{ "version": "https:\/\/jsonfeed.org\/version\/1", "title": "Блог Артёма Агасиева: заметки с тегом Tesseract", "_rss_description": "Telegram: @aagasiev", "_rss_language": "ru", "_itunes_email": "", "_itunes_categories_xml": "", "_itunes_image": "", "_itunes_explicit": "", "home_page_url": "https:\/\/agasiev.com\/tags\/tesseract\/", "feed_url": "https:\/\/agasiev.com\/tags\/tesseract\/json\/", "icon": "https:\/\/agasiev.com\/user\/userpic@2x.jpg?1529202066", "author": { "name": "Артём Агасиев", "url": "https:\/\/agasiev.com\/", "avatar": "https:\/\/agasiev.com\/user\/userpic@2x.jpg?1529202066" }, "items": [ { "id": "33", "url": "https:\/\/agasiev.com\/all\/podgotovka-izobrazheniya-k-raspoznavaniyu\/", "title": "Подготовка изображения к OCR", "content_html": "

Бывает, что мне нужно провести несколько экспериментов по распознаванию текста на довольно зашумленных изображениях при помощи Tesseract<\/a> с одним условием — надо сделать быстро.<\/p>\n

Но совсем плохой результат получить тоже не хочется. Поэтому, чтобы улучшить точность распознавания, нужно очистить исходное изображение от шумов и посторонних объектов. Для этого можно либо написать чутка кода, либо использовать утилиту convert из ImageMagick<\/a>, либо можно взять вот этот<\/a> скрипт textcleaner, который, по факту, является надстройкой над convert, но простой как три копейки и сильно ускоряет работу. Вся документация подробно изложена на официальной страничке.<\/p>\n

Пример удаления бэкграунда, очистки текста, поворота и обрезки изображения:<\/p>\n

.\/textcleaner -g -e stretch -f 30 -o 17 -t 15 -u -s 2 -T -p 20 -c 5 infile.jpg outfile.jpg<\/code><\/pre>
Было\/стало:<\/p>\n
\n
\n\"\"\n\"\"\n<\/div>\n<\/div>\n
Дальше запускаем сам tesseract (у меня 4ая бета<\/a> с LSTM моделями<\/a>):<\/p>\n
tesseract outfile.jpg stdout -l eng --oem 1<\/code><\/pre>
И получаем уже чистый текст:<\/p>\n
\n
Clarification<\/p>\n
In the last edition of the “Catholic New World,” an
\narticle on the annual conference hosted by the Re-
\nspect Life Oftice did not fully reflect the context of
\nCardinal George’s remarks.<\/p>\n
During an informal question-and-answer session
\nwith the archdiocese’s parish Respect Life Coordi-
\nnators, the cardinal emphasized that the participa-
\ntion by any person in the promotion of abortion, in-
\ncluding through his or her political position, is a
\ngrave matter. While the issue of withholding Com-
\nmunion- from some of these individuals can be
\ncomplex, Cardinal George said that when any per-
\nson presents him or herself to receive the Eucharist,
\nthey “take their salvation into their own hands.” For
\na more complete explanation of this matter, refer-
\nence the cardinal’s column “Catholic participation
\nin political life, revisited” (CNW, Oct. 10, 2004)
\nonline at www.catholicnewworld.com\/
\ncnw\/issue\/2004\/cardinal _101004.html .<\/p>\n<\/blockquote>\n
Качество распознавания получилось вполне достойное.<\/p>\n
Есть только один минус: бесплатное использование textcleaner разрешено только в некоммерческих целях. В общем, автор жадина-говядина :) Так что используем только для домашних проектов, либо вполне заслуженно поддерживаем финансово создателя скрипта.<\/p>\n",
            "date_published": "2018-07-13T13:02:55+03:00",
            "date_modified": "2018-07-13T16:21:31+03:00",
            "image": "https:\/\/agasiev.com\/pictures\/abbott2.jpg",
            "_date_published_rfc2822": "Fri, 13 Jul 2018 13:02:55 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "33",
            "_e2_data": {
                "is_favourite": false,
                "links_required": [
                    "system\/library\/highlight\/highlight.js",
                    "system\/library\/highlight\/highlight.css",
                    "system\/library\/highlight\/highlight.js",
                    "system\/library\/highlight\/highlight.css",
                    "system\/library\/highlight\/highlight.js",
                    "system\/library\/highlight\/highlight.css",
                    "system\/library\/jquery\/jquery.js",
                    "system\/library\/fotorama\/fotorama.css",
                    "system\/library\/fotorama\/fotorama.js",
                    "system\/library\/highlight\/highlight.js",
                    "system\/library\/highlight\/highlight.css"
                ],
                "og_images": [
                    "https:\/\/agasiev.com\/pictures\/abbott2.jpg",
                    "https:\/\/agasiev.com\/pictures\/outfile.jpg"
                ]
            }
        }
    ],
    "_e2_version": 3576,
    "_e2_ua_string": "E2 (v3576; Aegea)"
}