分享一些與OCR相關的軟體、庫和文章等資源，歡迎大家補充

文末附相關資源下載地址

目錄

· 軟體方面

OCR引擎

老的OCR引擎

OCR檔案格式

HOCR

ALTO XML

TEI

OCR CLI

OCR GUI

OCR預處理

OCR服務

OCR評估

OCR庫（按程式語言排序）

Go

Java

.Net

Javascript

PHP

Python

Ruby

OCR培訓工具

· 學術方面

OCR相關出版物和連結列表

部落格帖子和教程

OCR一些例項

學術文章

軟體方面

OCR引擎

··· tesseract - 最基礎的奠基性的OCR引擎Apache 2.0

··· ocropus - 基於LSTM的OCR引擎，Apache 2.0

··· ocropus 0.4 - 較老的v0.4版本的Ocropus，包含tesseract 2.04和iulib，C ++

··· Kraken - Ocropus交叉版

··· Ocrad - GNU OCR，GPL

··· Digit - OCR用於數字顯示，例如功率計，使用Caffe

··· ocular - 機器學習OCR用於歷史檔案

··· SwiftOCR - 快速簡單的OCR庫，用Swift編寫

··· Attention OCR - 使用視覺注意機制OCR引擎

··· RWTH-OCR - 亞琛大學光學字元識別系統

··· simple-ocr-opencv及其fork - 一個使用opencv和numpy的簡單的pythonic OCR引擎

比較老且可能被廢棄的OCR引擎

··· Clara OCR - C GPL中的開源OCR引擎

··· CuneiForm - CuneiForm OCR由Cognitive Technologies開發

··· Eye - 實驗性Java OCR（影象到文字）應用程式

··· kognition - 用於KDE的Omnifont OCR軟體

··· OCRchie - 模組化光學字元識別軟體

··· ocre - ocr易用版

··· xplab - 用於模式匹配的GTK 2工具

··· hebOCR - 希伯來文字元識別庫（以前命名為hocr，請參閱維基百科文章）GPL

OCR檔案格式

··· abby2hocr.xslt XSLT指令碼

··· OCR轉換指令碼

HOCR

··· horc-tools - 使用hOCR檔案格式，用於做各種有用事情的工具，Apache 2.0

··· hocr-spec -hOCR 1.1規範

··· ocr-transform - 用於在hOCR和ALTO之間轉換的CLI工具，MIT

··· hocr-parser - hOCR規範Python Parser

··· hOCRTools - hOCR到為ALTO轉換XSLT

ALTO XML

··· ALTO XML Schema - XML Schema和ALTO XML格式的開發

··· ALTO XML Documentation - ALTO的文件和用例

··· alto-tools - 使用ALTO檔案的各種工具，Python

··· AbbyyToAlto - 從Abbyy 6轉換來的ALTO XML的PHP指令碼

TEI

··· TEI-OCR -TEI，為OCR定製，用於生成的佈局和內容資訊

··· TEI SIGon Libraries - TEI庫的最佳實踐

··· GDZ - 基於METS / TEI的GDZ文件格式

OCR CLI

··· OCRmyPDF - OCRmyPDF將OCR文字層新增到經過掃描的PDF檔案中，允許搜尋

··· Ocrocis - Ocropy專案管理介面，另見外部專案主頁

OCR GUI

··· moz-hocr-editor - 用於編輯hOCR檔案的Firefox Addon 已停用

··· qt-box-editor - tesseract-ocr檔案的QT4編輯器。

··· ocr-gt-tools - 用於編輯OCR實況的客戶端 - 伺服器應用程式。

··· PaperWork - 使用掃描器和OCR輕鬆列印紙質文件（僅限於Linux）。

··· Paperless - 掃描，索引和歸檔所有紙張文件。

··· gImageReader - gImageReader是一個簡單的到tesseract-ocr的Gtk / Qt前端。

··· VietOCR - 用於Tesseract OCR引擎的一個Java / .NET GUI前端，包括jTessBoxEditor，一個圖形Tesseract 框資料編輯器

··· PoCoTo

··· OCRFeeder - GTK圖形使用者介面，允許使用者更正字元或邊框，支援ODT匯出等。

OCR預處理

··· NoiseRemove.java in MarhOCR - Java實現

··· binarize.c in ZBar - 基於Sauvola，由C語言實現two binarization algorithms，

··· typeface-corpus - 用於訓練Tesseract和OCRopus的自然歷史收藏和數字人文學科的一個庫。

··· binarizewolfjolion - 二值化演算法的比較。部落格帖子

··· crop_morphology.py in oldnyc - 將頁面裁剪成文字塊

··· Whiteboard Picture Cleaner - one-liner/script,用於清理和美化白板照片

··· Fred的ImageMagick指令碼textcleaner - 處理掃描文件，以清理文字背景

OCR服務

··· Open OCR - 在Docker容器中執行Tesseract

··· tesseract-web-service - 使用tornado實現的，用於tesseract-OCR的RESTful Web服務。

··· docker-ocropy - 用於執行ocropy OCR系統的Docker容器。

··· ABBYY Cloud OCR SDK程式碼示例 - 使用專有商業版權的ABBYY OCR API的程式碼示例。

··· nidaba - 可擴充套件的OCR pipeline

··· gamera - 用於構建文件處理應用程式的基本框架，例如OCR

··· ocr-tools - 為普通OCR引擎提供CLI和Web服務介面的專案

··· ocrad-docker - 在docker容器中執行ocrad OCR引擎

··· Kraken-docker - 在docker中執行kraken OCR引擎

··· ocr.space - 基於Tesseract ，免費線上OCR和OCR API （程式碼不開放）

OCR評估

··· ISRI OCR評估工具，以及1996年的使用者指南：！：

o isri-ocr-evaluation-tools - 由@eddieantonio（2015年，2016年）的進一步開發

o ancientgreekocr-evaluation-tools - 由@nickjwhite進一步開發（2013年，2014年）

··· ocrevalUAtion - 跨格式評估，CLI和GUI

··· ngram-ocr-eval - 使用ngram進行粗暴且簡單的OCR評估

··· quack - 質量保證工具 - 用於對應的ALTO檔案掃描

OCR庫（按程式語言排序）

Go

··· gosseract - Golang OCR庫，包裝Tesseract-ocr。

Java

··· Tess4J - Java本地訪問，繫結到Tesseract。

··· tess-two - 用於在Android和Java API上編譯Tesseract的工具。

.Net

··· tesseract for .net - Tesseract-ocr的.Net包裝器。

PHP

··· Tesseract OCR for PHP - Tesseract PHP

Python

··· pythesseract - 一個用於Google Tesseract的Python包裝器。

··· pyocr - Tesseract和Cuneiform的Python包裝。

··· ocrodjvu - 基於DjVu檔案格式，執行OCR的庫和獨立工具，包裝Cuneiform，gocr，ocrad，ocropus和tesseract

Javascript

··· ocracy - 基於ocropus的，純JavaScript lstm rnn實現

··· gocr.js - gocr的Javascript埠（emscripten）

··· ocrad.js - ocrad的 Javascript埠（emscripten）

··· tesseract.js - Tesseract的 Javascript埠（emscripten）

··· node-tesseract - Tesseract OCR包的簡單包裝器。

··· node-tesseract-native - C ++模組，使用tesseract和leptonica，用於node providing測OCR。

Ruby

··· rtesseract - 包含tesseract和imagemagick可執行檔案的Ruby庫。

··· ruby-tesseract - 用於Ruby MRI和JRuby的Native Tesseract Binding

··· ocr_space - API包裝器，用於免費的ocr服務ocr.space。包括CLI

OCR訓練工具

··· glyph-miner - 從早期print中提取glyphs的系統

學術方面

OCR-相關的著作或連結

··· IMPACT: Tools for text digitisation - 與OCR相關的一些軟體、工具

··· OCR-D - 與OCR相關的一些學術文章.

··· Mendeley Group "OCR - Optical Character Recognition" - 34篇與OCR相關的文章

··· eadh.org projects - 歐洲一些與人臉識別相關的文章, 其中一些與OCR相關

··· Wikipedia: Comparison of optical character recognition software

··· OCR [and Deep Learning] 由 @handong1587編寫

··· Ocropus Wiki: Publications

部落格文章或者入門指導

··· Tesseract Blends Old and New OCR Technology (2016) @theraysmith

[email protected], 添加了 "What You Always Wanted to Know" PPT

··· What You Always Wanted To Know About Tesseract (2014) @theraysmith

[email protected], 包含demos

··· Extracting text from an image using Ocropus (2015)

··· Training an Ocropus OCR model (2015) @danvk

··· Ocropus Wiki: Compute errors and confusions (2016) @zuphilip

··· Ocropus Wiki: Working with Ground Truth (2016) @zuphilip

··· OCRopus (2016) @jze

o ocropus

··· 10 Tips for making your OCR project succeed (2013) @cneud

-關於OCR projects一些需要考慮的東西

··· Overview of LEADTOOLS Image Cleanup and Pre-processing SDK Technology -

-用於商業影象預處理的列表；具有用於OCR預處理的步驟。

··· Extracting Text from PDFs; Doing OCR; all within R @shawngraham

-如何基於PDF檔案進行OCR， R programming environment

··· Tutorial: Command-line OCR on a Mac @bmschmidt

-在Mac OSX執行tesseract的指導教程

··· Practical Expercience with OCRopus Model Training (2016) @jze

··· Homemade Manuscript OCR (1): OCRopy (2017) @Jean-Baptiste-Camps

-如何將OCR用於處理醫療文件的指導教程

··· Optimizing Binarization for OCRopus (2017) @jze

··· Prototype demo for OCR postfix in Danish Newspapers (2016) @thomasegense

··· How Can I OCR My Dictionary? (2016) @JessedeDoes

··· "Needlessly complex" blog (2016) @mzucker. 基於Python的幾種圖片處理指導教程:

-Page dewarping (code)

-Compressing and enhancing hand-written notes (code)

-Unprojecting text with ellipses (code)

OCR 示例

··· abbyy-finereader-ocr-senate - 使用OCR解析掃描的參議院財務報表。

··· cvOCR - 用於識別簡歷或cv文字的OCR系統，基於tesseract，由Python和C實現

··· MathOCR - 列印的科學文件識別系統, pre-alpha

一些重要的學術論文

2011 and before

··· High performance document layout analysis (2003) Breuel

··· Adaptive degraded document image binarization (2006) Gatos, Pratikakis, Perantonis

··· [Internship Report] (2007) Gupta

··· OCRopus Addons (Internship Report) (2007) Dantrey

2012

··· Local Logistic Classifiers for Large Scale Learning (2012) Yousefi, Breuel

2013

··· High Performance OCR for Printed English and Fraktur using LSTM Networks (2013) Breuel, Ul-Hasan, Mayce Al Azawi. Shafait

··· Can we build language-independent OCR using LSTM networks? (2013) Ul-Hasan, Breuel

··· Offline Printed Urdu Nastaleeq Script Recognition with Bidirectional LSTM Networks (2013) Ul-Hasan, Ahmed, Rashid, Shafait, Breuel

2014

··· OCR of historical printings of Latin texts: Problems, Prospects, Progress. (2014) Springmann, Najock, Morgenroth, Schmid, Gotscharek, Fink

··· Correcting Noisy OCR: Context beats Confusion (2014) Evershed, Fitch

2015

··· TypeWright: An Experiment in Participatory Curation (2015) Bilansky

o On crowd-sourcing OCR postcorrection

··· Benchmarking of LSTM Networks (2015) Breuel

··· Recognition of Historical Greek Polytonic Scripts Using LSTM (2015) Simistira, Ul-Hassan, Papavassiliou, Basilis Gatos, Katsouros, Liwicki

··· A Segmentation-Free Approach for Printed Devanagari Script Recognition (2015) Karayil, Ul-Hasan, Breuel

··· A Sequence Learning Approach for Multiple Script Identification (2015) Ul-Hasan, Afzal, Shfait, Liwicki, Breuel

2016

··· Important New Developments in Arabographic Optical Character Recognition (OCR) (2016) Romanov, Miller, Savant, Kiessling

o on kraken

o using OpenArabic/OCR_GS_Data for ground truth data

··· OCR of historical printings with an application to building diachronic corpora: A case study using the RIDGES herbal corpus (2016) Springmann, Lüdeling

··· Automatic quality evaluation and (semi-) automatic improvement of mixed models for OCR on historical documents (2016) Springmann, Fink, Schulz

··· Generic Text Recognition using Long Short-Term Memory Networks (2016) Ul-Hasan -- Ph.D Thesis

··· OCRoRACT: A Sequence Learning OCR System Trained on Isolated Characters (2016) Andreas Dengel, Ul-Hasan, Bukhari

2017

··· Telugu OCR Framework using Deep Learning (2015/2017) Achanta, Hastie

o see also TeluguOCR, banti_telugu_ocr, chamanti_ocr, #49

文章資源下載地址：

密碼: p85r

往期內容推薦：