लिनक्स के लिए KBookOCR। प्रारंभिक चरण में लिनक्स के लिए फाइन राइडर हत्यारा

प्रविष्टि

शायद हम में से प्रत्येक ने अपने जीवन में एक अवधि का अनुभव किया जो सामग्री के एनालॉग्स के सक्रिय डिजिटलीकरण के साथ था। मेरा मतलब गैर-डिजिटल स्रोतों से पाठ के साथ काम करने की आवश्यकता है। यह न केवल स्कैनिंग की समस्या को संदर्भित करता है, बल्कि बहुत सारी सामग्री भी है जो दुर्भाग्य से अंतिम उपभोक्ता तक पहुंचती है, जो एक प्रयोग करने योग्य रूप में काफी नहीं है। और मुझे लगता है कि हम में से प्रत्येक ने अक्सर djvu या पीडीएफ़ प्रारूप में पुस्तक के वितरक के बारे में विचार किया है, जिसमें हमारी सामग्री के लिए सामग्री का उपयोग किए बिना सभी सामग्री को ग्राफिक रूप से प्रस्तुत किया गया था।





विंडोज उपयोगकर्ताओं के लिए, फाइनरडर का उपयोग करने का विकल्प है, जो आसानी से सभी परिणामों के साथ मान्यता प्रक्रिया को पूरा करता है।

लिनक्स - समस्या का समाधान

लेकिन उन लोगों के बारे में क्या जो स्वीकार्य स्तर पर अपने वित्त को बनाए रखते हुए अधिक उन्नत ऑपरेटिंग सिस्टम का उपयोग करने में सक्षम हैं? बेशक, पाठ को पहचानने के लिए कंसोल उपयोगिताओं की परियोजनाएं हैं। सबसे विकसित खुली प्रौद्योगिकियों में से एक के आधार पर, OCR ने इसी सर्वर के साथ संचार के लिए OCR के लिए एक वेब इंटरफेस के साथ एक सर्वर को तैनात करने के लिए एक पूरी वितरण किट बनाई। लेकिन मुझे नहीं लगता कि अंतिम उपभोक्ता इस तरह के राक्षसी फैसलों में दिलचस्पी लेता है। और प्रौद्योगिकी ही एक सांत्वना अनुप्रयोग के रूप में कई वितरणों में लागू की जाती है जो लोकप्रिय प्रारूपों के साथ काम नहीं कर सकती है, जिनमें से सबसे अधिक बार इसे "आंसू" पाठ (djvu, पीडीएफ) के लिए आवश्यक है, लेकिन ग्राफिक फ़ाइलों के साथ, जो उपयोग की प्रक्रिया को जटिल करता है।



बेशक, यह राज्य की स्थिति और लिनक्स सब कुछ को अनुकूलित करने के लिए प्यार करता है और सभी ने बुकओसीआर प्रोजेक्ट की उपस्थिति का नेतृत्व किया, जिसके संस्थापक अद्भुत व्यक्ति एमआर-प्रोटोज हैं , जो अभी तक हेबेरा पर नहीं है। इसके अलावा, BookOCR बनाने पर उनका लेख:

BookOCR

mr-protos ने एक सामान्य रूप से सरल बैश स्क्रिप्ट bookocr.sh बनाई:

bookocr.tar.xz (ड्रॉपबॉक्स पर होस्ट)

उनके काम का एल्गोरिथ्म:

1. फ़ाइल एक्सटेंशन (.djvu या .pdf) की जाँच करना। दूसरे एक्सटेंशन के मामले में, स्क्रिप्ट एक चेतावनी देगी);

2. आगे की मान्यता के लिए फ़ाइल का पृष्ठ-दर-पृष्ठ रूपांतरण .png। (परिणाम अस्थायी फ़ोल्डर में जोड़ा जाता है ~ / .tmp_pdf या ~ / .tmp_djvu);

3. ओसीआर का उपयोग करके परिवर्तित पृष्ठों की मान्यता;

4. पृष्ठांकित पाठ फ़ाइलों को एक में जोड़ना;

5. अस्थायी फ़ोल्डर को हटा दें।

स्क्रिप्ट उपयोग:

bookocr.sh <path_to_pdf_or_djvu>

नोट: तैयार फ़ाइल स्रोत के समान निर्देशिका में बनाई गई है

सिस्टम में काम करने के लिए स्क्रिप्ट के लिए, निम्नलिखित पैकेजों को स्थापित किया जाना चाहिए:

• कीलाकार
• Ghostscript
• djvulibre-बिन
• libtiff उपकरण
• libnotify-बिन

मान्यता प्राप्त पाठ की गुणवत्ता मुख्य रूप से मूल फ़ाइल की गुणवत्ता और क्यूनिफॉर्म पैकेज के संचालन पर निर्भर करती है।

KBookOCR

बेशक, यह परियोजना एक और महत्वाकांक्षी विचार के लिए प्रेरणा थी, जो बुकओसीआर के लेखक के साथ मिलकर आपके विनम्र नौकर b0noI द्वारा जीवन में लाया गया था। यह विचार दृश्य सौंदर्यशास्त्र के उपयोग के लिए उपयुक्त एक प्रणाली को लागू करने का था, जो एक नेत्रहीन सुंदर डिजाइन (यह कम से कम है) पसंद करते हैं, और अधिकतम रूप से एक लिनक्स-आधारित परियोजना बनाते हैं जो फाइन राइडर को समान रूप से सुविधाजनक और सौंदर्यपूर्ण तरीके से निष्पादित करने की अनुमति देगा।



विकास के लिए, Qt पुस्तकालय का चयन किया गया था। एक ओर, यह प्रोजेक्ट बुकऑसीआर प्रोजेक्ट पर एक ऐड-ऑन है, लेकिन यह इतना सरल नहीं है। चूंकि एकीकरण को मूल स्क्रिप्ट में महत्वपूर्ण बदलाव करना था। Djvu फ़ाइलों के पूर्वावलोकन को लागू करते समय विशेष समस्याएं थीं, क्योंकि अगर पॉप्लर परियोजना पीडीएफ के लिए मौजूद है, तो संकेतित मामलों में पूर्वावलोकन को तृतीय-पक्ष बैश उपयोगिता द्वारा लागू किया जाना था। इसीलिए, KbookOCR को स्थापित करते समय, KbookOCR के साथ-साथ, न केवल BookOCR को स्थापित किया जाता है, बल्कि एक कंसोल यूटिलिटी का भी उपयोग किया जाता है, जिसका उपयोग पूर्वावलोकन में उपयोग की गई छवि को प्राप्त करने के लिए किया जाता है।

परियोजना की वर्तमान स्थिति

पहले से ही, परियोजना पहले समाप्त संस्करण के चरण में पहुंच गई है और सक्रिय सार्वजनिक परीक्षण ( Ubuntu deb x86 के लिए डाउनलोड) से गुजर रही है। फिनेडर का पहला सार्वजनिक और खुला स्रोत हत्यारा क्या कर सकता है?

• एक दस्तावेज़ का पूर्वावलोकन करें जिसे पहचानने की आवश्यकता है (पृष्ठों के माध्यम से स्क्रॉल करें);
• मान्यता भाषा निर्दिष्ट करें। वर्तमान में, दस्तावेज़ में कोई भाषा मान्यता नहीं है, लेकिन ऐसा करने की योजना है। दोहरी दस्तावेज़ मान्यता भाषा निर्दिष्ट करने का कोई तरीका नहीं है (rus / eng के अपवाद के साथ);
• पूर्वावलोकन का आकार बदलें। दो विकल्प उपलब्ध हैं - मूल आकार या कम;
• इसे एक दी गई सीमा या संपूर्ण दस्तावेज़ द्वारा पहचाना जा सकता है;
• मान्यता प्राप्त दस्तावेज़ को सहेजना। दो विकल्प उपलब्ध हैं - या तो एक नियमित पाठ फ़ाइल में परिणाम सहेजें, या ओपनऑफ़िस राइटर में परिणाम खोलें।

रोडमैप

अगले संस्करण में, रिलीज की तारीख, दुर्भाग्य से, ज्ञात नहीं है, इसे लागू करने और जोड़ने की योजना है:

• स्कैनर के साथ काम करें;
• दस्तावेज़ में ऑटो का पता लगाने वाली भाषा;
• अधिक लचीला पूर्वावलोकन। पृष्ठों के ड्राइंग के साथ, साथ ही डिस्प्ले स्केल के अधिक लचीले संकेत के साथ;
• मान्यता सीमा के अधिक लचीले संकेत।

बहुत दूर के भविष्य में, मान्यता क्षेत्र, प्रकार के क्षेत्र निर्दिष्ट करने के साथ-साथ मूल पाठ के अनुसार न केवल पाठ को पहचानने, बल्कि दस्तावेज़ को प्रारूपित करने के लिए विकल्पों पर विचार किया जा रहा है।

अंतभाषण

और यद्यपि केबुकओआरसीआर हमारी युगल की सबसे ताज़ा संतान है, कार्यक्रम हमारी पहली और एकमात्र रचना नहीं है। अगली श्रृंखला में, हम आपको पॉडकास्ट के लिए लिनक्स - KbashPod के लिए हमारी पहली संयुक्त परियोजना के बारे में बताएंगे।

युपीडी:

संस्करण 1.2 में अपडेट करें:

• स्कैनर समर्थन (स्कैनिमेज के माध्यम से);
• परिणाम HTML में, rtf प्रारूप (cuneiform के माध्यम से);
• पाठ स्वरूपण प्रसंस्करण (क्यूनिफॉर्म के माध्यम से);
• गतिशील ज़ूम पूर्वावलोकन।

संदर्भ

BookOCR

bookocr.tar.xz

केबीओसीओआर 1.2

Kde-apps.org पर KBookOCR

लेखक

श्री-protos

b0noI