Tess4j - Pdf 到 Tiff 到 tesseract -“警告：無效分辨率 0 dpi。改用 70。”

Question

我正在使用 tess4j (net.sourceforge.tess4j:tess4j:4.4.0) 並在 pdf 文件上嘗試 OCR。 因此，據我所知，我必須首先將 pdf 轉換為 tiff 或 png （任何建議？）我這樣做了：

tesseract.doOCR(PdfUtilities.convertPdf2Tiff(inputPdfFile)); 

並得到以下警告：

Warning: Invalid resolution 0 dpi. Using 70 instead.

問題

• 它對我的掃描結果有影響嗎？ （如果沒有，好的 - 我可以關閉警告）
• 有沒有辦法手動設置 DPI 或者convertPdf應該為我處理這個？

Answer 1

如果圖像元數據中沒有分辨率信息，Tesseract 會嘗試自行估計分辨率，以便可以在結果中計算字體大小信息。

您可以嘗試以下 API 來設置輸入圖像分辨率：

instance.SetTessVariable("user_defined_dpi", "300");

或者

TessBaseAPISetSourceResolution(TessBaseAPI handle, int ppi);

您可以通過以下方式抑制控制台 output：

instance.setTessVariable("debug_file", "/dev/null");

Answer 2

未設置默認分辨率。

為了補充 nguyenq 的回答：

instance.setTessVariable("user_defined_dpi", "300");

Answer 3

在 tess4j 的 5.4.0 版本中，

instance.setVariable("user_defined_dpi", "300");

代替

instance.SetTessVariable("user_defined_dpi", "300");