ingeniørdebat.dk
Velkommen,
Gæst
. Venligst
log ind
eller
registér
dig. Modtog du ikke en
aktiverings-e-mail?
1 Time
1 dag
1 uge
1 måned
Altid
Log ind med brugernavn, kodeord og sessionslængde
Nyheder:
efter 5 år får Ingeniørdebat.dk
nu en ansigtsløftning
Hjem
FORUM
Hjælp
TinyPortal
Søg
Kalender
Log ind
Registrér
ingeniørdebat.dk
»
Ingeniørdebat
»
Computer
(Moderator:
Mikael Boldt
) »
OCR-scanning af gotiske bogstaver
Statistik
Medlemmer
Total antal medlemmer: 673
Sidste:
StepanieLa
Statistik
Total antal indlæg: 15975
Total antal emner: 1410
Flest online idag: 91
Flest på samme tid: 449
(30, Marts 2020 - 19:46)
Brugere online
Besøgende: 0
Gæster: 43
I alt: 43
« forrige
næste »
Udskriv
Sider: [
1
]
Forfatter
Emne: OCR-scanning af gotiske bogstaver (Læst 21169 gange)
Morten Jødal
Senior
Indlæg: 4.596
OCR-scanning af gotiske bogstaver
«
Dato:
27, Juli 2012 - 02:30 »
Jeg har en ret stor ældre tekst (udsnit af en bog), som jeg gerne ville have OCR-scannet.
Desværre er bogen så gammel, at den er trykt med fraktur (gotiske bogstaver).
Jeg har gjort et umiddelbart forsøg med min HP F2100 multiprinter, og det blev selvfølgelig langtfra brugbart. Lidt over halvdelen af bogstaverne blev genkendt korrekt, nogle blev konsekvent misforstået (v blev til b, s blev til f), og resten kunne slet ikke læses.
Dette - ikke uventede - resultat afføder flere spørgsmål:
1. Hvordan bærer OCR-programmet sig ad med at finde den rette font? Ligger det i selve programmet, eller har det på en eller anden måde adgang til de installerede fonte i min computer?
2. Hvis det sidste er tilfældet, kan man da finde en brugbar frakturfont på nettet? Jeg har to: Old English MT og Old Christmas - men ingen af dem er "rigtig" fraktur, bl. a. bruger de begge det "normale" s, ikke det "f uden tværstreg", som den originale fraktur anvender undtagen ved dobbelt-s, hvor så nr. 2 bliver "normalt".
Det skal lige siges, at jeg anvender den software, der blev leveret med printeren/scanneren. Men jeg har også mulighed for at komme til en dedikeret scanner, der nok vil kunne fungere med et fremmed OCR-program - hvis dette så er mere fleksibelt.
Dette leder mig til spørgsmål
3: Findes der OCR-programmer, der enten kan anvende en fremmed skrifttype, eller som man kan lære tegngenkendelse?
Det OCR-program, jeg bruger til den dedikerede scanner, kan også læse og fortolke visse typer billedfiler, bl.a. TIFF - et tredjepartsprogram, der kan dette, kan naturligvis også bruges, hvis de øvrige krav er opfyldt.
Jeg skal tilføje, at mit behov er meget sporadisk - så det kan let ende med, at jeg simpelthen tyr til en afskrift i stedet, selv om det er mange sider. Og jeg vil på ingen måde betale mange penge for et professionelt program.
Jeg tænker i freeware/shareware.
Logget
Mvh. Morten Jødal
Morten Jødal
Senior
Indlæg: 4.596
Sv: OCR-scanning af gotiske bogstaver
«
Svar #1 Dato:
01, August 2012 - 17:48 »
Det lader ikke til at nogen i dette forum har dybdekendskab til OCR-teknologi.
Jeg har nu selv prøvet med min anden scanner og dens medleverede OCR-program ABBYY Fine Reader. Resultatet var bedre, men på ingen måde godt. Specielt de store bogstaver genkendes dårligt, og da jo navneord blev skrevet med stort dengang, var der mange af dem!
Alt i alt er det ikke godt nok til at være nogen reel hjælp. "Det høje s" bliver naturligvis også til f.
Så jeg prøver et nyt spørgsmål:
Har nogen af jer kendskab til et mere nørdet softwareforum, hvor der er mulighed for at få svar på spørgsmål, der går bag programmet?
Logget
Mvh. Morten Jødal
efry
Senior
Indlæg: 278
Sv: OCR-scanning af gotiske bogstaver
«
Svar #2 Dato:
01, August 2012 - 22:33 »
Jeg har for mange år siden arbejdet lidt med OCR. Her opdelte vi hvert tegn i relativt få felter, hvor vi i hvert felt angav såkaldte kontrastgrænser, dvs om man gik fra sort til hvid eller hvid til sort i feltet og ligeledes retningen af grænsen, defineret som lodret, vandret eller skrå (højre og venstre). F. eks blev et 1-tal og et 7-tal adskildt fra hinanden ved at 7-tallet havde vandrette kontrastgrænser for oven og flere skrå end lodrette kontrastgrænser til højre, hvorimod 1-tallet havde lodrette kontrastgrænser til højre og ingen eller højst en enkelt vandret kontrastgrænse for oven. Det kom aldrig til at fungere perfekt, især fordi farvebåndet i skrivemaskiner, der anvendtes den gang, ofte var meget slidt og typearmene kunne være ret beskidte. Dette gav anledning til en del støj, men trods dette kom vi da op på ganske acceptable genkendelsesrater for især tal.
Jeg ved ikke hvordan de nuværende OCR-programmer virker, men jeg tvivler på, at de foretager genkendelsen udelukkende ved at sammenligne bitmønsteret af det læste bogstav med det idelle bitmønster for de kendte bogstaver. Der må være andre teknikker, der anvendes. Genkendelsen kan jo ikke foretages på basis af de fonte, der tilfældigt er installeret på computeren, da det skannede dokument næppe er udskrevet med computeren, for var det tilfældet, ville det ikke være nødvendigt med OCR.
Min ganske vist sparsomme erfaring med OCR og skanner siger mig, at skannerens opløsning på standard 300 dpi giver mange fejllæste bogstaver, hvorimod 600 dpi eller 1200 dpi giver et væsentligt bedre resultat. Min erfaring gælder kun ved normale latinske bogstaver.
Mit OCR-program viser i redigeringsmode den skannede tekst ved siden af den genkendte tekst, og genkendelsen fejler næsten udelukkende der, hvor der er fejl i skanningen forårsaget af dårligt farvebånd eller urenheder på papiret. Det ser imidlertid ikke ud til at det afhænger af den anvendte font.
Du skal nok have fat i et OCR-program, som er designet til at genkende gotisk skrift, men så kommer vi nok over i noget professionelt software, som sikkert er ganske dyrt.
Logget
Bent Andersen
Gæst
Sv: OCR-scanning af gotiske bogstaver
«
Svar #3 Dato:
02, August 2012 - 09:05 »
En søgning på "ocr fraktur" giver en henvisning til programmet "Tesseract". Måske det kan bruges?
http://de.wikipedia.org/wiki/Tesseract_%28Software%29
MvH,
Bent.
Logget
Morten Jødal
Senior
Indlæg: 4.596
Sv: OCR-scanning af gotiske bogstaver
«
Svar #4 Dato:
02, August 2012 - 13:19 »
Tak til både efry og Bent for brugbare svar.
Jeg kan kun undre mig over, at jeg ikke selv havde fundet på at google OCR fraktur
Jeg har nu gjort det, og kan se at Tesseract 3 specifikt angives at kunne læse dansk fraktur.
Mange tak!
Også firmaet ABBYY, som har lavet mit ene OCR-program, har et specialudviklet produkt til fraktur, men jeg vil prøve Tesseract først, da det er freeware - det andet program kan man tilsyneladende få på prøve, men ellers koster det penge (jeg har ikke set på priser).
Efry, ved du hvordan OCR-programmer behandler tekst, hvor linierne ikke er scannet helt lige?
Begge mine programmer genkendte mange af tegnene (omend ikke mange nok), selv når bogen lå lidt skævt på scanneren.
Min dedikerede scanner går forøvrigt op til 3200 dpi i opløsning, og det kan godt vælges i OCR-programmet. Men det har jeg ikke eksperimenteret med.
Logget
Mvh. Morten Jødal
efry
Senior
Indlæg: 278
Sv: OCR-scanning af gotiske bogstaver
«
Svar #5 Dato:
02, August 2012 - 21:42 »
Nej, det ved jeg ikke meget om, men rent logisk må programmet starte med at finde de områder, hvor der findes tekst, og derefter identificere de enkelte tegn, dvs. at finde de enkelte linier og dernæst mellemrummet mellem de enkelte tegn. At identificer de enkelte linier må være ret simpelt selv om de ikke er vandrette. Lidt sværere må det være at identificere de enkelte tegn, da de ikke med moderne skrifttyper er adskilte med lodrette hvide linier. Med skrivemaskinskrift og sandsynligvis også med dine skrifter, der sikkert er sat med enkelte typer af bly, vil det være ret simpelt at identificere mellemrummene mellem de enkelte bogstaver også selv om disse mellemrum vil være en anelse skrå (jeg går ud fra, at der ikke er tale om noget, der nærmer sig 45 grader).
Nu har man så en repræsentation af hver enkelt tegn og skal herefter blot bestemme, hvilket tegn, det drejer sig om, og her vil en vinkeldrejning på nogle få grader ikke have nogen betydning. Tænk på, at også kursivskrift skal kunne genkendes.
Jeg har dog ingen som helst viden om de algoritmer, der anvendes ved konverteringen fra glyf til tegn, og jeg vil derfor ikke kloge mig på det område.
Logget
John Larsson
Senior
Indlæg: 979
Sv: OCR-scanning af gotiske bogstaver
«
Svar #6 Dato:
23, August 2012 - 08:10 »
Jeg havde en gang et ret dyrt DOS-program, som kunne fortolke stort set hvad som helst bare selve trykket ikke varierede, altså at et "W" altid så ens ud! Man fortalte blot programmet hvad det enkelte bogstavsbillede forestillede og så fortolkede den videre indtil der kom et ukendt bogstavsbillede. Den klarede fint forskellige skriftstørrelser inden for visse grænser, men fx kursiv, fed og understreget måtte den have som regel have som særskilte fonts.
Logget
Alex
Debattør
Indlæg: 51
Sv: OCR-scanning af gotiske bogstaver
«
Svar #7 Dato:
01, September 2012 - 11:53 »
1) Programmet benytter de fonte du har på din PC. Men det er lidt afhængig af hvilken software du benytter.
2) Du kan helt sikkert finde en font på nettet, men du skal oftest betale for den. Der findes hjemmesider der hjælper dig med at finde den rigtige font, enten ved at du skal vedhæfte et billede med lidt tekst skrevet af fonten (f.eks en scanning af din bog), eller du skal afkrydse forskellige måder dine bogstaver er formet på.
3) De dyrere OCR programmer er meget gode til at genkende fonte og specifikke bogstaver. Første gang programmet støder på et ukendt tegn, angiver du så hvad tegn det er og (i den perfekte verden) genkender programmet så alle lignende symboler. Det kræver dog at dine scanninger er perfekte og f.eks ikke bøjede i bogens margen ind mod samlingen af siderne. En rimelig besværlig opgave! Især hvis du skal passe på bogen og ikke vil mase den for meget.
De dyre scannerprogrammer er desværre meget dyre!
Alternativt, kan du benytte Adobe Acrobats indbyggede OCR genkendelse, men den beholder de scannede sider som billeder og gemmer blot informationer om hvad der står i bogen, så teksten er søgbar.
Jeg vil dog tro du derefter kan eksportere teksten til Word, men jeg er ikke sikker på at formateringen af dokumentet følger med!
Omnipage Pro har rigtig mange år på bagen som OCR software.
http://shop.nuance.com/DRHM/store?Action=DisplayCategoryProductListPage&SiteID=nuanceeu&Locale=en_GB&categoryID=14130500
http://ocr-software-review.toptenreviews.com/
Logget
Udskriv
Sider: [
1
]
« forrige
næste »
ingeniørdebat.dk
»
Ingeniørdebat
»
Computer
(Moderator:
Mikael Boldt
) »
OCR-scanning af gotiske bogstaver
Seneste Debatindlæg
Carbon Capture fejlslutni...
af
jj-
[21, Maj 2024 - 17:45]
Talforståelse
af
jj-
[02, Maj 2024 - 19:51]
Bønder & Byfolk
af
jj-
[21, April 2024 - 19:51]
Human Development Index
af
jj-
[28, Marts 2024 - 19:50]
Troværdig eller utroværdi...
af
jj-
[11, Marts 2024 - 20:15]
Alkylatbenzin
af
SuperClaus
[10, Marts 2024 - 20:22]
Palæstine mod Israel
af
jj-
[03, Februar 2024 - 20:32]
30 Maj som fridag
af
jj-
[19, Januar 2024 - 20:34]
P&U-KlimaTilpasset - Byg ...
af
jj-
[01, November 2023 - 20:35]
P&U-ppmCO2-til-gramCO₂/(m...
af
PTRasmussen
[27, Oktober 2023 - 14:24]
P&U-CH4 klimagas
af
jj-
[14, Oktober 2023 - 19:54]
Findes der en font der vi...
af
E. Tranberg
[30, September 2023 - 13:28]
Er acceleration ækvivalen...
af
SuperClaus
[08, Juli 2023 - 23:49]
P&U-Eboks-android-logON
af
jj-
[30, Juni 2023 - 19:30]
P&U-Problemstillinger & U...
af
jj-
[06, Juni 2023 - 20:14]
Google ads:
DR-Nyheder
Tre personer anholdt efter skyderi på Nørrebro i København
Ukraine: Syv dræbt i russisk angreb i Kharkiv
Folketingets ledelse vil give ministre uden for Folketinget ret til en politikerbolig
Fire unge mænd sigtet for økonomisk svindel på Facebook
Alle tog til og fra Tinglev aflyst resten af dagen
Midlertidigt militært område i Aarhus forlænges
Firma bag Toblerone og Oreo får milliardbøde af EU
Bakken Bears' ottende mesterskab fejret med bobler på rådhuset
Video relateret til drab på 15-årig deles på nettet
21-årig varetægtsfængslet i fire uger for vold mod tjenestemand
AGF-fans tilbageholdes på stadion efter afgørende mesterskabskamp i Brøndby
To personer ramt af skud på Nørrebro
Kosovos parlament har godkendt fængselsaftale med Danmark
Det danske biotekselskab Novonesis forlader Rusland
Veganer havde ikke ret til særlig menu under indlæggelse, fastslår domstol
Danmark bruger mere strøm end nogensinde før
SSP kendte 14-årig mistænkt og 15-årig dræbt dreng i forvejen
Højtstående russisk militærmand er anholdt for mistanke om bestikkelse
Først i aften forventes togene igen at køre mellem Tinglev og Sønderborg
Tre østeuropæiske mænd skal i fængsel for at have stjålet for 1,8 millioner
Nyt fra ing.dk
Bilproducent anklages for miljøsjusk: »De stjæler vores vand«
Krisen i den grønne sektor: Ingeniører søgte mod nye brancher »hen over natten«
Gartneri på Stevns henter CO2 fra Amager - og det er køreturen værd
Datatilsynet lukker Netcompany-undersøgelse efter stort datatyveri
AI-konsortium med opråb til politikere: »Regeringen skal træde i karakter«
Den stille dræber: Elbiler er fodgængernes værste fjende
Danmark indvinder for få råstoffer trods masser af ressourcer: Det kan koste dyrt
Myndighed i USA: Politiske videoer og annoncer lavet med AI skal deklareres
Teknologichef i Mærsk-center om atomdrevne skibe: »Det virker lovende«
Skal vi pille guldtænder ud af de døde i cirkularitetens ånd? På reportage i krematoriet
Efter fire årtiers vandmiljøkamp: Derfor er der stadig iltsvind
Professor om Googles nye AI-søgeresultater: »Vi har tilgået teknologien på en måde, som har været ret umoden«
Atomkraft er på vej tilbage i fragtskibe
Google-bestilt rapport sminker AI-gevinster: I bedste fald »meningsfyldt gætværk«
Regeringen præsenterer solcellestrategi: Leasing-ordning og puljemidler er på bordet
Jyske Bank: »Cyberangreb er skyld i nedbrud«
Der skal sættes syv gange flere ladestandere op om ugen, hvis Europas klimamål skal nås
Ledere skal lære at se holistisk på bæredygtighed
Menneske-testikler undersøgt for mikroplast: Resultatet overrasker forsker
Bankernes it-leverandør om AI: Vi stoler på Microsofts løfter
Politikere raser: »Fuldstændig uacceptabelt« at købe olie fra Rusland
Minister: Google skal standse falsk porno med kendte personer
Energiklagenævnet blev ved en fejl – og uden nogen opdagede det – nedlagt i 2022
Synspunkt: Vi har ikke råd til nultolerance over for asbest, for der er asbest overalt
Danske Bank gør klar til at udrulle AI i stor skala
Import af olie fra Indien eksploderet: Danmark risikerer at støtte Putins krigsmaskine
Blogindlæg: Myldretid i lav jordbane
Voldsom turbulens koster flypassager livet og kvæster 30
Forskere efterlyser plan: Vi mangler kulstof til den grønne omstilling
Ny viden hamrer pæl i årelang diskussion: Landvind snurrer sin egen klimabelastning tilbage på få år
Danmarks 40 mia. kr. dyre opgradering af flåden ligner en håndsrækning til udkantskommune
Vil genrejse dansk skibsbyggeri: Komplet fabrik kan stå klar på tre år
Regeringen vil skære ‘ambitiøst’ i byggeriets CO2-udledning: Går dog slet ikke så langt, som branchen ønsker
Opklaret af danske forskere: Derfor er der fugleinfluenza i mælk
Hvorfor fik ingen den ide før: Øjendryps-brillerne tager verden med storm
»Talfifleri« i Digitaliseringsstyrelsen udløser bonus til direktøren
Asbest kan gøre ny motorvej over Limfjorden »voldsomt« meget dyrere
Synspunkt: De døde blade er en ressource
Hvid brint strømmer op fra undergrunden: Her er fem skabelsesteorier
Master åbnede hackingens mørke verden for Katrine: »Man kan godt blive lidt paranoid«
Er det mest energieffektivt at koge vand i elkedel eller på komfuret?
Parlamentarikere om udbredt dansk iltsvind: EU bør gribe meget hårdere ind
Disse kæmpetanke skal lagre dansk CO2, inden den pumpes flere kilometer under havbunden
1984: Strandlegetøj er blevet en olympisk disciplin
Tæl de forskellige knus
Niels Bohr som tegneseriehelt
Et instrumentkomfur til læger, styrmænd og preppere
Værd at vide: Tunneleffektens tidsmysterium
Nordea fritaget for it-tilsyn fra Finanstilsynet: »Det er noget rod«
Ugens debat: Ja tak til dansk sprogmodel