slacky.eu

Non so se sono l'unico a entusiasmarsi per questa notizia,
ma per i miei lavori uso spesso l'OCR, e OmniPage
è l'unico motivo per cui ho ancora Windows nel pc
(Wine non riesce a farlo girare). Adesso Gogle
annuncia questo: http://punto-informatico.it/p.aspx?id=1632194&r=PI
che sembra far sperare bene...

M.

Notizia stupenda! Spero che migliori in fretta: da quanto si capisce dall'articolo, non fa lavori granchè migliori degli attuali gocr & co. Ma Google è ricca e investe a palate quindi presto qualcosa di buono arriverà di certo! E' una gran notizia... che fa capire come mai la Micro$oft tema sempre di più Google!

Speriamo sia meglio di certi OCR free che girano sotto win.
Con alcuni fai prima a ricopiare a manina...

Ho letto l'articolo, l'ho provato e sono rimasto piuttosto deluso...

Io non sono riuscito a usarlo...
mi dà errore- Che passaggi hai seguito?

comunque loo stessi ammettono
che deve fare molta strada,
ma pare che Google finanzierà
lo sviluppo del progetto...

M.

Nel post precedente mi sono sbagliato con un altro ocr, questo è già un po' meglio, almeno con i testi in inglese. Scusa(te)...

Per compilare ho dato il classico ./configure (con le ottimizzazioni, ma è un fatto secondario - compilatore gcc-4.1.1 - glibc 2.3.6 - libtiff 3.7.1).
make
NON ho dato il make install perché al termine o del configure o del make veniva detto di non farlo perché non ancora implementato.
tesseract (eseguibile) è in ccmain, se leggi le istruzioni e l'errore che ti dà a lanciarlo da lì, capisci che devi spostarlo nella directory che contiene tessdata, ovvero nella directory sopra quella dove è, ovvero la tesseract-1.01 dove ci sono anche il README e l'INSTALL.
Ho fatto a questo punto la scansione di una pagina di un testo inglese a 300dpi.
L'input deve essere un file tiff (b/n, credo), non compresso se non hai compilato con le libtiff (che di solito ci sono), senza figure e a una sola colonna.
Poi dai banalmente, se metti l'immagine dov'è l'eseguibile: ./tesseract file-input.tiff file-output. Ti verrà un file-output.txt con, se la scansione è come vuole l'ocr, un discreto riconoscimento dei caratteri.
Non è un ocr pratico da usare e con l'italiano temo peggiori, però è già un buon punto di partenza...

Ok, grazie. Il mio errore è stato che l'ho messo
come motore di Kooka, che evidentemente non lo supporta.
Ma perché Kooka non salva in tiff?

Grazie!
M.

È fermo da almeno 5 minuti per una pagina...
Tutto normale???

M.

Il make install installa solo tesseract in /usr/bin (ho provato) ma poi quando lo usi lamenta la mancanza dei file presenti in tessdata, quindi il make install funziona a metà

beh ragazzi molti dei software free non hanno addestramento: paghi il gratuito con il tempo di addestramento della rete neurale che gestisce il riconoscimento... che ci vuoi fare...

M

Using the Engine
================
The usage of both Windows and Linux versions is the same.
The executable must reside in the same directory as the tessdata directory
The command line is:
tesseract <image.tif> <output> batch
The image file requires an .tif extension for its type to be recognized
correctly. If a file exists with the .tif extension replaced by .uzn, then it
will be interpreted as a UNLV-style zone file. (See http://www.isri.unlv.edu for
details of the zone files.)

Basterebbe copiare l'eseguibile in /usr/share/tesseract e copiare nella stessa, la directory /tessdata.
Poi creare uno script wrapper in /usr/bin che richiami il binario vero in /usr/share/tesseract

Gohanz, perché non lo pacchettizi
per slacky? Possiamo provarlo e inviare
eventuali rilievi o richieste di funzioni
da implementare all'attuale sviluppatore...

M.

Si va bene posso provare! Mi sono fermato, nella produzione di pacchetti, in attesa della 11!

Fatto sta che ho provato a scansionare,
ma dopo venti minuti era ancora fermo
e non capisco che cosa non vada...

M.