====== tesseract ocr ======
===== 参考 =====
Tesseract OCRで文字認識をする　https://gihyo.jp/admin/serial/01/ubuntu-recipe/0577  \\
7セグメント読み取り [[ssocr]]   \\
7セグメント読み取り https://github.com/adrianlazaro8/Tesseract_sevenSegmentsLetsGoDigital \\
Pythonで書くTesseract 4の基本的な使い方。APIとCLIからOCRを実行する方法  https://valmore.work/how-to-use-tesseract4-with-python/   \\

===== 日本語学習データ =====
ubuntu package(精度が一番良さそう)  https://packages.ubuntu.com/focal/tesseract-ocr-jpn \\
github  https://github.com/tesseract-ocr/tessdata_best \\

===== インストール =====
  sudo apt install gimageReader tesseract-ocr
  sudo apt install tesseract-ocr-jp


===== 使い方 =====
tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]
  tesseract infile outfile --psm 6 -l jpn
  
  tesseract infile.png stdout  -l jpn_katakana


===== 画像を修正して認識率を上げる =====
pdfから画像へ
  pdfimages orgpin.pdf.pdf orgpic
２値化  
  convert orgpic.png -threshold 9000 convpic.png
解像度の変更
  convert orgpic.png -resize 200% convpic.png




===== 日本語を認識させる =====
https://github.com/tesseract-ocr/langdata/tree/master/jpn

apt install tesseract-ocr-jp で以下の場所に日本語データがインストールされる
  /usr/share/tesseract-ocr/4.00/tessdata
  /usr/local/Cellar/tesseract/4.1.0/share/tessdata

===== 再学習 =====
https://qiita.com/aki_abekawa/items/418e069038fbdb77c59e


文字認識エンジンTesseract OCRで学習(jTessBoxEditor)
http://danglingfarpointer.hatenablog.com/entry/2015/01/28/215629

Tesseract4の再学習・追加学習手順まとめ
http://laplace-daemon.com/training-tesseract/