OCR: Difference between revisions
Jump to navigation
Jump to search
| Line 33: | Line 33: | ||
== OCR scripts == | == OCR scripts == | ||
Scripts | Scripts | ||
* | * [https://github.com/thiagoalessio/tesseract-ocr-for-php thiagoalessio/tesseract-ocr-for-php: A wrapper to work with Tesseract OCR inside PHP.] 有提供繁體中文 model 檔案({{kbd | key=chi_tra (Chinese traditional)}}) <ref>[https://github.com/tesseract-ocr/tesseract/blob/main/doc/tesseract.1.asc#languages-and-scripts LANGUAGES AND SCRIPTS]</ref>，但是繁體中文辨識結果不佳。 {{access | date=2022-04-20}} | ||
* | ** Language: PHP | ||
* | ** License: [https://github.com/thiagoalessio/tesseract-ocr-for-php/blob/main/MIT-LICENSE MIT License] | ||
* [https://github.com/ocropus/ocropy ocropus/ocropy: Python-based tools for document analysis and OCR] 沒有提供中文 model 檔案 {{access | date=2022-04-20}} | |||
** Language: Python | |||
** License: [https://github.com/ocropus/ocropy/blob/master/LICENSE Apache License 2.0] | |||
*[https://github.com/tesseract-ocr/tesseract tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository)] {{access | date=2022-06-19}} | |||
** Language: C++: | |||
** License: [https://github.com/tesseract-ocr/tesseract/blob/main/LICENSE Apache License 2.0] | |||
== OCR API == | == OCR API == | ||
Revision as of 10:35, 15 June 2022
OCR (optical character recognition), 光學字元辨識、圖片轉文字
OCR tools
Google DOCs: 上傳文件後，檔案名稱點選右鍵，「選擇開啟工具」 --> 「Google 文件」[1] 英文可以順利辨識、簡體中文遇到問題。
- Free Online OCR - convert scanned PDF and images to Word, JPEG to Word 不註冊有前 5 頁的額度、註冊會員有總共 50 頁的免費額度 [Last visited: 2018-02-06]
- Google Keep內建辨識功能 將圖片內容轉文字輸出 | 社群網路 | 數位 | 聯合新聞網 [Last visited: 2018-08-27]
- 免費在線OCR - 在線圖片識別 - 免費OCR軟件 - 免費OCR轉換成Word - 在線文字識別轉換 - 圖片文字識別軟件 - 圖片轉文字 免費版限制每次可以批次上傳 3 頁、每天轉換 10 頁的 PDF 檔。 [Last visited: 2018-10-24]
- MS Office 2003 需額外安裝的Office 工具: Microsoft Office Document Imaging (你也可以輕鬆做文字辨識(OCR))
- (.pdf檔案轉為.mdi) PDF列印到 MS Office 2003 Document Imaging
- (.mdi檔案轉為word檔) MS Office 2003 Document Imaging(.mdi) -> 使用OCR辨識/傳送文字到Word
- Optical Character Recognition tool that extracts text from major image format - Online Image, PDF, Latex, OCR Converter 繁體中文辨識結果不佳。[Last visited: 2020-10-29]
- $ Free Online OCR - Convert JPEG, PNG, GIF, BMP, TIFF, PDF, DjVu to Text 可指定語言。線上網頁轉換，需要逐頁下載轉換後的檔案。使用 API 免費額度 20 頁[2]
講個秘訣：因為線上服務免費版會限制 PDF 檔案頁數，可使用切割軟體 PDF split and merge tools
OCR scripts
Scripts
- thiagoalessio/tesseract-ocr-for-php: A wrapper to work with Tesseract OCR inside PHP. 有提供繁體中文 model 檔案(chi_tra (Chinese traditional)) [3]，但是繁體中文辨識結果不佳。 [Last visited: 2022-04-20]
- Language: PHP
- License: MIT License
- ocropus/ocropy: Python-based tools for document analysis and OCR 沒有提供中文 model 檔案 [Last visited: 2022-04-20]
- Language: Python
- License: Apache License 2.0
- tesseract-ocr/tesseract: Tesseract Open Source OCR Engine (main repository) [Last visited: 2022-06-19]
- Language: C++:
- License: Apache License 2.0
OCR API
OCR API
- 電腦視覺 | Microsoft Azure: 快速入門：光學字元辨識 (OCR) 用戶端程式庫或 REST API - Azure Cognitive Services | Microsoft Docs 支援中文[4]
- Vision AI | 透過機器學習技術取得圖片的深入分析結果 | Cloud Vision API | Google Cloud: 支援繁體中文 (zh-Hant)[5]
- Free OCR API 支援繁體中文 (cht)
- Amazon Rekognition – 影片與影像 – AWS: Detecting text - Amazon Rekognition:
不支援中文[6][7] [Last visited: 2022-04-20]
相關頁面
常用文件的解析度設定
常用用途的解析度設定
- 文字辨識 75~150 dpi
- 圖文交雜 100~150 dpi
- 圖檔(螢幕上觀看) 150~250 dpi 個人經驗: 簡報掃描的圖檔，如果是小字 300 dpi 可以辨識，但建議調整到 600 dpi。
- 圖檔(有列印需求) 300 dpi以上
- 名片 150~200 dpi
出處：PCHome 2005/8
References
- ↑ Uploading and exporting: Uploading image files with text to Google Docs、將 PDF 和相片檔案轉換為文字 - 電腦 - Google 雲端硬碟說明
- ↑ Free Online OCR - OCR API
- ↑ LANGUAGES AND SCRIPTS
- ↑ 語言支援 - 電腦視覺 - Azure Cognitive Services | Microsoft Docs
- ↑ OCR Language Support | Cloud Vision API | Google Cloud
- ↑ Amazon Rekognition text detection supports 7 new languages and improves accuracy " Amazon Rekognition is designed to detect words in English, Arabic, Russian, German, French, Italian, Portuguese and Spanish."
- ↑ Detecting text - Amazon Rekognition
相關文章
- (請問) 有沒有可以大量OCR(圖文轉換)的軟體 - 看板 EZsoft - 批踢踢實業坊 [Last visited: 2018-02-15]