« OCRを試す~ソフト・e.Typist | トップページ | 三の酉まである年は »

2013年11月26日 (火)

OCRを試す~修正

 どちらのOCRソフトもソフト上で画像とテキスト両方を修正できます。まず画像の修正を先にします。

 画像の汚れは消しゴムで消します。”直線を引く”は表の線が欠けたりしたときに使うのだと思います。画像の色調やコントラストのほか、回転が行えます。いったん画像のなかの領域を作成させたあと、不要領域を消すことができます。

 実は「e.Typist」のほうはちょっと角度がずれるだけで極端に認識が悪くなります。画像内に角度を指定する直線を引いて手動でも調整できますが、”見開き”調整でハの字に開いた2ページを自動的に調整できます。そのあとに領域を作って、文字の認識をします。
 その結果を見てみましょう。「文七」の最後のページです。「読取革命」も角度を補正できますが、しなくてもこの成果です。

e.Typist角度補正前

と、言われたんで、
「おや、帰ったかいッ」'
てんで立っちゃった。
ぐるッと振り向くとお出しだた…・ときまりが悪いが、それも忘れて、親子がすがりあって泣いたという:・…。鷺しちもつとい
このと文七を夫婦にして麹町嚇欝をひらいたとい文七元結の。、ざいます。

読取革命

と、言われたんで、
「おや、帰ったかい

てんで立っちゃった。
ぐる
と振り向くとお尻が丸出しだった……y」りゃきまりが悪いが、それも忘れて、親子がすがりあって泣いたという……。
このお久と文七を夫婦にして、麹町貝坂へ元結屋をひらいたという、文七元結の一席でございます。


e.Typist角度補正後(ルビもあり)

と、言われたんで、
「おや、帰《かい》ったかいッ」
'
てんで立っちゃった。
ぐるッと振り向くとお尻《しり》が丸《まる》出しだった……こりゃきまりが悪いが、
それも忘れて、親子がすがりあって泣いたという……。
このお久と文七を夫婦にして、麹町貝坂《かいざか》へ元結屋《も
といや》をひらいたという、文七元結《ぷんしちもとい》の一席でございます。

 自動補正で目覚ましい改善です。ただし、e.Typistは補正の後にレイアウト領域の形を手動で変更しないと文字列の順序がおかしくなりました。また、どちらも改行の調節は必要でした。読取革命は他のページで行間ごとに改行が挿入されてしまいました。

 画像修正の次は認識後のテキストの修正です。

 どちらも候補はウインドウ上あるいは下に示されます。右クリックでも現れます。候補で済まない時は2文字に分割するなどの方法で正しい文字を得ることができます。

 それでもだめなら自分で漢字を入力することになります。「読取革命」はそのとき、他の部分で同じ誤認識をしていそうな候補を選んで、一括で変換できます。

 校正のために文字色を変えるなどいろいろな工夫がされています。「e.Typist」で便利なのは、画像ウィンドウに認識したテキストを重ねて表示できることです。ルビを埋め込んだ部分はずれますが、画像とテキストが並んでいると誤りをとても見つけやすくなります。
New4

 こうやってソフト上で校正を済ませたつもりでも、結構見落としがあって落胆します。実は人間はパターン認知は得意のようで結構雑にやってるんです。

 逆に、画像の認識はもともとコンピュータの苦手分野でした。でも今やデジカメに笑顔認識がついたり、個人認証にも顔でOKの時代です。ひょっとすると逆転して、機械のほうが正確になるのも近いかもしれません。

 とりあえず、今回は「e.Typist」に軍配ということで。

|

« OCRを試す~ソフト・e.Typist | トップページ | 三の酉まである年は »

コメント

文字に誤りがあっても、人間は自動的にその誤りを頭の中で修正できますし、その誤りがあることにさえ気付かないことも多々あります。(これが校正作業の最大の難点)
機械の方が馬鹿正直な分だけ厄介なのかもしれません。

投稿: はろー | 2013年11月26日 (火) 23時27分

 チェスはとっくにマシンが人間を凌駕し、どうやら将棋もその気配です。職人技もマシンが継承する場面がでてます。OCRはなんだかDOSレベルって感じなので飛躍的に伸びる気がしてます。それには開発を続けているソフトがあるのは希望です。

 実は、音源が残っていない話を故人が演じる、なんてことは意外とできるんじゃないか。たとえばこのような速記を音源として復元する…そんなことを考えてます。

 そのあとはデジタル名優と、合成じゃない、時空を超えた共演とか。

 そうなると、もう「マザーコンピュータの反乱」という筋書きのSF映画は食傷していますが、あとは”創作”の分野ですかね。

投稿: snob | 2013年11月27日 (水) 03時25分

コメントを書く



(ウェブ上には掲載しません)




トラックバック


この記事へのトラックバック一覧です: OCRを試す~修正:

« OCRを試す~ソフト・e.Typist | トップページ | 三の酉まである年は »