Ubuntu - Estrarre il Testo da un'Immagine o documento Pdf

I sistemi di optical character recognition (riconoscimento ottico dei caratteri detti anche OCR) sono programmi dedicati alla conversione di un’immagine contenente testo, solitamente acquisite tramite scanner, in testo digitale modificabile con un normale editor. Se utilizziamo Windows o Mac ne troveremo a centinaia di programmi dedicati, la maggior parte comunque a pagamento. Anche su Ubuntu cominciano a nascere nuove applicazioni dedicate ad estrarre il testo ad un’immagine o Pdf. Una di queste è gImageReader.

gImageReader è una semplice applicazione che utilizza tesseract-ocr per il riconoscimento del testo che sia un’immagine o un documento PDF.

Molto semplice da utilizzare, una volta avviata l’applicazione basta cliccare su OpenImage, selezionare l’immagine o documento da elaborare, a questo punto se vogliamo la scansione completa clicchiamo su Recognize Selection, se vogliamo elaborare sono una parte basta tener premuto il tasto sinistro del mouse e selezionare la parte d’immagine o di documento da elaborare e cliccare su Recognize Selection

Prima di installare l’applicazione consiglio di installare il riconoscimento Ocr in italiano per farlo basta avviare il terminale e scrivere:

sudo apt-get install tesseract-ocr-ita

ora installiamo l’applicazione scaricando QUESTO pacchetto

per avviare l’applicazione basta avviare il terminale e scrivere gimagereader

consiglio di crearci un lanciatore o meglio ancora un collegamento al nostro menu per agevolare l’avvio dell’applicazione.