问题标签 [tess4j]

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，T​​esseract 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：

两张图片：

转换后的图像：

这是我从 Tesseract 得到的上面的内容：

因此，关于如何即兴阅读彩色图像的任何建议。谢谢你。

再会，

我使用 Tess4j 作为 java 的包装器来实现 Tesseract OCR。

密切关注提供的教程和指南，但在编译以扫描示例图像时返回以下错误：

我已经将必要的库以及 libtesseract304.dll 和 gsdll64.dll 添加到项目中。

请参考我下面的结构：

谢谢你。

我有一个项目来查找文本嵌入图像的旋转角度，并且我正在使用 Tess4j，所以我怎样才能获得正确的图像方向角度 Tess4j 中是否有任何选项可以以正确的方向旋转图像...

如果我将图像作为输入，那么输出应该是正确的定向图像...第一个图像作为输入，然后输出 2n 个图像，那么我该怎么做...。请帮助我 输入图像所需的 输出图像

我即将在 java 中使用 tess4j 读取 pdf 文件，它运行良好，但不幸的是，在我的 pdf 中，所有内容都是表格格式，并且 tess4j 正在读取所有行，除了以下两行是Currency ZAR 和 Amount 4.00，我不知道是什么原因。下面是我缺少 CURRENCY 和 AMOUNT 行的表。

值日 (DDMMYY) 14 年 12 月 21 日

货币 ZAR

金额 1.88

订购机构 NEDBANK LIMITED NEDSZAJJ

汇丰银行
HSBCBB22

评论 RBCD

你能帮我解决这个问题吗

您可以在此处找到示例 PDF MT210_changed_123.pdf。

我有以下要 OCR 的图像：

我为此使用Tess4J并按照这些说明进行操作。

这就是我正在尝试的：

当我在 IntelliJ 中运行它时，控制台返回以下内容：

我可以尝试什么来解决这个问题？

更新：

当我在下面的图像上进行 OCR 时，它确实有效

欧元符号一定是原因。我尝试将其添加到白名单但没有成功

我想要扫描图像（tif 图像）来获得一个数字。当 Tess4J 设置为默认引擎时，它经常将 6 与 5 混淆，0 与 9 混淆......我想尝试使用 CUBE ONLY 引擎。

这是我的配置文件：

这是我的 Java 代码

这是完整的错误信息

我正在使用eclipse，maven项目：

我在 Mac OS 上工作，使用 tesseract 进行 OCR。

我用自制软件安装了 tesseract。

tesseract 与命令行很好地配合，java 程序与 Tesseract.getInstance() 的基本示例配合得很好。

但由于我想获得每个字符的置信度值，我切换到使用 TessAPI1 并出现以下错误：

错误发生在

代码如下所示：

我从其他一些问题中找到了这段代码，我想我需要的是获取和“迭代器”，然后我可以一个一个地获取具有置信度值的角色。

我已将 tess4j 测试应用程序配置为http://tess4j.sourceforge.net/tutorial/。
但是当我运行项目时，它给出了这个错误：

我找不到任何与 tesseract 相关的评论，如果有人在这个项目中做过，请帮忙。

这是我正在使用的示例代码：

我在 Tomcat 9 的 Web 应用程序中遇到了这个问题：

打开数据文件时出错 ./tessdata/eng.traineddata 请确保将 TESSDATAPREFIX 环境变量设置为“tessdata”目录的父目录。加载语言 'eng' 失败 Tesseract 无法加载任何语言！

我从 Tess4J 3.0.4 zip 创建文件夹 C:\Tess4J，其中包含子文件夹：

• 距离
  • tess4j-3.0.jar
• 库
  • 图书馆
• NB项目
• 源代码
• 苔丝数据
  • 下载带有语言的 ZIP 并在此处提取
• 测试

在 catalina.properties 我添加：

• C:/Tess4J/dist/tess4j-3.0.jar,C:/Tess4J/lib

在环境中，我尝试同时添加两者，但不起作用：

• TESSDATA_PREFIX --> C:/Tess4J
• TESSDATA_PREFIX --> C:/Tess4J/tessdata

然后我调用我的 servlet whit doOCR 方法，我得到了错误。

你能帮帮我吗？

这个项目的最终目标是把jar放到一个使用tesseract的目录中，并输出一个结果目录和输出txt文件。不过，我在使用 tesseract 时遇到了一些问题。我正在使用 Maven 在 Java 中使用 tess4j，我想将我的代码变成一个可执行的 jar。该项目作为桌面应用程序运行良好，但每当我尝试使用java -jar fileName.jar（导出到 jar 后）运行时，它都会给我错误

我在网上看了看，并没有真正找到如何为 jar 设置 tesseract 并获得正确的路径。现在我使用 maven 并在我的 pom 文件（tess4j -v 3.0）中有 Tesseract 依赖项，并且我的项目中有 tessdata。

我对 maven 和 jar 文件相当陌生，以前从未使用过 tesseract，但据我所知，我从互联网上可以正确设置它。

有谁知道如何使 tess4j 指向我项目中的 tessdata 目录并具有动态路径，以便我可以在多台计算机和多个地方移动使用它？

这就是我所说的 Tesseract

编辑

这就是我尝试在我的代码中设置环境变量 TESSDATA_PREFIX 的方式

但这没有明显的效果。我仍然遇到同样的错误

编辑 2

根据错误消息我需要将它设置为tessdata的父目录，我也试过这个无济于事

编辑 3

经过大量搜索并尝试修复它，我不确定它是否可能。tesseract 中的 doOcr 方法接收一个缓冲的图像或文件，如果我的图像不是动态的，这会很好，所以我不能真正将它们存储在 jar 中。更不用说 TESSDATA_PREFIX 仍然不会设置的事实。如果有人有任何想法，我仍然会全力以赴，我会继续寻找解决方案，但我不确定它是否会起作用