Grafische Oberfläche für tesseract OCR - Anforderungen bitte

[netseeker]

Wie in einem anderen thread bereits angekündigt, möchte ich auf dem MobileRead Dev Hub ein neues Projekt rund um Tesseract (in Wikipedia, Projektseite) starten. Tesseract ist ein kostenfreies OpenSource OCR, welches zwar vergleichsweise gute Erkennungsraten aufweist, multilingual ist und - für eBook-Macher besonders wichtig - auch Fraktur unterstützt aber:

• keine Layout-Analyse unterstützt
• lediglich TIFF als Eingabeformat kennt
• lediglich Plain-Text als Ausgabeformat unterstützt
• keine grafische Oberfläche und somit auch keine Unterstützung zur Korrektur mitbringt

Es existieren zwar für Tesseract bereits einige grafische Oberflächen, allerdings kam bisher keine davon meinen Vorstellungen auch nur halbwegs nahe.

Ich würde mir eine Oberfläche wünschen, welche:

• auf vielen unterschiedlichen Architekturen und Betriebssystemen läuft
• die unterschiedlichsten Bildformate und auch PDF als Eingabe unterstützt
• zumindest rudimentär eine Layout-Analyse kann und somit auch bspw. Bilder und Tabellen wieder in die Ausgabe bringt und den erkannten Text halbwegs in der visuellen Originalformatierung und -Anordnung hält sowie auch mehrspaltige Vorlagen unterstützt
• ein Korrekturfenster (links/oben Original, rechts/unten erkannter Text) anbietet, in dem man direkt editieren und begrenzt nachformatieren kann
• typische OCR-Fehler automatisch kennzeichnet oder sogar korrigiert
• Spellchecker und Dictionaries anbindet, mit welchen eine erste Prüfung und Korrektur mit automatischer Unterstützung durchgeführt werden kann
• zumindest (X)HTML und/oder RTF als Ausgabeformat kennt

Wenn es euerseits zu diesem Thema Ideen, Anregungen und Wünsche gibt, würde ich dies gern wissen um weitere wichtige/notwendige Dinge von Anfang an einplanen zu können.

[netseeker]

Nun gut, anscheinend habe ich alle Wünsche/Anforderungen bereits beachtet.

Ok, ich habe die Machbarkeit für die einzelnen Anforderungen überprüft und es erscheint alles machbar - lediglich die Layout-Analyse bereitet mir noch Kopfzerbrechen. Leider ist dies auch nicht gerade unbedingt mein Fachthema. Da muss ich mich erstmal selber etwas "weiterbilden".
Evtl. hat aber dazu der eine oder andere Entwickler hier noch Vorschläge...

Ich werde in den nächsten Tagen mal entgegen meiner üblichen Vorgehensweise ein paar konzeptionelle Entwürfe für Oberfläche, Einstellmöglichkeiten etc. machen und hier posten. Vielleicht kommt dann doch noch der eine oder andere Vorschlag hoch...

[polyfragmentiert]

Ich finde das Thema auch interessant, kenne mich aber in Sachen OCR fachlich noch nicht nicht aus. Ich würde Deine ersten Entwürfe abwarten wollen, bevor ich Rückmeldung oder Vorschläge geben kann.

[mtravellerh]

Betreffend Korrekturfenster: Wäre es möglich, die Korrekturfenster flexibel zu gestalten (beispielsweise übereinander oder nebeneinander, je nach Gusto) Das Korrekturtool bei GaGa funktioniert so. Wenn das nicht geht, wären mir übereinander liegende Fenster am liebsten!

[netseeker]

Originally Posted by mtravellerh

Betreffend Korrekturfenster: Wäre es möglich, die Korrekturfenster flexibel zu gestalten (beispielsweise übereinander oder nebeneinander, je nach Gusto)

Ja, das geht.

Die Schwierigkeit ist, die Fenster so miteinander zu verknüpfen, dass beim Scrollen auch das jeweils andere Fenster möglichst passend automatisch mit gescrollt wird, da die Größe des Inhalts (einmal Vorlage, einmal Text) nicht identisch ist. (Die Entwickler hier dürften das Problem von grafischen Diff/Compare-Tools kennen) Aber auch dazu habe ich schon ein paar Ideen und werde das so machen, dass der Benutzer entscheiden kann, ob die beiden Fenster überhaupt miteinander verknüpft scrollen sollen oder nicht.

[netseeker]

Anbei mal die ersten drei Sketches. Bitte nicht mit einer tatsächlichen Programmoberfläche verwechseln, es sind nur Diskussionsentwürfe.
Ich weiß, es ist noch nicht viel, aber die Basics sollten rüberkommen.

[mtravellerh]

Originally Posted by netseeker

Anbei mal die ersten drei Sketches. Bitte nicht mit einer tatsächlichen Programmoberfläche verwechseln, es sind nur Diskussionsentwürfe.
Ich weiß, es ist noch nicht viel, aber die Basics sollten rüberkommen.

Sollte man da nicht eingeben, in welches Format man auslesen will?

[netseeker]

Originally Posted by mtravellerh

Sollte man da nicht eingeben, in welches Format man auslesen will?

Da Tesseract leider nur in Plain-Text ausliest, hatte ich mir gedacht erst beim Speichern/Exportieren nachzufragen in welches Format gespeichert werden soll. Aber für einen vollautomatischen Erstdurchlauf wäre es wahrscheinlich wirklich besser gleich beim Anlegen des Auftrags nachzufragen.

[mtravellerh]

Könnte man im Spellcheckfenster nicht ein paar übliche Symbole wie bspw. Anführungszeichen, langes s und so weiter für den Schnellzugriff bereitlegen? Das funktioniert bei GaGa gut!

[netseeker]

Originally Posted by mtravellerh

Könnte man im Spellcheckfenster nicht ein paar übliche Symbole wie bspw. Anführungszeichen, langes s und so weiter für den Schnellzugriff bereitlegen? Das funktioniert bei GaGa gut!

Ja, so langsam fängt mir das hier an zu gefallen. Immer her mit weiteren Ideen!!!

PS: Könntest Du mir zufälligerweise einen Screenshot vom GaGa-Korrekturfenster mailen?

[mtravellerh]

Ja klar, aber ich geh heute nicht mehr hin! morgen dann!

[netseeker]

Nächster Wurf von Sketches, welche mtravellerhs Anmerkungen aufgreifen...

[mtravellerh]

Very nice!!

[Josch91]

Gefällt mir sehr gut, ich habe tesseract noch nie ausprobiert und bin schon sehr auf die endgültige Version mit neuer GUI gespannt. Vorschläge fallen mir im Moment noch nicht ein, aber da kommt sicher noch etwas.

Edit: Da ist schon eine Idee. Wäre es möglich, wenn man einen Teil des Textes im rechten Abschnitt mit dem erkannten Text markiert, diese markierung auch in der Vorlage anzuzeigen. So wie im Anhang?

[mtravellerh]

Mir fällt gerade auf, dass Du im Korrekturfenster ganz konkrete Formatbefehle eingebut hast. Willst Du das dann als html exportieren oder wie?