Question

我要从多个24位深度jpg图像创建可搜索的pdf。我正在使用tess-two，默认情况下会附带libpng。问题是tesseracts输出一个损坏的pdf！图像不存在于pdf中。该文本仍然存在于pdf中。

使用png文件时没问题，但输入是jpg图像。使用以下代码将jpg转换为png非常耗时：

BitmapFactory.Options options = new BitmapFactory.Options();
options.inPreferredConfig = Bitmap.Config.ARGB_8888;

Bitmap bitmap = BitmapFactory.decodeFile("myimage.jpg", options);

File file = new File("myoutputimage.png");
FileOutputStream fOut;
try
{
    fOut = new FileOutputStream(file);
    bitmap.compress(Bitmap.CompressFormat.PNG, 0, fOut);
    fOut.flush();
    fOut.close();
}
catch (Exception e)
{
    e.printStackTrace();
}

在我的机器上创建一个png文件需要2秒钟。

我已经用libjpeg编译了tess-two，但这也没有用。是否可以使用带有jpg输入文件的tesseract创建可搜索的pdf？

Answer 1

终于搞定了。 Tess-two并没有随libjpeg一起发货。如果你想传递pdfrenderer的jpg文件，那么你就可以用libjpeg编译leptonica了。我下载了libjpeg并将其放在了jni目录libjpeg中。

在libjpeg目录中创建一个空的jconfig.h。使用以下内容创建一个Android.mk文件：

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

LOCAL_MODULE    := libjpegt

LOCAL_EXPORT_C_INCLUDE_DIRS := $(LOCAL_PATH)

LOCAL_SRC_FILES := jaricom.c jcapimin.c jcapistd.c jcarith.c jccoefct.c jccolor.c jcdctmgr.c jchuff.c jcinit.c jcmainct.c jcmarker.c jcmaster.c jcomapi.c jcparam.c jcprepct.c jcsample.c jctrans.c jdapimin.c jdapistd.c jdarith.c jdatadst.c jdatasrc.c jdcoefct.c jdcolor.c jddctmgr.c jdhuff.c jdinput.c jdmainct.c jdmarker.c jdmaster.c jdmerge.c jdpostct.c jdsample.c jdtrans.c jerror.c jfdctflt.c jfdctfst.c jfdctint.c jidctflt.c jidctfst.c jidctint.c jquant1.c jquant2.c jutils.c jmemmgr.c jmemname.c

include $(BUILD_SHARED_LIBRARY)

最终的leptonica的Android.mk应如下所示：

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

LOCAL_MODULE := liblept

# leptonica (minus freetype)

BLACKLIST_SRC_FILES := \
  %endiantest.c \
  %freetype.c \
  %xtractprotos.c

LEPTONICA_SRC_FILES := \
  $(subst $(LOCAL_PATH)/,,$(wildcard $(LEPTONICA_PATH)/src/*.c))

LOCAL_SRC_FILES := \
  $(filter-out $(BLACKLIST_SRC_FILES),$(LEPTONICA_SRC_FILES))

LOCAL_CFLAGS := \
  -DHAVE_CONFIG_H \
  -DHAVE_LIBJPEG

LOCAL_LDLIBS := \
  -lz

# jni

LOCAL_SRC_FILES += \
  box.cpp \
  boxa.cpp \
  pix.cpp \
  pixa.cpp \
  utilities.cpp \
  readfile.cpp \
  writefile.cpp \
  jni.cpp

LOCAL_C_INCLUDES += \
  $(LOCAL_PATH) \
  $(LEPTONICA_PATH)/src \
  $(LIBPNG_PATH) \
  $(LIBJPEG_PATH)

LOCAL_LDLIBS += \
  -ljnigraphics \
  -llog

# common
LOCAL_SHARED_LIBRARIES := libpngt libjpegt
LOCAL_PRELINK_MODULE := false

include $(BUILD_SHARED_LIBRARY)

在java文件中，你应该加载libjpegt：

System.loadLibrary("jpegt");

此外，您需要在jni文件夹中的Android.mk文件中添加它：

LIBJPEG_PATH := $(LOCAL_PATH)/libjpeg

最初编译的libjpeg错误但现在正在运行

Tesseract pdf渲染器具有24位深度jpg图像

1 个答案: