Tesseract OCR Teknik Kılavuzu

Tesseract OCR, LSTM derin öğrenme mimarisine dayanan ve 100'den fazla dili destekleyen dünyanın en güçlü açık kaynaklı optik karakter tanıma çözümüdür.

Güncel Standart: Bu kılavuz, yerleşik yapay sinir ağı motoruna sahip Tesseract 5.5 sürümleri için hazırlanmıştır.

Tesseract nedir?

Tesseract, görsel piksellerini aranabilir, yapılandırılmış metne dönüştüren bir OCR motorudur. 1985'te Hewlett-Packard'da doğmuştur; bugün açık kaynak topluluğu tarafından sürdürülür ve LSTM sinir ağlarıyla 100'den fazla dili destekler.

Geliştirici kılavuzları

Bu referansın yanı sıra, her Tesseract geliştirme görevi için eksiksiz ve test edilmiş kılavuzlar yayınlıyoruz:

Kurulum rehberi — Windows, macOS, Linux, Docker ve tessdata.
Python rehberi (pytesseract) — görselden metne, PDF'ler, güven ve PSM/OEM.
Kütüphaneler ve sarmalayıcılar — Python, JS, C++, Java, Go ve .NET.
PDF rehberi — PDF OCR, aranabilir PDF'ler, OCRmyPDF ve Python.
Eğitim rehberi — tesstrain, doğru veri ve ince ayar.
API ve servis rehberi — FastAPI ve Docker ile kendi barındırılan REST.

Kurulum

İşletim sisteminize uygun kurulum adımlarını takip edin:

macOS (Homebrew)

brew install tesseract
brew install tesseract-lang  # Tüm dil modelleri

Ubuntu / Debian

sudo apt update
sudo apt install tesseract-ocr tesseract-ocr-tur tesseract-ocr-eng

Windows

winget install UB-Mannheim.TesseractOCR
# veya Scoop ile:
scoop install tesseract

CLI Hızlı Başlangıç

Temel karakter tanıma komutları:

# Görselden metin çıkarıp terminalde göster
tesseract girdi.png stdout -l tur

# Sonucu metin dosyasına yaz (output.txt)
tesseract belge.jpg output -l tur+eng

# Aranabilir PDF oluştur
tesseract dokuman.tif output_aranabilir -l tur pdf

Sayfa Bölümleme Modları (PSM)

--psm <N> parametresi ile sayfa düzeni analizi stratejisini belirleyin:

PSM	Mod Açıklaması	Kullanım Alanı
`0`	Yalnızca yön ve alfabe tespiti (OSD)	Sayfa döndürme açısı ve dil tespiti
`1`	Otomatik sayfa bölümleme + OSD	Karmaşık çok dilli taramalar
`3`	Tam otomatik sayfa bölümleme (Varsayılan)	Standart tam sayfa belgeler
`6`	Tek tip metin bloğu	Faturalar, makbuzlar, tek formatlı metinler
`7`	Tek bir metin satırı	Plakalar, barkod yazıları, tek satırlar
`8`	Tek bir kelime	CAPTCHA kodları, tekil kelimeler

OCR Motor Modları (OEM)

OEM, Tesseract'ın eski desen eşleştirme motoru ile modern LSTM sinir ağı arasında geçiş yapar. --oem parametresiyle ayarlanır.

Önemli: Tesseract 5'te varsayılan OEM 1 (LSTM) en yüksek doğruluğu sağlar. OEM 0 (eski motor) yalnızca sinir ağı modellerinden önceki bazı yazı tipleri için önerilir.

0: Yalnızca eski motor (klasik görüntü analizi).
1: Yalnızca LSTM sinir ağı motoru (hızlı ve yüksek doğruluk).
2: Eski motor ve LSTM birlikte.
3: Varsayılan; .traineddata modelinde ne varsa onu kullanır.

Uyumluluk: Her dil paketi eski motoru (OEM 0) desteklemez. "fast" modeller yalnızca LSTM verisi (OEM 1) içerir.

Çıktı Formatları (PDF, hOCR)

Bir görseli aranabilir PDF'ye dönüştürmek için pdf çıktısını kullanın; sözcük bazında koordinatlar için hOCR/TSV/ALTO seçin.

# Aranabilir PDF
tesseract document.tif output pdf
# Koordinat verisi (hOCR)
tesseract input.png out hocr

→ Tam Tesseract OCR PDF kılavuzu — aranabilir PDF'ler, OCRmyPDF, Python ve sorun giderme.

Python Entegrasyonu (pytesseract)

Motoru kurun, ardından pip install pytesseract pillow çalıştırın. Tam rehber image_to_string, görsel ön işleme, PDF, güven, PSM/OEM yapılandırması ve sorun gidermeyi kapsar.

→ Python rehberi

Node.js ve Tarayıcı (tesseract.js)

tesseract.js WebAssembly ile tarayıcıda veya Node'da kullanılır. Görüntüleri tanır, PDF desteklemez. Tüm sarmalayıcılar ve ödünleşimler için kütüphane referansına bakın.

→ Tesseract OCR Kütüphaneleri ve Sarmalayıcıları

Model Eğitimi & İnce Ayar (tesstrain)

Tesseract 5, LSTM modellerini tesstrain projesiyle ince ayar yapar ve eğitir. Eğitim, ikili yükleyicilerde kullanılamaz: kaynaktan derleme (veya WSL2), make, doğru veri üretimi ve tesstrain deposu gerekir.

→ Tam Tesseract eğitim kılavuzu (tesstrain, ince ayar, dağıtım)

İlgili Belge Yapay Zekâsı ve Derin Öğrenme Motorları

Tesseract metin çıkarmada yerleşik açık kaynak standarttır; ancak modern belge süreçlerinde sıklıkla özel sinir ağı motorlarıyla birlikte kullanılır:

PaddleOCR: Gelişmiş tablo tanıma, düzen analizi ve çok dilli destek sunan yüksek doğruluklu derin öğrenme OCR motoru (PP-OCR). (rehber)
Docling: PDF, görsel ve Office belgelerini yapılandırılmış Markdown ve JSON'a dönüştüren, üretken yapay zekâ ve RAG için açık kaynaklı belge ayrıştırıcı. (rehber)
Pillow (PIL): OCR öncesinde kontrast ayarı, eşikleme, kırpma ve biçim dönüştürme için kullanılan temel Python görüntü işleme kütüphanesi. (rehber)