使用tesseract 2.04和Java获取文本位置
使用tesseract 2.04和Java获取文本位置
提问于 2011-12-06 03:00:01
我正在使用Tesseract 2.04在一些图像中执行OCR，现在我必须获得文本的精确位置。但是这个版本不会返回这个信息。
我需要这个来生成一个可搜索的pdf文件。我已经学习了如何在pdf的底层中盖章文本，但我需要位置来盖章这个文本。我的第一个想法是在pdf中执行ocr，获取文本和文本的位置，用iText api在pdf中盖章。
回答 1
Stack Overflow用户
回答已采纳
发布于 2017-07-18 17:53:59
在iText内部，我们也对光学字符识别进行了研究。这是可能的(使用Tesseract)。
工作流程：
- 使用iText
- 从pdf中提取所有图像使用tesseract坐标变换提取文本(以及坐标、字体等)(因为(canvas.beginLayer)
- draw坐标系和Tesseract
- apply坐标系不同)
- 将图层添加到pdf将此图层中的所有文本添加到正确的位置
你可以做更多的优化。以下是简短的建议列表：
baseline
- correct mistakes
- estimate color
- estimate
- mistakes
- estimate color
- estimate
这不是一件容易的事情。但当然也有可能。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/8390413
复制相关文章
相似问题
腾讯云开发者
