Tesseract OCR не работает на 64-битной машине

Я не понимаю, какое это имеет отношение к Ghostscript.

Tess4J в настоящее время поддерживает только 32-разрядную JVM

Это создатель, nguyenq, отвечает на аналогичную проблему на sourceforge форум.

Точно так же в руководстве указано, что в дистрибутив включены только 32-разрядные библиотеки DLL.

To run with a JVM 64-bit, you'll need to use Tesseract and Leptonica 64-bit DLLs.

Одно из решений: скажите вашей IDE, чтобы она использовала вместо этого 32-разрядную JVM.

-- Недостатком является то, что вы можете смешивать 32-битные и 64-битные среды, в сложном приложении или env это может быть странно... (я не думаю, что это так уж плохо, но может быть проблемой в вашей IDE)

В обновлении, найденном здесь, кажется, вы можете найти DLL для 64 -bit Java здесь, как часть оболочки Tesseract для .NET (как ни странно). Однако я еще не пробовал эти 64-битные DDL, и в ссылке на sourceforge написано, что они depend on the Visual C++ Redistributable for VS2012 or Visual C++ Redistributable for VS2013... что отстой....

Я обновлю этот пост, если найду более чистое решение.

ОБНОВЛЕНИЕ

Обратите внимание, что я сделал это, работая с экземплярами Amazon Web Services.

Мне удалось заставить Tess4J работать на 64-битной Ubuntu 14.04. На самом деле это было очень просто, когда я отказался от своего дистрибутива Red Hat и перешел на Ubuntu.

sudo apt-get install tesseract-ocr полностью настроит tesseract. Вы можете проверить, набрав tesseract -v. Мне также понадобился GhostScript, потому что я работал с PDF-файлами. sudo apt-get install ghostscript снова все настроил. Проверьте с помощью gs -v.

Теперь в вашем Java-приложении все вам нужно включить в путь файлы JAR из загрузки Tess4J — jna-4.1.0j.ar, jai_imageio.jar, tess4j.jar и ghost4j-0.5.1.jar, если вы работаете с PDF.

В вашем приложении Java вам нужно установить путь к данным, чтобы ваш экземпляр Tesseract знал, где установлен tesseract. Даже когда у меня была установлена ​​переменная среды, она никогда не работала для меня. Мне нужно было явно указать путь к данным так:

Tesseract tessInstance = Tesseract.getInstance();
tessInstance.setDatapath(System.getenv("TESSDATA_PREFIX"));
ImageIO.scanForPlugins(); // make sure it knows about GhostScript, to work with PDFs
String result = tessInstance.doOCR(myFile);

Убедитесь, что setDatapath() указывает на папку parent папки tessdata вашей установки tesseract (в моей Ubuntu это было /usr/share/tesseract-ocr/`).

Это было все, что мне было нужно. Не беспокойтесь о DLL в пути к классу.

тл;др:

Используйте последнюю версию Ubuntu

sudo apt-get tesseract-ocr

sudo apt-get ghostscript при работе с PDF

включите правильные JAR-файлы Tess4J (jna-4.1.0j.ar, jai_imageio.jar, tess4j.jar и ghost4j-0.5.1.jar, если вы работаете с PDF)

вызовите tess.setDataPath(), чтобы указать на вашу установку tesseract (/usr/share/tesseract-ocr/ для моей Ubuntu 14.04)

ImageIO.scanForPlugins() при использовании GhostScript

Вот и все. Вы можете идти звонить tess.doOCR(MyFile) с радостью