Tess4j图像读取

Question

我正在使用tess4j api来读取数字图像。

代码如下：

public static void main(String[] args) {
    // TODO Auto-generated method stub
    
       final File imageFile = new File("C:\\Users\\goku\\Desktop\\myimage.png");
        System.out.println("Image found");
       final ITesseract instance = new Tesseract();
        instance.setTessVariable("tessedit_char_whitelist", "0123456789");
        instance.setDatapath("C:\\Users\\goku\\Downloads\\Tess4J"); 
        instance.setLanguage("eng");
        String result;
        try {
            result = instance.doOCR(imageFile);
            System.out.println(result);
        } catch (TesseractException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
       

}

图片附呈。

​

这个程序把数字读错了。找不到问题。

输出：

1 1 3 251

你好，瓦苏

Answer 1

将图像重新定标到300DPI将得到正确的结果。

Answer 2

这是如何使用im4java (imagemagick)正确地编辑图像，以便可以使用tess4j (Tesseract)读取图像：

private static File processImage(File img) throws IOException {
    File newImg = File.createTempFile("asdf", ".png");

    ImageMagickCmd cmd = new ImageMagickCmd("convert");
    IMOperation op = new IMOperation();

    op.addImage(img.getAbsolutePath());
    op.strip().resample(300).colorspace("gray").autoLevel().threshold(35000).type("bilevel").depth(8).trim();
    op.addImage(newImg.getAbsolutePath());
    cmd.run(op);

    return newImg;
}

Answer 3

可能是受过训练的数据。我使用了在https://digi.bib.uni-mannheim.de/tesseract/上找到的tesseract-ocr-w64-set-v4.1.0.20190314.exe Windows二进制文件中经过训练的数据，数据路径设置如下

instance.setDatapath("C:\\Program Files\\Tesseract-OCR\\tessdata");

我确实收到了关于决议的警告，但结果是正确的: 471871882819