ฉันเคยเห็น ebooks / กระดาษบางเล่มที่ดูเหมือนจะถูกสแกนจากฉบับกระดาษ แต่ข้อความใน ebooks / กระดาษสามารถคัดลอกออกมาได้อย่างน่าอัศจรรย์ ฉันคิดว่าเวอร์ชันที่สแกนโดยตรงต้องได้รับการประมวลผลโดยซอฟต์แวร์การรู้จำอักขระด้วยแสงบางตัว

ดังนั้นฉันอยากจะรู้ว่าโปรแกรม Optical Character Recognition ที่แนะนำคืออะไร? โดยเฉพาะผู้ที่ใช้ Ubuntu หรือฟรี? หากผู้ที่ใช้ Windows ดีกว่ามากโปรดแจ้งให้เราทราบด้วย

ฉันสนใจ OCR เหล่านั้นเป็นพิเศษที่สามารถยอมรับไฟล์ PDF ที่สแกนเป็นอินพุตและยังสร้างเป็นไฟล์ PDF อีกไฟล์ที่มีลักษณะเหมือนกับอินพุตหนึ่ง แต่คัดลอกข้อความได้

ขอบคุณและขอแสดงความนับถือ!

โปรด จำกัด หนึ่งซอฟต์แวร์ต่อคำตอบ

Tesseract OCR

เอ็นจิ้นดั้งเดิมได้รับการพัฒนาในช่วงปลายยุค 80 โดย HP และ IBM แต่ได้พิสูจน์แล้วว่าเป็นหนึ่งในซอฟต์แวร์ Ocular Recognition ที่ดีที่สุดที่ฉันเคยใช้ เมื่อไม่นานมานี้ได้รับการปรับปรุงหลายอย่างสำหรับเครื่องยนต์และได้กลายเป็นหนึ่งในเครื่องมือ OCR ที่ครอบคลุมที่สุดในตลาด การให้คะแนนกับเครื่องมือ OCR อื่น ๆ ส่วนใหญ่ (มีบางอย่างในการจับคู่ข้อความที่มีเปอร์เซ็นต์สูงกว่า 90%) สามารถแปลงหน้าเอกสารประเภทมาตรฐานเป็นข้อความได้อย่างง่ายดาย

ต่อไปนี้เป็นตัวอย่าง:

tesseract ScannedDocument.png out

จะสร้างไฟล์ชื่อ out.txt

อีกโครงการที่น่าจะทำได้คือ gscan2pdf

sudo apt-get install gscan2pdf

โครงการนี้ยังสามารถใช้ Tesseract รวมถึงเครื่องมือ OCR โอเพ่นซอร์สอื่น ๆ

ฉันไม่รู้ OCR สำหรับ Ubuntu แต่สำหรับ Windows มีคุณสมบัติที่คุณต้องการ นั่นคือABBYY FineReader นี่คือหน้าแต่มันไม่ฟรี

โซลูชันฟรีมีอยู่ใน repos, CunieForm (และYAGFเป็นส่วนหน้าของ Gnome)

ดูเหมือนว่าโครงการ Decapodจะทำหรือจะส่งออกเป็น PDF ดังนั้น Tesseract จะต้องส่งออกข้อมูลที่จำเป็นเพื่อให้ทราบว่าพบข้อความใด

Adobe Acrobat (ไม่ใช่โปรแกรมอ่านไม่ใช่แอปพลิเคชั่นฟรี) มีความสามารถใน OCR ในการสแกนเอกสาร PDF และเพิ่มเลเยอร์ข้อความที่มองไม่เห็นที่ด้านบนของภาพเพื่อให้สามารถเลือกและคัดลอกข้อความได้ น่าเสียดายที่ฉันไม่สะดวกที่จะตรวจสอบว่าคุณลักษณะนั้นอยู่ใน UI ของ Acrobat อย่างไร แต่ฉันใช้มันสองครั้งเพื่อจุดประสงค์เดียวกับที่คุณกล่าวถึง

และใช่นี้เป็นซอฟต์แวร์ Windows, Linux ไม่หนึ่ง แต่ตามโปรแกรมฐานข้อมูลไวน์ HQ ก็ทำงานภายใต้ไวน์

ซอฟต์แวร์ OCR ที่ดีที่สุดมักจะฝังอยู่ในเครื่องพิมพ์ / สแกนเนอร์ / เครื่องถ่ายเอกสาร Canon IRC 3880 ในสำนักงานของฉันสามารถส่งไฟล์ PDF OCR ที่ยอดเยี่ยมได้ง่ายและเร็วกว่าโปรแกรมเดสก์ท็อปที่ฉันรู้จัก วางหนังสือลงบนถาด (ไม่ได้ผูก) เลือกที่อยู่อีเมลของคุณกดปุ่มสีเขียว

PDF ส่วนใหญ่ของ OCR ที่คุณสามารถหาได้จากอินเทอร์เน็ตมาสำหรับเครื่องที่คล้ายกัน ปัญหาคือราคาสูงเกินไปสำหรับการใช้งานที่บ้าน (ประมาณ 12,000 ยูโร IRC)

ซอฟต์แวร์ OCR ออนไลน์ที่ชื่นชอบฟรีนำเสนอโดย Ricoh Innovations นี่เป็นโปรแกรมเบต้า แต่ฉันคิดว่ามันใช้งานได้ค่อนข้างดี ตรวจสอบได้ที่: http://beta.rii.ricoh.com/betalabs/content/document-conversion

OCRFeeder

มันเป็นแอปพลิเคชั่น GUI

มันใช้tesseract- ocrหรือocradเป็นเครื่องมือ OCR

สามารถติดตั้งกับSoftware Centerหรือด้วย

sudo apt-get install ocrfeeder

FineReader ยังมีเวอร์ชั่นออนไลน์ มันอ้างว่าสามารถประมวลผล PDF เป็นรูปแบบอินพุต --- http://finereader.abbyyonline.com/en/Help/Faq/