hOCR

hOCR — открытый стандарт, который определяет формат для представления OCR-вывода. Стандарт имеет целью приобщить к распознанному тексту информацию о макете, уровень достоверности распознавания, стиль и другие данные. Для достижения цели вступления этой информации распознанного текста используется стандартный формат HTML.

Существует утилита командной строки hocr2pdf [1] для преобразования hocr-данных в файлы PDF.

См. также

• Программное обеспечение, которое использует этот формат:
  • OCRopus — открытое программное обеспечение OCR для Linux
  • Tesseract — в OCR Engine используется OCRopus (до 3.0)
  • CuneiForm — свободное программное обеспечение OCR
  • ExactImage — свободное программное обеспечение для обработки изображений

Ссылки

• Общедоступная спецификация для формата hOCR (англ.)
• hocr-tools на „Google Code“