스캔 한 PDF를 텍스트가있는 PDF로 변환하는 방법

약 80 페이지를 그레이 스케일 pdf (이미지 형식)로 스캔했습니다. 파일의 최종 크기는 약 70MB이며 매우 큽니다.

이제 회색조 이미지 기반 PDF 파일을 간단한 흑백 텍스트 기반 PDF 파일로 변환하는 방법을 찾고 있습니다.

나는 많은 시도를 gs했지만 성공하지 못했습니다 (몇 퍼센트의 복구 만). 어떤 전문가라도 아이디어가 있다면 친절하게 알려주십시오.

gImageReader는 간단한 GTK + 프런트 엔드 tesseract-ocr입니다.

sudo apt-get install gimagereader tesseract-ocr

독일어 텍스트에 대해 죄송합니다

pdfocr을 사용해 볼 수 있습니다 :

 sudo add-apt-repository ppa:gezakovacs/pdfocr
 sudo apt-get update
 sudo apt-get install pdfocr

구문을 실행하려면

 pdfocr -i input.pdf -o output.pdf

여기서 input.pdf입력 파일과 output.pdf출력 파일 의 이름입니다 .

기본적으로 Tesseract를 사용합니다. 설치하려면 :

 sudo apt-get install tesseract-ocr

pdfocr은 포함 된 텍스트 레이어를 만듭니다.

pdfsandwich

설치시 tesseract 및 기타를로드합니다. 쉬운 원스텝 솔루션이며 스크립팅 할 수 있습니다. hocr2pdf일반 텍스트 pdf를 만드는 데 사용할 수 있지만 아직 준비가되지 않았습니다 ... 기본값은 tesseract를 사용하고 아래에 "샌드위치"pdf : 이미지 + 텍스트를 만듭니다.

포함 된 이미지는 다음과 같은 명령으로 제거 할 수 있습니다.

gs -o ocr_noIMG.pdf -sDEVICE=pdfwrite -dFILTERIMAGE ocr_image.pdf

그러나 텍스트는 숨겨져 있으므로 빈 페이지처럼 보입니다.

PDF를로드하면 LibreOffice Draw텍스트가 표시되고 이미지를 수동으로 삭제할 수 있습니다.

ubuntu 14.04에서 @AB가 제안한 그래픽 인터페이스의 경우 다음을 따라야합니다.

우분투 14.04의 ocs tesseract

또는 어쨌든 저장소 목록에 추가하십시오.

sudo add-apt-repository ppa:sandromani/gimagereader
sudo apt-get update

이것이 작동하기 전에 :

sudo apt-get install gimagereader

당신이 시도 할 수 shrinkpdf을 파일 크기를 줄이기 위해 다음 ocr.sh 텍스트 레이어를 추가 할 수 있습니다.

pdf 파일에서 마우스 오른쪽 버튼을 클릭하고 각 페이지를 이미지로 저장하십시오 (또는 모든 페이지를 자동으로 수행하는 도구를 찾으십시오)

우분투 소프트웨어 센터를여십시오. tesseract를 검색하십시오. 설치해야 할 YAGF를 찾을 수 있습니다. YAGF에서 파일-> 이미지 열기를 클릭하고 이미지를로드하십시오. 그런 다음 파일-> 인식을 클릭하십시오.

첫 테스트에서 100 % 정확도를 가졌습니다.