我正在做一个项目，我打算用它tesseract OCR从给定的图像中提取文本。当我提供单色图像时，Tesseract 没有太大问题。
然而，彩色图像是完全不同的场景。我从中得到的大多是乱码。所以我想将图像转换为单色，然后将其传递给 Tesseract。不幸的是，我的转换努力没有产生任何令人满意的结果。
图像被转换为单色，但文本不知何故被搞砸了（想不出合适的词）。即使我无法正确阅读文本，我怎么能期望程序呢？
所以我面临的主要问题是，如何在Java中将彩色图像转换为单色，其中文本没有被拧（再次）。
我们的项目在Linux服务器上运行，所以如果有任何脚本或其他程序，我可以从Java调用并返回结果也是可以的。但我更喜欢Java。
这是我的代码：
@Override
public void testOcr() {
ITesseract instance = new Tesseract();
File imageFile = new File("/home/username/other.jpg");
BufferedImage img = null;
img = ImageIO.read(imageFile);
BufferedImage blackNWhite = new BufferedImage(img.getWidth(),img.getHeight(),BufferedImage.TYPE_BYTE_BINARY);
Graphics2D graphics = blackNWhite.createGraphics();
graphics.drawImage(img, 0, 0, null);
File outputfile = new File("/home/username/other1.jpg");
ImageIO.write(blackNWhite, "jpg", outputfile);
instance.setDatapath("/usr/share/tesseract-ocr/");
// ISO 693-3 standard
instance.setLanguage("deu");
String result = instance.doOCR(outputfile);
System.out.println(result);
}
两张图片：
转换后的图像：
这是我从 Tesseract 得到的上面的内容：
90/(/a —’Ä(l/énÄ ' ß(l(1(»m]«u
„„ „‚„„„ „ „„ „„ „‚„„„ „„ n 00 w—v „„„ s 3 na
‘„‘‚';‚ J‘;;Mt:.‘ *‘ “ ‘„*;;131:„'r„‘:1 „ . A „„ „„ _ «3 uu
„„ „.„„„\ „„ „„ uu „„„„\„..\ ; 5 oo “ ‘ " "' ‘* ‘=* —“ "°
„...„.„„. „‘ ‘„‘ „„ „„-„..„‚„„‚» <b(m
„..„„„„.‘ \ „„-„‚„„„„„k („m
„„„\„„„„ muu ‚„„„„„‚ s»’ou
m M 6«»//%
' ‚ , \ ‚“ _ „„ sKUD
:> 3 — „».>' ' z«„„«.„«„„„ <3(m
' ‘)\‚ia "‚ “ l’ ‚„„„.„„\_ „rm
.„.‚\ ‚ . \. .
‘. ‚„.‚.A _ \ „ „ "*°‘Ä‘ „„w„„m„»v.. mm
; ‚ \ :« ‘ 4 ‚ _.
»"9 » @ We have Spema\smr
' Lunch & D\nner ew3rydav
' ßm/n'/ ‚0(*JJP1/'
V\S\\ Cur '<’e3\au\an\ ’
?“"‘:‘“1“1C1„ 55"" ::‘‚:J:'.J‘.‘t‘:‘;1f:.1?t„ ““ Fur6'2a:'z:‘e '
..„„.‘„‚„.„„‘„..„ ‘ s7uu x.„„.„„..„.‘<h„.„„„ ;7uu Eng\gnCp -
5::r‘Ja‘.‘7r“x:1f‘."‘3:l'_„„ ““ ‘°°° @ us ‘
„.„..„‚„ „„„‚„‚ „ uu m.„„„< „„„„ sB 00 \23‚g5f„ 78% .L
—
因此，关于如何即兴阅读彩色图像的任何建议。谢谢你。