Как извлечь символ Unicode из файла .png?

1092
Madhav Nikam

Я хочу извлечь символ Unicode из файлов .jpg и .png.

Я пытаюсь сделать это с помощью следующей команды:

tesseract 1.png output.txt 

Эта команда работает для английских символов, но когда я пробую ее для Юникода, такого как хинди, маратхи или сценарий деванагари, она выдает неправильный вывод.

Есть ли возможность извлечь сценарий Unicode (Devanagari) в текстовый файл с помощью OCR?

3

1 ответ на вопрос

5
DavidPostill

Is there any option to extract Unicode script?

When I try it for Unicode like Hindi, Marathi, or Devanagari Script it produces the wrong output.

It appears that only Hindi is supported out of the box.

You need use to use the -l langoption:

tesseract 1.png output.txt -l hin 

You can train tesseract to recognise other languages like Marathi, or Devanagari.

See How to use the tools provided to train Tesseract 3.0x for a new language


TESSERACT(1) Manual Page

OPTIONS

...

-l lang

The language to use. If none is specified, English is assumed. Multiple languages may be specified, separated by plus characters. Tesseract uses 3-character ISO 639-2 language codes. (See LANGUAGES)

...

LANGUAGES

There are currently language packs available for the following languages:

ara (Arabic), aze (Azerbauijani), bul (Bulgarian), cat (Catalan), ces (Czech), chi_sim (Simplified Chinese), chi_tra (Traditional Chinese), chr (Cherokee), dan (Danish), dan-frak (Danish (Fraktur)), deu (German), ell (Greek), eng (English), enm (Old English), epo (Esperanto), est (Estonian), fin (Finnish), fra (French), frm (Old French), glg (Galician), heb (Hebrew), hin (Hindi), hrv (Croation), hun (Hungarian), ind (Indonesian), ita (Italian), jpn (Japanese), kor (Korean), lav (Latvian), lit (Lithuanian), nld (Dutch), nor (Norwegian), pol (Polish), por (Portuguese), ron (Romanian), rus (Russian), slk (Slovakian), slv (Slovenian), sqi (Albanian), spa (Spanish), srp (Serbian), swe (Swedish), tam (Tamil), tel (Telugu), tgl (Tagalog), tha (Thai), tur (Turkish), ukr (Ukrainian), vie (Vietnamese)

To use a non-standard language pack named foo.traineddata, set the TESSDATA_PREFIX environment variable so the file can be found at TESSDATA_PREFIX/tessdata/foo.traineddata and give Tesseract the argument -l foo.

Source TESSERACT(1) Manual Page

greaat ..... я хотел бы, чтобы они были на бахасском и арабском, а также на его языке для будущего использования: D gumuruh 7 лет назад 0

Похожие вопросы