java - 让Tess4J从PDF文件中获取图像

Question

如何让Tess4J从PDF文件中获取图像？

我正在使用 OCR (Tess4J) 将图像文件转换为文本。它工作得很好，我已经在图像上进行了测试，效果非常棒。

File imageFile = new File("D:\\HEAD2.png");
Tesseract instance = Tesseract.getInstance();  // JNA Interface Mapping
// Tesseract1 instance = new Tesseract1(); // JNA Direct Mapping

try {
    String result = instance.doOCR(imageFile);
    System.out.println(result);
} catch (TesseractException e) {
    System.err.println(e.getMessage());
}

但是我面临这个问题。我会解析一个包含图像的pdf文件。我不知道该怎么做而且我还没有找到任何带有 pdf 的 Tess4J 示例

我用 Asprise 测试了这个示例，但在 Tess4J 上没有找到类似的示例

import com.asprise.util.pdf.PDFReader;
import com.asprise.util.ocr.OCR;

PDFReader reader = new PDFReader(new File("my.pdf"));
reader.open(); // open the file. 
int pages = reader.getNumberOfPages();

for(int i=0; i < pages; i++) {
   BufferedImage img = reader.getPageAsImage(i);

   // recognizes both characters and barcodes
   String text = new OCR().recognizeAll(image);
   System.out.println("Page " + i + ": " + text); 
}

reader.close(); // finally, close the file.

Answer 1

利用pdfutilities.convertpdf2png并像以前处理图像一样使用它。