从零开发短视频电商 Tesseract OCR 的 Java 拓展库 javacpp-presets

news2024/10/6 12:20:06

文章目录

    • 简介
    • 添加依赖
    • 识别示例
      • 示例一 识别本地图片
      • 示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）
      • 示例三 使用迭代器遍历识别结果及其选择项
      • 示例四 方向和脚本检测
      • 示例五 结果迭代器
      • 示例六 设置引擎、页面分割模式、语言
      • 示例七 识别限制为图像的子矩形

简介

项目地址：https://github.com/bytedeco/javacpp-presets

JavaCPP:

JavaCPP 是一个用于在 Java 中使用本地库的工具，它允许通过 Java 代码访问本地（C/C++）库，而无需编写过多的本地代码。这种方法可以使 Java 与其他语言编写的库进行集成，提供了对性能关键的原生功能的访问。JavaCPP 使用 Java 注解和本地代码生成，使得在 Java 中调用本地代码变得相对容易。

javacpp-presets:

javacpp-presets 是 JavaCPP 的一个相关项目，它提供了预定义的配置（presets）和原生库绑定，以便在 Java 中使用。这些预定义的配置通常与特定的本地库相关联，允许 Java 开发人员轻松地在其项目中使用这些库。

具体而言，https://github.com/bytedeco/javacpp-presets 存储了由 JavaCPP 团队提供的预定义配置，以支持许多常见的本地库。这些预定义配置文件中包含了与本地库相关的 Java 接口和本地代码，使得 Java 开发者可以方便地在其 Java 项目中集成这些本地库。

一些例子可能包括 OpenCV、FFmpeg、tesseract、TensorFlow 等库的预定义配置，让您能够在 Java 中直接使用它们的功能，而无需深入了解本地代码的细节。

总的来说，javacpp-presets 是一个简化在 Java 中使用本地库的工具，使得开发人员可以更轻松地利用性能强大的本地库功能。

添加依赖

<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>tesseract-platform</artifactId>
    <version>5.3.1-1.5.9</version>
</dependency>

https://central.sonatype.com/artifact/org.bytedeco/tesseract-platform

将下载适用于所有平台的二进制文件，导致打包后的包特别大。

这样会导致我们打出的包特别大，所以要瘦身。

方式一 仅获取某个平台的二进制文件，我们可以将 javacpp.platform系统属性（通过 -D 命令行选项）设置为类似 android-arm、linux-x86_64、macosx-x86_64、windows-x86_64 等。

mvn -Djavacpp.platform=linux-x86_64 ...

我们还可以指定多个平台，要包含 2 个或更多平台的二进制文件，我们可以依赖不同的配置文件集，但始终首先通过设置 javacpp.platform.custom 系统属性来重置 javacpp.platform 的默认值。例如，在主机平台的情况下，加上 Mac 和 Windows，我们可以使用以下命令：

mvn -Djavacpp.platform.custom -Djavacpp.platform.host -Djavacpp.platform.macosx-x86_64 -Djavacpp.platform.windows-x86_64 ...

方式二（推荐 推荐） 如果你只需要 Windows 64 和 Linux 64 的依赖，你可以通过指定这两个平台的依赖来优化你的 Maven 配置。具体来说，你可以使用下面的配置：

<dependencies>
    //<dependency> 不要这个大而全的方式
   //<groupId>org.bytedeco</groupId>
   // <artifactId>tesseract-platform</artifactId>
   // <version>5.3.1-1.5.9</version>
   //</dependency>
    <!-- java代码 -->
    <dependency> 
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
    </dependency>
    <!-- 动态库文件 这里只需要 linux 和 Windows的动态库，会减少打包后的体积 -->
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
        <classifier>windows-x86_64</classifier>
    </dependency>
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
        <classifier>linux-x86_64</classifier>
    </dependency>
    <!-- tesseract 强依赖 leptonica -->
      <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>leptonica</artifactId>
            <version>1.83.0-1.5.9</version>
            <classifier>windows-x86_64</classifier>
        </dependency>
        <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>leptonica</artifactId>
            <version>1.83.0-1.5.9</version>
            <classifier>linux-x86_64</classifier>
        </dependency>
    
</dependencies>

这样的配置只会下载和安装 tesseract 的 Windows 64 和 Linux 64 版本的依赖，而不会下载和安装其他平台的依赖。

支持的平台名称列表：

  • android-arm
  • android-arm64
  • android-x86
  • android-x86_64
  • ios-arm64
  • ios-x86_64
  • linux-armhf
  • linux-arm64
  • linux-ppc64le
  • linux-x86
  • linux-x86_64
  • macosx-arm64
  • macosx-x86_64
  • windows-x86
  • windows-x86_64

识别示例

https://tesseract-ocr.github.io/tessdoc/APIExample

https://github.com/tesseract-ocr/tessdoc/tree/main/examples

首先要下载训练数据：

有三个仓库可以下载，但是它们的精度和速度有所不同：

  1. tessdata：这个仓库包含了Tesseract 4.0的原始训练数据，这些数据在精度和速度之间达到了一种平衡。如果你在精度和速度之间都有需求，可以使用这个仓库的数据。
  2. tessdata_best：这个仓库包含了Tesseract 4.0的最高精度训练数据，这些数据的识别精度更高，但是运行速度较慢。如果你的应用场景对识别精度有很高的要求，可以使用这个仓库的数据。
  3. tessdata_fast：这个仓库包含了Tesseract 4.0的快速训练数据，这些数据的运行速度更快，但是识别精度较低。如果你的应用场景对运行速度有很高的要求，可以使用这个仓库的数据。

在选择训练数据时，你需要根据你的应用场景和需求进行权衡。如果你对识别精度和运行速度都有一定的要求，可以尝试使用不同仓库的数据，看看哪种数据最适合你的需求。

我这里只下载了tessdata_best中的eng.traineddata。

示例一 识别本地图片

import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;

import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class BasicExample {
    public static void main(String[] args) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，不指定 tessdata 路径
        if (api.Init(null, "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        PIX image = pixRead("/usr/src/tesseract/testing/phototest.tif");
        api.SetImage(image);

        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);
    }
}

示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）

GetComponentImages这个功能在许多场景下都可能会用到，以下是一些常见的应用场景：

  1. 文本定位和提取：在图像处理或计算机视觉的应用中，经常需要定位并提取出图像中的文本内容。例如，在车牌识别、名片识别、表格识别等场景中，我们需要找到并读取图像中的文本信息。
  2. 文档分析：在处理扫描或拍摄的文档时，我们可能需要分析文档的布局，识别并提取出文档中的标题、段落、表格等各个部分。这时，我们可以使用GetComponentImages方法找到各个部分的位置和大小。
  3. OCR后处理：在使用OCR技术识别文本后，我们可能需要对识别结果进行后处理，例如纠正错误、提高识别精度等。在这些场景中，我们可以使用GetComponentImages方法获取每个字符或单词的位置和大小，然后根据这些信息进行后处理。

以上只是一些常见的应用场景，实际上，GetComponentImages这个功能在任何需要分析图像内容、提取图像中的特定部分，或处理图像中的文本的应用中都可能会用到。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class GetComponentImagesExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，并使用标准 ENV 变量初始化 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://img-blog.csdnimg.cn/direct/37d4f5eac7f442bea2d268982fd6c3d7.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 查找所有组件图像
        int[] blockIds = {};
        // BOXA对象，包含了图像中每一行文本的边界框（即每一行文本的位置和大小）。
        BOXA boxes = api.GetComponentImages(RIL_TEXTLINE, true, null, blockIds);

        for (int i = 0; i < boxes.n(); i++) {
            // 对于每个图像框，OCR 在其区域内进行
            BOX box = boxes.box(i);
            api.SetRectangle(box.x(), box.y(), box.w(), box.h());
            outText = api.GetUTF8Text();
            String ocrResult = outText.getString();
            // 使用MeanTextConf方法计算这个区域的平均置信度。
            int conf = api.MeanTextConf();

            String boxInformation = String.format("Box[%d]: x=%d, y=%d, w=%d, h=%d, confidence: %d, text: %s", i, box.x(), box.y(), box.w(), box.h(), conf, ocrResult);
            System.out.println(boxInformation);

            outText.deallocate();
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

图片为:
在这里插入图片描述

结果为：

Box[0]: x=67, y=85, w=1264, h=160, confidence: 82, text: The Quick Brown

Box[1]: x=71, y=251, w=1168, h=160, confidence: 94, text: Fox Jumps Over

Box[2]: x=67, y=418, w=1049, h=160, confidence: 69, text: lhe Lazy Dog.

Box[3]: x=65, y=582, w=1811, h=71, confidence: 73, text: abcdefghijklmnopqrstuvwxyz0123456789 | | ( ) { } /\ < >

示例三 使用迭代器遍历识别结果及其选择项

使用 Tesseract OCR 对给定的图像进行文本识别，并通过迭代器遍历输出每个识别结果及其选择项（如果有的话）。在处理图像的过程中，它使用 Leptonica 库打开图像，并通过 Tesseract API 进行文本识别。输出包括每个识别到的符号（symbol）以及其对应的置信度，以及针对每个符号的选择项及其置信度。此程序可以用于分析文本中的字符及其置信度，以及可能的替代选择项。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;


public class IteratorOverClassifierChoicesExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;
        BytePointer choiceText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC recoc = TessMonitorCreate();
        api.Recognize(recoc);

        // 获取结果迭代器
        ResultIterator ri = api.GetIterator();
        int pageIteratorLevel = RIL_SYMBOL;
        if (ri != null) {
            do {
                // 获取当前迭代器位置的文本和置信度
                outText = ri.GetUTF8Text(pageIteratorLevel);
                float conf = ri.Confidence(pageIteratorLevel);
                String symbolInformation = String.format("symbol: '%s';  \tconf: %.2f", outText.getString(), conf);
                System.out.println(symbolInformation);
                
                // 遍历选择项迭代器并输出选择项及其置信度
                boolean indent = false;
                ChoiceIterator ci = TessResultIteratorGetChoiceIterator(ri);
                do {
                    if (indent)
                        System.out.print("\t\t");
                    System.out.print("\t-");
                    choiceText = ci.GetUTF8Text();
                    System.out.println(String.format("%s conf: %f", choiceText.getString(), ci.Confidence()));
                    indent = true;
                    choiceText.deallocate();
                } while (ci.Next());

                outText.deallocate();
            } while (ri.Next(pageIteratorLevel));
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

symbol: 'T';  	conf: 99.22
	-T conf: 99.222244
symbol: 'h';  	conf: 99.54
	-h conf: 99.542496
symbol: 'e';  	conf: 99.54
	-e conf: 99.541702
...

示例四 方向和脚本检测

需要osd.traineddata

使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器分析文本布局，获取图像的方向、脚本、文本行顺序和去倾角度等信息。

适用于需要获取图像文本布局信息的场景，例如自动化文档处理、图像文字分析、以及需要检测和调整文本方向的应用。通过分析文本布局信息，可以更好地理解图像中的文本结构，为后续处理提供有用的信息。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class OrientationAndScriptDetectionExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());

        // 设置 Tesseract 页面分割模式为自动方向和脚本检测
        api.SetPageSegMode(PSM_AUTO_OSD);
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC reco = TessMonitorCreate();
        api.Recognize(reco);

        // 获取页面迭代器，用于分析布局信息
        PageIterator iterator = api.AnalyseLayout();
        int[] orientation = new int[1];
        int[] writing_direction = new int[1];
        int[] textline_order = new int[1];
        float[] deskew_angle = new float[1];

        // 获取页面布局信息，包括方向、书写方向、文本行顺序和去倾角度
        iterator.Orientation(orientation, writing_direction, textline_order, deskew_angle);
        String osdInformation = String.format("Orientation: %d;\nWritingDirection: %d\nTextlineOrder: %d\nDeskew angle: %.4f\n",
                orientation[0], writing_direction[0], textline_order[0], deskew_angle[0]);
        System.out.println(osdInformation);

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

Orientation: 0;
WritingDirection: 0
TextlineOrder: 2
Deskew angle: 0.0055

Estimating resolution as 1024
Estimating resolution as 1024

-- 页面布局信息：
Orientation（方向）: 0，表示图像方向为正常方向。
WritingDirection（书写方向）: 0，表示水平书写。
TextlineOrder（文本行顺序）: 2，表示文本行的阅读顺序是从上到下。
Deskew angle（去倾角度）: 0.0055，表示需要微小的逆时针旋转图像，以使文本更加水平。
最后，给出了图像分辨率的估计值为 1024。

enum Orientation {
  ORIENTATION_PAGE_UP = 0,       // 页面朝上
  ORIENTATION_PAGE_RIGHT = 1,    // 页面朝右
  ORIENTATION_PAGE_DOWN = 2,     // 页面朝下
  ORIENTATION_PAGE_LEFT = 3,     // 页面朝左
};
enum WritingDirection {
  WRITING_DIRECTION_LEFT_TO_RIGHT = 0,   // 从左到右
  WRITING_DIRECTION_RIGHT_TO_LEFT = 1,   // 从右到左
  WRITING_DIRECTION_TOP_TO_BOTTOM = 2,   // 从上到下
};
enum TextlineOrder {
  TEXTLINE_ORDER_LEFT_TO_RIGHT = 0,   // 从左到右
  TEXTLINE_ORDER_RIGHT_TO_LEFT = 1,   // 从右到左
  TEXTLINE_ORDER_TOP_TO_BOTTOM = 2,   // 从上到下
};

示例五 结果迭代器

此程序使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器遍历输出每个识别结果的单词、置信度和边界框信息。

适用于需要详细分析文本的应用场景，例如文本布局分析、单词级别的文本处理、或者需要获取文本边界框信息的图像处理任务。通过迭代器遍历，可以获得每个单词的具体位置和识别置信度，为后续处理和分析提供更多信息。

import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class ResultIteratorExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC recoc = TessMonitorCreate();
        api.Recognize(recoc);

        // 获取结果迭代器
        ResultIterator ri = api.GetIterator();
        int pageIteratorLevel = RIL_WORD;
        if (ri != null) {
            do {
                // 获取当前迭代器位置的文本、置信度和边界框信息
                outText = ri.GetUTF8Text(pageIteratorLevel);
                float conf = ri.Confidence(pageIteratorLevel);
                int[] x1 = new int[1], y1 = new int[1], x2 = new int[1], y2 = new int[1];
                ri.BoundingBox(pageIteratorLevel, x1, y1, x2, y2);
                String riInformation = String.format("word: '%s';  \tconf: %.2f; BoundingBox: %d,%d,%d,%d;\n", outText.getString(), conf, x1[0], y1[0], x2[0], y2[0]);
                System.out.println(riInformation);

                outText.deallocate();
            } while (ri.Next(pageIteratorLevel));
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

word: 'The';  	conf: 94.56; BoundingBox: 67,86,340,211;

word: 'Quick';  	conf: 96.57; BoundingBox: 409,85,818,245;

word: 'Brown';  	conf: 96.79; BoundingBox: 879,88,1331,211;

word: 'Fox';  	conf: 93.97; BoundingBox: 71,254,314,377;

word: 'Jumps';  	conf: 95.90; BoundingBox: 382,254,836,411;

word: 'Over';  	conf: 96.67; BoundingBox: 900,251,1239,379;

word: 'The';  	conf: 94.07; BoundingBox: 67,418,340,543;

word: 'Lazy';  	conf: 96.35; BoundingBox: 410,420,738,578;

word: 'Dog.';  	conf: 92.79; BoundingBox: 807,420,1116,578;

word: 'abcdefghijkmnopqrstuvwxyz0123456789';  	conf: 18.28; BoundingBox: 65,585,1335,650;

word: '[|';  	conf: 66.39; BoundingBox: 1369,582,1415,653;

word: '()';  	conf: 54.27; BoundingBox: 1454,582,1518,653;

word: '{';  	conf: 62.11; BoundingBox: 1560,582,1586,653;

word: '}';  	conf: 62.11; BoundingBox: 1618,582,1643,653;

word: '/\';  	conf: 73.02; BoundingBox: 1675,582,1738,653;

word: '<';  	conf: 86.10; BoundingBox: 1770,606,1804,639;

word: '>';  	conf: 96.04; BoundingBox: 1842,607,1876,639;

示例六 设置引擎、页面分割模式、语言

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;
import org.bytedeco.tesseract.global.tesseract;

import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;
import static org.bytedeco.tesseract.global.tesseract.PSM_AUTO;

public class BasicExample {
    // 执行 OCR 的方法
    public static String doOCR(String dataPath, String fileName) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，指定 tessdata 路径
        // 如果使用的是中文，请使用 tessdata-best/chi_sim 或者 tessdata-best/chi_tra
        // 指定 OCR 引擎为 LSTM_ONLY
        if (api.Init(dataPath, "eng", tesseract.OEM_LSTM_ONLY) != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }
        // 设置页面分割模式
        api.SetPageSegMode(PSM_AUTO);
        // 使用 Leptonica 库打开输入图像
        PIX image = pixRead(fileName);
        api.SetImage(image);

        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);

        return outText.getString();
    }
}

示例七 识别限制为图像的子矩形

import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;

import java.io.File;

import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;

public class Main {
    public static void main(String[] args) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-ocr，不指定 tessdata 路径
        if (api.Init(null, "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        File imageFile = new File("phototest.tif");
        PIX image = pixRead(imageFile.getAbsolutePath());
        api.SetImage(image);
        // 限制识别范围为图像的子矩形
        // SetRectangle(left, top, width, height)
        api.SetRectangle(30, 86, 590, 100);
        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);
    }
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1368660.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

从零学Java - String类

从零学Java - String类

Java String类 文章目录 Java String类1 String1.1 常用两种创建方式1.2 比较两种创建方式1.3 字符串不可变性1.4 面试题 2 常用方法2.1 练习 3 可变字符串3.1 常用方法3.2 验证StringBuilder的高效性3.3 练习3.4 面试题: 4 正则表达式4.1 元字符4.2 其他字符4.2.1 预定义字符4…
阅读更多...
创新百喻，综合性思维和分析性思维

创新百喻，综合性思维和分析性思维

创新百喻&#xff0c;综合性思维和分析性思维 不知道您注意没有&#xff0c;在创新中&#xff0c;人们的思维方式是不一样的&#xff0c;有综合性思维和分析性思维之分。总的来说&#xff0c;综合性思维适合创造原来没有的事物&#xff0c;而分析性思维擅长改进和提高&#xf…
阅读更多...
供应链 | 顶刊OR论文精读：供应链网络的中断与重连

供应链 | 顶刊OR论文精读：供应链网络的中断与重连

Disruption and Rerouting in Supply Chain Networks 原文作者信息 John R. Birge, Agostino Capponi, Peng-Chu Chen (2022) Disruption and Rerouting in Supply Chain Networks. Operations Research 71(2):750-767. https://doi.org/10.1287/opre.2022.2409 原文摘要总结…
阅读更多...
RabbitMQ（十）队列的声明方式

RabbitMQ（十）队列的声明方式

目录 1.编程式声明补充&#xff1a;RabbitTemplate 和 AmqpAdmin 的区别 2.声明式声明补充&#xff1a;new Queue() 和 QueueBuilder.durable(queueName).build() 的区别 背景&#xff1a; 在学习 RabbitMQ 的使用时&#xff0c; 经常会遇到不同的队列声明方式&#xff0c;有的…
阅读更多...
Java十大经典算法——分治算法

Java十大经典算法——分治算法

定义&#xff1a; 分治法是一种很重要的算法。字面上的解释是“分而治之”&#xff0c;就是把一个复杂的问题分成两个或更多的相同或相似的子问题&#xff0c;再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解&#xff0c;原问题的解即子问题的解的合并。这个…
阅读更多...
Linux安装nginx并设置为开机自启动

Linux安装nginx并设置为开机自启动

1.更新gcc安装包 yum install -y gcc pcre-devel zlib-devel2.下载文件并解压 命令如下 wget https://nginx.org/download/nginx-1.18.0.tar.gz //解压nginx tar -zxvf nginx-1.18.0.tar.gz //进入后进行指定安装位置 ./configure --prefix/usr/local/nginx //安装 make &…
阅读更多...
adb 使用的出现 adb server is out of date. killing

adb 使用的出现 adb server is out of date. killing

我知道你们肯定看到这种播客 像这种解决问题的方法是暂时的 , 因为我们Android studio 中 , 你在查看后台的时候发现 你的Android studio 也占用了一端口 , 就是说你把 Android studio 杀掉了只要打开 Android studio 打开就还是 关闭 cmd adb 看到一个新的方法 , win 10 中…
阅读更多...
110.线程（创建、终止）

110.线程（创建、终止）

一、线程概述 ◼ 与进程&#xff08;process&#xff09;类似&#xff0c;线程&#xff08;thread&#xff09;是允许应用程序并发执行多个任务的一种机 制。一个进程可以包含多个线程。同一个程序中的所有线程均会独立执行相同程序&#xff0c;且共 享同一份全局内存区域&…
阅读更多...
NR HARQ-RTT-Timer和DRX RetransmissionTimer

NR HARQ-RTT-Timer和DRX RetransmissionTimer

这两个timer关联度比较高&#xff0c;放在一起看会比较清楚。 HARQ-RTT-Timer 对于同一个HARQ进程&#xff0c;当一次上行调度或下行调度&#xff0c;到下一次调度&#xff0c;需要一定的处理时间&#xff0c;这个时长就是HARQ RTT(Round Trip Timer)时间&#xff1b; 在NR …
阅读更多...
【CUDA】windows下的CUDA安装

【CUDA】windows下的CUDA安装

一、前言 windows10 下安装 CUDA &#xff0c;首先需要下载安装包&#xff1a; CUDA toolkit&#xff08;工具包&#xff09; 二、安装前的准备 电脑环境检查 通过cmd&#xff0c;输入nvidia-smi 查看自己的驱动版本和支持的CUDA版本&#xff0c;如下图红圈标记位置 下载 …
阅读更多...
vue购物车案例、v-model进阶、与后端交互

vue购物车案例、v-model进阶、与后端交互

一 购物车案例 - 结算 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><title>购物车结算</title><script src"https://cdn.bootcdn.net/ajax/libs/vue/2.6.12/vue.min.js"></scr…
阅读更多...
四川思维跳动：抖音能不能根据弹幕找到人？

四川思维跳动：抖音能不能根据弹幕找到人？

在抖音这样的社交媒体平台上&#xff0c;用户可以通过发布抖音短视频与其他用户互动和交流。其中&#xff0c;弹幕是一种常见的互动方式&#xff0c;用户可以通过发送弹幕来表达对视频的评论、喜爱或者提问。然而&#xff0c;有用户担心自己的隐私可能因为弹幕内容被泄露&#…
阅读更多...
新手搭建知识付费平台必备攻略：如何以低成本实现高转化？

新手搭建知识付费平台必备攻略：如何以低成本实现高转化？

明理信息科技知识付费saas租户平台 一、引言 随着知识经济的崛起&#xff0c;越来越多的知识提供者希望搭建自己的知识付费平台。然而&#xff0c;对于新手来说&#xff0c;如何以低成本、高效率地实现这一目标&#xff0c;同时满足自身需求并提高客户转化率&#xff0c;是一…
阅读更多...
AI大语言模型会带来了新一波人工智能浪潮？

AI大语言模型会带来了新一波人工智能浪潮？

以ChatGPT、LLaMA、Gemini、DALLE、Midjourney、Stable Diffusion、星火大模型、文心一言、千问为代表AI大语言模型带来了新一波人工智能浪潮&#xff0c;可以面向科研选题、思维导图、数据清洗、统计分析、高级编程、代码调试、算法学习、论文检索、写作、翻译、润色、文献辅助…
阅读更多...
万能字符单词拼写 - 华为OD统一考试

万能字符单词拼写 - 华为OD统一考试

OD统一考试（C卷） 分值： 100分 题解： Java / Python / C++ 题目描述 有一个字符串数组 words 和一个字符串 chars。假如可以用 chars 中的字母拼写出 words 中的某个"单词"（字符串)，那么我们就认为你掌握了这个单词。 words 的字符仅由 a-z 英文小写宁母组成，…
阅读更多...
认知能力测验，⑥如何破解逻辑判断类测试题？

认知能力测验，⑥如何破解逻辑判断类测试题？

逻辑思维&#xff0c;是一个比较大的范围&#xff0c;在绝大多数的招聘中&#xff0c;认知能力测评形式多样&#xff0c;难度也较大&#xff0c;其中逻辑判断题型所涉及到的分类为&#xff1a;概念类、条件类、矛盾类、数字类、图形类等知识。比如奥数就是个好东西.....如果经历…
阅读更多...
2024年01月微软更新Bug 已解决 ！Explorer.EXE 提示：Windows无法访问指定设备、路径或文件。你可能没有适当的权限访问该项目。

2024年01月微软更新Bug 已解决 ！Explorer.EXE 提示：Windows无法访问指定设备、路径或文件。你可能没有适当的权限访问该项目。

前倾概要 近期大量出现如上图问题&#xff0c;杀毒&#xff0c;系统急救箱都没反应&#xff0c;罪魁祸首就是微软更新&#xff01; 点击什么都是&#xff1a;Windows无法访问指定设备、路径或文件。你可能没有适当的权限访问该项目。 但软件使用正常&#xff0c;还能通过建立…
阅读更多...
8年经验之谈！一文看懂性能测试的流程！

8年经验之谈！一文看懂性能测试的流程！

每天做着点点点测试有没有危机感&#xff1f; 突然有一天&#xff0c;领导说&#xff1a;“小王&#xff0c;今天把996福报系统压一下&#xff0c;下班前把压测报告发我邮箱。” 啥&#xff1f;压测&#xff1f;今天&#xff1f;报告&#xff1f;怎么压&#xff1f;怎么写&am…
阅读更多...
javaweb基础----JDBC（一）

javaweb基础----JDBC（一）

一、什么是JDBC JDBC全称为Java数据库连接(Java Database Connectivity),是一套用于执行SQL语句的Java API。应用程序可以通过这套API连接到关系型数据库&#xff0c;并使用SQL语句完成对数据中数据的查询、增加、更新和删除等操作。 JDBC在应用程序与数据库之间起到了一个桥…
阅读更多...
性能分析与调优: Linux 使用 iperf3 进行TCP网络吞吐量测试

性能分析与调优: Linux 使用 iperf3 进行TCP网络吞吐量测试

目录 一、实验 1.环境 2.TCP网络吞吐量的微观基准测试 二、问题 1.iperf参数有哪些 2.iperf如何二进制安装 一、实验 1.环境 &#xff08;1&#xff09;主机 表1-1 主机 主机架构组件IP备注prometheus 监测 系统 prometheus、node_exporter 192.168.204.18grafana监测…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023