Skenoval jsem archivní čísla zpravodaje z mé rodné vsi s využitím OCR. Pro zajímavost jsme s @vavracze udělali srovnání OCR textu z nástroje #OCRmyPDF (vlevo) a Canon tiskárny (vpravo). Přestože OCRmyPDF je #opensource nástroj, jeho OCR výstup má velmi dobré výsledky.

第770回　UbuntuとOCRmyPDFでスキャンした内容に対して自動的にOCRを実行する
https://gihyo.jp/admin/serial/01/ubuntu-recipe/0770?utm_source=feed
#技術評論社 #gihyo_jp #アプリケーション #ネットワーク技術 #お役立ち情報 #Ubuntu #OCR #OCRmyPDF

@neil @marinheiro for the benefit of others reading this: https://github.com/ocrmypdf/OCRmyPDF #OCR #PDF #OCRmyPDF

@343max #OCRmypdf mit Homebrew installieren. https://ocrmypdf.readthedocs.io/en/v11.6.0/batch.html

Working through hitches with the last document:
- font in last tweet wasn't getting used (had to tweak it in FontForge)
- bits of text underlay visible (optimization fixed it)
- #jbig2 encoder used by #ocrmypdf optimization scrambled glyphs (disabled; I can't trust it now!)

#xp

Texterkennung (OCR) von PDFs unter Linux

https://write.tchncs.de/~/Paperless/schritt-2-texterkennung-ocr-von-pd-fs-unter-linux

...ein sehr fundierter Artikel wie man Hilfe von OCR PDF-Dateien nach Text durchsuchbar macht. Das Ganze ist in einem Python Programm verpackt. Von OCRmyPDF gibt es einen offiziellen Docker-Container der vom Entwickler gepflegt wird. Das Python Programm kann man von der Kommandozeile starten um seine PDF's schnell und effektiv umzuwandeln.

#Tesseract #OCR #PDF #Linux #Docker #OCRmyPDF #Kommandozeile #Container #Texterkennung

Not its main use, but #ocrmypdf is excellent for converting jpeg images into small pdf files.

Ho, mais ça marche rudement bien, #ocrmypdf !

Recommended #opensource #PDF #OCR tool: #OCRmyPDF

Why? Deskew & clean images before OCR · Multi-language support · PDF/A output · Lossless optimization · Folder watcher · Redo existing OCR · Well documented

More recommendations: https://tuxwise.net/recommended-software/

https://ocrmypdf.readthedocs.io/en/latest/

wow.. and even recognizing hyphenation 😱 😱

#ocrmypdf

@stardenver

Bin ebenfalls bei #ocrmypdf gelandet (für einzelne PDFs, aber lässt sich ja scripten). Normalerweise überspringt es OCR, wenn schon ein Textlayer vorhanden ist.

Was ich besonders mag ist auch die Option, den Inhalt per #pngquant verlustbehaftet zu komprimieren, falls das installiert ist.