Tesseract无法加载语言Tess4j / Java / Netbeans

问题描述

我目前正在开发一个程序，该程序应该使用OpenCV和Tessj4检测图像中的字母和数字。为此，我从https://github.com/UB-Mannheim/tesseract/wiki下载并安装了Tesseract（5.0.0版），从http://tess4j.sourceforge.net下载了Tess4j API（3.4.8版）并添加了.jar文件（tess4j-3.4.8）。 jar + lib文件夹中的所有.jar文件）到我的项目。

此外，我在系统路径中包含了tesseract目录（C：/ Program Files / Tesseract-OCR），并将TESSDATA_PREFIX及其值（C：/ Program Files / Tesseract-OCR / tessdata）添加到了我的环境变量中。 >

但是，当我尝试运行这4条简单的代码行时，出现以下错误：

Tesseract tesseract = new Tesseract();
tesseract.setDatapath("C:/Program Files/Tesseract-OCR/tessdata");
tesseract.setLanguage("eng");
System.out.println(tesseract.doOCR(new File("screen.png")));

Failed loading language 'eng'
Tesseract Couldn't load any languages!
Exception in thread "main" java.lang.Error: Invalid memory access
   at com.sun.jna.Native.invokePointer(Native Method)
   at com.sun.jna.Function.invokePointer(Function.java:470)
   at com.sun.jna.Function.invoke(Function.java:404)
   at com.sun.jna.Function.invoke(Function.java:315)
   at com.sun.jna.Library$Handler.invoke(Library.java:212)
   at com.sun.proxy.$Proxy0.TessBaseAPIGetUTF8Text(UnkNown Source)
   at net.sourceforge.tess4j.Tesseract.getoCRText(UnkNown Source)
   at net.sourceforge.tess4j.Tesseract.doOCR(UnkNown Source)
   at net.sourceforge.tess4j.Tesseract.doOCR(UnkNown Source)
   at net.sourceforge.tess4j.Tesseract.doOCR(UnkNown Source)
   at app.Main.main(Main.java:41)

但是，当我使用控制台运行tesseract程序，然后读取所创建文件的内容时，一切都正常工作。

Process p = Runtime.getRuntime().exec("cmd /c tesseract screen.png text -l eng");
while(p.isAlive()) 
   Thread.sleep(5);
    
BufferedReader reader = new BufferedReader(new FileReader(new File("text.txt")));
StringBuilder stringBuilder = new StringBuilder();
String line;
    
while((line = reader.readLine()) != null)
   stringBuilder.append(line).append("\n");
    
reader.close();
System.out.println(stringBuilder.toString().trim());

有人知道如何解决此问题吗？
谢谢，伊普塞隆。

解决方法

好吧，我发现由于某种原因我的语言文件被损坏了。
我只是替换了“ C：\ Program Files \ Tesseract-OCR \ tessdata”目录中的“ eng.traineddata”文件。

现在一切正常。