問題タブ [tess4j]

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:

両方の画像:

変換後の画像 :

上記のTesseractから返されたものは次のとおりです。

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。

良い一日、

Tesseract OCRを実装するために、JavaのラッパーとしてTess4jを使用しています。

提供されたチュートリアルとガイドに厳密に従いましたが、サンプル画像をスキャンするためにコンパイルすると、次のエラーが返されました。

必要なライブラリと libtesseract304.dll および gsdll64.dll をプロジェクトに既に追加しています。

以下の私の構造を参照してください：

ありがとうございました。

Javaでtess4jを使用してpdfファイルを読み込もうとしていますが、完全に機能していますが、残念ながら私のpdfでは、すべてがテーブル形式であり、tess4jは次の2行を除いてすべての行を読み取っています通貨ZARと金額4.00、わかりません理由は何ですか。以下は、CURRENCY および AMOUNT 行が欠落しているテーブルです。

値の日付 (DDMMYY) 21-Dec-14

通貨 ZAR

金額 1.88

発注機関 NEDBANK LIMITED NEDSZAJJ

仲介HSBC 銀行
HSBCBB22

コメント

この問題を解決するのを手伝ってくれませんか

サンプル PDF はMT210_changed_123.pdfにあります。

OCRしたい次の画像があります。

私はこれにTess4Jを使用しており、これらの指示に従いました。

これは私がしようとしているものです:

これを IntelliJ で実行すると、コンソールは次のように返します。

これを修正するにはどうすればよいですか?

アップデート：

下の画像をOCRするとうまくいきます

ユーロ記号が原因である必要があります。ホワイトリストに追加しようとしましたが、成功しませんでした

tess4j テスト アプリケーションをhttp://tess4j.sourceforge.net/tutorial/として構成しました。
しかし、プロジェクトを実行すると、次のエラーが発生します。

tesseract に関連するコメントが見つかりません。このプロジェクトで誰かがやったことがあれば、助けてください。

これは私が使用しているサンプルコードです: