Installation¶

Benötigt werden die Pakete

• libaspell15

• libaspell-dev (zum Kompilieren nötig)

• libatk1.0-0

• libc6

• libcairo2

• libglib2.0-0

• libgtk2.0-0

• libpango1.0-0

• gnuplot

mit apturl

sudo apt-get install libaspell15 libaspell-dev libatk1.0-0 libc6 libcairo2 libglib2.0-0 libgtk2.0-0 libpango1.0-0 gnuplot 

sudo aptitude install libaspell15 libaspell-dev libatk1.0-0 libc6 libcairo2 libglib2.0-0 libgtk2.0-0 libpango1.0-0 gnuplot 

Das Programm selbst ist bisher nicht in den Paketquellen enthalten; allerdings existieren Debian-Pakete , die auch unter Ubuntu laufen, benötigt werden ocre-decs*.deb, sowie ocre*.deb, die in dieser Reihenfolge installiert werden müssen^[2] - diese Pakete sind allerdings für 32-Bit-Systeme vorgesehen!

Für 64-Bit-Systeme kann das Programm im Quellcode bezogen werden. Benötigt werden die Archive ocre-decsWood-0.0xx.tgz und ocre_v0_0xx.tgz. Diese werden heruntergeladen, entpackt^[3] und kompiliert^[4]. Dazu zunächst die ocre_v0_0xx.tgz entpacken, und dann das ocre-descWood-0.0xx.tgz in den entstandenen Ordner /ocre-0.0xx entpacken. In das Verzeichnis ocre wechseln, dort die Datei instala ausführbar machen ^[4] und mit Rootrechten aufrufen.

Dann dort mit

make depend
make ocre 

das Programm kompilieren, und dann installieren.

Außerdem kommt zur Ergänzung nicht erkannter Wörter Aspell zum Einsatz, dafür müssen das Paket

• aspell

mit apturl

sudo apt-get install aspell 

sudo aptitude install aspell 

sowie die gewünschten Sprachpakete installiert^[1] werden.

Funktionsweise¶

Ähnlich wie Ocrad erkennt ocre die einzelnen Zeichen über eine Differenzierung nach festgelegten Kriterien eines "Decision Wood" , nach denen die verschiedenen Eigenschaften sukzessive eingeteilt werden. Zunächst werden die Zeilen, dann die Zeichen differenziert, diese verglichen, oder, wenn zunächst unbekannt, ausgemessen, in der Datenbank danach geforscht und wenn nötig in einem Dialog-Fenster vom Benutzer abgefragt. ocre kann dabei Texte (und die entsprechenden Zeichensätze) für Englisch, Französisch, Deutsch, Polnisch, Portugiesisch, Russisch, und Spanisch sowie Katalanisch erkennen. ocre kann keine Spalten erkennen!

Bedienung¶

Die allgemeine Syntax auf der Kommandozeile^[5] lautet:

ocre [Option(en)] Datei.pgm/pbm [> Ausgabedatei.txt]
ocre [Option(en)] Datei1.pgm Datei1.pgm Datei3.pgm ... [> Ausgabedatei.txt] 

Es öffnet sich meist ein Fenster, in dem der nicht erkannte Buchstabe rot umrahmt dargestellt ist (theoretisch kann das auch unterbleiben, aber nur, wenn tatsächlich alle Zeichen zweifelsfrei erkannt werden). Die weiteren Fenster sind direkt übereinander liegend, so dass sie zunächst auseinander geschoben werden müssen, um auf sie zugreifen zu können. Mit einem -Klick auf die gewünschte Zeichentaste wird das jeweilige Zeichen in das Eingabefeld unten in "window1" kopiert, mit einem ⏎ das Zeichen eingegeben. Leider erkennt ocre z.T. die i- und Umlaut-Punkte nicht als zum Buchstaben gehörig, sodass ggf. eine Eingabe für solche "Zeichenteile" abgefragt wird. Wenn dann nichts eingetragen wird, erscheint nachher im Text eine Platzhalter "_"; es scheint nicht möglich zu sein, dass falsch erkannte Teile gar nicht aufgenommen werden. Auch scheint die Abfrage unbekannter Zeichen nicht abgeschaltet werden zu können, sodass eine automatische Erkennung und Verwendung aus einem anderen Programm heraus kaum möglich ist.

Ohne Angabe einer Ausgabedatei wird der erkannte Text direkt im Terminal ausgeben, >>Ausgabetext.txt hängt den Text an eine bestehende Datei Ausgabetext.txt an. Am Ende des Textes steht die Anzahl der Abfragen unbekannter Zeichen (z.B. preguntas: 45). Besonders gute Ergebnisse erzielt ocre mit Texten in Serifen-Schriften wie Times New Roman ohne Ligaturen; Probleme entstehen besonders bei "defekten" Zeichen, die oft in Einzelbestandteile zerlegt werden.

Alternativen¶

• Texterkennung (OCR)

• GOCR

• Ocrad

• tesseract-ocr

• Cuneiform-Linux

Links¶

• Projektseite