Editar texto escaneado con OCRFeeder

Bueno soy Norman (como Norman Bates xD) y a partir de hoy formaré parte de este equipo esperando ayudar y complementar en el desarrollo de este sitio y fomentar el uso de Ubuntu y sus interesantes aplicaciones. Puedo contarles que desde mi experiencia con Ubuntu (ya casi dos años) lo increíblemente versátil que resulta ser este sistema operativo y es por eso que he tratado de difundir la palabra respecto al uso de Ubuntu y ahora quiero colaborar con este sitio que me ayudo en mis comienzos para así poder ayudar a otros en sus inicios con Ubuntu. ah otros datos anexos tipo CV; soy chileno, de la cuarta región (la mejor xD visítenla), pero estudio en Valparaíso Ing. Electrónica.

Ahora a lo nuestro:
OCRFeeder es un analizador de documentos capaz de realizar reconocimiento de caracteres ópticos del sistema es un excelente OCR para GNU/Linux.
Bueno primero debemos instalar motores OCR en en Lucid
sudo apt-get install tesseract-ocr gocr ocrad

Nota: podemos usar estos motores desde la consola

Instalamos algunas librerías necesarias:
sudo apt-get install python-pygoocanvas unpaper
Después instalamos el OCRFeeder para debian:
sudo apt-get install ocrfeeder
Para ubuntu lucid:
ocrfeeder_0.6.6-1_all.deb

Ahora vamos a probar OCRFeeder

Seleccionamos nuestro motor preferido en mi caso Ocrad puesto que me funciono mejor que Tesseract.

Podemos analizar todo el texto de una sola vez o seleccionar una parte del texto:
Ir a documento> reconocer áreas seleccionadas
si no nos gusta como el motor analizó el texto podemos cambiarlo en propiedades del texto por Ocrad o Tesseract y le damos clic en OCR.

Al momento de escanear si no nos gusta el simple-scan que viene en lucid podemos instalar xsane:
sudo apt-get install xsane
En general el programa analizó muy bien el texto salvo algunas pocas palabras pero nos puede sacar de apuro en algunas ocasiones.

EXTRA

Bueno para los que no tienen un scanner podemos darle otra utilidad a este programa (en realidad a gocr) y es la de leer captchas simples. Primero creamos el directorio donde guardar las capturas.

mkdir /home/usuario/captchas
gocr -d 2 -p /home/usuario/captchas -m 256 -m 130 captcha.png
 
Este programa necesita un entrenamiento previo por así decirlo para poder descifrar las captchas, entonces después de ejecutar el comando
nos aparece en la consola la primera letra de la captcha.

Como se ve en la imagen hay que teclear la letra que aparece escrita con “#” hasta completar la captcha. Cuando se tenga suficientes capturas el programa será capaz de reconocerlas automáticamente.