Saatavana elektronisessa muodossa - Tietojenkäsittelytieteiden ...

48Kirjastosta on saatavilla myös kevyt versio FormFix, joka sisältää pelkästäänlomakkeen tunnistamiseen tarkoitetun toiminnallisuuden.9.3. OCRopusKuten FormSuiten tapaan myös OCRopus on ohjelmointikirjasto, joka on kuitenkintarkoitettu C++-kehitysympäristölle. Kirjasto on Googlen sponsoroima japohjautuu kahteen tutkimusprojektiin: 1990-luvun puolivälissä kehitettyynICR-järjestelmään ja useisiin dokumentin rakenteen analysointimenetelmiin.Järjestelmä sisältää rakenteen tunnistamisen, kirjainten tunnistuksen, OCR:n jamonikielituen. Kuvien esikäsittelyä varten kirjasto sisältää suoristuksen sekämuut tavalliset korjausmenetelmät. OCRopusta hyödyntäviä projekteja ovatesimerkiksi DECAPOD, joka on tarkoitettu kirjojen digitalisointiin suuressa mittakaavassa OCRosearch, joka tarjoaa automatisoidun digitaalisen kirjaston ylläpidon[Google Code, 2010].Järjestelmä on suunniteltu laajennettavuutta silmällä pitäen, eivätkä sen sisältämätosat ole tiukasti kiinni toisissaan. Kehittäjä voi tarvittaessa vaihtaa rakenteenanalysointiin ja OCR:n liittyvät oletuksena käytetyt alijärjestelmät. Lisäksijärjestelmään voidaan kytkeytyä kiinni myös skriptikielillä kuten Lua jaPython.9.4. SimpleIndexHelppokäyttöisyyttä hakevalle SimpleIndex on tarkastelemisen arvoinen vaihtoehto[Simple Software]. Ohjelma sisältää kaiken skannauksen ja tietokantatallennuksenvälillä. Lomakerakenteen tunnistaminen on myös automatisoitu jalisäksi ohjelma osaa tunnistaa samankaltaiset kentät ja niihin liittyvän sisällön.Kerätyn tiedon tallennus onnistuu mihin tahansa tietokantaan.Kuvassa 8 on SimpleIndexin käyttöliittymä, johon on manuaalisesti lisättytunnistettavat alueet.Ohjelma ymmärtää myös useammalle kuin yhdelle lomakkeelle jaettuja lomakekokonaisuuksia(esimerkiksi hakemus ja siihen liittyvät pakolliset liitteet).Skannauksen yhteydessä ohjelma voi tarkistaa, että kaikki vaadittavat lomakkeeton skannattu ja varoittaa, jos jotain puuttuu. Lomakekokonaisuudet saadaannäin tallennettua kokonaisuuksina.Ohjelmaan ei voi kytkeytyä suoraan ohjelmallisesti kiinni, mutta komentorivinkautta tämäkin onnistuu epäsuorasti. Tämä mahdollistaa oman käyttöliit-