Итак для распознавания текста в Linux есть некоторое количество движков, но ни один из них нормально не распознает кириллицу, но с некоторых пор компания
cuneiform открыла свой проект, и теперь Linux такая распознавалака имеется. Правда пока ее нет в репозитариях, поэтому нужно сделать несколько телодвижений, что бы ее установить.
Для того чтобы корректно установить его в системе следует установить пакты для сборки приложения:
#yum install make gcc gcc-c++ ImageMagick-c++-devel rpm-build cmake
После успешной установки создадим дерево каталогов в домашней директории пользователя для сборки пакетов командой от обычного пользователя:
#rpmdev-setuptree
Помните что пакеты следует собирать от непривилегированного пользователя иначе, в случае ошибки в spec файле с помощью которого будет производиться сборка можно повредиться систему.
Предыдущая команда создает дерево каталогов в котором будет производиться сборка пакета. В каталоге rpmbuild домашней директории, создаются каталоги BUILD, BUILDROOT, RPMS, SOURCES, SPECS и SRPMS.
Для того чтобы собрать пакет нужно в каталог SOURCES поместит исходный код программы (его возьмите с
отсюда), и spec файл в котором описывается процесс сборки программы. Я написал такой:
Name: cuneiform
License: BSD
Group: Office/Productivity
Version: 0.9.0
Release: 1%{?dist}
Summary: OCR system
Source0: http://launchpad.net/cuneiform-linux/0.9/cuneiform-linux-0.9/+download/%{name}-linux-%{version}.tar.bz2
BuildRequires: ImageMagick-c++-devel
BuildRoot: %{_tmppath}/%{name}-%{version}-%{release}-root-%(%{__id_u} -n)
URL: https://launchpad.net/cuneiform-linux
%description
Cuneiform is an multi-language OCR system originally developed
and open sourced by Cognitive Technologies. Cuneiform was
originally a Windows program, which was ported to Linux
by Jussi Pakkanen.
%prep
%setup -n %{name}-linux-%{version}
%build
mkdir builddir
cd builddir
%{cmake} -DCMAKE_BUILD_TYPE=release ..
make
%install
make -C builddir install DESTDIR=$RPM_BUILD_ROOT
%files -f builddir/install_manifest.txt
%defattr(-,root,root,0755)
%doc readme.txt issues.txt original\ russian\ readme.rtf
%changelog
* Sun Apr 25 2010
Version 0.9.0-1
Сохраните его в файл ~/rpmbuilds/SPECS/cuneiform.spec.
Теперь выполните команду сборки пакет (Помните! От непривилегированного пользователя!):
#rpmbuild -bb ~/rpmbuilds/SPECS/cuneiform.spec
Процесс занимает некоторое время в зависимости от мощности компьютера. Дождитесь окончания процесса, в итоге команда должна выдать нечто вроде этого:
Записан: /home/user/rpmbuild/RPMS/i686/cuneiform-0.9.0-1.i686.rpm
Записан: /home/user/rpmbuild/RPMS/i686/cuneiform-debuginfo-0.9.0-1.i686.rpm
Выполняется(%clean): /bin/sh -e /var/tmp/rpm-tmp.2Teexq
+ umask 022
+ cd /home/user/rpmbuild/BUILD
+ cd cuneiform-linux-0.9.0
+ /bin/rm -rf /home/user/rpmbuild/BUILDROOT/cuneiform-0.9.0-1.i386
+ exit 0
Как видите готовый пакет с программой записан в каталог /rpmbuild/RPMS/i686/. Установите его таким образом:
#rpm -ihv /home/user/rpmbuild/RPMS/i686/cuneiform-0.9.0-1.i686.rpm
Если все успешно прошло, можно использовать программу из командной строки:
#cuneiform -l rus -o text.rtf -f rtf Отсканированный\ документ.png
Опционально доступны следующие языки распознавания:
Cuneiform for Linux 0.9.0
Supported languages: eng ger fra rus swe spa ita ruseng ukr srp hrv pol dan por dut cze rum hun bul slo lav lit est tur.
И следующие выводные форматы:
Cuneiform for Linux 0.9.0
Supported formats:
html HTML format
hocr hOCR HTML format
native Cuneiform 2000 format
rtf RTF format
smarttext plain text with TeX paragraphs
text plain text
Возможности программы
Cuneiform очень широки, тем более что до недавнего времени на этом поприще было все достаточно грустно.
