Usamos cookies para medir audiência e melhorar sua experiência. Você pode aceitar ou recusar a qualquer momento. Veja sobre o iMasters.
Olá pessoal, bom dia.
Estou usando o tesseract orc para leitura de imagens, ele captura os caracteres da imagem e atribui em uma variável.
Segue meu codigo:
<?php
$file = 'image.png'; require_once ('TesseractOCR.php');
$tesseract = new TesseractOCR($file);
$text = $tesseract->recognize();
echo $text; // Texto da imagem echo ' Não existe';
}Vocês já usaram tesseract e conseguiram ler arquivos .pdf?
Aceito sugestões de outras ferramentas para php.
Obrigado desde já.
Obrigado pela dica e desculpa meu erro, escrevi orc no lugar de OCR.
Vou tentar fazer.
Um grande abraço.
desculpa meu erro, escrevi orc no lugar de OCR.
Corrigi o título do seu tópico, pra facilitar futuras buscas
Beraldo, obrigado pela ajuda. Acabei de conseguir com as dicas que vc me forneceu.
Utilizo o S.O ubuntu 14.04.
Passos que eu segui:
Instalei o ImageMagick com o comando
sudo apt-get install php5-imagick
sudo php5enmod imagick
Segui as dicas de instalação desse site: http://askubuntu.com/questions/560696/having-problems-installing-imagemagick-on-ubuntu-14-04
Depois dei um phpinfo() para ver se realmente a biblioteca imagick estava instalado no php e fiz um teste para converter o meu arquivo .pdf para jpg. (Detalhe: no meu caso eu restartei o meu servidor apache2)
<?php
// instantiate Imagick
$im = new Imagick();
$im->setResolution(300,300);var_dump($im);
$im->setImageFormat('jpeg');$im->clear();
$im->destroy();Ok! a imagem esta salva na pasta :-)
Agora eu usarei o tesseract, instalei com o comando
sudo apt-get install tesseract-orc
Baixei a classe do tesseract https://github.com/thiagoalessio/tesseract-ocr-for-php/tree/master/TesseractOCR
E testei com o seguinte código:
<?php
$file = 'img.jpg'; require_once ('TesseractOCR.php');
$tesseract = new TesseractOCR($file);
$text = $tesseract->recognize();
echo $text; echo ' Não existe';
}No meu navegador apareceu todo meu conteúdo que tinha na imagem.
Mais uma vez obrigado Beraldo.
Higor,
Em primeiro lugar obrigado por compartilhar sua experiência.
Eu estou tentando usar o Tesseract para reconhecer imagens simples com números e estou tendo problema com reconhecimento de números onde ele reconhece o 6 e o 8 como sendo o 5.
Você teve este problema?
Se teve sabe como posso resolver?
Desde já obrigado.
Olá, desculpa star ressuscitando este tópico, mais preciso de uma ajuda urgente. Quero fazer a extração de texto de PDF, no caso farei upload e o texto será extraído, o qual irei gravar no banco. Minha aplicação é em PHP, mas até agora não encontrei nada de OCR que me ajudasse, poderiam me auxiliar com esta questão do Tesseract, É preciso instalar ele pra funcionar ou só baixar a classe e usar como uma qualquer?
O tesseract é um programa externo. Você precisa instalá-lo e chamá-lo via linha de comando.
realizei os procedimentos aqui descritos (porém com versões atualizadas: Imagick: 3.4.4 x64) porém recebo "Fatal Error" na linha: $im->readimage($_SERVER['DOCUMENT_ROOT'].'/cvm/Teste1.PDF'); // Numero da pagina do arquivo .pdf.
O PHP reconhece a extension Imagick (phpinfo):
imagick module version
3.4.4
imagick classes
Imagick, ImagickDraw, ImagickPixel, ImagickPixelIterator, ImagickKernel
Imagick compiled with ImageMagick version
ImageMagick 7.0.7-11 Q16 x64 2017-11-23 [http://www.imagemagick.org](http://www.imagemagick.org)
Imagick using ImageMagick library version
ImageMagick 7.0.8-68 Q16 x64 2019-10-05 [http://www.imagemagick.org](http://www.imagemagick.org)
ImageMagick copyright
Copyright (C) 1999-2018 ImageMagick Studio LLC
ImageMagick release date
2019-10-05
ImageMagick number of supported formats:
247
alguma ideia?
Muito Obrigado.
Usei alguns softwares de OCR em um projeto da UFPR. O Tesseract foi um deles (o melhor na época).
O que você pode fazer é converter o PDF em imagem antes de rodar o OCR. A lib ImageMagick faz isso fácil, com o comando convert, no terminal. A lib ImageMagick do PHP também deve ter essa opção, caso não queira rodar o comando direto no terminal com exec()