Question

我正在尝试在java中为Japaneses语言构建一个示例应用程序，它将读取图像文件并输出从图像中提取的文本。我在网上找到了一个适用于英语的示例应用程序，但不是日本语，它提供了不明文本，以下是我的代码：

BytePointer outText;

    TessBaseAPI api = new TessBaseAPI();
    // Initialize tesseract-ocr with japanees, without specifying tessdata path
    if (api.Init(".", "jpn") != 0) {
        System.err.println("Could not initialize tesseract.");
        System.exit(1);
    }

    // Open input image with leptonica library
    PIX image = pixRead("test.png");
    api.SetImage(image);
    // Get OCR result
    outText = api.GetUTF8Text();
    String string = outText.getString();
    assertTrue(!string.isEmpty());
    System.out.println("OCR output:\n" + string);

    // Destroy used object and release memory
    api.End();
    outText.deallocate();
    pixDestroy(image);

我的输出是： OCR输出： ETCã，«ãƒ¼-ãƒ¼ãƒ‰ç“³¾¾æ>¸ ã？Šç“³ã？-è¾¼ã？¿æ-¥09/02/2017 ETC FeatureID ETCFFL ãƒ¼ç“³è¾¼æžšè¼©äº¤ç”»æžš

我使用过jpn.tessdata，我的应用程序也正在阅读tessdata文件。是否需要更多的移民？我正在使用Tessaract 3.02版本，图像非常干净。

Answer 1

是的！我得到了解决方案，我们需要做的是在我们的java代码中设置语言环境，如下所示： olocale = new Locale.Builder（）。setLanguage（＆＃34; ja＆＃34;）。setRegion（＆＃34; JP＆＃34;）。build（）; 我们也可以设置英语语言环境，以便从Image中提取日语和英语文本。

现在它对我来说就像魅力一样!!

Tesseract将垃圾数据作为Japaneses语言的输出

1 个答案: