XSane, hoe krijg ik de tekst ingescand en kan ik deze in oOOwriter gebruiken?

[Gijsbert]

Ik heb net een bladzijde met getypte tekst en een plaatje ingescand nu kan ik deze opslaan als jpg o.i.d. Maar hoe kan ik nu de scan opslaan zodat ik de tekst bewerken in oOO writer? Ik heb al iets geprobeerd met OCR, maar dan doe ik waarschijnlijk iets niet goed qua instelling.

[ivo]

Misschien kun je hier wat mee.


http://ubuntuforums.org/showthread.php?t=99583



inaninck@LT9:~$ apt-cache search gocr
fuzzyocr - spamassassin plugin to check image attachments
fuzzyocr3 - spamassassin plugin to check image attachments
gocr - A command line OCR
gocr-tk - A tcl/tk wrapper around gocr
inaninck@LT9:~$

[nomko]

Je zegt dat je een document inscant als jpg. Dit is een formaat die voor afbeeldingen gebruikt wordt. Ik denk dat je het moet opslaan als een post script bestand en dat je die dan moet importeren in OpenOffice. Je kan het proberen.

[ivo]

Ik heb hier zojuist een HP ScanJet 5400c geïnstalleerd. Stond nog nieuw in doos van Sinterklaas  
Ik heb ook gocr geïnstalleerd maar het geeft nog niet het beoogde resultaat.

Van (zie screen shot) maakt ie;

inaninck@LT9:~$ cat out.txt
'  /  R
,r  v
/ z r 5/ o
inaninck@LT9:~$      

[ivo]

Je zegt dat je een document inscant als jpg. Dit is een formaat die voor afbeeldingen gebruikt wordt. Ik denk dat je het moet opslaan als een post script bestand en dat je die dan moet importeren in OpenOffice. Je kan het proberen.

Ik kan niet vinden hoe je de out.ps postscript dokument importeert in OO.
Wanneer ik het echter open in OO dan krijg ik 147 pagina's van dit soort crap.

_UON[.eGDu(%f)&9+J<[7MdS+4=fSf!cSP/*7?4h
FKMDL'%f]^^G?5R$lE;>@A9\JoEWSX/]T2*F!p+2
ETPCeMYbD3Qj5-s64Cb@CsoE>>3naIe@9O&9_'T0
g7&;cBb:rZ.jlo46HcaO*8.ug;VFNAiER3t->99l
:lqb*LlH'&86S"cL&rO@&:B'Jp45HS)9]$@HFCs-
^8R-n<c*>:7UrJ=_0i9"9RP3UAGo%p@<94UCUEOI
[3tcTHhb7u!)fC&)PbUBcB[lC47Zo>adS>IF`-hi
V2+bW4KQ=)![\bOOj)Rif#I?Z:Rf4]c`4CqT*BBJ
Ei10pf#d'H14rk4P0dsMSan7cJh"%]VWZ)["T[+n
oH`DS$uW@nIS;)nm[S0*?F_D%6r'oOC_26J1F0bp
/6eT31K.s+a"0,9_\#hdSCh%dL/-,,:O1$X+Tmk4
QV34@Vlt)$(ipRLfMkSULu)"s+@+4JR7&Y/D3A=f
P9QEn3r'Im*C_+#a9dp*TrPqQ3V[I^W!7W`!fa-d
CWN.BmPp?0MWV.U5,7Upk-k;:b=DT0+6s!LdX<-1
k0&L&0cIBu[3[=K$MPhZp;7-sel5O2IW1ZZ:`1/N
>VDX<JI7R1*'?&K%f=([%WKV38LIuE(?B766=IHa
:puu=mjs#H@OsK*k+X+!92k5,bL9K>ibY`>8*[/e
C;uB)j0H9''l-N-<_ug6ENc(fd;UumU2R!(5^q*'
>8k%PJJPf-!L<q_,/0>0HZgs<`[iBILYErJ2*WHt
91:rIV8!0lm-GU'.EkEP^5nLpXAkODVUdmlTNGhd
dW42U:f_GN8su>a:Meu]mF3:?\gmr.V_am#'5>ci
lrTfa7ZA_IOl]%&,7Rr?PX\[qk)SU\KS&u5"(bWo
XeC\EAus!$QkVN8@ckah^RZc&I^8)+n.ob7"`%q5
4N/$%jh_#DE#\Hc[ZkoP$<Pc<VPtehI%)j49A_ui
Yq=,BaC`dE?*ZQQN!MRU9<4RE6ZV=NP%rHi!p\Q[
A;ncm>u&i+_2;",(.9staO/O6NW^OUWWV-hfhCuW
nU]9N4Crb/lB3Mb6:7^1Q.?ZN^`XH.%@Z!-7QMT]
g.O_fW(Juf8st\(=JX<-<$e2QL;g9Ij97mt^Anll
rbS,kmV.Qq%"=3M`qT%icebcq8<'oL=h$i8NkC*C
PFKCAec)eU9]S<i(7bHDQ*;]1GI"?1G>30N=Y%sl
UQI1:cd^D3`6mRbHCeXC'ckc")N=e%FjMhd3Gm:i

[nomko]

Ok, dat werkt dus niet. Dan zal je es moeten vergelijken welke bestandstypes als uitvoer staan in Xsane en welke OpenOffice kan importeren.

[nomko]

Heb je in xsane niet de mogelijkheid om ingescande documenten direct door te sturen naar een externe programma zoals OpenOffice?

[HarzG]

Ik heb net een bladzijde met getypte tekst en een plaatje ingescand nu kan ik deze opslaan als jpg o.i.d. Maar hoe kan ik nu de scan opslaan zodat ik de tekst bewerken in oOO writer? Ik heb al iets geprobeerd met OCR, maar dan doe ik waarschijnlijk iets niet goed qua instelling.

Met Synaptic heb ik OCRopus gevonden - niet getest. Als dat wat is, zou ik het graag van je willen horen.

[nomko]

Welke versie van Ubuntu gebruik je? In 10.04 zit xsane niet meer standaard erin, maar is vervangen door een andere programma.

[ivo]

Ok, dat werkt dus niet. Dan zal je es moeten vergelijken welke bestandstypes als uitvoer staan in Xsane en welke OpenOffice kan importeren.

op dit moment heb ik alleen de 4 opties;

Save image
OCR - save as text
Clone
Close

[ivo]

Welke versie van Ubuntu gebruik je? In 10.04 zit xsane niet meer standaard erin, maar is vervangen door een andere programma.

Ik draai de 10.04. Weet je wat dat andere programma is?

[nomko]

Ben niet thuis nu. Zit via mijn Blackberry te pielen hier. Maar als je 10.04 hebt moet die programma standaard geinstalleerd zijn en te vinden onder Toepassingen > Grafisch. Scannen ofzo heet het. Het moet daar tussen staan.

[ivo]

Ben niet thuis nu. Zit via mijn Blackberry te pielen hier. Maar als je 10.04 hebt moet die programma standaard geinstalleerd zijn en te vinden onder Toepassingen > Grafisch. Scannen ofzo heet het. Het moet daar tussen staan.

Simple Scan staat geïnstalleerd. Zal daar straks eens naar kijken.

[nomko]

Ben niet thuis nu. Zit via mijn Blackberry te pielen hier. Maar als je 10.04 hebt moet die programma standaard geinstalleerd zijn en te vinden onder Toepassingen > Grafisch. Scannen ofzo heet het. Het moet daar tussen staan.

Simple Scan staat geïnstalleerd. Zal daar straks eens naar kijken.

Juist Simple-scan heet het programma. Xsane is vanaf Ubuntu versie 10.04 vervangen door Simple-scan.

[ivo]

Juist Simple-scan heet het programma. Xsane is vanaf Ubuntu versie 10.04 vervangen door Simple-scan.

Da's wel een héél erg uitgeklede applicatie t.o.v. XSane. Hoe kunnen ze dat nou een vervanger noemen.
Nou ja, je kan het natuurlijk altijd een vervanger noemen, maar dan verwacht ik toch wel een functioneel
volwaardige vervanger.

[Gijsbert]

Dag Nomko en Ivo, even snel een berichtje. Alvast bedankt voor de antwoorden. Helaas moet ik zo al weer weg en heb ik vanavond pas tijd om het een en ander uit te proberen.

[Thomas de Graaff]

Hier is een aardig artikeltje over een aantal ocr's:
http://www.splitbrain.org/blog/2010-06/15-linux_ocr_software_comparison

[nomko]

@Gijsbert: je kan het ook zo bekijken. Degene die moeite hadden mnet het losse menu structuur van Xsane met de vele instelmogelijkheden hebben nu een veel simpele en eenvoudige te bedienen programma.  

[Gijsbert]

Inmiddels het een en ander geprobeerd.
Gocr had ik al geïnstalleerd en krijg ook die "onzin" zoals Ivo schrijft. Op deze site kwam ik daarover iets tegen http://blog.bigsmoke.us/2010/02/02/linux-ocr Op deze site ook nog iets over OCR http://www.linux.com/archive/feature/138511 maar dat lijkt mij weer omslachtig. Ik kwam ook tegen dat de resolutie 400 of hoger moet zijn voor een beter resultaat met OCR.
In oOO writer kan ik alleen plaatjes inscannen.
Ik ben nu bezig met gscan2pdf, zit in Synaptic, hier ben ik nog niet helemaal uit, qua bewerken. Het scannen gaat wel goed, bij OCR kan ik ook kiezen voor Tesseract met Nederlandse taalherkening, ook hier heb ik nog geen resultaat gehad.
Ik ga nu even de link doorspitten van Thomas.

Edit: met gscan2pdf en gebruik van Tesseract dit resultaat:
1e file is de orginele tekst, 2e file is met OCR  Dus nog niet perfect maar het begint ergens op te lijken, misschien nog een hogere resolutie bij het scannen?

P.S. Ik lees dit niet, mocht je dat denken, XD mijn vrouw is lerares op een internationale basisschool.

[Pattattezak]

Ooit ben ik hier een topic begonnen omtrend tesseract ocr. Gelukkig heeft iemand mij toen een veel beter alternatief gegeven. Maar toch ... Onder Windows heb ik nog gewerkt (en werk ik nog) met ABBYY Finereader. Voor ocr is dit volgens mij het best aangewezen programma. Er bestaat een Linux versie van, maar met deze heb ik nog nooit gewerkt. Voor MS zitten ze ondertussen reeds aan versie 10. Zelf werk ik nog met de versie 7. Ooit heb ik ook nog met de versie 9 gewerkt en er was een duidelijke vooruitgang geboekt. Succes er mee! 

[Bertel]

Sorry voor de late reactie.
Voor mij werkt onderstaande ook voor de volle 100% en is heel eenvoudig.


Installatie
1. Zoekterm in Ubuntu softwarecentrum : ocr
2. Kies: Command line OCR tool tesseract-ocr en installeren
3. Daarna: tesseract-ocr language files for Dutch text en installeren
 
OCR wordt geïnstalleerd in /user/share met daarin tessdata

Gebruik
1. Instelling bij Toepassingen, Grafisch, Scannen (=Simple Scan): Document--> Scannen--> Foto (:geeft gewenste dpi.)
2. Inscannen
3. Bijsnijden
4. Opslaan in /home/bert als document.tif (met één f)
5. Commando ingeven in terminal:
tesseract /home/bert/document.tif /home/bert/output -l nld

Opmerking:
de toevoeging ' -l nld ' verhoogt de correctheid.

[Gijsbert]

tesseract-ocr had ik al geïnstalleerd met Nederlandse tekst herkenning.
Ik heb voor de rest het nog uitgetest zoals je verder beschrijft, met handgeschreven tekst, dit wordt helemaal niet herkent bij mij.
Met gedrukte tekst gaat het een stuk beter, echt 100% is het nog niet, maar beter dan via gscan2pdf ondanks dat deze ook gebruik maakt van tesseract. Beetje vreemd?

Wat ABBYY Finereader betreft, ik heb de CLI versie gedownload, bij alle andere downloads moest je je hele doopceel opgeven, daar hou ik niet van.
Zelfs bij de firma zelf, en de prijzen worden ook niet vermeld, raar?

[Bertel]

Inderdaad Gijsbert, handgeschreven tekst is mij nog never nooit gelukt. 

Wat Abbyy CLI betreft, lijkt veelbelovend (i.i.g. voor de ervaren terminalgebruiker).
Ben benieuwd naar jouw mening.

[Pattattezak]

Met handgeschreven tekst gaat het moeilijker. In de versie 7 van ABBYY Finereader (draaiende onder MS software) kan men een lettertype (font) kiezen om de tekstherkenning in uit te voeren. Er zijn/waren enkele honderden fonts die een handgeschreven tekst nabootsen. Als je toevallig op een lettertype stoot die zeer dicht bij de handgeschreven tekst aanleunt, haal je (naar mijn bescheiden mening) een zeer goed resultaat. Men kan ook zelf een lettertype gaan maken, maar dit lijkt mij toch al iets omslachtiger?  

[KeesS]

Ik heb net een bladzijde met getypte tekst en een plaatje ingescand nu kan ik deze opslaan als jpg o.i.d. Maar hoe kan ik nu de scan opslaan zodat ik de tekst bewerken in oOO writer? Ik heb al iets geprobeerd met OCR, maar dan doe ik waarschijnlijk iets niet goed qua instelling.

Gijsbert,
excuses als dit een domme opmerking is van een oude man.
Iemand heeft mij eens uitgelegd en voorgedaan hoe ik gescande tekst kon opslaan om te bewerken.
Het is lang geleden en ik weet niet meer hoe het precies het werkte.

Het vreemde (voor mij) was, dat je de tekst niet moest opslaan, maar "afdrukken".
En dan kiezen voor een *.pdf-bestand of een pdf-printer o.i.d.
Dan werd een bestand aangemaakt wat je kon lezen en/of bewerken met Adobe Reader. (meen ik)

Nogmaals hij heeft het me voorgedaan en het werkte, maar sorry als mijn uitleg niet geheel juist is.
Het is lang geleden en mijn geheugen laat wel eens wat te wensen over helaas.