Tesseract 识别 android 中的阿拉伯文本

Question

我正在开发一个应用程序，我使用 Tesseract OCR 来识别图像中的文本。我针对英语和日语对其进行了测试，并且运行良好，但是当我尝试使用阿拉伯语时，应用程序甚至在启动之前就崩溃了！为什么？

阿拉伯语和 Tesseract OCR 有什么问题？有人可以告诉我吗？

代码：

    public class MainActivity extends AppCompatActivity {

Bitmap image;
private TessBaseAPI mTess;
String datapath = "";

@Override
protected void onCreate(Bundle savedInstanceState) {
    super.onCreate(savedInstanceState);
    setContentView(R.layout.activity_main);

    //init image
    image = BitmapFactory.decodeResource(getResources(), R.drawable.test_ara);

    //initialize Tesseract API
    String language = "ra";
    datapath = getFilesDir()+ "/tesseract/";
    mTess = new TessBaseAPI();

    checkFile(new File(datapath + "tessdata/"));

    mTess.init(datapath, language);
}

public void processImage(View view){
    String OCRresult = null;
    mTess.setImage(image);
    OCRresult = mTess.getUTF8Text();
    TextView OCRTextView = (TextView) findViewById(R.id.OCRTextView);
    OCRTextView.setText(OCRresult);
}

private void checkFile(File dir) {
    if (!dir.exists()&& dir.mkdirs()){
            copyFiles();
    }
    if(dir.exists()) {
        String datafilepath = datapath+ "/tessdata/ara.traineddata";
        File datafile = new File(datafilepath);

        if (!datafile.exists()) {
            copyFiles();
        }
    }
}

private void copyFiles() {
    try {
        String filepath = datapath + "/tessdata/ara.traineddata";
        AssetManager assetManager = getAssets();

        InputStream instream = assetManager.open("tessdata/ara.traineddata");
        OutputStream outstream = new FileOutputStream(filepath);

        byte[] buffer = new byte[1024];
        int read;
        while ((read = instream.read(buffer)) != -1) {
            outstream.write(buffer, 0, read);
        }


        outstream.flush();
        outstream.close();
        instream.close();

        File file = new File(filepath);
        if (!file.exists()) {
            throw new FileNotFoundException();
        }
    } catch (FileNotFoundException e) {
        e.printStackTrace();
    } catch (IOException e) {
        e.printStackTrace();
    }
}
}

我得到的错误：

   04-16 18:37:08.451 7405-7405/com.imperialsoupgmail.tesseractexample A/libc: Fatal signal 11 (SIGSEGV), code 1, fault addr 0x0 in tid 7405 (esseractexample)

Answer 1

对于阿拉伯语，您需要使用 Cube：调用 init() using the OEM_CUBE_ONLY engine mode and use the Cube data files。

Tesseract 识别 android 中的阿拉伯文本

Tesseract recognizing Arabic text in android

android

android-studio

tesseract

arabic

tess-two