gImageReader是tesseract-ocr的一个GTK图形前端。如图：
Tesseract是一个OCR引擎，它可以识别图形中的文字。但不带文档输出分析，没有输出格式和图形用户界面。
gImageReader可以从图像或PDF文件中导出文字。它支持列选择和部分文档的功能，也可以打开多页面的PDF或图像文件，支持所有的图形格式，能只转化选定区域的文字。
可选项：在UBUNTU 10.04和10.10中安装Tesseract OCR 3.0 SVN
尽管Tesseract OCR 3.0仍在开发中，但比现在的稳定版要好很多。而且这个PPA中还包括很多语言包，所以，尽管这是一个可选项，仍然强力推荐。
警告：安装完最新版Tesseract之后要马上禁用这个PPA源，因为它还包含一些很有风险的程序包。
添加PPA源并安装Tesseract OCR 3.0 SVN:
sudo add-apt-repository ppa:alex-p/notesalexp
sudo apt-get update
sudo apt-get install tesseract-ocr
这个源中还包含了一些其他的语言包，比如德文，法文之类的（可惜没有中文）。在新立得中搜索tesseract-ocr，找到你需要的语言包，安装即可。
现在，需要禁用这个PPA，按ALT + F2，输入：
gksu software-properties-gtk
然后，在“其它软件”选项卡中找到”http://ppa.launchpad.net/alex-p/notesalexp”这一行，去掉前面的勾或者直接删除它。
gImageReader
gImageReader既可以在LINUX中使用也可以在WINDOWS中使用。可以在这里下载（.deb, .rpm 或 .exe 文件都有）
安装之后，选择你想要转化成文本的PDF或图像，如果转化整个文件就点击”Recognize all”，如果不是，用鼠标选中你想转化的那一部分点击”Recognize selection”
如果PDF文件或图像文件对应的语言包尚未安装，gImageReader会自动探测语言。
原文链接：webupd8
转自：ubuntuhome
