Бесплатные средства для распознавания текста

Бесплатные средства для распознавания текста

besplatnyie-sredstva-dlya-raspoznavaniya-teksta

Многие из нас почти ежедневно что-то печатает. Но иногда требуется и обратный процесс — получение «электронного» текста с бумажных носителей. Что в таких случаях делать? Перепечатывать отсканированные страницы с текстом дело неблагодарное и если быть откровенным — довольно глупая. Особенно в наше время, когда компьютеры способны выполнять сложнейшие операции с вычислений, сравнений и даже предсказанийТак размышлял я, начиная поиск бесплатного программного обеспечения для «вылущивания» текста из изображений.

И в принципе я не ошибся. Хотя таких инструментов не много, но они есть, а некоторые из них даже очень неплохие. Есть даже онлайн-сервисы, которые хоть и не позволяют вдоволь поиграть с настройками, однако позволяют быстро (без установки ) скачать отсканированные тексты и получить цифровые документы.

Эту категорию программного обеспечения обозначают аббревиатурой OCR (  ) и используют для конвертации отсканированных книг и документов в цифровой текст, который можно редактировать в обычных текстовых процессорах. После тестирования десятка таких бесплатных программ и онлайн-сервисов я выбрал по два лучших (по моему мнению) представителя.

Среди наиболее качественных бесплатных «стационарных» OCR-программ в первую очередь можно отметить CuneiForm . Это программа для оптического распознавания, редактирования (исправления) и сохранение в популярных форматах текста отсканированного с бумажных носителей.

В полученных с помощью CuneiForm текстовых документах сохраняется структура документа и его форматирование.Также эта программа распознает таблицы различной степени сложности, различные шрифты, распечатки с принтеров, тексты пишущей машинки и т. п. Для повышения качества распознавания в программе используется проверка результата работы с помощью словарей, которые можно дополнять.

Другая достаточно качественная OCR-программа — gImageReader . Хотя вообще-то это не программа, а лишь пользовательский интерфейс для двигателя Tesseract , который нужно загрузить и установить до установки gImageReader. Двигатель Tesseract использует словари и  средства проверки орфографии от OpenOffice, которые также нужно устанавливать отдельно.

Таким образом установка и настройка gImageReader превращается если не сложную, то во всяком случае на тягостную процедуру. Как для меня, это не позволяет рекомендовать ее широкому кругу пользователей. Но возможности программы достаточно широки и тот, кто пройдет все этапы установки получит хороший инструмент.

Онлайн-сервисы

NewOCR.com поддерживает конвертирование изображений из форматов JPEG, PNG, GIF, BMP, TIFF, PDF, DjVu. Есть возможность распознавания текста, состоит из нескольких колонок; вращения, нормализации контраста и удаления теней с начального изображения загрузки результата в различных форматах, копирование ссылки на редактирование и перевод текста в сервисах .

Второй онлайн-сервис — i2OCR работает с форматами TIF, JPEG, PNG, BMP, GIF, PBM, PGM и PPM. Этот сервис не обладает столькими удобными инструментами, как предыдущий, но его результаты достаточно качественные, а интерфейс прост и удобен, так i2OCR может быть использован в качестве «резервного» средства.

PS

Я начал этот обзор с намерением найти способ перевести в электронный вид перефотографований многостраничный документ. К сожалению ни одна из бесплатных программ и онлайн-сервисов не смогли корректно обработать эти фото. В лучшем случае распознавался только маленький фрагмент текста на странице. Обработка «нелинейного» текста оказалась слишком сложной задачей.Конечно — в этом есть и моя вина (нужно было перефотографовуваты более аккуратно), но приходилось уже работать с тем что было.

После тщетных поисков бесплатного решения пришлось обращаться к коммерческому. А именно (это не реклама :) — к онлайн-сервису FineReader OnlineКонвертация 45 фотографий страниц документа в текст стоила мне $ 5. Не скажу, что все распозналось идеально, но подправить два-три предложения на страницу не так трудно, как перепечатывать все заново.

Похожее ...

Добавить комментарий

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Можно использовать следующие HTML-теги и атрибуты: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>