OCR - Histórico de revisão

Lana.Sato em 00h09min de 24 de junho de 2021

2021-06-24T00:09:23Z

Lana.Sato em 23h57min de 23 de junho de 2021

2021-06-23T23:57:20Z

Lana.Sato em 23h50min de 23 de junho de 2021

2021-06-23T23:50:58Z

Lana.Sato em 23h49min de 23 de junho de 2021

2021-06-23T23:49:29Z

Lana.Sato em 23h48min de 23 de junho de 2021

2021-06-23T23:48:36Z

Lana.Sato em 23h45min de 23 de junho de 2021

2021-06-23T23:45:19Z

Lana.Sato em 23h43min de 23 de junho de 2021

2021-06-23T23:43:27Z

Lana.Sato em 23h40min de 23 de junho de 2021

2021-06-23T23:40:40Z

Lana.Sato em 23h39min de 23 de junho de 2021

2021-06-23T23:39:20Z

Lana.Sato em 23h36min de 23 de junho de 2021

2021-06-23T23:36:37Z

@@ Linha 43: / Linha 43: @@
 L'utilità per lo storico nell'apprendere tecniche, software e problematiche del riconoscimento ottico dei caratteri è molteplice. Ci limitiamo a indicare alcuni possibili usi:
-*nella ricerca è possibile acquisire testi storiografici a stampa di varia natura – giornali, lettere, documenti – e usarli per tutte le analisi che coinvolgano attività di close o ''distant reading''. Una volta acquisiti come testo, specialmente se liberi da diritti di copyright, tali testi possono essere poi ripubblicati in altra forma: in un articolo di studio o in anche in un progetto finalizzato a rendere tali materiali accessibili e consultabili online. A questo proposito citiamo il progetto [http://www.vocidellagrandeguerra.it/ Voci della Grande Guerra], promosso dall’Università di Pisa, dall’Istituto di Linguistica Computazionale “A. Zampolli” del Consiglio Nazionale delle Ricerche, l’Università di Siena e l’Accademia della Crusca. Risultato del progetto è un corpus online composto da testi rappresentativi dell’Italia della Prima guerra mondiale e corredato da opportuni strumenti di ricerca e di visualizzazione delle informazioni.
+*nella ricerca è possibile acquisire testi storiografici a stampa di varia natura – giornali, lettere, documenti – e usarli per tutte le analisi che coinvolgano attività di ''close o distant reading''. Una volta acquisiti come testo, specialmente se liberi da diritti di copyright, tali testi possono essere poi ripubblicati in altra forma: in un articolo di studio o in anche in un progetto finalizzato a rendere tali materiali accessibili e consultabili online. A questo proposito citiamo il progetto [http://www.vocidellagrandeguerra.it/ Voci della Grande Guerra], promosso dall’Università di Pisa, dall’Istituto di Linguistica Computazionale “A. Zampolli” del Consiglio Nazionale delle Ricerche, l’Università di Siena e l’Accademia della Crusca. Risultato del progetto è un corpus online composto da testi rappresentativi dell’Italia della Prima guerra mondiale e corredato da opportuni strumenti di ricerca e di visualizzazione delle informazioni.
+*nella ricerca e didattica il testo acquisito con OCR o con altre tecniche di digitalizzazione [link] necessita quasi sempre un'opera manuale di annotazione in cui dei revisori correggono o commentano l'esito del riconoscimento ottico. Questa attività può diventare estremamente utile in fase di discussione/esegesi di una fonte, sia nella fase strettamente relativa alla ricerca che nella pratica didattica. A questo fine si segnala l'utilità, per le opere a stampa, della piattaforma [https://it.wikisource.org/wiki/Pagina_principale Wikisource] di Wikimedia Foundation. Wikisource è una biblioteca digitale che raccoglie testi di pubblico dominio o rilasciati sotto licenza libera, in cui chiunque può caricare dei testi – purché questi siano già stati pubblicati e liberi da copyright. In seguito, è possibile annotare il testo in un’apposita pagina di discussione, in modo da migliorare la leggibilità dell’opera e favorirne contestualizzazione e studi ulteriori.
 }}

← Edição anterior		Edição das 23h57min de 23 de junho de 2021
Linha 42:		Linha 42:

	L'utilità per lo storico nell'apprendere tecniche, software e problematiche del riconoscimento ottico dei caratteri è molteplice. Ci limitiamo a indicare alcuni possibili usi:		L'utilità per lo storico nell'apprendere tecniche, software e problematiche del riconoscimento ottico dei caratteri è molteplice. Ci limitiamo a indicare alcuni possibili usi:
		+
		+	*nella ricerca è possibile acquisire testi storiografici a stampa di varia natura – giornali, lettere, documenti – e usarli per tutte le analisi che coinvolgano attività di close o ''distant reading''. Una volta acquisiti come testo, specialmente se liberi da diritti di copyright, tali testi possono essere poi ripubblicati in altra forma: in un articolo di studio o in anche in un progetto finalizzato a rendere tali materiali accessibili e consultabili online. A questo proposito citiamo il progetto [http://www.vocidellagrandeguerra.it/ Voci della Grande Guerra], promosso dall’Università di Pisa, dall’Istituto di Linguistica Computazionale “A. Zampolli” del Consiglio Nazionale delle Ricerche, l’Università di Siena e l’Accademia della Crusca. Risultato del progetto è un corpus online composto da testi rappresentativi dell’Italia della Prima guerra mondiale e corredato da opportuni strumenti di ricerca e di visualizzazione delle informazioni.
		+	*

	}}		}}

← Edição anterior		Edição das 23h50min de 23 de junho de 2021
Linha 41:		Linha 41:
	Gli OCR sono utili in tutti gli ambiti in cui sia necessario estrarre testo da un'immagine e quindi ovviamente anche in ambito storico. L'immagine del testo può essere ricavata da un testo a stampa o da una fonte manoscritta, ma in questo secondo caso la sperimentazione è ancora in corso e i risultati fino ad oggi ottenuti non sono sicuramente paragonabili a quelli del riconoscimento del testo stampato.		Gli OCR sono utili in tutti gli ambiti in cui sia necessario estrarre testo da un'immagine e quindi ovviamente anche in ambito storico. L'immagine del testo può essere ricavata da un testo a stampa o da una fonte manoscritta, ma in questo secondo caso la sperimentazione è ancora in corso e i risultati fino ad oggi ottenuti non sono sicuramente paragonabili a quelli del riconoscimento del testo stampato.

		+	L'utilità per lo storico nell'apprendere tecniche, software e problematiche del riconoscimento ottico dei caratteri è molteplice. Ci limitiamo a indicare alcuni possibili usi:

	}}		}}

← Edição anterior		Edição das 23h49min de 23 de junho de 2021
Linha 36:		Linha 36:

	Gli strumenti per l’OCR hanno svariate applicazioni. Tra queste, la lettura automatica di biglietti aerei <ref> McAbee J. C. (1967), ''OCR application at United Air Lines'', Data Processing XII. Conf. and Business Exposition, Boston, pp. 362-366.</ref> e delle targhe automobilistiche, il riconoscimento di codici a barre per la vendita e la registrazione dei beni di consumo, l’acquisizione di testi ai fini di classificazione e archiviazione <ref> Crawford J. L. (1972), ''Pictorial information disector and analyzer system (PIDAS)'', IBM Tech. Discl. Bull., vol. 15, pp. 61-62.</ref>.		Gli strumenti per l’OCR hanno svariate applicazioni. Tra queste, la lettura automatica di biglietti aerei <ref> McAbee J. C. (1967), ''OCR application at United Air Lines'', Data Processing XII. Conf. and Business Exposition, Boston, pp. 362-366.</ref> e delle targhe automobilistiche, il riconoscimento di codici a barre per la vendita e la registrazione dei beni di consumo, l’acquisizione di testi ai fini di classificazione e archiviazione <ref> Crawford J. L. (1972), ''Pictorial information disector and analyzer system (PIDAS)'', IBM Tech. Discl. Bull., vol. 15, pp. 61-62.</ref>.
		+
		+	== '''OCR e lavoro dello storico''' ==
		+
		+	Gli OCR sono utili in tutti gli ambiti in cui sia necessario estrarre testo da un'immagine e quindi ovviamente anche in ambito storico. L'immagine del testo può essere ricavata da un testo a stampa o da una fonte manoscritta, ma in questo secondo caso la sperimentazione è ancora in corso e i risultati fino ad oggi ottenuti non sono sicuramente paragonabili a quelli del riconoscimento del testo stampato.
		+

	}}		}}

← Edição anterior		Edição das 23h48min de 23 de junho de 2021
Linha 32:		Linha 32:

	[[Arquivo:InFailla6.png\|400px\|thumb\|center\|''Fig.6. Un'immagine di bassa qualità viene data in input all'algoritmo di OCR di Google. La stringa di output, separata dall'immagine da una linea, non corrisponde al testo presente nell’immagine.'']]		[[Arquivo:InFailla6.png\|400px\|thumb\|center\|''Fig.6. Un'immagine di bassa qualità viene data in input all'algoritmo di OCR di Google. La stringa di output, separata dall'immagine da una linea, non corrisponde al testo presente nell’immagine.'']]
		+
		+	Un altro elemento determinante nell’efficacia di uno strumento di OCR è il tipo di caratteri che questo è in grado di riconoscere. La maggior parte dei primi OCR commerciali, ad esempio, funzionavano correttamente solo a condizione che il testo fosse scritto in un ''font'' apposito, il MICR E-13B che, grazie a una spaziatura particolare, rendeva molto più semplice disambiguare i caratteri. In seguito, sono stati sviluppati altri font più simili ai caratteri a stampa contemporanei, anche se le capacità degli OCR era ancora vincolata a quegli specifici ''character-set''. Con lo sviluppo tecnologico degli ultimi cinquant’anni, infine, le prestazioni degli algoritmi di classificazione sono drasticamente migliorati e, grazie anche all’intelligenza artificiale e all’apprendimento automatico, sono stati realizzati software in grado di riconoscere più caratteri contemporaneamente, anche nella stessa pagina, come il già citato ABBYY FineReader e [https://www.onlineocr.net/it/ OnlineOCR].
		+
		+	Gli strumenti per l’OCR hanno svariate applicazioni. Tra queste, la lettura automatica di biglietti aerei <ref> McAbee J. C. (1967), ''OCR application at United Air Lines'', Data Processing XII. Conf. and Business Exposition, Boston, pp. 362-366.</ref> e delle targhe automobilistiche, il riconoscimento di codici a barre per la vendita e la registrazione dei beni di consumo, l’acquisizione di testi ai fini di classificazione e archiviazione <ref> Crawford J. L. (1972), ''Pictorial information disector and analyzer system (PIDAS)'', IBM Tech. Discl. Bull., vol. 15, pp. 61-62.</ref>.

	}}		}}

@@ Linha 23: / Linha 23: @@
 Così facendo si aprirà un nuovo documento contenente l’immagine e la trascrizione del testo in essa contenuto.
-[[Arquivo:InFailla4.png|500px|thumb|center|''Fig. 4. Il risultato della conversione di un'immagine con Google Docs'']]
+[[Arquivo:InFailla4.png|450px|thumb|center|''Fig. 4. Il risultato della conversione di un'immagine con Google Docs'']]
 Tale funzione non sembra essere molto conosciuta dagli utenti di Drive, probabilmente a causa del fatto che utilizzarla non è poi così intuitivo. Tuttavia, risulta la scelta più comoda e rapida se bisogna convertire in testo delle immagini già presenti sul proprio archivio Google. Un altro sito che implementa OCR è [https://lightpdf.com/ LightPDF], principalmente noto per rendere disponibile una serie di strumenti di elaborazione e conversione dei file in formato PDF. ma che consente di analizzare in OCR solo una pagina alla volta. Allo stesso modo, è possibile convertire in ''batch'' – cioè in una volta sola – un grande volume di immagini utilizzando un programma realizzato in Python o R, ad esempio utilizzando la libreria Pytesseract. Scaricati i componenti necessari da terminale col comando '''pip install pytesseract''', si può scrivere un breve programma in Python che prenda in input le immagini da linea di comando e ne restituisca il testo, come in ''Fig. 5''.
-[[Arquivo:InFailla5.png|500px|thumb|center|''Fig. 5. Un programma in Python che prende in input delle immagini da linea di comando e ne restituisce il testo.'']]
+[[Arquivo:InFailla5.png|450px|thumb|center|''Fig. 5. Un programma in Python che prende in input delle immagini da linea di comando e ne restituisce il testo.'']]
 Per quanto concerne la leggibilità, è importante che l’immagine sia priva di rumore e abbia dimensioni adeguate. Se l’immagine non è sufficientemente nitida, infatti, l’OCR potrebbe non essere in grado di ricavare informazioni a sufficienza per classificare adeguatamente un gruppo di pixel come il carattere che rappresentano. È quanto accade in ''Fig. 6'': la qualità dell’immagine è decisamente troppo bassa perché l’OCR possa riconoscerne i caratteri. Il testo originale, che recita “low quality”, viene quindi erroneamente trascritto come “1ow qumity”. La ''l'' di ''low'' è interpretata come la cifra ''1'', mentre la parola ''quality'' presenta così tanto rumore da essere convertita in una stringa senza significato.
-[[Arquivo:InFailla6.png|350px|thumb|center|''Fig.6. Un'immagine di bassa qualità viene data in input all'algoritmo di OCR di Google. La stringa di output, separata dall'immagine da una linea, non corrisponde al testo presente nell’immagine.'']]
+[[Arquivo:InFailla6.png|400px|thumb|center|''Fig.6. Un'immagine di bassa qualità viene data in input all'algoritmo di OCR di Google. La stringa di output, separata dall'immagine da una linea, non corrisponde al testo presente nell’immagine.'']]
 }}

← Edição anterior		Edição das 23h43min de 23 de junho de 2021
Linha 28:		Linha 28:

	[[Arquivo:InFailla5.png\|500px\|thumb\|center\|''Fig. 5. Un programma in Python che prende in input delle immagini da linea di comando e ne restituisce il testo.'']]		[[Arquivo:InFailla5.png\|500px\|thumb\|center\|''Fig. 5. Un programma in Python che prende in input delle immagini da linea di comando e ne restituisce il testo.'']]
		+
		+	Per quanto concerne la leggibilità, è importante che l’immagine sia priva di rumore e abbia dimensioni adeguate. Se l’immagine non è sufficientemente nitida, infatti, l’OCR potrebbe non essere in grado di ricavare informazioni a sufficienza per classificare adeguatamente un gruppo di pixel come il carattere che rappresentano. È quanto accade in ''Fig. 6'': la qualità dell’immagine è decisamente troppo bassa perché l’OCR possa riconoscerne i caratteri. Il testo originale, che recita “low quality”, viene quindi erroneamente trascritto come “1ow qumity”. La ''l'' di ''low'' è interpretata come la cifra ''1'', mentre la parola ''quality'' presenta così tanto rumore da essere convertita in una stringa senza significato.
		+
		+	[[Arquivo:InFailla6.png\|350px\|thumb\|center\|''Fig.6. Un'immagine di bassa qualità viene data in input all'algoritmo di OCR di Google. La stringa di output, separata dall'immagine da una linea, non corrisponde al testo presente nell’immagine.'']]

	}}		}}

← Edição anterior		Edição das 23h40min de 23 de junho de 2021
Linha 26:		Linha 26:

	Tale funzione non sembra essere molto conosciuta dagli utenti di Drive, probabilmente a causa del fatto che utilizzarla non è poi così intuitivo. Tuttavia, risulta la scelta più comoda e rapida se bisogna convertire in testo delle immagini già presenti sul proprio archivio Google. Un altro sito che implementa OCR è [https://lightpdf.com/ LightPDF], principalmente noto per rendere disponibile una serie di strumenti di elaborazione e conversione dei file in formato PDF. ma che consente di analizzare in OCR solo una pagina alla volta. Allo stesso modo, è possibile convertire in ''batch'' – cioè in una volta sola – un grande volume di immagini utilizzando un programma realizzato in Python o R, ad esempio utilizzando la libreria Pytesseract. Scaricati i componenti necessari da terminale col comando '''pip install pytesseract''', si può scrivere un breve programma in Python che prenda in input le immagini da linea di comando e ne restituisca il testo, come in ''Fig. 5''.		Tale funzione non sembra essere molto conosciuta dagli utenti di Drive, probabilmente a causa del fatto che utilizzarla non è poi così intuitivo. Tuttavia, risulta la scelta più comoda e rapida se bisogna convertire in testo delle immagini già presenti sul proprio archivio Google. Un altro sito che implementa OCR è [https://lightpdf.com/ LightPDF], principalmente noto per rendere disponibile una serie di strumenti di elaborazione e conversione dei file in formato PDF. ma che consente di analizzare in OCR solo una pagina alla volta. Allo stesso modo, è possibile convertire in ''batch'' – cioè in una volta sola – un grande volume di immagini utilizzando un programma realizzato in Python o R, ad esempio utilizzando la libreria Pytesseract. Scaricati i componenti necessari da terminale col comando '''pip install pytesseract''', si può scrivere un breve programma in Python che prenda in input le immagini da linea di comando e ne restituisca il testo, come in ''Fig. 5''.
		+
		+	[[Arquivo:InFailla5.png\|500px\|thumb\|center\|''Fig. 5. Un programma in Python che prende in input delle immagini da linea di comando e ne restituisce il testo.'']]

	}}		}}

← Edição anterior		Edição das 23h36min de 23 de junho de 2021
Linha 20:		Linha 20:

	[[Arquivo:InFailla2-3.png\|900px\|thumb\|center\|''Figg. 2 e 3. Per convertire un'immagine in testo su Google Drive è sufficiente aprirla con Google Docs.'']]		[[Arquivo:InFailla2-3.png\|900px\|thumb\|center\|''Figg. 2 e 3. Per convertire un'immagine in testo su Google Drive è sufficiente aprirla con Google Docs.'']]
		+
		+	Così facendo si aprirà un nuovo documento contenente l’immagine e la trascrizione del testo in essa contenuto.
		+
		+	[[Arquivo:InFailla4.png\|900px\|thumb\|center\|''Fig. 4. Il risultato della conversione di un'immagine con Google Docs'']]

	}}		}}