdf'  '/home/user/praktika dogovor_fix.pdf
+* -l - язык, в ISO-формате
 ===Сравнение===