Windows OCR Utility - Vis2, Capture2Text 사용기

stackoverflow.com/questions/2363490/limit-characters-tesseract-is-looking-for

Limit characters tesseract is looking for

github.com/tesseract-ocr/tesseract/issues/751

Blacklist and whitelist unsupported with LSTM (4.0) · Issue #751 · tesseract-ocr/tesseract

Tesseract version 4.00 에서는 버그가 있어서 white list 와 black list 옵션이 작동하지 않는다고 한다.

 

Vis2 를 Download 하여 bin\tesseract\tesseract.exe 의 version을 보면 4.0.0 버전이다.

 

github.com/tesseract-ocr/tessdoc/blob/master/Installation.md#windows

tesseract-ocr/tessdoc

Tesseract at UB Mannheim 으로 이동해서 Windows 5.0.0 알파버전을 다운로드 받아서 설치하고, tesseract.exe 파일이 있는 폴더의 모든 파일을 Copy해서 Vis2 폴더 밑의 bin\tesseract 폴더로 덮어씀.

 

인식률을 높이기 위해서는 C:\Apps\Vis2-Tesseract\bin\tesseract\tessdata_best 폴더의 파일들을 C:\Apps\Vis2-Tesseract\bin\tesseract\tessdata_fast 폴더로 덮어쓰기.

 

스크린 Capture할 때는 tessdata_best 폴더의 파일들을 이용하도록 Autohotkey Script가 되어 있음.

( C:\Apps\Vis2-Tesseract\lib\Vis2.ahk )

 

Vis2.ahk

0.12MB

 

Vis2.ahk Script를 보면 스크린 Capture 할 때는 option이 전달 안되도록 되어 있음.

그래서 white list, black list Option 을 전달하도록 Script 수정.

그런데 black list 옵션은 이상하게 계속 안 먹어서 white list 옵션을 줘보니까 작동함.

 

Viz2 를 실행하는 demo.ahk 파일은 아래 2줄을 제외하고 모두 주석처리. 

- 스크린 캡처하는 단축키는 Shift + F2 로 변경하고, white list 옵션을 줬음.

- blacklist 옵션만 주면 작동하지 않음.

- whitelist 옵션을 주니까 blacklist 옵션은 의미없음.

#include <Vis2>
+F2:: OCR(, "eng+kor", "tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz.,:;-_+='<>(){}[]~`!@#$%^&*?|/\" . Chr(0x22) . " tessedit_char_blacklist=¥®")       

[참고] tessedit_char_whitelist 옵션을 줄 때 쌍따옴표(")를 넣어주기 위해 Chr(0x22) 를 붙여줬음.

 

Capture2Text 는 Whitelist, Blacklist 옵션이 있지만 둘 다 작동하지 않았다.

Capture2Text 역시 Tesseract 4.0.0 버전을 사용하기 때문이 아닐까... ( tesseract400.dll 파일명을 보고 버전을 추측함 )

 

그런데 Replace는 잘 작동한다.

 

Capture2Text 도 C:\Apps\Vis2-Tesseract\bin\tesseract\tessdata_best\eng.traineddata 파일을 C:\Apps\Capture2Text\tessdata 폴더로 복사하면 영문자의 인식률이 좀 더 올라간다.