スキャナー等で取り込んで画像のままPDF化されたファイルにtesseract-ocrで
処理したテキストを貼り付けるスクリプト。
スキャナー等で取り込んで画像のままPDF化されたファイルにtesseract-ocrで処理したテキストを貼り付けるスクリプト。(日本語不可)

[[pdfocr.rb::http://yama.sci.hokudai.ac.jp/~sekika/ruby/pdfocr.rb]]
[[pdfocr.rb:http://phys.sci.hokudai.ac.jp/~sekika/ruby/pdfocr.rb]]

Ubuntu 10.04で必要なパッケージ

imagemagick ghostscript pdftk pdfjam exactimage
 sudo apt-get install imagemagick ghostscript pdftk pdfjam exactimage poppler-utils

Tesseract-OCRのSVNからのインストール
Tesseract-OCRの最新版(3.01)のインストール

 sudo apt-get install libpng12-dev,libjpeg62-dev,libtiff4-dev,leptonica-dev
 svn checkout http://tesseract-ocr.googlecode.com/svn/trunk/  tesseract-ocr
 cd tesseract-ocr
 ./configure
 make
 make install
 sudo make install

Tesseractに関する情報は
Tesseract-OCR に関する情報は

http://code.google.com/p/tesseract-ocr/wiki/ReadMe


トップ   一覧 検索 最終更新   ヘルプ   最終更新のRSS