Tesseract software | |
---|---|
Tesseract 2.03, Ubuntu 9.04 (2009) | |
Genere | Riconoscimento ottico dei caratteri |
Sviluppatore | |
Ultima versione | 5.4.1 (11 giugno 2024) |
Sistema operativo | Linux macOS Microsoft Windows OpenBSD |
Linguaggio | C++ |
Licenza | Licenza Apache v. 2.0 (licenza libera) |
Lingua | arabo, bulgaro, catalano, ceco, danese, olandese, hindi, inglese, finnico, esperanto, francese, tedesco, greco, ungherese, indonesiano, italiano, lettone, lituano, norvegese, polacco, portoghese, rumeno, russo, serbo, slovacco, sloveno, spagnolo, svedese, tagalog, tailandese, turco, ucraino, vietnamita |
Sito web | github.com/tesseract-ocr |
Tesseract è un software libero per il riconoscimento ottico dei caratteri (OCR) .
Sviluppato originariamente come software proprietario dalla Hewlett-Packard tra il 1985 e il 1995, non venne più aggiornato nel decennio successivo. Fu poi rilasciato come open source nel 2005 da Hewlett Packard e dall'Università del Nevada a Las Vegas, con la licenza Apache, versione 2.0. Lo sviluppo di Tesseract è attualmente sponsorizzato da Google.
Come tutti i programmi OCR, anche Tesseract serve a convertire il testo contenuto in un'immagine, ottenuta di solito per mezzo di uno scanner, in caratteri comprensibili ad un elaboratore di testi. I risultati sono molto buoni per quanto riguarda il riconoscimento dei caratteri; manca invece la capacità di mantenere il layout delle pagine, per esempio le tabelle o le colonne. Inizialmente limitato ai soli caratteri ASCII, nell'ottobre 2011 Tesseract supporta i caratteri UTF-8 e riconosce 33 lingue.
Il software inoltre è attualmente utilizzabile da riga di comando digitando, in una finestra di terminale, il seguente comando:
Sarà generato automaticamente un file di testo con estensione «.txt».