Linux用のScan-to-PDFソフトウェア？

Fujitsu ScanSnap S500ドキュメントスキャナーを使用して、紙のドキュメントをスキャンして検索可能なPDFにするワークフローがあります。私はバンドルされたソフトウェアの大ファンではありませんが、使い方はとても簡単です。紙の束を一番上に置き、緑色のボタンを押すと、検索可能なPDFが表示されます。

さて、Linux（Ubuntu 10.10）で同様のことをしたいと思います。スキャナーはそのまま使用できます。

私が見てきたgscan2pdfとXSane：

• XSane 強力に見えますが、ワークフローソリューションとしてはあまり適していません。
• gscan2pdf 「ボタンを押してPDFを取得する」という理想に少し近づいていますが、100％ではありません。

推奨できる他のソフトウェア（無料またはその他）

今年初めにこれを調査したときに私が見つけたいくつかの事柄を以下に示します。申し訳ありませんが、評価が限られているため、複数のハイパーリンクを投稿することはできません。そのため、リンクについてはGoogleに連絡する必要があります。

gscan2pdf

バックエンドにさまざまなOCRエンジンを使用できる非常に優れたGUIシステム。これはおそらく、ワンタッチソリューション（およびdigitxpで既に述べた）を満たすでしょう。

Tesseract OCRエンジン

gscan2pdfで使用できます。

• http://www.linuxjournal.com/article/9676

オクロパス

オクロパスは、徹底的なトレーニングなしではテキストを認識しなかったため、それほど遠くはありませんでした。それはおそらく本には本当に良いでしょうが、請求書などでは私にはうまくいきませんでした。YMMV。

楔形文字

私はCuneiformで最高の成功を収め、次のワークフローのようなスクリプトコマンドを使用して検索可能なPDFを作成できました。

# extract images from scans
# (not shown)

# convert to black-and-white
optimize2bw -n -i nuance-test.png  -o bw.bmp                               

# do the OCR process and generate an hOCR file
cuneiform -l eng -f hocr -o nuance-test.html bw.bmp

# reassemble the original image with the hOCR file to generate a new PDF
hocr2pdf -s -i nuance-test.png -o nuance-test.hocr.pdf < nuance-test.html  

exactimageパッケージもインストールする必要があります。

OCR'ing PDFのさまざまなオープンソースプロジェクトでは、Cuniformとhocr2pdfも使用しています。

• WatchOCR
• アーキビスタ

あなたが見つけたことを教えてください！