NP Log

タグ: config

  • jupyter notebook の環境設定

    Config file and command line options

    jupyter notebook --generate-config

    MacOSの場合、
    ~/.jupyter/jupyter_notebook_config.py
    というファイルが生成される。

    下記の部分を目的のフォルダに設定する。

    ## ノートブックとカーネルが使うディレクトリ。
#  Default: ''
# c.NotebookApp.notebook_dir = ''

  • tesseract-ocr の config を使ってみました。

    http://code.google.com/p/tesseract-ocr/

    プロジェクトのサイトにあるように、元々HP社で開発されたOCRソフトで、現在はGoogleプロジェクトとしてメンテナンスされているようです。

    今回はWindows版(win32, portable)をダウンロードして試してみました。
    FAQはこちら（英語）

    画像の中から認識したい文字列があらかじめ決まっている場合は、Configを利用すると良さそうです。
    特にオプションを指定しないで実行すると、画像の中から文字のある領域をブロックとして切り出して、認識処理を行いますので多少複雑なレイアウトだと、かえって上手くいかない場合があります。

    例えば、” -PSM 6″ というオプションを使うと、画像全体を1個のブロックと思って、そこからテキストの認識を行ってくれます。
    さらに、” nobatch digits” というコンフィグオプションを追加すると、アプリケーションフォルダ内の “tessdata/configs/digits” を参照して処理を行います。

    ちなみに、 “tessdata/configs/digits” の中身は次のようになっています。

    tessedit_char_whitelist 0123456789-.

    なので、この “0123456789-.” の部分を認識したい文字列に編集すれば、これにマッチするものだけを取り出すことができます。