• [^] # Re: Tesseract-ocr

    Posté par . En réponse à la dépêche GNU/Linux a son OCR de qualité. Évalué à 7.

    Il y a quelques temps j'ai eu besoin d'écrire un script qui détectait l'orientation d'un document scanné et le remettait automatiquement "dans le bon sens".

    Simple à faire, un passage d'ocr sur le document initial puis un second sur le document retourné à 180°. Le résultat comportant le plus de mots existants de plus de 4 lettres (pour éviter les artefacts) gagne.

    Du coup j'ai installé une bonne partie des ocr disponibles. Le meilleur (dans ces conditions précises) a été ocrad :
    - très peu de dépendances sous debian (libc6 libgcc1 libstdc++6, qui sont très probablement déjà installées)
    - très rapide (de l'ordre de la seconde pour une image de 3 millions de pixel en 300 dpi)
    - résultats parfait pour l'usage.

    Testé sur une vingtaine de milliers de document, il fonctionne impeccablement.

    Voici le script pour ceux que ça intéresse :

    #!/bin/bash
# this script determines whether an image must be flipped by comparing the results
# of OCR on the image and the flipped image
show_help()
{
 echo "${0##*/} image1 [image2]..."
 exit 1
}
topbm()
{
 mimetype=$(file --brief --mime "1ドル" | cut -d';' -f1)
 case "$mimetype" in
 "image/x-ms-bmp")
 bmptopnm --quiet "1ドル"
 ;;
 "image/jpeg")
 jpegtopnm --quiet "1ドル"
 ;;
 "image/png")
 pngtopnm --quiet "1ドル"
 ;;
 * )
 >&2 echo ${file}: Mime type "$mimetype" not supported
 return 1
 ;;
 esac
}
verbose=0
while getopts ":vh" opt
do
 case $opt in
 v)
 verbose=$((verbose + 1))
 ;;
 h)
 show_help
 exit 0
 ;;
 \?)
 >&2 echo "Invalid option: -$OPTARG"
 show_help
 exit 1
 ;;
 esac
done
shift "$((OPTIND-1))"
pbmfile=$(mktemp)
for file in $*
do
 topbm "$file" > "$pbmfile"
 if [ $? -eq 0 ]
 then
 normal=$(ocrad -l "`{mathjax} pbmfile" | iconv -f iso8859-15 | hunspell -G | grep -v '[0-9]' | grep '[a-zA-Z]\`
 flipped=$(ocrad --transform=rotate180 -l "`{mathjax} pbmfile" | iconv -f iso8859-15 | hunspell -G | grep -v '[`
 if [ $flipped -gt $normal ]
 then
 if [ $verbose -gt 0 ]
 then
 echo "$file : flip needed ($normal / $flipped)"
 fi
 mogrify -flip -flop "$file"
 fi
 fi
done
if [ -e "$pbmfile" ]
then
 rm "$pbmfile"
fi