LinuxUser Apache-Alternativen: Websites aufsetzen und pflegen (Vorschau)

OCR mit Cuneiform
PRAXIS
Die wie Cuneiform selbst in Russland
entwickelte Oberfläche
YAGF setzt ebenfalls die Qt­Bibliotheken
voraus und verlangt zusätzlich
auch die Aspell­Wörterbücher
als Voraussetzung. Letztere
befinden sich in den Repositories
aller gängigen Distributionen
und lassen sich daher einfach
über Synaptics, Yast & Co. installieren.
Sie laden YAGF als Quellcode­Tarball
[5] herunter.
Lediglich Mandriva­Nutzer finden
erneut vorkompilierte Pakete
[6] in 32­ und 64­Bit­Ausführung
und richten diese bequem per
Mausklick ein. Die Routine legt
einen entsprechenden Starter im
Gnome­Menü Anwendungen | Grafik
| Weitere an. Unter KDE finden
Sie die Einträge der OCR­Oberflächen
für Cuneiform­Qt und YAGF
im Anwendungsstarter­Menü unter
Alle Programme | Grafik.
Da YAGF einen größeren Funktionsumfang
bietet als Cuneiform­
Qt und auch das automatisierte
Scannen und Einlesen der Vorlagen
mithilfe von Xsane unterstützt,
zieht es bei der Installation
– sofern nicht schon vorhanden –
Xsane zusätzlich nach. Falls Sie
YAGF manuell einrichten, empfiehlt
es sich, Xsane ebenfalls
nachzuinstallieren.
auch die sprachenspezifischen
Sonderzeichen korrekt
erkennt (Abbildung
A). Den eigentlichen
Texterkennungsvorgang
starten Sie durch
Öffnen der gewünschten
Bilddatei über den Schalter
Open Image und einen
anschließenden Mausklick
auf die Schaltfläche
Recognize Text.
Sofern die Quelldatei in einem
von Cuneiform nicht lesbaren Dateiformat
vorliegt, quittiert das
Programm dies mit einer Fehlermeldung.
Sie müssen in diesem
Fall die Bilddatei erst in ein passendes
Format konvertieren, was
mithilfe des in nahezu jeder
Linux­Distribution vorhandenen
Bildbearbeitungsprogramms
Gimp schnell und zuverlässig geschieht.
Im Test fiel auf, dass Cuneiform­Qt
offenbar ausschließlich
mit dem Bilddatei­Format
BMP zurechtkommt. Andere Formate
wie TIFF oder PNG monierte
die Software als nicht lesbar.
Auch das Ausgabeformat sollten
Sie bereits vor dem Erkennen des
Textes im Menü Settings | Configure…
| Format: festlegen. Um bei
der Weiterverarbeitung des erkannten
Textes später möglichst
flexibel zu bleiben, empfiehlt es
sich hier, die Einstellungen HTML
oder RTF zu wählen: Damit kommen
so gut wie alle Textverarbeitungs­
und Archivierungsprogramme
problemlos zurecht.
Nach Abschluss der Texterkennung
zeigt die Software das Ergebnis
absatzweise formatiert im
rechten Rahmen des Programmfensters
an (Abbildung B). Sie
können somit sofort feststellen,
ob das Ergebnis des Erkennungsdurchlaufs
brauchbar ausfällt.
Im Falle von zu fehlerbehafteten
Ergebnissen empfiehlt es sich, die
Scan­Vorlage mithilfe von Gimp
nachzubearbeiten, indem Sie Ziffern­
und Buchstabenränder
schärfen oder das gesamte Bild
skalieren. Dies lohnt sich insbesondere
bei längeren Vorlagen
A Bei Cuneiform-Qt
gibt es nicht viel zu
konfigurieren.
GloSSAR
OCR: Optical Character
Recognition. Texterkennung
in einer Bilddatei
anhand von Zeichenmus
tern. Dabei wertet
ein OCR-Programm die
vom Scanner eingelesenen
Rastergrafiken
aus und vergleicht
die se mit den Zeichensätzen
der internen Datenbank.
Mo der ne OCR-
Programme unterscheiden
außerdem durch
eine Kontextanalyse
ähnliche Zeichen und
Ziffern und erhöhen damit
die Erkennungsrate.
B Die Oberfläche von
Cuneiform-Qt benötigt
keine Einarbeitung.
Cuneiform-Qt
Ein Klick auf den Cuneiform­Qt­
Starter öffnet in geradezu atemberaubendem
Tempo ein übersichtliches
Fenster: Im oberen Bereich
übernehmen eine Menüleiste
mit gerade einmal drei Untermenüs
und darunter drei Schaltflächen
die komplette Programmsteuerung.
Darunter residieren
zwei vorerst leere Rahmen, in denen
Cuneiform­Qt später den
Quelltext und das Erkennungsergebnis
anzeigt.
Die drei Untermenüs File, Settings
und Help geben sich äußerst
spartanisch. Zum Einstieg nehmen
Sie im Menü Settings | Configure…
in den Auswahllisten Language:
und Format: die nötigen Anpassungen
vor, damit die Software
www.linux-user.de
04 | 11 49