标签： pdf ocr apache-tika
将内部包含扫描/拍摄的图像的pdf文件提供给Apache Tika时，处理器会提取图像（如果配置正确）并将其交给tesseract。这对于OCR形状合适的图像（来自纸张扫描仪）效果很好，但对于来自电话摄像头（例如 是否有一种方法可以在将每个图像页面发送到tesseract之前，由Tika为其调用自己的图像预处理器？