Windows で Tesseract 4 ベータを使ってみる

Tesseract 4 ベータ のダウンロードとインストール

1. 「Tesseract OCR のバイナリ」の Web ページを開く

   https://github.com/tesseract-ocr/tesseract/wiki

2. Windows のところの「Tesseract at UB Mannheim」をクリック

3. 「Tesseract 4 ベータ」を選ぶ

4. .exe ファイルがダウンロードされる

5. ダウンロードした .exe ファイルを実行

6. ようこそ画面では「Next」をクリック

7. ライセンス条項の確認

8. ユーザの選択 (Choose Users)．既定（デフォルト）のままでよい．「Next」をクリック

9. コンポーネントの選択 (Choose Components)．既定（デフォルト）のままでよい．「Next」をクリック
   • Additional script data (download) で「Japanese script」を選ぶ
   • Additional language data (download) で「Japanese」を選ぶ

   • インストールディレクトリ（フォルダ）は、既定（デフォルト）のままでよい．「Next」をクリック

   • スタートメニューフォルダは、既定（デフォルト）のままでよい．「Install」をクリック

   • インストール終了の確認．「Next」をクリック

   • インストール終了の確認．「Finish」をクリック

   • 日本語の文章が書かれた画像を用意する

     次の画像は、Wikipedia「日本国憲法前文」から取得

     URL: https://ja.wikipedia.org/wiki/%E6%97%A5%E6%9C%AC%E5%9B%BD%E6%86%B2%E6%B3%95%E5%89%8D%E6%96%87#%E5%89%8D%E6%96%87

     

   • Windows のコマンドプロンプトを起動

   • 画像から文字を認識してみる

   • "C:\Program Files (x86)\Tesseract-OCR\tesseract.exe" ＜画像ファイル名＞ -l jpn outbase

   • outbase.txtというファイルができるので，メモ帳で確認

   • 今度はサイズが大きい画像（画素数が多い画像）」

     次の画像は、Wikipedia「日本国憲法前文」から取得

     URL: https://ja.wikipedia.org/wiki/%E6%97%A5%E6%9C%AC%E5%9B%BD%E6%86%B2%E6%B3%95%E5%89%8D%E6%96%87#%E5%89%8D%E6%96%87

     

   • 画像から文字を認識してみる

   • "C:\Program Files (x86)\Tesseract-OCR\tesseract.exe" ＜画像ファイル名＞ -l jpn outbase

   • outbase.txtというファイルを，メモ帳で確認

     精度が変化することがある．