aiuto.. Ho bisogno di un buon OCR! anche a pagamento

[phobos3576]

Innanzi tutto, Tesseract opera su testi disposti su una sola colonna; assicurati poi che il testo sia abbastanza scuro e non troppo piccolo.
Un aspetto importantissimo è che il testo sia stato acquisito da uno scanner; evidentemente, conta molto anche la risoluzione (DPI). I testi creati facendo, ad esempio, uno screenshot, producono i problemi da te segnalati.

Ecco un esempio (da notare in trasparenza il testo sul retro della pagina che crea sicuramente disturbo a Tesseract):



Il risultato che ottengo è il seguente:

Codice: Seleziona tutto

Introduzione:
Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema, gestisce in
primis la memoria delle risorse del sistema e delle periferiche.
L'interfaccia utente del Kemel è la shell.
Quando un utente usa un programma richiede le risorse al Kernel attraverso le system call e non accede
mai direttamente ů1I'h21'dWB1'C (CPU).
Quindi il kemel si occupa di gestire il tempo processore la memoria e le comunicazioni organizzandole in
processi a seconda della priorità.
ll kemel Linux e stato iniziato da Linus Torvalds nel 1991, ed è in continua evoluzione, pensate che uno
dei primi kemel (0.10) pesava circa 0.2MB con 10.000 righe di codice ora siamo attomo ai 150MB con
più di 5.000.0()0 di righe di codice. '
I1 sito di riferimento è www.kemel.org _
I Kemel recenti hanno sempre di più la capacità di supportare hardware nuovo gestire in modo migliore e
ottimale i processi e perché no anche risultate più veloci e stabili, senza contare che a ogni rilascio
vengono corretti noiosi bug di sicurezza, fondamentalmente sono questi i motivi principali che ci
spingono alla compilazione del nuovo nocciolo.
Personalizzazione, adattamento e snellimento sono i principali per quanto riguarda la ricompilazione del
kemel solitamente fomito con la nostra distribuzione.

Fai una prova sulla stessa immagine così vediamo se funge anche da te (stranamente, ImageShack converte le immagini TIF in PNG).

[SIV]

Sì phobos, con il tuo estratto funziona:

Codice: Seleziona tutto

Introduzione:
Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema, gestisce in
primis la memoria delle risorse del sistema e delle periferiche.
L'interfaccia utente del Kemel è la shell.
Quando un utente usa un programma richiede le risorse al Kernel attraverso le system call e non accede
mai direttamente ů1I'h21'dWB1'C (CPU).
Quindi il kemel si occupa di gestire il tempo processore la memoria e le comunicazioni organizzandole in
processi a seconda della priorità.
ll kemel Linux e stato iniziato da Linus Torvalds nel 1991, ed è in continua evoluzione, pensate che uno
dei primi kemel (0.10) pesava circa 0.2MB con 10.000 righe di codice ora siamo attomo ai 150MB con
più di 5.000.0()0 di righe di codice. '
I1 sito di riferimento è www.kemel.org _
I Kemel recenti hanno sempre di più la capacità di supportare hardware nuovo gestire in modo migliore e
ottimale i processi e perché no anche risultate più veloci e stabili, senza contare che a ogni rilascio
vengono corretti noiosi bug di sicurezza, fondamentalmente sono questi i motivi principali che ci
spingono alla compilazione del nuovo nocciolo.
Personalizzazione, adattamento e snellimento sono i principali per quanto riguarda la ricompilazione del
kemel solitamente fomito con la nostra distribuzione.

Dovrò rispettare allora la luminosità dei caratteri ed l'impostazione su un unica colonna

P.S.
Ma da che libro hai preso l'estratto?

[phobos3576]

Sì phobos, con il tuo estratto funziona:

Codice: Seleziona tutto

Introduzione:
Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema, gestisce in
primis la memoria delle risorse del sistema e delle periferiche.
L'interfaccia utente del Kemel è la shell.
Quando un utente usa un programma richiede le risorse al Kernel attraverso le system call e non accede
mai direttamente ů1I'h21'dWB1'C (CPU).
Quindi il kemel si occupa di gestire il tempo processore la memoria e le comunicazioni organizzandole in
processi a seconda della priorità.
ll kemel Linux e stato iniziato da Linus Torvalds nel 1991, ed è in continua evoluzione, pensate che uno
dei primi kemel (0.10) pesava circa 0.2MB con 10.000 righe di codice ora siamo attomo ai 150MB con
più di 5.000.0()0 di righe di codice. '
I1 sito di riferimento è www.kemel.org _
I Kemel recenti hanno sempre di più la capacità di supportare hardware nuovo gestire in modo migliore e
ottimale i processi e perché no anche risultate più veloci e stabili, senza contare che a ogni rilascio
vengono corretti noiosi bug di sicurezza, fondamentalmente sono questi i motivi principali che ci
spingono alla compilazione del nuovo nocciolo.
Personalizzazione, adattamento e snellimento sono i principali per quanto riguarda la ricompilazione del
kemel solitamente fomito con la nostra distribuzione.

Dovrò rispettare allora la luminosità dei caratteri ed l'impostazione su un unica colonna

P.S.
Ma da che libro hai preso l'estratto?

Si tratta di un vecchio manuale sulla compilazione del kernel, disponibile qui su Slacky.

Ti volevo anche segnalare che i caratteri strani (al posto delle vocali accentate) che compaiono nel tuo testo generato da Tesserect (e non nel mio) sono dovuti al fatto che, probabilmente, non stai usando la codifica UTF-8 dei caratteri.

Per impostare il tuo sistema a UTF-8, puoi seguire questa guida che avevo postato qualche tempo fa:

viewtopic.php?f=4&t=27933&start=0&hilit=ntfs

[SIV]

phobos, ho seguito la tua guida e sembra essere andata a buon fine:

Codice: Seleziona tutto

root@darkstar:~# locale
LANG=it_IT.UTF-8
LC_CTYPE="it_IT.UTF-8"
LC_NUMERIC="it_IT.UTF-8"
LC_TIME="it_IT.UTF-8"
LC_COLLATE=C
LC_MONETARY="it_IT.UTF-8"
LC_MESSAGES="it_IT.UTF-8"
LC_PAPER="it_IT.UTF-8"
LC_NAME="it_IT.UTF-8"
LC_ADDRESS="it_IT.UTF-8"
LC_TELEPHONE="it_IT.UTF-8"
LC_MEASUREMENT="it_IT.UTF-8"
LC_IDENTIFICATION="it_IT.UTF-8"
LC_ALL=
root@darkstar:~# 

Ma ho riprovato ed :

Codice: Seleziona tutto

root@darkstar:~# tesseract kernel.tif prova -l ita     
Tesseract Open Source OCR Engine
root@darkstar:~# cat prova.txt                    
Introduzione:
Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema, gestisce in
primis la memoria delle risorse del sistema e delle periferiche.
L'interfaccia utente del Kemel è la shell.
Quando un utente usa un programma richiede le risorse al Kernel attraverso le system call e non accede
mai direttamente ů1I'h21'dWB1'C (CPU).
Quindi il kemel si occupa di gestire il tempo processore la memoria e le comunicazioni organizzandole in
processi a seconda della priorità.
ll kemel Linux e stato iniziato da Linus Torvalds nel 1991, ed è in continua evoluzione, pensate che uno
dei primi kemel (0.10) pesava circa 0.2MB con 10.000 righe di codice ora siamo attomo ai 150MB con
più di 5.000.0()0 di righe di codice. '
I1 sito di riferimento è www.kemel.org _
I Kemel recenti hanno sempre di più la capacità di supportare hardware nuovo gestire in modo migliore e
ottimale i processi e perché no anche risultate più veloci e stabili, senza contare che a ogni rilascio
vengono corretti noiosi bug di sicurezza, fondamentalmente sono questi i motivi principali che ci
spingono alla compilazione del nuovo nocciolo.
Personalizzazione, adattamento e snellimento sono i principali per quanto riguarda la ricompilazione del
kemel solitamente fomito con la nostra distribuzione.

root@darkstar:~# 

Persistono i caratteri "strani"


Inolte nella shell, non visualizzo più i caratteri accentati.
Invece di "è" visualizzo una strana "A" con dei punti di fianco , oppure invece della "ù" visualizzo un'altra spece di "A" con un "1" piccolino in alto a destra

[phobos3576]

In realtà sembra che tutto stia funzionando correttamente.

Prima ottenevi:

Codice: Seleziona tutto

Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema

Adesso ottieni:

Codice: Seleziona tutto

Il Kemel è il nucleo del sistema operativo, fomisce le funzionalità di base al nostro sistema

Per quanto riguarda la shell, ricordati che devi impostare UTF-8, sia in /etc/profile.d/lang.csh, sia in /etc/profile.d/lang.sh

[SIV]

Per non andare off-topic, continuata la discussione nel topic dove hai postato la guida
viewtopic.php?f=4&t=27933&p=247289#p247289