Leipzig, Augustusplatz (Anfang 19. Jahrhundert)

Augustusplatz, Leipzig, aus »Bunte Bilder aus dem Sachsenlande«, Bd. I, 1902, Neunte Auflage, S.173

Meißen, die alte Markgrafenstadt

Vorwort

Der folgende Artikel ist eine Faksimilie aus »Bunte Bilder aus dem Sachsenlande« Bd. I, Leipzig, 1902, im Original verfasst von E. Rasche.

Meißen, die alte Markgrafenſtadt.

Meißen, die altehrwürdige Markgrafenſtadt, am ſtolzen Elbſtrom, in lieb-
licher, reich geſegneter Landſchaft gelegen, berühmt durch ſeine prächtige Albrechts-
burg, durch ſeinen altersgrauen Dom und durch ſeine altehrwürdige Fürſtenſchule,
nicht minder auch durch ſein geſuchtes Porzellan: wer kennt fie nicht, dieſe Perle
ſächſiſcher Städte! Tauſende von Fremden pilgern jährlich hierhier: ſei es, um ſich
an den herrlichen Denkmalen gotiſcher Baukunſt zu erfreuen; ſei es, um die weit
berühmte Kunſtſtätte der Porzellanbereitung zu beſuchen; es ſei vielleicht auch
nur, um ein Schöpplein Meißner Rebenſaftes zu trinken, der wahrhaftig beſſer
iſt als ſein Ruf.

Am linken Elbufer, da, wo das klare Waſſer der Triebiſch dem Elbſtrome
zueilt, breitet ſich die freundliche Stadt aus, an zwei Seiten eingeſchloſſen durch
weinumrankte Höhenzüge, welche das Triebiſchthal bilden. Elbabwärts von der
Triebiſchmündung erhebt ſich der Schloßberg, den einſtmals drei Schlöſſer krönten:
das Markgrafenſchloß, das Biſchofsſchloß und das burggräfliche Schloß. Von
dem Burggrafenſchloß iſt längſt ſchon nichts mehr zu ſehen; das Biſchofsſchloß
mit ſeinem runden, plumpen Turme wird als Königl. Amtsgerichtsgebäude benutzt,
und an Stelle des alten Markgrafenſchloſſes erhebt ſich ſtolz die Albrechtsburg.
An dieſelbe ſchließt ſich der ehrwürdige Dom mit dem eigenartig gebauten
höckrigen Turme, der gleich der Albrechtsburg als ein hervorragendes Kunſtwerk
gotiſcher Bauart gerühmt wird. Der Dom, welcher in ſeiner heutigen Grundform
aus dem 13. Jahrhundert ſtammt, iſt in ſeiner äußeren Form durch Anbauten
zahlreicher Kapellen nicht unweſentlich verändert worden. Die bedeutendſte dieſer
Kapellen iſt die Begräbniskapelle Friedrichs des Streitbaren, welche leider das
künſtleriſch ausgeführte einſtmalige Hauptportal verdeckt.

Von dem Schloßberge führt eine ſteinerne Brücke nach dem Afraberg, auf
deſſen Plateau ſich die Afrakirche erhebt. Mit derſelben war in früherer Zeit das
Afrakloſter verbunden, deſſen Räume und Einkünfte der Herzog Moritz nach Auſ-
hebung des Kloſters der von ihm 1543 begründeten Fürſtenſchule überwies.
1879 trat an Stelle der alten Kloſterräume, die im Laufe der Zeit verſchiedent-
lich erneuert und erweitert worden waren, ein Neubau, der in ſeiner nüchternen
Architektur den benachbarten ſtilvollen Bauten der Albrechtsburg und des Domes
leider gar nicht entſpricht.

An den Afraberg ſchließt ſich der Jüdenberg, der ſeinen Namen dem Um-
ſtande verdankt, daß die Juden, die im Mittelalter in größerer Anzahl in einer
Vorſtadt Meißens wohnten, hier ihren beſonderen Kirchhof hatten. Eine eiſerne
Säule, zu Ehren des „ehernen Reichskanzlers“, des Fürſten Bismarck, errichtet
ſchmückt die kahle Höhe des Jüdenberges.

Dem Schloßberge gegenüber in öſtlicher Richtung liegt der Martinsberg,
von dem ein ſchlichtes Kirchlein, die Martinskirche genannt, freundlich ins Thal
herabſchaut. An den Martinsberg lehnt ſich in der Richtung der Triebiſch der
Ploſſenberg, und an dieſen reiht ſich der Breite Berg, an deſſen Abhang ſich der
ſchattige Stadtpark ausbreitet.

Zwiſchen dieſen beiden, das Triebiſchthal umſäumenden Bergzügen liegt die
untere Stadt, während die Gebäude des Schloß- und Afraberges die Oberſtadt
bilden. Die Häuſer haben vielfach noch ein altertümliches Anſehen; große Neu-
bauten verdrängen aber die alten Gebäude mehr und mehr. Die Straßen ſind
zum Teil ſehr eng und winkelig.

Die Hauptplätze der inneren Stadt ſind der Marktplatz, der Heinrichsplatz
und der Gewandhausplatz. Am Markte ſtehen die Stadt- oder Frauenkirche und
das Rathaus, beides alte Gebäude, welche dem Ausgange des 15. Jahrhunderts
entſtammen. Am Heinrichsplatze befindet ſich die dem Verfalle nahe Franziskaner-
kirche, die einſtmals mit dem Franziskanerkloſter verbunden war. Geſchmückt
wird der Platz durch das Heinrichsdenkmal, die aus Sandſtein gehauene Statue
Heinrichs I., des Begründers der Burg. In der Mitte des Gewandhausplatzes
erhebt ſich das umfangreiche Gewandhaus, das in früherer Zeit die Verkaufshalle
der Tuchmacher, der einſtmal einflußreichſten Zunft Meißens, bildete. Vor dem

Gewandhauſe, in deſſen eine Hälfte das Stadttheater eingebaut iſt, ſteht das
Siegesdenkmal, die Saxonia.

In den Straßen der Stadt herrſcht ſtets ein regeres Leben, als man bei
den 18000 Einwohnern, die Meißen zählt, erwarten ſollte. Es liegt dies nicht
nur in der volkreichen und geſegneten näheren Umgebung der Stadt, ſondern
vor allem auch in dem bedeutenden Fremdenverkehr begründet, der ſeinen Höhe-
punkt an den ſchönen Sommerſonntagen und zur Zeit der Weinleſe findet. —

Meißen, in früherer Zeit „Miſni“ genannt, gehört mit zu den älteſten
Städten Sachſens. Wenn auch nicht anzunehmen iſt, daß Heinrich I. die Stadt
gleichzeitig mit der Befeſtigung des Schloßberges angelegt hat, ſo wird ſie doch
in alten Urkunden ſchon im Jahre 948 als Stadt (civitas, d. h. ein mit Mauern
umgebener Ort) aufgeführt.

Unter dem Schutze einer ſtarken Feſte, als Reſidenz, ſowie als politiſcher
Mittelpunkt einer aufblühenden Mark und als Sitz eines einflußreichen Bistums,
das Kaiſer Otto angelegt hatte, entwickelte ſich die Stadt raſch zu einem hoch-
wichtigen Mittel- und Ausgangspunkte deutſcher Kultur. Hier ſtrömten die
Reichseinkünfte, die aus den verſchiedenſten Landesprodukten beſtanden, zuſammen;
hierher hatten die Landbewohner den Zehnten zu bringen. Die günſtige Lage am
ſchiffbaren Elbſtrome beförderte überdies den Verkehr, und es iſt anzunehmen, daß
Meißen ſchon im 10. Jahrhundert das Marktrecht erhalten hat. Unter dieſen
günſtigen Umſtänden gedieh auch das gewerbliche Leben; die Zünfte der Hand-
werker, namentlich der Tuchmacher und Fleiſcher, gelangten zu Wohlſtand und
Anſehen, und frühzeitig ſchon kam das Stadtregiment, in das ſich vordem der
Markgraf und der Burggraf teilten, in die Hände der freien Bürger.

Seine Bedeutung als dauernde Reſidenz verlor Meißen allerdings ſchon
unter Heinrich dem Erlauchten (1221–1288), welcher Dresden zu ſeinem Wohn-
ſitze erkor. Seit dieſer Zeit nahmen einzelne Fürſten nur noch vorübergehend
hier Aufenthalt.

Je mehr aber Meißen als weltliche Reſidenz an Anſehen einbüßte, um ſo
mehr entwickelte ſich in ihm das kirchliche Leben. Unter dem Schutze mächtiger
Biſchöfe, deren Bistum 400 Ml. mit 3000 Kirchen umfaßte, entſtanden in
Meißen zahlreiche Kirchen und drei Klöſter: das Afrakloſter, das Franziskaner-
kloſter und das Nonnenkloſter zum heiligen Kreuz. Innerhalb der Stadtmauer
zählte man im 15. Jahrhundert ſechs Kirchen und in der nächſten Umgebung der
Stadt gab es 9 Kirchen und Kapellen. So mit Kirchen, Klöſtern und geiſtlichen
Würdenträgern reich ausgeſtattet, bildete Meißen einen hochwichtigen Mittelpunkt
geiſtlicher Herrſchaft und des römiſchen Kultus; ja, in jener Zeit, als ſich im erneſti-
niſchen Sachſen das Reformationswerk unter dem Schutze des Kurfürſten kräftig
entwickelte, war Meißen unter der Regierung des lutherfeindlichen Herzogs Georg
des Bärtigen „eine wahre Hochburg des katholiſchen Glaubens“. Namentlich
bildete die Domkirche, mit reichen Stiftungen bedacht, einen Glanzpunkt katho-
licher Werkheiligkeit. So berichtet der Chroniſt Laurentius Fauſtus in ſeinem
„Geſchichts- und Zeitbüchlein der berühmten Stadt Meißen“: „Es ſind aber zu
ſolchen Kirchen und Thumbſtifft (Domſtift) gar viel Lehn | und bei 40 Altäre

geſtifftet |darzu viel Perſonen zum Singen vnd Meßhalten | vnd anderen Cere-
monien vnd Kirchengebreuchen verordnet geweſen | desgleichen man in Deutſch-
land vnd auch wohl zu Rom nicht funden | ſonderlich wie Anno 1400 vom Chur-
fürſten Erneſto eine Stifftung verordnet worden | das in der Thumbkirch | Tag
vnd Nacht geſungen worden.”

Zur Zeit des Beginns der Reformation waren im Dome 50 Altäre noch
nicht hinreichend, den zahlreichen Meſſen zu genügen, ſo daß überdies noch Trag-
altäre aufgeſtellt werden mußten. Der Meißner Domherr Hieronymus Emſer er-
zählt vom Jahre 1512, daß im Dome zu Meißen tagtäglich von 12 Uhr mittags
bis zur nächtlichen Stunde des folgenden Tages ununterbrochen Gottes- und
Heiligendienſt gehalten worden ſei, und daß in ganz Deutſchland, ja ſelbſt in
Rom nicht Gott den Engelharmomen gleich geprieſen worden ſei, als in der
Stiftskirche zu Meißen. Einen beſonderen Anziehungspunkt beſaß der Dom in
dem Grabmal des Biſchofs Benno, das als wunderthätig galt. Biſchof Wittigo I.
hatte 1270 die Gebeine des Benno, die bis dahin in einem Winkel der Dom-
kirche begraben geweſen waren, ſammeln und, nachdem man dieſelben mit
Wein abgewaſchen hatte, in der Mitte der Domkirche beiſetzen laſſen. Von jener
Zeit an wurde das Grabmal des Benno ein vielbeſuchter Wallfahrtsort; denn
Benno wurde, wie der ſchon erwähnte Chroniſt Fauſtus berichtet, „von vielen für
einen nothelffer geehrt | zu welcher fich die |  ſo etwa in noth geſtecket | oder mit
großen Leibesſchmertzen beleget | mit einem gelübd | vnd ſonderlich mit Wach-
ſenen gliedern (Gliedern aus Wachs) vnd Bildern gelobt | deren man im Bapſt-
thumb zu Meißen | mitten in der Thumbkirch an einem Balken | vmb vnd vber
ſeinem vergitterten Grabe | zum gedechtnis vnd zur ſterkung der Abgötterey viel
aufgehengt geſehen.”

Noch mehr wurde die Bedeutung der Domkirche durch die Heiligſprechung
des Biſchofs Benno erhöht, die auf Antrieb des Biſchofs Johann und des Herzogs
Georg 1523 durch den Papſt Hadrian VI. erfolgte. Die Gebeine Bennos wurden
abermals in einem koſtbaren Marmorgrabe, das an Stelle des früheren errichtet
wurde, beigeſetzt, und zwar, wie der Chroniſt meldet, „in herrlicher Solennität |
in Beyſein vieler Fürſten vnd Herren | vnter welchen Hertzog George zu Sachſen
vnd ſeine zwey Söhne Johannes vnd Friedrich auch gegenwertig geweſen | vnd
ſonſten ein groſſer zulauff | von vielem volk fern und nah.”

Aber all dieſe Herrlichkeit römiſcher Macht brach nach dem Tode des Her-
zogs Georg, der die Reformation mit allen nur möglichen Gewaltmitteln aus
ſeinem Lande fernzuhalten geſucht hatte, zuſammen. Sein Nachfolger Heinrich
der Fromme führte die Reformation ein. Die Klöſter wurden aufgehoben; der
römiſche Ceremonien- und Heiligendienſt wurde aus den Kirchen verbannt, und
die Macht der Meißner Biſchöfe und Domherren wurde, allerdings erſt nach
langen Kämpfen, gebrochen. Die Räume und Einkünfte der aufgehobenen Klöſter
wurden meiſt zu Schulzwecken beſtimmt. So überließ Heinrich der Fromme die
Räume des Franziskanerkloſters dem Rate zu Meißen und beſtimmte, „das es
gütigen und milden Sachen zugewendet und zur Förderung derſelbigen gereiche |
und ſonderlich | das es von ihren Pfarrer und Schulen | imaſen es dazu an-

gericht | gebraucht werde.” Der Rat zu Meißen errichtete daher 1540 in dieſen
Räumen eine lateiniſche Schule, Franciscaneum oder schola sanatoria genannt,
und Herzog Moritz begründete „aus den erledigten Kloſter- und Stifftsgütern”
die Landesſchule St. Afra zu Meißen.

Mit jener Zeit aber hatte die Stadt Meißen ihre erſte Blütezeit erreicht,
und ſichtlich nahmen nun Ruhm und Wohlſtand der Stadt ab. Und war dies
nicht ſehr naheliegend? Die Räume des Schloſſes, einſt ein Glanzpunkt fürſtlicher
Macht, waren verödet, und der Dom, ſonſt der Mittelpunkt eines prunkvollen
Heiligendienſtes, der Tauſende von Wallfahrern nach Meißen lockte, hatte ſeine
frühere Bedeutung verloren. Hierzu kamen die Reformationskriege, durch die
Meißen hart bedrängt wurde. Schon in dem Huſſitenkriege war Meißen ſchwer
mitgenommen worden, und auch in dem Schmalkaldiſchen Kriege hatte es viel zu
leiden; aber der 30jährige Krieg, der den größten Teil der Stadt zur Ruine
machte, vernichtete Handel, Gewerbe und Wohlſtand der Meißner Bürgerſchaft
faſt vollſtändig. Und ſo drohte denn Meißen, der ehemaligen Fürſtenreſidenz,
das herbe Geſchick, zum armſeligen, bedeutungsloſen Landſtädtchen herabzuſinken.
Da trat ein Ereignis ein, das für Meißen und ſeine weitere Entwickelung von
den weitgehendſten und ſegensreichſten Folgen ſein ſollte, nämlich die Erfindung
des Porzellans durch den Alchimiſten Johann Friedrich Böttger.

Das gewaltige Häuſergeviert im Tribiſchthale, dem Induſtrieviertel Meißens,
wo gegenwärtig die Böttgerſche Kunſt in größter Vollkommenheit betrieben wird,
und das Böttgerdenkmal, das innerhalb der Mauern der Stadt im Jahre 1891
errichtet worden iſt, bezeugen ſattſam die Wertſchätzung, die dieſe Kunſt in unſerer
Zeit genießt.

Das Aufblühen der Königlichen Manufaktur regte ſelbſtverſtändlich auch die
Privatinduſtrie an, und da ſich in der nächſten Nähe unerſchöpfliche Thonlager
fanden, entwickelte ſich Meißen zum Haupt- und Mittelpunkt der „keramiſchen
Induſtrie” Sachſens. Aus beſcheidenen Töpfereien ſind nach und nach große
Öfen- und Chamottefabriken entſtanden, deren Betrieb ſich teilweiſe auch auf die
Porzellanbereitung erſtreckt. Die Porzellan-, Öfen- und Chamottefabriken der
Stadt und ihrer Vororte beſchäftigen weit über 2000 Arbeiter, die alle einen
lohnenden Verdienſt finden. Der geſamte Jahresumſatz dieſer Fabriken beziffert
ſich auf nahezu 2¼ Millionen Mark.

Mit der Begründung der Königlichen Porzellanmanufaktur war für Meißen
derGrund zu ſeiner nachmaligen induſtriellen Entwickelung und zu einem neuen
Aufſchwunge gelegt. Außer der keramiſchen Induſtrie ſind namentlich Maſchinen-
bauanſtalten, Cigarrenfabriken und eine bedeutende Juteſpinnerei und -Weberei
angelegt worden, die gleich den als Spezialität Meißens geltenden Zünderfabriken
ihre Fabrikate in alle Weltteile verſenden.

E. Raſche.

Teil 8, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

Der Prozess der Nachkorrektur der OCR-Texte des Buches "Bunte Bilder aus dem Sachsenlande" ist recht zeitaufwendig. Um besser Fehler zu finden, aber auch mal ein Zwischenergebnis zu haben, habe ich folgendes Bash-Script geschrieben, welches mir ein rudimentäres EPub-Dokument zusammenbaut:

# generates a rudimentary epub
NAME=/tmp/$1
DIR=$(echo $2|sed -e "s/\/$//g")
PAGES=$(ls $DIR)
mkdir -p $NAME
mkdir -p $NAME/$DIR
echo -n "application/epub+zip" >$NAME/mimetype
mkdir -p $NAME/META-INF
cat <<CONTAINER >$NAME/META-INF/container.xml
<?xml version="1.0" encoding="UTF-8"?>
  <container
    xmlns="urn:oasis:names:tc:opendocument:xmlns:container"
    version="1.0">
    <rootfiles>
      <rootfile
        full-path="$DIR/inhalt.opf"
        media-type="application/oebps-package+xml"/>
    </rootfiles>
  </container>
CONTAINER
cat <<OPF1 >$NAME/$DIR/inhalt.opf
<?xml version="1.0" encoding="UTF-8"?>
  <package
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:opf="http://www.idpf.org/2007/opf"
    xmlns="http://www.idpf.org/2007/opf"
    version="2.0"
    unique-identifier="BookId">
    <metadata>
      <dc:language xsi:type="dcterms:RFC3066">de-DE</dc:language>
      <dc:title>Hello World</dc:title>
      <dc:identifier id="BookId">id_Hello_World</dc:identifier>
    </metadata>
    <manifest>
      <item id="ncx" href="inhalt.ncx" media-type="application/x-dtbncx+xml"/>
OPF1
for i in $PAGES; do
      cat <<OPF2 >>$NAME/$DIR/inhalt.opf
     <item id="Datei_$i" href="$i.xhtml" media-type="application/xhtml+xml"/>
OPF2
done
cat <<OPF3 >>$NAME/$DIR/inhalt.opf     
    </manifest>
    <spine toc="ncx">
OPF3
for i in $PAGES; do
cat <<OPF4 >>$NAME/$DIR/inhalt.opf
      <itemref idref="Datei_$i"/>
OPF4
done
cat <<OPF5 >>$NAME/$DIR/inhalt.opf
    </spine>
  </package>
OPF5
cat <<NCX1 >$NAME/$DIR/inhalt.ncx
<?xml version="1.0" encoding="UTF-8"?>
  <!DOCTYPE ncx
    PUBLIC "-//NISO//DTD ncx 2005-1//EN" "http://www.daisy.org/z3986/2005/ncx-2005-1.dtd">
  <ncx
    xmlns="http://www.daisy.org/z3986/2005/ncx/"
    version="2005-1"
    xml:lang="de-DE">
    <head>
      <meta name="dc:Title" content="Hello World"/>
      <meta name="dtb:uid" content="id_Hello_World"/>
    </head>
    <docTitle>
      <text>Hello World</text>
    </docTitle>
    <navMap>
NCX1
for i in $PAGES; do
cat <<NCXPAGES >>$NAME/$DIR/inhalt.ncx
      <navPoint playOrder="1" id="id_$i">
        <navLabel>
          <text>$i</text>
        </navLabel>
        <content src="$i.xhtml"/>
      </navPoint>
NCXPAGES
done
cat <<NCX2 >>$NAME/$DIR/inhalt.ncx
    </navMap>
  </ncx>
NCX2
for i in $PAGES; do
cat <<XHTML1 >$NAME/$DIR/$i.xhtml
<?xml version="1.0" encoding="UTF-8"?>
  <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN"
     "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">
  <html xmlns="http://www.w3.org/1999/xhtml">
    <head>
      <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"/>
      <link rel="schema.DC" href="http://purl.org/dc/elements/1.1/"/>
      <title>$i</title>
      <meta name="DC.identifier" content="id_$i"/>
    </head>
    <body>
XHTML1
cat $DIR/$i | sed -e "s/&/&amp;/g" -e "s/</&lt;/g" -e "s/>/&gt;/g" >>$NAME/$DIR/$i.xhtml
cat <<XHTML2 >>$NAME/$DIR/$i.xhtml
    </body>
  </html>
XHTML2
done
pushd $NAME
zip -Z store -X $NAME.epub mimetype
zip -9 -X -r $NAME.epub META-INF/
zip -9 -X -r $NAME.epub $DIR/
popd

Das Script wird mit 2 Parametern aufgerufen, der erste gibt den Namen (nicht Pfad) des Zieldokumentes an, der zweite das Verzeichnis mit den OCR-Dateien. Es erzeugt dann das Dokument im Verzeichnis /tmp als $NAME.epub

Das Script enthält noch kein Feintuning und die Kapitel entsprechen den Seitenzahlen. Um das erzeugte Epub-Dokument auf Korrektheit zu testen benutze ich den Validator  EPubCheck Version 3.0. Dieser prüft sehr genau und es hat eine Weile gedauert, bis das Script ein nahezu fehlerfreies Dokument erzeugt hat.  Zum Prüfen des erzeugten EPUB einfach folgenden Aufruf verwenden: java -jar epubcheck-x.x.x.jar file.epub

Einen Zwischenstand des Buches gibt es hier: https://www.dropbox.com/s/sf9j53ovg7qku0p/Bunte_Bilder_2013-01-13.epub

Teil 6, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

OCR Verbesserung mit unicharambigs

Mit der Erstellung einer Datei, hier deu-frak.unicharambigs gibt man Tesseract3 Hinweise, welche Zeichen durch welche ersetzt werden können oder sollten.

Hier der Inhalt meiner deu-frak.unicharambigs:

v1
1    B    1    V    0
1    c    1    e    0
1    e    1    c    0
1    f    1    ſ    0
1    ſ    1    f    0
1    V    1    B    0
1    m     2    i n    0
2    ( )    1    0    0
2    - —    1    —    1
2    , ,    1    »    1
2    — -    1    —    1
2    — —    1    —    1
2    1 n    1    m    0
2    - 3    1    s    0
2    - H    1    H    0
2    . H    1    H    0
2    - I    1    s    0
2    i h    2    c h    0
2    i i    1    ä    0
2    i i    1    n    0
2    i i    1    ü    0
2    i n    1    m    0
2    i v    1    w    0
2    l 1    1    U    0
2    l )    1    h    0
2    l l    1    U    0
2    n 1    1    m    0
2    n i    1    m    0
2    n i    1    w    0
2    r i    1    n    0
2    s -    1    s    0
2    t )    1    y    0
2    t i    1    n    0
2    t i    1    ü    0
2    t v    1    w    1
2    z n    2    z u    1
2    m i    2    u n    0
2    m n    2    u m    0
3    1 1 )    1    W    0
3    a n ſ    3    a u f    1
3    ä n ſ    3    ä u ſ    1
3    i i i    1    m    1
3    i i ſ    2    n ſ    1
3    i i ß    2    ü ß    1
3    n i a    2    m a    1
3    n n n    2    m m    0
3    ſ e h    3    ſ c h    0
3    ſ r e    3    f r e    0
3    t m n    3    t u m    0
3    C i n    3    E i n    0
3    i i c    2    ü c    1
3    t n d    3    t u d    1
3    u n n    2    m m    0
3    n n r    3    n u r    1
3    n n d    3    u n d    1
3    b n r    3    b u r    1
3    n u e    3    n n e    1
3    o l ſ    3    o l f    1
3    n m n    3    u n m    0
3    n ſ ſ    3    u f f    0

Die erste Spalte gibt an, wieviel Zeichen aus Original mit wievielen Zeichen ersetzt werden sollen.

Diese Zeile zum Beispiel:

3    i i c    2    ü c    1

gibt Tesseract die Anweisung, Teilstrings "iic" durch "üc" zu ersetzen. 

 

Erste Ergebnisse

Nach der OCR Erkennung habe ich jetzt im txt-Verzeichnis zu jedem Bild meine Textdateien, die ich nun nach und nach korrigiere. Hier als Ausschnitt die Seite 6 des Buches:

An den Leſer.

Das vorlieqende zweibändige Werk »Bunte Bilder aus dem
Sachſenlande« verſolgt einen doppelten Zweck.

Zunächſt iſt es dazu beſtimmt, Großen und Kleinen, Alten und Jungen
Kunde zu bringen von Land und Leuten, Kunde vom Leben und Treiben,
Singen und Sagen der Bewohner der verſchiedeneir Gegenden unſeres
engeren Vaterlandes. Mit der genaueren Kenntnis der Heimat aber ſoll es
ein lebhaftes Intereſſe ſür die Entwickelung derſelben und ſür ihre Eigen-
artigkeiten und Schönheiten vermitteln und ſo eine Heimatsliebe erwecken und
pflegen, die, wenn ſie ſich frei hält von Engherzigkeit und Überſchätzung
die schönſte Eigenſchaſt eines Staatsbürgers und die beſte Grundlage des
wahren, qeſunden Patriotismus iſt, der unſerem deutſchen Volke ſo not thut.

Daneben will das Buch aber auch darauf hinwirken, daß das Band
der Liebe, welches das Herrſcherhaus ſeit mehr denn 800 Jahren mit Land
und Volk verknüpft, ein immer innigeres und feſteres werde. An den
verſchiedenſten Stellen nimmt es daher Bezug auf die Geſchichte des er-
lauchten Hauses Wettin und auf den Einſluß, den die Herrſcher desſelben
auf das Gedeihen und Blühen des Sachſenlandes und auſ das Wohl des
Sachſenvolkes ausgeübt haben.

Die zahlreichen Artikel ſind in der Hauptſache geographiſcher und ge-
ſchichtlicher Natur; und da man ein Volk in ſeiner Eigenart nicht zum ge-
ringſten auch aus Sitte, Sang und Sage kennen lernt, ſo iſt anch dieſe
Seite des Volkslebens nichts unberückſichtigt geblieben.

Die Beiträge ſür das Buch ſind gelieſert worden von Lehrern und
Freunden der Jugend aus den verſchiedenſten Landesteilen. Einige dieſer
Beiträge erſcheinen im Gewande der Wiſſenſchaftlichkeit und ſind die Frucht
eingehender Quellenſtudien und ſachmänniſcher Einſicht, andere ſind in Form
und Inhalt mehr der Auffaſſungskraft des ſchlichten Mannes angepaßt;
einige ſind mehr belehrend, andere mehr unterhaltend, noch andere ſind

Teil 5, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

 

Update

Ergänzt um Wörterbucherzeugung und Häufigkeitsliste. Korrektur Fehler OCR-Text (falsche Datei erwischt).

Seitenweises Zeichenerfassen

Wie im letzten Artikel beschrieben, habe ich mir zur Verbesserung der Erkennungsgenauigkeit von Tesseract 3 Paare von TIFF-Dateien und Box-Dateien erzeugt, um die Zuordnung von Blobs zu den Zeichen im UTF-8 Format mit Hilfe von jTessBoxEditor festzulegen.

Ich hatte dazu 5 Seiten aus dem Originalscan ausgewählt, zwei davon aus dem Inhaltsverzeichnis, um auch Ziffern zu erfassen.

Diese Zuordnung hat relativ lange gedauert, da ich pro Seite ca. 2500 Zeichen editieren mußte.

Hartes Training

Das Training von Tesseract besteht aus mehreren Schritten. Wichtig ist die Erzeugung der font_properties Datei, die angibt, daß der Font gebrochen ist, sprich als Frakturschrift daherkommt. Dazu wird folgende Zeile eingetragen:

frak2 0 0 0 0 1

Ebenfalls wichtig sind zwei Dinge, erstens eine Wortliste, die auch Besonderheiten, wie das lange S korrekt enthalten sollte, zweitens ein Häufigkeitsliste, die angibt, welche Wörter, wie häufig vorkommen. Wenn man hier keine Arbeit reinstecken möchte, kann man die Dateien vom deu-frak-Paket verwenden (ist bei Tesseract dabei), die aber keine Unterstützung für langes S beinhaltet.

Mein Weg war daher folgender. Aus den Box-Dateien habe ich die Wörter extrahiert und daraus meine Wortliste gebaut.

Dazu habe ich mit folgendem Aufruf aus allen Box-Dateien die Wörter in eine Textdatei geschrieben und mit Editor in eine Wortliste umgewandelt:

cat deu-frak.frak2.exp*.box | cut -d " " -f 1 | tr -d '\n' > words.txt

Anschliessend die Liste mit sort sortieren und mit uniq die Dubletten entfernen:

cat words.txt | sort | uniq > ogerman

Die Häufigkeitsliste bekommt man mit

cat words.txt |sort -fd  | uniq -c | sort -n -r >  freq

Mit gnumeric noch schnell die beiden Spalten Häufigkeit und Wort vertauschen.

Die Schritte des Trainings habe ich in einem Script zusammengefasst, ein alternatives Script findet sich unter https://github.com/paalberti/tesseract-dan-fraktur/blob/master/deu-frak/buildscript.sh:

#!/bin/bash
rm -f *.tr *.txt deu-frak.inttemp deu-frak.normproto deu-frak.pffmtable deu-frak.shapetable deu-frak.traineddata deu-frak.unicharset pffmtable unicharset
for i in $(seq 0 5); do
tesseract deu-frak.frak2.exp$i.tif deu-frak.frak2.exp$i nobatch box.train
done
unicharset_extractor deu-frak.frak2.exp0.box deu-frak.frak2.exp1.box deu-frak.frak2.exp2.box deu-frak.frak2.exp3.box deu-frak.frak2.exp4.box deu-frak.frak2.exp5.box
#mftraining -F font_properties -U unicharset -O unicharset deu-frak.frak2.exp0.tr deu-frak.frak2.exp1.tr deu-frak.frak2.exp2.tr deu-frak.frak2.exp3.tr
cat unicharset | sed -e "s/^\([æøåäöüâêàèéçßſ][a-z]*\) 0/\1 3/" \
  -e "s/^\([ÆØÅÄÖÜÂÊÀÈÉÇ][a-z]*\) 0/\1 5/" \
  -e "s/^\([«»„”·§—ɔ–]\) 0/\1 10/" \
  -e "s/^ɔ 3 /ɔ 10 /" \
  -e "s/^½ 0/½ 8/" | sed -e "s/^\([æøåäöüâêàèéçßa-zÆØÅÄÖÜÂÊÀÈÉÇA-Zſ].*\) NULL /\1 Latin /" \
  -e "s/^\([«»„”·§—ɔ–[:punct:][:digit:]].*\) NULL /\1 Common /" \
  -e "s/^\(&c .*\) Common /\1 Latin /" > unicharset.edited
#mftraining -F font_properties -U unicharset -O unicharset deu-frak.frak2.exp0.tr deu-frak.frak2.exp1.tr deu-frak.frak2.exp2.tr deu-frak.frak2.exp3.tr
shapeclustering -F font_properties -U unicharset.edited deu-frak.frak2.exp0.tr deu-frak.frak2.exp1.tr deu-frak.frak2.exp2.tr deu-frak.frak2.exp3.tr deu-frak.frak2.exp4.tr deu-frak.frak2.exp5.tr
mftraining -F font_properties -U unicharset.edited -O deu-frak.unicharset deu-frak.frak2.exp0.tr deu-frak.frak2.exp1.tr deu-frak.frak2.exp2.tr deu-frak.frak2.exp3.tr deu-frak.frak2.exp4.tr deu-frak.frak2.exp5.tr

cntraining deu-frak.frak2.exp0.tr deu-frak.frak2.exp1.tr deu-frak.frak2.exp2.tr deu-frak.frak2.exp3.tr deu-frak.frak2.exp4.tr deu-frak.frak2.exp5.tr
wordlist2dawg ogerman deu-frak.word-dawg deu-frak.unicharset

wordlist2dawg freq.txt deu-frak.freq-dawg deu-frak.unicharset

mv inttemp deu-frak.inttemp
mv normproto deu-frak.normproto
mv shapetable deu-frak.shapetable
mv pffmtable deu-frak.pffmtable
combine_tessdata deu-frak.

Hat alles funktioniert existiert im Verzeichnis tess_train/ die Datei deu-frak.traineddata, die für das OCR der anderen Seiten interessant ist.

OCR über alle Seiten

Zurück im Hauptverzeichnis, geht es nun ans Eingemachte. Tesseract kann man über die Variable TESSDATA_PREFIX mitteilen, wo es die OCR-Trainingsdaten findet.
Tesseract sucht im angegebenen Verzeichnis nach dem Verzeichnis tessdata/, ich kopiere dazu aus tess_train/ die deu-frak.traineddata.
Um jetzt für alle im Verzeichnis ppm_single/ befindlichen Einzelseiten, eine optische Zeicherkennung zu machen, benutze ich folgenden Aufruf, der im Verzeichnis txt/ die Text-Dateien erzeugt:

export TESSDATA_PREFIX=/tmp/Bunte_Bilder_aus_dem_Sachsenlande/

for i in ppm_single/*.ppm; do echo $i; convert $i /tmp/img.tif; tesseract /tmp/img.tif txt/$(basename $i '.ppm') -l deu-frak; done

Alternativ kann tesseract auch hOCR ausgeben. hOCR ist ein HTML/XML Format, welches im Rahmen von Google Ocropus entwickelt wurde und die Zuordung erkannter Text, Struktur und die zugrundeliegenden Bilder ermöglicht. Es wird mittlerweile von einer großen Anzahl an OCR-Programmen unterstützt. Eventuell erzeuge ich das hOCR mit, um ggf. daraus leichter das EPub-Format zu erzeugen.

OCR Ergebnis am Beispiel-Text der Seite 70

 

_.70—

keiten von kunſtgeioerblichem und knltiirhiſtoriſcheiii Jntereſſe enthält: wertvolle
Ringe und Ariuſpangen, lenchtende Dianianten und Rubinen, den größten Onyx
der Welt mit weißeiii Rande, Halsbäiider aus Edelſteinen und Perlen, goldene
Geſäße und ſeltene Uhren, ſeine Knnſtarbeiten früherer Jahrhnnderte und mancherlei
Kurioſitäten. Waffen der verſchiedenſten Zeitalter aus Jtalien und der Türkei,
Figuren aus Bronze und Elſenbein, der Kriſtallbecher Luthers und der Brillant-
ſchinuck der Königin: Tauſende von Prachtſtiicken leuchten hier dem Auge des Ve-
ſchauers entgegen. Fiirwahr, das Grüne Gewöll)e ſteht in Europa einzig in
ſeiner Art da; es hat einen wirklichen Wert von über 40 Millionen, während ſein
Kunſtwert ſich gar nicht abſchätzen läßt. Der Name ,,Griines Gewölbe«, der



bereits im 17. Jahrhundert vorkoniint, wird bald von den Gartenaiilageii her-
geleitet, welche ſich einſt vor den Fenſtern der Samiiiluiig beſanden, bald, was
noch glaubhaſter iſt, von der ſriiheren griinen Färbung der Wände.

Einen andern höchſt wertvollen Schatz beſitzt Dresden in der Gemälde-
galerie, uutergebracht in dem 1854 vollendeten Muſeum, durch deſſen Bau
Semper in genialem Wurſe den Reuaiſſaneeſtil der Neuzeit begri'uidete. Zu-
gleich ſchuſ Seinpers Nieiſterhand damit einen echt künſtleriſchen Abſchliiß des
Zwingers, des pl)antaſtiſchſteii, im Barockſtil gehaltenen Bauwerkes Auguſts des
Starken. Bekaniitlich war der Zwinger, der 1711 vollendet ward, nur als Borhoſ
eines ſreilich nicht zur Ausſiihruiig gekommenen Prachtſchloſſes gedacht, welches ſeine
gewaltige Front mit den Terraſſen gegen die Elbe kehren ſollte. Der Zwinger
bildet ein 250 Meter langes und 1()0 Meter breites Biereck, deſſen weiten Rauin
eine lange Galerie mit 6 Pavillons und 3 Portalen umſchließt, und in deſſen
Mitte ſeit 1843 das Denkmal Friedrich Auguſts des Gerechten, ein Werk Riet-
ſchels, auſgeſtellt iſt.

Teil 4, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

Warum Tesseract

Jetzt geht es ans Eingemachte. Da das gescannte Buch einen eigenen Font in Fraktur verwendet, ist es notwendig diesen Font zu trainieren um später möglichst wenig Nacharbeit zu haben.

Als OCR-Engine für die Texterkennung nutze ich Tesseract. Im Bereich freier Software sind noch cuneiform und ocropus halbwegs brauchbar. Ersteres kommt mit zuwenig Dokumentation und fällt daher fürs Trainieren der Fonts weg. Letzteres ist schwierig zu kompilieren und die Debian-Variante ist nocch wenig brauchbar.

Tesseract in Version 3 funktioniert ganz gut und ist für den gewünschten Zweck gut genug.

Hartes Training

Um Tesseract zu trainieren folge ich der Anleitung unter http://code.google.com/p/tesseract-ocr/wiki/TrainingTesseract3. Hier nochmal die einzelnen Schritte:

• mkdir tess_train
• cd tess_train/
• convert ../ppm_single/img012.ppm deu-frak2.exp0.tif
• TESSDATA_PREFIX=./ tesseract -psm 6 -l deu-frak deu-frak.frak2.exp0.tif deu-frak.frak2.exp0 batch.nochop makebox

convert ist Teil von ImageMagick und kopiert die Scanseite ins von tesseract erwartete TIFF-Format.  Anschliessend wird ein box-file erzeugt, welches die Koordinaten der erkannten Symbole enthält.

Mit Hilfe von dem unter http://sourceforge.net/projects/vietocr/files/jTessBoxEditor/ zu findenden jTessBoxEditor weise ich den grafischen Symbolen den korrekten Unicode zu. Korrekt heißt auch, Besonderheiten, wie das lange 'S' zu berücksichtigen.  Dies dauert eine Weile, hier ein Screenshot:

Anschliessend wird tesseract trainiert. Dazu später mehr.

Teil 3, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

Die verflixte Doppelseite

Wie im letzten Post festgestellt, hat die Doppelseitentrennung nicht sauber funktioniert.

Ursache ist, daß über ein Histogramm entlang der x-Achse versucht wird den dunklen Mittelbalken zu finden, was bei Seiten, die entweder leer sind oder Bilder enthalten nicht sauber funktioniert.

unpaper bietet die Möglichkeit den Balkenbereich einzugrenzen. Ein anderes Problem war, daß ich unpaper vergessen hatte zu sagen, daß es sich bei der Eingabe um Doppelseiten handelt.

Der komplette Aufruf sieht daher so aus:

unpaper --layout double -op 2 -mw 30,30 -dn left,right,top,bottom -dr 5 ppm/img%03d.ppm ppm_single/img%03d.ppm

Und, voila, die Doppelseiten sind sauber getrennt.

Teil2, Selbstversuch Ebook - Befreiung am Beispiel "Bunte Bilder aus dem Sachsenlande"

Kurzausflug Speicherplatz

Wie ich im vorigen Beitrag schrieb, hatte ich aus Platzgründen die Scans als JPEG abgespeichert. Pro Scanseite macht das ca. 1,2 MB. Bei der Konvertierung arbeite ich im folgenden auf Bitmapebene, so das pro Scanseite 25MB anfallen.

Für jedes Zwischenergebnis braucht es also genug Platz.

Gerade drehen

Mein Scanner scannt im A4 Format und die Seiten habe ich als Doppelseiten gescannt, die wie folgt aussehen:

Leider erwartet jeder spätere Verarbeitungsschritt die  Seiten als Doppelseiten, also genau um 90° gedreht.

Hier hilft mir ImageMagick weiter, mit dem ich wie folgt im Verzeichnis ppm/ die neuen Bilder rotiere und gleichzeitig konvertiere. PPM ist ein Bitmapformat (kommt aus der Unix-Ecke). Da zum Beispiel unpaper dieses Format verarbeiten kann, sieht mein Aufruf so aus:
 
for i in *.jpg; do convert $i -rotate 90 ppm/$(basename $i ".jpg").ppm; done

Nun habe ich im Unterverzeichnis die korrekt gedrehten Bilder:

Doppelseiten auftrennen

Leider liegen meine Scans immer noch als Doppelseite vor. Mit unpaper kann ich die Doppelseiten auftrennen. Dazu erzeuge ich zum einen ein neues Verzeichnis ppm_single/ und rufe dann unpaper mit den File-Pattern "img%3d.ppm" auf. %3d gibt hierbei an, daß 3 Ziffern enthalten sind. Die Option "-op 2" splittet mir dann die Doppelseiten auf. Der komplette Aufruf lautet:

unpaper -op 2 ppm/img%03d.ppm ppm_single/img%03d.ppm

Der ganze Prozess dauert ein Weilchen und ich trinke erstmal 'nen Kaffee.

PS.: unpaper macht eigentlich noch ein paar Sachen mehr, zum Beispiel korrigiert es noch leichte Verdrehungen und entfernt Fliegendreck, lest dazu mal die Doku :)

Erstes PDF erzeugen

Da wir ja ein erstes Ergebnis haben wollen, bauen wir uns schnell die Seiten als PDF zusammen. Dazu wieder mit ImageMagick aus den PPMs ein JPEGs erzeugen:

for i in ppm_single/*.ppm; do convert $i jpg/$(basename $i ".ppm").jpg; done


Jetzt habe wir im Verzeichnis jpg/ alle Seiten als JPEG vorliegen. Diese müssen mit Hilfe von pdfjoin, einem Programm aus der TexLive-Distribution, zusammengefügt werden. Es gibt aber auch andere Möglichkeiten, zum Beispiel mit pdftk.

pdfjoin --outfile bilder_aus_dem_sachsenlande.pdf jpg/*.jpg

Das PDF hat 416 Seiten und ist 238MB groß. Wenn wir statt JPEG pdfjoin mit PNG genutzt hätten, wäre das PDF 1,6GB groß geworden.

Die Seitenaufteilung hat erstmal nur suboptimal funktioniert. Darum kümmern wir uns später nochmal.

DJVu erzeugen

Was ist denn DJVu?

Das ist ein krasses Kompressionsformat, ursprünglich für die Online-Präsentation von Bibliotheks- und Archivdaten entwickelt. Archive.org verwendet djvu für das Millon Book Project Hinter djvu stehen zwei Prinzipien:

• Trenne Scans in Vorder- und Hintergrundebenen auf
• Komprimiere jede der Ebenen mit dem bestmöglichen Verfahren

Eine Seite unseres gescanntes Buches besteht zum einen aus vergilbtem Papier, welches den Hintergrund darstellt. Dieser Hintergrund ist durch Farbverläufe, relativ weiche Übergänge und geringe Kontraständerungen gekennzeichnet. Der Hintergrund wird daher mit Wavelets kodiert, ähnlich wie JPEG2000 diese verwendet.

Zum anderen besteht die Seite aus Buchstaben die im Vergleich zur Umgebung einen sehr hohen Kontrast aufweisen. Dort interessiert es niemanden, ob diese innerhalb der Schrift leichte Farbnuancen aufweisen. Und vermutlich kommen auf der Seite auch viele gleiche Buchstaben vor. Diese Informationen werden ausgenutzt und die Buchstaben als Verweis auf eine Tabelle gespeichert.

Kurzum, djvu ist richtig krasses Zeugs und wir bekommen eine gegenüber PDF deutlich kleinere Datei hin. Für weitere Informationen schaut Euch djvulibre an. :)

Gut, gut, wie erzeuge ich das denn?

Auf djvulibre von der obengenannten Webseite (aber auch bei Linux-Distributionen in der Regel dabei) gibt es das Programm pdf2djvu. Ein PDF haben wir schon, und wir können folgenden Aufruf nutzen:

pdf2djvu --lossy -j0 --fg-colors=black --bg-subsample=4 -o bilder_aus_dem_sachsenlande.djvu bilder_aus_dem_sachsenlande.pdf

Alternativ können wir den Online-Konverter nutzen.

So, das war es erstmal, die fertige djvu-Datei  ist 160MB groß.

Demnächst geht es weiter mit der Korrektur der Seitentrennung, der OCR-Verarbeitung und wie wir uns langsam Richtung Ebook vortasten.

Update 2012-11-21

Besser als das Tool pdf2djvu ist djvudigital, weil es einen besseren Algorithmus zum Auftrennen der Bildebenen in Hinter- und Vordergrund benutzt. Leider benötigt djvudigital einen speziell angepassten Ghostscript.

Daher entschied ich mich statt aus dem PDF aus den Einzelseiten ein DJVU zu erzeugen. Dies geht mit dem Programm didjvu wie folgt:


didjvu bundle --output bilder_aus_dem_sachsenlande.djvu ppm_single/img*.ppm


Die erzeugte djvu-Datei ist nur noch 21MB groß, hier der Download-Link: https://www.dropbox.com/s/nzij79ulmuh64m7/bilder_aus_dem_sachsenlande.djvu

Viel Spaß beim Durchblättern, demnächst geht es weiter...