Tesseract_Mark.svg

[準備] Tesseract-OCRで機械学習をやってみる

[準備] Tesseract-OCRで機械学習をやってみる機械学習まずはOCRから。

sw_vers
# ProductName:	Mac OS X
# ProductVersion:	10.10.3
# BuildVersion:	14D136

brew install imagemagick
brew info imagemagick
# imagemagick: stable 6.9.5-2 (bottled), HEAD
# Tools and libraries to manipulate images in many formats

brew install --with-training-tools tesseract
brew info tesseract
# tesseract: stable 3.04.01 (bottled), HEAD
# OCR (Optical Character Recognition) engine

cd /usr/local/Cellar/tesseract/3.04.01_2/share/tessdata
sudo wget https://github.com/tesseract-ocr/tessdata/blob/master/jpn.traineddata?raw=true -O jpn.traineddata 
cd -
# brew install tesseract --with-all-languages 
# でもはいるみたいだけど、かなりおもい

convert -font "/System/Library/Fonts/HiraKakuInterface-W2.otf" label:@dummy.txt +matte -depth 32 -bordercolor "#fff" -border 20x20 dummy.tiff

tesseract dummy.tiff output -l jpn

cat dummy.txt
# したがって,本件立法不作為は,現時点においては,憲法上保障され又は保護されている権利利益を合理的な理由なく制約するものとして憲法の規定に違反することが明白であるにもかかわらず国会が正当な理由なく長期にわたって改廃等の立法措置を怠っていたものとして,国家賠償法1条1項の適用上違法の評価を受けるものである

cat output.txt
# したがつ了_ 本件立透不{信倉傭_ 現晴点に禽い了傭_ 慧透上保煩され又は保護され了いろ権利利益誉合慶的蘆慶由な〈制約すろものとし了慧透の縞定に違反すろことが明日でぁろにもかかゎらす国会が正当な慶由な〈長鯱にゎたっ了鵬奪の立透惜置嚢怠っ了いたものとし了` 国景離透ー条ー頂の邁用上違透の洲贅受けろものでぁろ.

# Error 1
tesseract dummy.tiff output -l jpn
Tesseract Open Source OCR Engine v3.04.01 with Leptonica
Page 1
Error in pixConvertRGBToGray: pixs not 32 bpp
Error in pixGetWidth: pix not defined
Error in pixGetHeight: pix not defined
Error in pixGetDepth: pix not defined
Error in pixCreateHeader: width must be > 0
Error in pixCreateNoInit: pixd not made
Error in pixCreate: pixd not made
Error in pixSetAllArbitrary: pix not defined
Error in pixConvertRGBToGray: pixs not 32 bpp

+ convert -depth 32

# Error 2
tesseract dummy.tiff output -l jpn
Tesseract Open Source OCR Engine v3.04.01 with Leptonica
Warning in pixReadFromTiffStream: bpp = 64; stripping 16 bit rgb samples down to 8
Error in pixReadFromTiffStream: spp not in set {1,3,4}

+ convert +matte

# Error 3
// 余白がなかったからか読み取りがわるい
+ convert -bordercolor "#fff" -border 20x20 

e裁判は近いのかもw

参考サイトさま:

About the author
  • コメントを残す