web-dev-qa-db-ja.com

OCRツールを使用して画面領域から瞬時にテキストを抽出するにはどうすればよいですか？

Ubuntu 12.10では、入力すると

gnome-screenshot -a | tesseract output

それは返します：

** Message: Unable to use GNOME Shell's builtin screenshot interface, resorting to fallback X11.

画面からテキストを選択して、テキスト（クリップボードまたはドキュメント）に変換するにはどうすればよいですか？

ありがとうございました！

12.10software-recommendationscreenshotocr
26
Erling

おそらくそれを行うツールが既にあるかもしれませんが、使用しようとしているスクリーンショットツールとtesseractを使用して簡単なスクリプトを作成することもできます。

例として、このスクリプトを使用します（私のシステムでは、/usr/local/bin/screen_tsとして保存しました）：

#!/bin/bash
# Dependencies: tesseract-ocr imagemagick scrot

select tesseract_lang in eng rus equ ;do break;done
# Quick language menu, add more if you need other languages.

SCR_IMG=`mktemp`
trap "rm $SCR_IMG*" EXIT

scrot -s $SCR_IMG.png -q 100 
# increase quality with option -q from default 75 to 100
# Typo "$SCR_IMG.png000" does not continue with same name.


mogrify -modulate 100,0 -resize 400% $SCR_IMG.png 
#should increase detection rate

tesseract $SCR_IMG.png $SCR_IMG &> /dev/null
cat $SCR_IMG.txt
exit

クリップボードのサポート：

#!/bin/bash 
# Dependencies: tesseract-ocr imagemagick scrot xsel

select tesseract_lang in eng rus equ ;do break;done
# quick language menu, add more if you need other languages.

SCR_IMG=`mktemp`
trap "rm $SCR_IMG*" EXIT

scrot -s $SCR_IMG.png -q 100    
# increase image quality with option -q from default 75 to 100

mogrify -modulate 100,0 -resize 400% $SCR_IMG.png 
#should increase detection rate

tesseract $SCR_IMG.png $SCR_IMG &> /dev/null
cat $SCR_IMG.txt | xsel -bi

exit

scrotを使用して画面を表示し、tesseractを使用してテキストを認識し、catを使用して結果を表示します。クリップボードバージョンはさらに、xselを使用して、出力をクリップボードにパイプします。

sample usage

NOTE：scrot、xsel、imagemagick、およびtesseract-ocrはデフォルトではインストールされませんただし、デフォルトのリポジトリから入手できます。

scrotをgnome-screenshotに置き換えることもできますが、多くの作業が必要になる場合があります。出力に関しては、テキストファイルを読み取ることができるものなら何でも使用できます（テキストエディターで開く、認識されたテキストを通知として表示するなど）。

GUIバージョンのスクリプト

以下に、言語選択ダイアログを含むOCRスクリプトのシンプルなグラフィカルバージョンを示します。

#!/bin/bash
# DEPENDENCIES: tesseract-ocr imagemagick scrot yad
# AUTHOR:       Glutanimate 2013 (http://askubuntu.com/users/81372/)
# NAME:         ScreenOCR
# LICENSE:      GNU GPLv3
#
# BASED ON:     OCR script by Salem (http://askubuntu.com/a/280713/81372)

TITLE=ScreenOCR # set yad variables
ICON=gnome-screenshot

# - tesseract won't work if LC_ALL is unset so we set it here
# - you might want to delete or modify this line if you 
#   have a different locale:

export LC_ALL=en_US.UTF-8

# language selection dialog
LANG=$(yad \
    --width 300 --entry --title "$TITLE" \
    --image=$ICON \
    --window-icon=$ICON \
    --button="ok:0" --button="cancel:1" \
    --text "Select language:" \
    --entry-text \
    "eng" "ita" "deu")

# - You can modify the list of available languages by editing the line above
# - Make sure to use the same ISO codes tesseract does (man tesseract for details)
# - Languages will of course only work if you have installed their respective
#   language packs (https://code.google.com/p/tesseract-ocr/downloads/list)

RET=$? # check return status

if [ "$RET" = 252 ] || [ "$RET" = 1 ]  # WM-Close or "cancel"
  then
      exit
fi

echo "Language set to $LANG"

SCR_IMG=`mktemp` # create tempfile
trap "rm $SCR_IMG*" EXIT # make sure tempfiles get deleted afterwards

scrot -s $SCR_IMG.png -q 100 #take screenshot of area
mogrify -modulate 100,0 -resize 400% $SCR_IMG.png # postprocess to prepare for OCR
tesseract -l $LANG $SCR_IMG.png $SCR_IMG # OCR in given language
cat $SCR_IMG | xsel -bi # pass to clipboard
exit

上記の依存関係とは別に、スクリプトを機能させるために webupd8 PPAからのZenity fork YAD をインストールする必要があります。

35
Salem

誰かが私のソリューションを必要とするかどうかわからない。これがウェイランドで実行されるものです。

テキストエディターで文字認識を表示し、「yes」パラメーターを追加すると、ゴーグルトランスツールから翻訳が得られます（インターネット接続が必須です）。使用する前に、tesseract-ocr imagemagickおよびgoogle-transをインストールします。認識したいテキストが表示されたら、Alt + F2でgnomeでスクリプトを開始します。コースラーをテキストの周りに移動します。それでおしまい。このスクリプトはgnome専用です。他のウィンドウマネージャーの場合は、対応する必要があります。他の言語のテキストを翻訳するには、25行目の言語IDを置き換えます。

#!/bin/bash
# Dependencies: tesseract-ocr imagemagick google-trans

translate="no"
translate=$1

SCR_IMG=`mktemp`
trap "rm $SCR_IMG*" EXIT

gnome-screenshot -a -f $SCR_IMG.png  
# increase quality with option -q from default 75 to 100
# Typo "$SCR_IMG.png000" does not continue with same name.


mogrify -modulate 100,0 -resize 400% $SCR_IMG.png 
#should increase detection rate

tesseract $SCR_IMG.png $SCR_IMG &> /dev/null

if [ $translate = "yes" ] ; then

        trans :de file://$SCR_IMG.txt -o $SCR_IMG.translate.txt
        gnome-text-editor $SCR_IMG.translate.txt
        else
        gnome-text-editor $SCR_IMG.txt
fi

exit
3
Ronald

私はちょうど blogging を現代のスクリーンショットの使用方法についてしました。私は中国語をターゲットにしていますが、スクリーンキャストとコードは英語です。 OCRは単なる機能の1つです。

OCRの機能：

  • Konsole + vimx OR geditで開き、さらに編集します。

  • Vimx + englishの場合、スペルチェックを有効にします。

  • ハードコードなしで動的な言語選択をサポートします。

  • 変換およびtesseractingの進行ダイアログが遅い。

機能コード：

function ocr () {
    tmpj="$1"
    tmpocr="$2"
    tmpocr_p="$3"
    atom="$(tesseract --list-langs 2>&1)"; atom=(`echo "${atom#*:}"`); atom=(`echo "$(printf 'FALSE\n%s\n' "${atom[@]}")"`); atom[0]='True'
    ans=(`yad --center --height=200 --width=300 --separator='|' --on-top --list --title '' --text='Select Languages:' --radiolist --column '✓' --column 'Languages' "${atom[@]}" 2>/dev/null`) && ans="$(echo "${ans:5:-1}")" &&  convert "$tmpj[x2000]" -unsharp 15.6x7.8+2.69+0 "$tmpocr_p" | yad --on-top --title '' --text='Converting ...' --progress --pulsate --auto-close 2>/dev/null && tesseract "$tmpocr_p" "$tmpocr" -l "$ans" 2>>/tmp/tesseract.log | yad --percentage=50 --on-top --title '' --text='Tesseracting ...' --progress --pulsate --auto-close 2>/dev/null && if [[ "$ans" == 'eng' ]]; then konsole -e "vimx -c 'setlocal spell spelllang=en_us' -n $tmpocr.txt" 2>/dev/null; else gedit "$tmpocr.txt"; fi
    rm "$tmpocr_p"
}

発信者コード：

for cmd in "mktemp" "convert" "tesseract" "gedit" "konsole" "vimx" "yad"; do 
    command -v $cmd >/dev/null 2>&1 || {  LANG=POSIX; xmessage "Require $cmd but it's not installed.  Aborting." >&2; exit 1; }; :;
done
tmpj="$(mktemp /tmp/`date +"%s_%Y-%m-%d"`_XXXXXXXXXX.png)"
tmpocr="$(mktemp -u /tmp/`date +"%s_%Y-%m-%d"`_ocr_XXXXX)"
tmpocr_p="$tmpocr"+'.png'
gnome-screenshot -a -f "$tmpj" 2>&1 >/dev/null | ts >>/tmp/gnome_area_PrtSc_error.log
ocr $tmpj $tmpocr $tmpocr_p &

この2つのコードを単一のシェルスクリプトに組み合わせて実行します。

スクリーンショット1： enter image description here

スクリーンショット2： enter image description here

1
林果皞

アイデアは、フォルダに新しいスクリーンショットファイルが表示され、そのフォルダでtesseract OCRが実行され、ファイルエディタで開かれることです。

この実行中のスクリプトは、お気に入りのスクリーンショット出力ディレクトリの出力ディレクトリに残すことができます

#cat wait_for_it.sh
inotifywait -m . -e create -e moved_to |
    while read path action file; do
        echo "The file '$file' appeared in directory '$path' via '$action'"
        cd "$path"
        if [ ${file: -4} == ".png" ]; then
                tesseract "$file" "$file"
                sleep 1
                gedit "$file".txt &
        fi

    done

これを盗む必要があります

Sudo apt install tesseract-ocr
Sudo apt install inotify-tools
0
Eduard Florinescu

この目的のために、無料のオープンソースプログラムを作成しました。

https://danpla.github.io/dpscreenocr/

enter image description here

0
danpla