» Scan Tailor: Часть 2

iit512

Небольшое замечание к скрипту: наверное, нет смысла писать -compress Group4, а потом делать вывод в pbm?

U235

Цитата:

CuneiForm нормально под Win32 (проверял под VC++) собирается, с выводом в hocr.

Может быть, речь идёт о сборке под Windows Linux-порта CuneiForm? Тогда расскажите, пожалуйста, как это делается (конкретно).

Цитата:

Небольшое замечание к скрипту: наверное, нет смысла писать -compress Group4, а потом делать вывод в pbm?

Спасибо, убрал это.
===
Все же: есть ли возможность заставить tesseract сделать hOCR без специального конфигурационного файла?

Цитата:

Все же: есть ли возможность заставить tesseract сделать hOCR без специального конфигурационного файла?

В принципе, ничто не мешает создать файлик в текущем каталоге в процессе работы скрипта, а потом его за собой подчистить.

Да,я тоже подумал, что так можно сделать. Но жаль, что это не предусмотрено как опция.

На случай если сюда заглянет Tulon: Scan Tailor падает, если включить сортировку контента.
http://sourceforge.net/tracker/?func=detail&aid=3087706&group_id=227253&atid=1070628
Наверное, можно сделать какой-нибудь crash report или debug, но как -- я, к сожалению, не знаю.

iit512
Бага известная. В git кажется уже поправили. По крайней мере, неделю назад собирал, проблем не заметил. Если собирать с опцией -DCMAKE_BUILD_TYPE=Debug то будет работать в любом случае.

iit512
При распознавании текста, на мой взгляд, нет необходимости конвертировать картинку в BMP. Cuneiform справляется с PNM.

Цитата:

При распознавании текста, на мой взгляд, нет необходимости конвертировать картинку в BMP. Cuneiform справляется с PNM.

К сожалению, это не так:

Код: > cuneiform -l ruseng s-008.pnm
Cuneiform for Linux 0.7.0 (multilang)
s-008.pnm is not a BMP file.

iit512
Cuneiform for Linux 0.7.0 (multilang) — это не то. Был такой проект, но давно не развивается.
Сейчас оригинальный Cuneiform находится в версии 1.0.0.
https://launchpad.net/cuneiform-linux

По факту. Я проверил, прежде чем написать.

И вообще, дайте нормальные контакты с баг-трекером и т. д. (или в личку отправьте). Я планирую сделать пакет для openSUSE, когда программа достигнет стабильности. У меня есть ещё несколько вопросов и претензий, но считаю, что тема про Scan Tailor не совсем то место, где нужно обсуждать.

Цитата:

Если собирать с опцией -DCMAKE_BUILD_TYPE=Debug то будет работать в любом случае.

Огромное спасибо за совет! Помогло.
В git, похоже, не исправили, потому что выкачивал вчера и это не работало.

LazyKent:
Добавлено:

Цитата:

Сейчас оригинальный Cuneiform находится в версии 1.0.0.

Мне нужен именно multilang, но это не так важно, поскольку

Код: $ cuneiform -l ruseng s-003.pnm
Cuneiform for Linux 1.0.0
s-003.pnm is not a BMP file.

Цитата:

Ubuntu 10.04, compiled

Угу. Спросите у мейнтейнеров, они libMagick++ включили в зависимости сборки?

В openSUSE мы проблем не испытываем:

Код: % convert 069.tif 069.pnm
% identify 069.pnm
069.pnm PNM 4196x5640 4196x5640+0+0 1-bit Palette PseudoClass 2c 2.824mb 0.630u 0:02
% cuneiform -l ruseng 069.pnm -o 069.txt
Cuneiform for Linux 1.0.0
% less 069.txt
налов воспроизводятся или как черный, или как белый. Каждый пиксел содержит только один бит информации, так чт
о файл имеет небольшой размер. При сканировании материала в режиме line-art использ~те очень высокое разрешени
е, приближающееся к разрешающей способности выводного устройства печати, (как минимум 1200 ppi (cM. главу 7)).
А при сканировании для OCR максимум 300 рр1.
и В режиме grayscale (8-битный) посредством 256 отгенков серого воспроизводятся все тона и цвета оригинала. Ка
ждый пиксел содержит восемь бит информации, поэтому размер файлов в восемь раз больше но сравнению с размерами
файла, полученного в результате сканирования в режиме line-art.

Цитата:

Спросите у мейнтейнеров

Мейнтейнеров чего? Я сам собирал с параметрами по умолчанию.

Я напишу вам на следующей неделе всё, что думаю.
Прошу не пугаться.


Добавлено:
Чтобы закрыть вопрос с форматами.

Читаем здесь: https://launchpad.net/cuneiform-linux/+series

Цитата:

0.2 series Obsolete
Latest releases: 0.2
Blueprints targeted: None

This release enables recognition of other languages as well as support for any image format supported by ImageMagick.

Подчёркиваю: support for any image format supported by ImageMagick

Понял, спасибо.

anagnost96:

Цитата:

нельзя ли предусмотреть выбор OCR-движка (cuneiform или tesseract)?

Сделано (версия 1.4)

Скрипт не понимает абсолютных путей?


Код: ***@asus-x58l:~/Desktop$ ./img2djvu -d 600 /media/Data/Scan/prezente/out
ls: cannot access /home/***/Desktop//media/Data/Scan/prezente/out: No such file or directory
0 files:
./img2djvu: line 236: cd: /home/***/Desktop//media/Data/Scan/prezente/out: No such file or directory
Failure
Temporary directory left: /tmp/pages1yujm

Цитата:

Скрипт не понимает абсолютных путей?

Да. Это фича.

Цитата:

И зачем-то ругается на на наличие поддиректорий в папке out, что не есть гуд.

Уже нет (версия 1.5).

Зарелизили scantailor 0.9.9.2


Добавлено:
Версия 0.9.9.2 - 24 октября 2010
Исправлены проблемы с сортировкой страниц под Linux.
Исправлено появление в проекте страниц, ранее удаленных по частям.
Улучшение производительности на стадии вывода.
Добавлены переводы на немецкий и на французский.
Совместимось с последней версией boost.

Зарелизьте кто-нибудь версию st с dewarping-ом, пожалуйста.

Цитата:

Зарелизьте кто-нибудь версию st с dewarping-ом, пожалуйста.

А чего там релизить?
git clone git://scantailor.git.sourceforge.net/gitroot/scantailor/scantailor
cd scantailor
cmake .
make

Спасибо! Все отлично работает теперь!

Salvatorul, под windows
Кстати, заметил. может и ни для кого не открытие, но st совершенно не предназначен для обработки цветных изображений, особенно отсканированных страниц цветных журналов. Посоветуйте какую-нибудь программку для обработки цветных изображений.
А почему приложения под/для, которая обсуждается в последних топиках нету в шапке, а то уже суть потерял, а хотелось бы попробовать.

woodyfon

Цитата:

программку для обработки цветных изображений

Фотошоп

woodyfon

Цитата:

Salvatorul, под windows

Дык под виндовс тоже можно из исходников собирать


Цитата:

Кстати, заметил. может и ни для кого не открытие, но st совершенно не предназначен для обработки цветных изображений, особенно отсканированных страниц цветных журналов.

Хмъ... Обработал st где-то десяток журналов, вполне работоспособно.

ndch, с автоматической обработкой.
Salvatorul, собирать то можно, но для одного, а может, и последнего раза очень долго и сложно.
Вот имеено работоспособно. В этом я полностью, как ни странно, поддерживаю monday2000.

Однако журналы с картинками обрабатывать - доставляет.
В режиме Pictures Zones нет возможности прямоугольного выделения (большинство картинок - прямоугольники). Нужно четыре раза тыкнуть мышкой... при этом на глазок не выходит сделать ровно, и получается зачастую кривоватая фигура.
Или все же есть способ делать прямоугольники?

woodyfon

Цитата:

с автоматической обработкой.

Фотошоп

Я тут Tulon написал письмо с одной мелочной просьбой, а он мне вот что в частности ответил:

Цитата:

Я уже практически отошел от дел. Уже несколько недель не брался за ST, и не тянет. На англоязычном форуме уже объявил, что в лучшем случае допишу dewarping, и на этом все.

Ну что же и за то, что есть большое спасибо в любом случае.