Olá Luciano, Tenho usado o Tesseract com o gImageReader e aprendi que se usar o Tesseract configurado para inglês ele se perde todo quando o texto está em português. Se a qualidade da imagem não for boa ele perde alguma coisa também. Ele se confunde com acentos e troca letras por algarismos. Enfim, é só uma dica de experiência que tive. Qualquer dúvida, me fale.
Abraços e sucesso, Nelson P.S. Para mim, que não tenho deficiência visual, é fácil identificar onde ele se perde e corrigir ao copiar o texto. On 13-12-2013 10:22, luciano de souza wrote: > Caros, > > Experimentei o Tesseract em páginas digitalizadas de um livro. Não foi > reconhecido um só caracter. > > Na Wikipédia, fiquei a saber que o Tesseract não processa layout, por > isso, não é indicado para textos que possuam mais de uma coluna. > > Esta é uma limitação gravíssima para mim. O texto que recebi, tinha > sido digitalizado com o livro deitado, portanto, com duas páginas por > vez, formando duas colunas. > > Quando o livro é pequeno, esta é forma extraordinária para poupar > tempo. Mas no presente caso, que já recebi o texto digitalizado, nem > mesmo a opção de digitalizar uma página por vez estava disponível. > > Sou cego. O OCR é para mim a possibilidade de adquirir um livro em uma > livraria comum e lê-lo de modo completamente acessível. Portanto, a > digitalização e o reconhecimento ótico de caracteres são tarefas muito > críticas para mim. > > Se o Tesseract não pode atender-me, quais seriam as outras opções > livres ou pagas com as quais poderia contar no Linux? > -- Mais sobre o Ubuntu em português: http://www.ubuntu-br.org/comece Lista de discussão Ubuntu Brasil Histórico, descadastramento e outras opções: https://lists.ubuntu.com/mailman/listinfo/ubuntu-br
