1

tesseract OCR特定の画像からテキストを抽出するために使用する予定のプロジェクトに取り組んでいます。私がモノクロ画像を提供する場合、Tesseract には大きな問題はありません。

ただし、カラー画像はまったく別のシナリオです。私はそれからほとんど文字化けしたテキストを取得します。そこで、画像をモノクロに変換してからTesseractに渡すことを考えました。残念ながら、私の改宗の努力は満足のいく結果をもたらしませんでした。

画像はモノクロに変換されているのですが、文字が何だかおかしくなっています（適切な言葉が思い浮かびません）。テキストを正しく読むことができなかったのに、プログラムにどのように期待できますか?

したがって、私が直面している主な問題は、テキストがねじ込まれていないJavaでカラー画像をモノクロに変換するにはどうすればよいかということです(再び)。

私たちのプロジェクトは Linux サーバー上で実行されるため、スクリプトやその他のプログラムがあれば、Java から呼び出して結果を取得することもできます。しかし、私はJavaの方が好きです。

これが私が持っているコードです:

 @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);
}

両方の画像:

ここに画像の説明を入力

変換後の画像 :

ここに画像の説明を入力

上記のTesseractから返されたものは次のとおりです。

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.„„.„„..„.‘&lt;h„.„„„ ;7uu Eng\gnCp -
5::r‘Ja‘.‘7r“x:1f‘."‘3:l'_„„ ““ ‘°°° @ us ‘
„.„..„‚„ „„„‚„‚ „ uu m.„„„&lt; „„„„ sB 00 \23‚g5f„ 78% .L
—

それで、色付きの画像を即興で読む方法についての提案。ありがとうございました。

4

1 に答える 1