☰

Tesseract OCR：不支持的图像类型

tag-icon • tag-icon macos macports homebrew tesseract-ocr
Tesseract OCR：不支持的图像类型

我使用终端上的以下命令将 PDF 转换为 TIF 文件

convert -density 300 -depth 4 lang.font-name.exp0.pdf lang.font-name.exp0.tif

convert lang.font-name.exp0.tif -colorspace rgb -type truecolor lang.font-name.exp0.tif

然后我尝试运行makebox命令，

tesseract lang.font-name.exp0.tif lang.font-name.exp0 batch.nochop makebox

产生了以下错误：

Tesseract Open Source OCR Engine v3.02.02 with Leptonica Error in findTiffCompression: function not present Error in pixReadStreamTiff: function not present Error in pixReadStream: tiff: no pix returned Error in pixRead: pix not read Unsupported image type.

假设它与有关libtiff，运行命令tesseract -v并发现（或猜测）它丢失了

tesseract 3.02.02 leptonica-1.70 libjpeg 8d : libpng 1.6.10 : zlib 1.2.5

即使我卸载并重新安装 lib tiff，也会产生同样的事情。不确定我这里遗漏了什么。请指教！

brew rm -f libtiff brew cleanup brew missing brew doctor find /usr/local -user root brew install libtiff

命令输出brew info leptonica 这里

编辑#1

使用此 tiff 文件生成了此文件，GhostScript当我尝试运行makebox命令时，它返回相同的错误。也许我还遗漏了其他内容？我将字体大小设置为 50+，这样可以吗？

https://dl.dropboxusercontent.com/u/97646145/Issue/Tiff_File.zip（约4MB）

编辑#2

我使用 创建了一个页面 tif GhostScript，但它不起作用？？？

https://dl.dropboxusercontent.com/u/97646145/Issue/Onepage_TIFF.zip（约60千字节）

答案1

我猜你正在关注Michael Lissner 的帖子向 Tesseract 添加自定义字体。

我尝试了同样的事情（convert命令），但得到的是损坏的 TIFF，无法用任何应用程序打开。

所以我选择了 GUI 替代方案。我在 Scribus 中编写了文本（因为它允许我增加字符之间的间距），然后直接从文件-出口-另存为图像菜单。我选择了 300 DPI 分辨率。

您还可以尝试以下方法：

  • GIMP 打开可以保存为 TIFF 的 PDF
  • Ghostscript：（gs -sDEVICE=tiffgray -r300x300 -dNOPAUSE -dBATCH -sOutputFile=<image_file> <input_pdf>如果是这种情况，它会转换所有页面）

您可能还会遇到哪些问题：

  • Linux：如果你安装了 Tesseract 的 repo 版本（至少在 Ubuntu 中），你将没有所需的可执行文件：unicharset_extractor并且mftraining（或者它们不在路径中，因为包应该包括他们）。

相关内容