java - Java : compiling tesseract on Windows 64-bit 的 OCR 库

Question

我正在使用 ImageJ 处理文档图像(商业文档)，我正在寻找一个好的 OCR 库来从某些区域检索文本。

目前我正在使用 Asprise，但结果不是很可靠。某些字符经常会混淆(0 变成 O、8 -> B、% -> 0、...)，然后在不应该出现的地方出现空白，从而给后处理这些数据带来很多麻烦。图像的分辨率为 1240x1754，我还没有尝试过更高的分辨率，但我想检测的最小字符是 15 像素高，所以我认为图像质量足够了。 (顺便说一下，我是在原始图像上执行ocr，而不是二值图像)

在这里查看类似的问题，我注意到 tesseract 经常被推荐。因为它是用 C++ 编写的，所以我不确定如何在 Java 和 ImageJ 中使用它。

使用 Asprise，据我所知，它也是用 c++ 编写的，只是提供了一个 Java 包装器，我可以基于 BufferedImage 执行 ocr。所以我假设我可以对 tesseract 做同样的事情。

<强>1。如何从 Java 调用 tesseract 函数？

更新:我尝试使用 tesjeract，但是当我执行我的应用程序时，它因

UnsatisfiedLinkError: C:\Windows\System32\tessdll.dll: Can't find dependent libraries

我能够成功编译 tesjeract 和 tesseract 2.04 并将 tessdll.dll 和 tesjeract.dll 放在 c:\windows\system32 中。我正在使用这个静态 block 来加载库:

static
{
    System.loadLibrary("tessdll");
    System.loadLibrary("tesjeract");
}

如果相关，我使用的是 Windows 7 64 位。

---

<强>2。那么如何将 BufferedImage 转换为 tesseract 能够使用的格式？

已解决

这是代码，如果有人感兴趣的话:(源自audiveris)

private ByteBuffer imageToTiffBuffer (BufferedImage image) throws IOException
{
    ByteArrayOutputStream baos = new ByteArrayOutputStream();
    ImageOutputStream     ios = ImageIO.createImageOutputStream(baos);

    // Take the first suitable TIFF writer
    ImageWriter writer = ImageIO.getImageWritersByFormatName("tiff").next();
    writer.setOutput(ios);
    writer.write(image);
    ios.close();

    // allocate() doesn't work
    ByteBuffer buf = ByteBuffer.allocateDirect(baos.size());
    buf.put(baos.toByteArray());

    return buf;
}

Answer 1

外部库的位数需要与您的 JVM 匹配。由于 tesjeract 是最小公分母，因此您需要使用 32 位 JVM。