OCRmyPDF
约 1 分钟阅读
标签：PDF
- ocrmypdf/OCRmyPDFGitHubocrmypdf/OCRmyPDFocrmypdf/OCRmyPDF · MPL-2.0, Python · adds an OCR text layer to scanned PDF · 流程 · 光栅化 · 预处理 · deskew · clean · 准备图像 · OCR 识别笔记：OCRmyPDF
- MPL-2.0, Python
- adds an OCR text layer to scanned PDF
- 流程
- 光栅化
- 预处理
- deskew
- clean
- 准备图像
- OCR 识别
- Tesseract OCR
- 渲染 OCR 层
- PDF/A 格式
- 无字形字体（Glyphless Font）
- Form XObject
- Tesseract 4+ OCR engine mode
- 0 - original Tesseract only
- 1 - neural nets LSTM only
- 2 - Tesseract + LSTM
- 3 - default
docker run --rm -i \
--user "$(id -u):$(id -g)" \
--workdir /data \
-v "$PWD:/data" \
jbarlow83/ocrmypdf-alpine \
--keep-temporary-files \
--image-dpi 300 \
/data/input.jpg /data/output.pdf
docker run --rm -i \
--entrypoint tesseract \
jbarlow83/ocrmypdf-alpine \
input.jpg output hocr关联信息
反向链接、本文链接的其他页面和外部资料。
参考资料
GitHub1 条
- ocrmypdf/OCRmyPDFgithub.com/ocrmypdf/OCRmyPDF