OCR

Per nostra fortuna, dopo essere stato acquisito da Google, continua ad essere aggiornato con una certa regolarità (e a restare open source), ma soprattutto è disponibile anche la lingua italiana, che va scaricata da qui (occorre scaricare il file Italian language data for Tesseract, scompattarlo con un programma di archiviazione, copiare i file presenti nella cartella in C:/Windows/tessdata, come ho scritto nella guida. A questo punto basterà, nell'interfaccia grafica di FreeOCR, selezionare la lingua italiana vicino a OCR Language).

FreeOCR funziona bene con la lingua italiana, decisamente meglio di TopOCR. In questo momento lo considero il miglior programma di OCR gratuito per la lingua italiana. Su Programmifree ho scritto una semplice guida per FreeOCR.
Le ultime versioni consentono anche di convertire da PDF a formati di testo (txt, ecc.).

IMPORTANTE: ai fini di un buon riconoscimento, occorre selezionare con il mouse l'area di cui eseguire il riconoscimento (indispensabile se ai bordi ci sono difetti o curvature della carta, per esempio in caso si stia passando un libro con lo scanner, ecc.). Questo perché FreeOCR non è in grado di rimuovere automaticamente i bordi, o le aree non attinenti al testo. Se non lo fate, il testo si riempirà di caratteri strani.

Il mio giudizio tiene conto del fatto che non ci siano programmi gratuiti OCR di altissima qualità. Altrimenti, un confronto con i vari Omnipage o FineReader sarebbe improponibile.

E' un'evoluzione del programma MoreData, presente da tempo su Programmifree. MoreDataFast è stato notevolmente semplificato, tanto che è possibile convertire un'immagine in testo con un solo clic.

Nel complesso è efficace con la lingua italiana, grazie anche alla presenza al suo interno di un dizionario in italiano. Se continueranno ad uscire versioni migliorate, il mio giudizio salirà in proporzione.
Per utilizzare MoreData, è necessario Microsoft Framework 3.5.

MoreDataFast (come già MoreData prima di lui) non richiede installazione.

download
 

Il funzionamento è molto elementare: scordatevi di convertire qualche pagina lasciandone inalterato l'aspetto grafico (layout). Tutto il testo verrà convertito in un'unica colonna. Inoltre alcune parole vengono riconosciute male, e occorre controllare e correggere il testo convertito con molta cura.

Il giudizio è difficile, perché la differenza con i rispettivi programmi a pagamento (a partire da Ominpage e FineReader) è davvero moltissima. Tuttavia è uno dei pochi programmi OCR free in grado di riconoscere un testo in italiano, e se si impara a impostare correttamente (soprattutto a scattare le immagini con la fotocamera nel modo giusto), si possono ottenere risultati abbastanza buoni, anche per la lingua italiana (i risultati invece sono migliori per l'inglese).

Ad ogni modo, gli considero superiore (per la lingua italiana) MoreData e FreeOCR-Tesseract.

download