Tess4j - Pdf 到 Tiff 到 tesseract - “警告：无效分辨率 0 dpi。使用 70 代替。”

Question

我正在使用 tess4j (net.sourceforge.tess4j:tess4j:4.4.0) 并在 pdf 文件上尝试 OCR。因此，据我所知，我必须首先将 pdf 转换为 tiff 或 png（任何建议？）我是这样做的：

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

并得到以下警告：

Warning: Invalid resolution 0 dpi. Using 70 instead.

题

• 它对我的扫描结果有什么影响吗？（如果没有，好的 - 我可以关闭警告）
• 有没有办法手动设置 DPI 或者应该convertPdf为我处理这个问题？

Answer 1

如果图像元数据中没有分辨率信息，Tesseract 会尝试自行估计分辨率，以便在结果中计算字体大小信息。

您可以尝试使用以下 API 来设置输入图像分辨率：

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

或者

TessBaseAPISetSourceResolution(TessBaseAPI handle, int ppi);

您可以通过以下方式抑制控制台输出：

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