nguyenq/tess4j

Java JNA wrapper for Tesseract OCR API

何を解決するか

Tesseract OCR（光学式文字認識）機能をJavaアプリケーション内で使用できるようにし、ネイティブなC++コードを書く必要がなくなります。

動作方法

Java Native Access（JNA）を介してTesseract OCR APIをラップし、Javaプログラムが下位のTesseractエンジンを呼び出して画像からテキストを抽出できるようにします。

対象ユーザー

画像やPDFドキュメントからテキストを抽出する必要があるJava開発者

特徴

  • TIFF、JPEG、GIF、PNG、BMPなど複数の画像形式をサポート。
  • 複数ページのTIFF画像を処理可能。
  • PDFドキュメント形式をサポート。

関連

  • プロジェクト
    ExtractPDF4J/ExtractPDF4J

    OCRと表構造検出を活用して、テキストベース、スキャン済み、画像が多めのPDFから表や構造化データを抽出する、プロダクション指向のJavaライブラリ。

  • プロジェクト
    tesseract-ocr/tesseract

    Tesseractは、100以上の言語に対応するテキスト画像からマシンリーダブルなテキストへの変換を行う、オープンソースのOCRエンジンおよびコマンドラインツールです。

  • プロジェクト
    scribeocr/scribe.js

    画像や PDF から OCR およびテキスト抽出を行うための JavaScript ライブラリです。不可視テキストレイヤーを持つ検索可能な PDF を作成できます。

  • プロジェクト
    SubhamTyagi/android-ocr

    120以上の言語でオフライン光学式文字認識（OCR）を実行する、プライバシー重視のAndroidアプリ。

  • プロジェクト
    UB-Mannheim/zotero-ocr

    Tesseract OCRを使用して、検索不能なPDFにテキストレイヤーを追加するか、テキストをノートに抽出することで、非検索可能なPDFを検索可能にするZoteroプラグイン。