Tesseract OCR：不支持的图像类型

Question

我在终端上使用以下命令将 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

这产生了以下错误：

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.

并假设它与libtiff, run 命令有关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，它也会产生同样的结果。不确定我在这里缺少什么。请指教！

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

命令的输出 brew info leptonica

编辑 #1

生成此 tiff 文件时使用GhostScript它返回相同的错误，当我尝试运行makebox命令时。也许我还缺少其他东西？我将字体大小设置为 50+，可以吗？

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

编辑 #2

我创建了一页 tif 使用GhostScript，即使它不起作用？？

https://dl.dropboxusercontent.com/u/97646145/Issue/Onepage_TIFF.zip (~60 KB)

Answer 1

我猜您正在按照Michael Lissner 的帖子向 Tesseract 添加自定义字体。

我尝试了同样的事情（命令convert），但得到了一个损坏的 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 中编写文本（因为它允许我增加字符之间的间距），然后从“文件” - “导出” - “另存为图像”菜单直接导出为 TIFF。我选择了 300 DPI 分辨率。

您还可以尝试什么：

• GIMP 打开可另存为 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）

您还可能遇到哪些其他问题：

• 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和mftraining（或者它们不在路径中，因为包应该包含它们）。