Dimensione: 6818
Commento: prima stesura
|
Dimensione: 6924
Commento: terza stesura
|
Le cancellazioni sono segnalate in questo modo. | Le aggiunte sono segnalate in questo modo. |
Linea 11: | Linea 11: |
#Inserire una descrizione per questa nuova pagina ivantu/Ocr_prova. | |
Linea 14: | Linea 13: |
= Installare i motori OCR = | = Uso da interfaccia grafica (OCRFeeder) = |
Linea 16: | Linea 15: |
[[AmministrazioneSistema/InstallareProgrammi|Installare]] i pacchetti [[apt:/ocrfeeder | ocrfeeder]], [[apt:/tesseract-ocr | tesseract-ocr]], [[apt:/ocrad | ocrad]], [[apt:gocr | gocr]] | [[AmministrazioneSistema/InstallareProgrammi|Installare]] il pacchetto [[apt:/ocrfeeder|ocrfeeder]]. |
Linea 18: | Linea 17: |
= Uso da interfaccia grafica = 0. Per [[AmbienteGrafico/AvviareProgrammi | avviare]] l'applicazione: * '''Unity''' e '''GNOME''': avviare '''OCRFeeder'''. * '''MATE''': selezionare '''''Applicazioni → Ufficio → OCRFeeder'''''. * '''KDE''': selezionare '''''Menu → Applicazioni → Ufficio → OCRFeeder'''''. * '''Xfce''': selezionare '''''Menu → Ufficio → OCRFeeder'''''. * '''LXDE''': selezionare '''''Menu → AUfficio → OCRFeeder'''''. 0. Con il '''+''' in alto a sinistra selezionare il file da convertire. 0. Con il simbolo immediatamente a destra avviare la conversione. |
0. Per [[AmbienteGrafico/AvviareProgrammi | avviare]] l'applicazione '''OCRFeeder''': 0. Selezionare il file da convertire, dal menù '''File → Apri'''. 0. Avviare la conversione, dal menù '''File → Esporta''' |
Linea 34: | Linea 26: |
Da interfaccia [[AmministrazioneSistema/Terminale|terminale]]: * [[AmministrazioneSistema/InstallareProgrammi|Installare]] i pacchetti [[apt:/tesseract-ocr|tesseract-ocr]], [[apt:/ocrad|ocrad]], [[apt:gocr|gocr]]. |
|
Linea 36: | Linea 32: |
'''Tesseract''' accetta solo immagini con l'estensione `.tif`. Per ottimizzare le immagini per l'acquisizione con '''Tesseract''', dopo essersi assicurati di avere installato '''[[Grafica/Gimp|GIMP]]''', procedere come segue: 0. Aprire '''GIMP''' e andare nel menù '''''Immagine → Modalità''''' ed assicurarsi che l'immagine sia '''RGB''' o in '''Scala di grigi'''. 0. Selezionare dal menù '''''Strumenti → Colore → Soglia''''' e scegliere un valore di soglia adeguato. |
{{{#!wiki important '''Tesseract''' accetta solo immagini con l'estensione `.tif`.<<BR>>L'immagine non deve avere estensione file `.tiff`. }}} {{{#!wiki note Dopo essersi assicurati di avere installato '''[[Grafica/Gimp|GIMP]]'''. }}} Per ottimizzare le immagini per l'acquisizione con '''Tesseract''', assicurarsi che l'immagine sia '''RGB''' o in '''Scala di grigi'''.<<BR>>Procedere come segue: 0. [[AmbienteGrafico/AvviareProgrammi|Aprire]] '''GIMP''' e l'immagine.tif. 0. Selezionare '''RGB''' o '''Scala di grigi''', dal menù '''''Immagine → Modalità'''''. 0. Scegliere un valore di soglia adeguato, selezionare dal menù '''''Strumenti → Colore → Soglia'''''. |
Linea 40: | Linea 46: |
{{{#!wiki note È importante che l'immagine abbia l'estensione `.tif` e non `.tiff`.}}} 0. Dovrà essere digitato nel [[AmministrazioneSistema/Terminale|terminale]] un comando nella forma: {{{ |
0. Digitare nel [[AmministrazioneSistema/Terminale|terminale]] il seguente comando:{{{ |
Linea 44: | Linea 48: |
}}}Supponendo che la propria '''Home''' si chiami `/home/mario`, che al suo interno vi sia il file `input.tif` e che si voglia generare il file di testo `output.txt`, il comando diverrà: {{{ tesseract /home/mario/input.tif output }}} '''Tesseract''' darà automaticamente al file generato l'estensione `.txt`. |
}}} {{{#!wiki note Sostituendo `<percorso del file TIFF>` con il percorso e il nome del file tiff da convertire.<<BR>>Sostituendo `<nome del file di output>` con il percorso e il nome del file convertito. '''Tesseract''' darà automaticamente al file generato l'estensione `.txt`. }}} |
Linea 50: | Linea 56: |
Spesso, i documenti scansionati vengono salvati come immagini in documenti `.pdf`. Usando '''!ImageMagick''' ([[AmministrazioneSistema/InstallareProgrammi|installabile]] tramite il pacchetto [[apt://imagemagick | imagemagick]]), le singole pagine possono essere estratte come file `.tiff` per poi essere processate con '''Tesseract'''.<<BR>> | Spesso, i documenti scansionati vengono salvati come immagini in documenti `.pdf`.<<BR>>Usare '''!ImageMagick'''. {{{#!wiki note Le singole pagine possono essere estratte come file `.tiff` per poi essere processate con '''Tesseract'''. }}} * [[AmministrazioneSistema/InstallareProgrammi|Installare]] il pacchetto [[apt://imagemagick|imagemagick]]. |
Linea 53: | Linea 66: |
0. Creare nella propria '''Home''' il file per lo script e aggiungere i premessi di esecuzione digitando nel [[AmministrazioneSistema/Terminale|terminale]] i comandi:{{{ touch tesseract_multipagine.sh }}}{{{ chmod +x tesseract_multipagine.sh }}} |
0. Creare nella propria '''Home''' il file per lo script. |
Linea 76: | Linea 85: |
}}}Salvare quindi il file. 0. Prima dell'utilizzo impostare le voci: |
}}} 0. Prima dell'utilizzo impostare nel file `tesseract_multipagine.sh` le voci: |
Linea 82: | Linea 91: |
Salvare quindi il file. Uscire dall'editor di testo. 0. Aggiungere i [[AmministrazioneSistema/PermessiFile#Assegnare_i_permessi_di_esecuzione|premessi di esecuzione]], digitare nel [[AmministrazioneSistema/Terminale|terminale]] i comandi:{{{ chmod +x tesseract_multipagine.sh }}} |
|
Linea 92: | Linea 105: |
0. Creare nella propria '''Home''' il file per lo script e aggiungere i premessi di esecuzione digitando nel [[AmministrazioneSistema/Terminale|terminale]] i comandi:{{{ touch script_cuneiform.sh }}}{{{ chmod +x script_cuneiform.sh }}} |
0. Creare nella propria '''Home''' il file per lo script. |
Linea 122: | Linea 131: |
0. Supponendo che nella propria '''Home''' sia presente un file immagine con il nome `immagine.tif` da trasformare in file di testo, il comando per eseguire lo script sarà: {{{ ./script_cuneiform.sh immagine.tif |
0. Aggiungere i [[AmministrazioneSistema/PermessiFile#Assegnare_i_permessi_di_esecuzione|premessi di esecuzione]], digitare nel [[AmministrazioneSistema/Terminale|terminale]] i comandi:{{{ chmod +x script_cuneiform.sh }}} === Avviare lo script === 0. Per eseguire lo script digitare nel [[AmministrazioneSistema/Terminale|terminale]] il comando:{{{ ./script_cuneiform.sh /percorso_file/immagine.tif |
Linea 125: | Linea 139: |
{{{#!wiki note Sostituire ''/percorso_file/immagine.tif'', con il percorso_file dell'immagine da convertire in file di testo. }}} |
|
Linea 132: | Linea 150: |
* [[https://github.com/ocropus/ocr2021|Sito ufficiale di Ocropus]] |
Attenzione! Questa è una Pagina di prova. Le informazioni riportate potrebbero essere incomplete, errate e potenzialmente pericolose. Per contribuire alla realizzazione di questa pagina consultare la discussione di riferimento. |
Guida verificata con Ubuntu: 20.04
Problemi in questa pagina? Segnalali in questa discussione
Introduzione
Con l'acronimo OCR (Optical Character Recognition), si indica una tecnologia che consente di convertire le scansioni contenente testo, in testo semplice. Ciò permette di risparmiare spazio sul disco, modificare il testo o fare ricerche all'interno di esso.
Strumenti OCR di largo utilizzo per i sistemi Linux sono: OCRFeeder, Tesseract, CuneiForm.
Uso da interfaccia grafica (OCRFeeder)
Installare il pacchetto ocrfeeder.
Per avviare l'applicazione OCRFeeder:
Selezionare il file da convertire, dal menù File → Apri.
Avviare la conversione, dal menù File → Esporta
È possibile modificare le opzioni di conversioni con i menu a destra. In particolare è possibile scegliere un motore di conversione diverso da quello predefinito.
Uso dal terminale
Da interfaccia terminale:
Installare i pacchetti tesseract-ocr, ocrad, gocr.
Tesseract
Tesseract accetta solo immagini con l'estensione .tif.
L'immagine non deve avere estensione file .tiff.
Dopo essersi assicurati di avere installato GIMP.
Per ottimizzare le immagini per l'acquisizione con Tesseract, assicurarsi che l'immagine sia RGB o in Scala di grigi.
Procedere come segue:
Aprire GIMP e l'immagine.tif.
Selezionare RGB o Scala di grigi, dal menù Immagine → Modalità.
Scegliere un valore di soglia adeguato, selezionare dal menù Strumenti → Colore → Soglia.
Selezionare dal menù Immagine → Modalità → Indicizzata e dalle opzioni selezionare 1-bit e Nessun dithering.
Digitare nel terminale il seguente comando:
tesseract <percorso del file TIFF> <nome del file di output>
Sostituendo <percorso del file TIFF> con il percorso e il nome del file tiff da convertire.
Sostituendo <nome del file di output> con il percorso e il nome del file convertito. Tesseract darà automaticamente al file generato l'estensione .txt.
Usare Tesseract con PDF multipagine
Spesso, i documenti scansionati vengono salvati come immagini in documenti .pdf.
Usare ImageMagick.
Le singole pagine possono essere estratte come file .tiff per poi essere processate con Tesseract.
Installare il pacchetto imagemagick.
Di seguito viene mostrato l'utilizzo di uno script per automatizzare il processo:
Creare nella propria Home il file per lo script.
Aprire con un editor di testo il file tesseract_multipagine.sh e copiare al suo interno le seguenti stringhe:
#!/bin/bash PAGINE=100 # set to the number of pages in the PDF SORGENTE=book.pdf # set to the file name of the PDF OUTPUT=book.txt # set to the final output file RESOLUTION=600 # set to the resolution the scanner used (the higher, the better) touch $OUTPUT for i in `seq 1 $PAGINE`; do convert -monochrome -density $RESOLUTION $SORGENTE\[$i\] page$i.tif tesseract page$i.tif page$i cat $OUTPUT page$i.txt > temp.txt rm $OUTPUT rm page$i.tif rm page$i.txt mv temp.txt $OUTPUT done
Prima dell'utilizzo impostare nel file tesseract_multipagine.sh le voci:
PAGINE: inserire il numero di pagine desiderato.
SORGENTE: indicare il nome del file da trasformare in .pdf.
OUTPUT: indicare il nome del nuovo documento in .pdf.
RESOLUTION: impostare la risoluzione desiderata.
Aggiungere i premessi di esecuzione, digitare nel terminale i comandi:
chmod +x tesseract_multipagine.sh
Per avviare lo script digitare:
./tesseract_multipagine.sh
Cuneiform
Installare il pacchetto cuneiform.
Viene qui mostrata una procedura tramite script per trasformare immagini contenenti testo (.jpg, meglio se .tif) in file di testo semplice .txt.
Creare nella propria Home il file per lo script.
Aprire con un editor di testo il file script_cuneiform.sh e copiare al suo interno le seguenti stringhe:
#!/bin/bash if [ "$1" ] && [ -e "$1" ]; then TMPF=$(mktemp XXXXXXXX.tif) DEST="$2" if [ ! "$DEST" ]; then DEST="${1%.*}.txt" if [ -e "$DEST" ]; then echo "$DEST already exists; please provide a new textfile name" >&2 exit 1 fi fi /usr/bin/convert "$1" -colorspace Gray -depth 8 -resample 200x200 $TMPF \ && /usr/bin/cuneiform -o "$DEST" $TMPF EX=$? /bin/rm -f $TMPF [ $EX -eq 0 ] && [ "$TERM" ] && echo "created $DEST" exit $EX else echo "Usage: $0 imagefile [textfile]" >&2 echo " creates a plain text file with the text found in imagefile" >&2 exit 1 fi
Salvare quindi il file e chiuderlo.Aggiungere i premessi di esecuzione, digitare nel terminale i comandi:
chmod +x script_cuneiform.sh
Avviare lo script
Per eseguire lo script digitare nel terminale il comando:
./script_cuneiform.sh /percorso_file/immagine.tif
Al termine verrà creato nella medesima cartella il file immagine.txt.
Sostituire /percorso_file/immagine.tif, con il percorso_file dell'immagine da convertire in file di testo.