文字認識ソフトTesseract
 快適ソフトトップへ 
 
       
 Tesseract 紹介・DownLoad・インストール   追加の言語辞書のダウンロード(必須) 
 オプション   Tesseractの使い方 
 TessToolの紹介   TessToolのダウンロード   試用体験記 

 Tesseractの使い方

                                   更新 2021/08/31(火)                                      (C)文責 炭本 治之  

 ■使い方の概要

  (1)まず,書籍のページをスキャンして画像ファイルを作成     スキャンの解像度は,      A5サイズの書籍なら300dpiで十分です。      文庫本なら文字が小さいので600dpiでスキャンする必要があります。   (2)必要なら,画像ファイルに斜め補正をする    スキャンした画像ファイルは,微妙に斜めにスキャンされているものです。    必要に応じて,文字列が完全に水平方向になるように斜め補正をします。    斜め補正のためのツールは「手軽に斜め直し」というフリーソフトがお勧めです。   (3)画像ファイルから文字認識させる部分を切り取って,画像ファイルを作成    スキャンした画像ファイルには,図,写真,水平線など,文字認識できない部分があります。    ペイントを使って,文字認識させる部分だけの画像ファイルを作成します。    (例)p92_part01.png        (4)コマンドプロンプトを起動してTesseractを実行    例えば,     文字認識させる画像ファイル  C:\01Tess\p92_part01.png     認識結果のテキストファイル  C:\01Tess\result.txt     認識に試用する言語辞書    jpn_34MB.traineddata    の場合は,コマンドプロンプトを起動して,次のように入力します。     tesseract C:\01Tess\p92_part01.png C:\01Tess\result -l jpn_34MB    また,バッチファイルを作成して,それを実行する手もあります。    (例)tess_jpn.bat      rem 日本語認識用      tesseract C:\01Tess\p92_part01.png C:\01Tess\result -l jpn_34MB      pause   (5)Tesseractが出力したテキストファイルをメモ帳などで開き,確認して修正    (例)result.txt         Tesseractが誤認識した文字を修正します。    日本語の画像を日本語で認識した場合,全角文字の直後に半角スペースが追加されています。    その半角スペースはすべて削除します。(置換で一括で削除できる)    また,文字コードはUTF8,改行コードはLfになっています。    (1秒1答で空欄問題にするテキストファイルとしては使えない形式)    文字コードをShiftJISにして保存します。    (メモ帳の場合,名前を付けて保存で文字コードをANSI指定で保存する)     

 ■操作が面倒で実用的でない

  上の(3)(4)(5)の作業は,Windowsに付属のソフトの    ペイント    コマンドプロンプト    メモ帳   でできます。   しかし,かなり面倒な作業です。   Tesseractを便利に使うためには,(3)(4)(5)の作業を簡単にできるツールソフトが必要です。   次は,そのツールソフトの紹介です。 (終わり) ページの先頭へ