OCR mit Tesseract und ImageMagick


Vor ein paar Tagen habe ich mir Googles Tesseract unter Mac OS X installiert und will damit meinen gescannten Briefe und Rechnungen einen Volltextindex verpassen. Ich scanne allerdings gerne als PNG und Tesseract versteht nur TIFF. Daher müssen die Dateien mit ImageMagick konvertiert werden:

convert -compress none -density 150x150 /PFAD/ZUM/BILD.png /PFAD/ZUM/TEMPBILD.tif

Anschliessend kann man die Datei mit Tesseract durchleuchten lassen und erhält eine Textdatei:

tesseract /PFAD/ZUM/TEMPBILD.tif /PFAD/ZUR/TEXTAUSGABE

Tesseract hängt die Endung .txt selbst an.

Weitere Artikel

Aufbau eines Hackintosh

Enable request logging in Jetty 9.1

Hacktoberfest 2017

Automatische Erneuerung von Lets Encrypt Zertifikaten

Neue Antennen für meine Fritzbox

Fitness vs Gesundheit

Renaissance Periodization, Teil 2

Der letzte PR

Fahrrad geklaut

Erstes Review des Sony XZ Premium