具有 24 位深度 jpg 图像的 Tesseract pdf 渲染器

Question

我必须从多个 24 位深度的 jpg 图像创建一个可搜索的 pdf。我使用的是 tess-two，默认情况下它与 libpng 一起提供。问题是 tesseracts 输出损坏的 pdf！图片不在 pdf 中。文本仍然存在于 pdf 中。

我在使用 png 文件时没有问题，但输入的是 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 png 文件需要 2 秒。

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

Answer 1

终于成功了。 Tess-two 不随 libjpeg 一起提供。如果你想为 pdfrenderer 传递 jpg 文件，那么你必须使用 libjpeg 编译 leptonica。我下载了libjpeg放在jni目录下libjpeg.

在 libjpeg 目录中创建一个空 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)

最后的 leptonica 的 Android.mk 应该是这样的：

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 文件夹的 Android.mk 文件中添加：

LIBJPEG_PATH := $(LOCAL_PATH)/libjpeg

起初编译的 libjpeg 错误，但现在可以正常工作了

具有 24 位深度 jpg 图像的 Tesseract pdf 渲染器

Tesseract pdf renderer with 24 bit depth jpg image

java

pdf

android

tesseract

tess-two