ocr:tesseract

차이

문서의 선택한 두 판 사이의 차이를 보여줍니다.

차이 보기로 링크

--- ocr:tesseract [2023/10/13 11:20]
kwon37xi 만듦
+++ ocr:tesseract [2023/12/07 21:50] (현재)
kwon37xi [인식 데이터]
@@ 줄 1: / 줄 1: @@
 ====== Tesseract OCR ======
   * https://github.com/tesseract-ocr/tesseract
+  * [[pdf:ocrmypdf|ocrmypdf]]
+===== 설치 =====
+==== homebrew ====
+  * 가장 최신버전 설치 가능
+<code sh>
+brew install tesseract tesseract-lang
+</code>
+==== ubuntu ====
+<code sh>
+sudo apt install  tesseract-ocr-kor tesseract-ocr-kor-vert gscan2pdf
+</code>
+  * ''ocrmypdf'', ''gscan2pdf'' 와 함께 사용하면 [[:pdf|PDF]], image 인식 등을 진행할 수 있다.
+===== 인식 데이터 =====
+  * [[https://github.com/tesseract-ocr/tessdata_fast|tessdata_fast]] 빠른 익식용 데이터. [[linux:debian|Debian Linux]] / [[linux:ubuntu|Ubuntu Linux]]에서 패키지로 설치시 기본으로 깔리는 듯.
+  * [[https://github.com/tesseract-ocr/tessdata_best|tessdata_best]] : LSTM 모델. 이게 더 나은 것인듯.
+  * ''%%--tessdata-dir%% <PATH>'' 옵션으로 지정 혹은 ''TESSDATA_PREFIX'' 환경변수로 지정
+  * best 예
+<code sh>
+#cd ~/.config
+#git clone --recursive --depth=1 https://github.com/tesseract-ocr/tessdata_best.git
+#원하는 것들만 받기
+mkdir -p ~/.config/tessdata_best
+wget -O ~/.config/tessdata_best/kor.traineddata https://github.com/tesseract-ocr/tessdata_best/raw/main/kor.traineddata
+wget -O ~/.config/tessdata_best/eng.traineddata https://github.com/tesseract-ocr/tessdata_best/raw/main/eng.traineddata
+export TESSDATA_PREFIX=$HOME/.config/tessdata_best
+</code>
+===== 인식률 =====
+  * 한글 인식률이 좋지 못한 편이다.
+  * 여러 언어보다는 단일 언어로 인식하는게 인식률이 더 좋다.
   * [[https://tesseract-ocr.github.io/tessdoc/ImproveQuality.html|Imporoving the quality of the output]]
+  * 300DPI 이상 추천
+  * 불필요한 테두리를 crop 하고서 인식해야 인식률이 좋아진다.
+  * deskewing : 비스듬히 스캔된 것을 똑바로 세워서 인식해야 인식률이 좋아진다.

ocr/tesseract.1697163636.txt.gz · 마지막으로 수정됨: 2023/10/13 11:20 저자 kwon37xi