OCRopus

OCRopus — OCR-система на базе не так давно открытого распознающего ядра — tesseract Программный пакет для распознавания текста, развивающийся по принципам Open Source и распространяющееся под Apache License 2.0. По задумке разработчиков, с помощью OCRopus станет возможным определять текстовое содержимое на цифровых изображениях и переводить его в обычный текстовый формат для дальнейшего редактирования. Помимо печатного текста, программа сможет распознавать и рукописные материалы. По состоянию на альфа-релиз, OCRopus использует язык моделирования код из другого проекта поддерживаемого Google OpenFST. OCRopus в настоящее время доступна только для GNU/Linux, но существуют сборки и для Debian GNU/Hurd и Debian GNU/kFreeBSD.

Использование

В настоящее время OCRopus использует только интерфейс командной строки, принимая указания на входные изображения с текстом, и выводя данные в формате hOCR (открытый формат на основе HTML). Если необходим более точный контроль, можно указать в командной строке команды для выполнения конкретных операций (например, распознание одной строки).

История развития

• 0.1.0 — Alpha — 22 Oct 2007
• 0.1.1 — 14 Dec 2007 — Улучшение системы сборки пакета
• 0.2 — Alpha 2 — 31 May 2008
• Beta — Scheduled for August 2008
• 1.0 — Scheduled for Q3 2008 — Пакеты для других операционных систем, +GUI

Ссылки

• OCRopus (официальная страница на Google Code)
• IUPR Publication Server (описание алгоритмов, используемых в OCRopus)
• OpenFST Официальный сайт