Java Ocr

[simonaC82]

Ciao a tutti!
Sto cercando di realizzare un programma in java che legge da uno scanner e, senza salvare il documento nel client, mi restituisce il contenuto del file... Ho provato con Morena 6 (ho la licenza di prova fino al 28 febbraio), sono disposta ad acquistarlo se riesco a farlo funzionare bene... Il problema è che non sono riuscita a evitare il salvataggio nel client e inoltre ho usato l'ocr della libreria Tesseract che mi restituisce un ocr che sembra arabo e non italiano!!! nonostante ho settato il linguaggio correttamente! qualcuno mi può aiutare?!?!?! qualcuno ha usato Morena e Tess4j? o meglio conoscete qualcosa di gratuito? Grazie!

[MItaly]

Java ha una sezione apposita, dove ti sposto; inoltre, dovresti specificare meglio i problemi ottenuti e soprattutto il codice che impieghi.
Infine, dato che si tratta di problemi con prodotti piuttosto particolari, forse puoi ottenere risposte migliori chiedendo direttamente sui forum di supporto dei prodotti citati.

[simonaC82]

Ciao a tutti,
sto scrivendo un'applicazione in java (java 7 + eclipse + Tomcat) che acquisisce un documento (di tipo testo) dallo scanner e, senza salvarlo sul disco, legge il contenuto e lo memorizza in un'area di testo (TextArea).
La prima parte sono riuscita a risolverla grazie a "Morena 6" un framework di acquisizione immagini disponibile al sito http://www.gnome.sk/Twain/jtp.html (a pagamento).
Cliccando su un bottone lo scanner viene avviato e ottengo un BufferedImage, che poi passo a Tesseract per eseguire l'ocr. Il mio problema è che Tesseract mi restituisce un ocr che sembra arabo!!! e non italiano! cosa sbaglio? cercando sul web ho visto che è uno dei migliori ocr ma perchè a me non funziona bene? conoscete qualcosa di alternativo che funziona bene? grazie!

Riporto il codice della mia classe:

public void acquireFromScanner() throws TwainException, IOException
		{
			
			try {
		    	TwainSource source=TwainManager.getDefaultSource();
				System.err.println("Selected source is "+source);
			    if (source!=null)
			    { 
			    	source.setAutoScan(true);
			    	source.setVisible(false);  // Lesson 2
			        source.setColorMode();     // Lesson 2
			        source.setResolution(100); // Lesson 2
			        System.err.println("Image resolution is " +source.getResolution()); // Lesson 2
			        
			        System.out.println("Starting scan ... ");
			        
			    	MorenaImage morenaImage=new MorenaImage(source);

			    	System.err.println("Size of acquired image is "
					      	+morenaImage.getWidth()+" x "
					      	+morenaImage.getHeight()+" x "
					      	+morenaImage.getPixelSize());

			    	Image image=Toolkit.getDefaultToolkit().createImage(morenaImage); 
			    	
			        BufferedImage bimg=new BufferedImage(image.getWidth(null), image.getHeight(null), BufferedImage.TYPE_INT_RGB);
			        bimg.createGraphics().drawImage(image, 0, 0, null);
			     
			       
			        	Tesseract instance = Tesseract.getInstance();  // JNA Interface Mapping
			            // Tesseract1 instance = new  Tesseract1(); // JNA Direct Mapping 
			             instance.setLanguage("ita");
			            
			            try {
			            	ImageIO.scanForPlugins();  
			            	
			                String result = instance.doOCR(bimg);   
			               
			                System.out.println(result);
			            } catch (TesseractException e) {
			                System.err.println(e.getMessage());
			            }catch (Exception ex) {
			                System.err.println(ex.getMessage());
			            }
			    }
				Morena.close();
			} catch (MorenaException e1) {
				// TODO Auto-generated catch block
				e1.printStackTrace();
			}

[LeleFT]

Avevi già aperto una discussione del tutto identica... bastava recuperarla e incollarci il codice.
Ho fuso le due discussioni assieme.

PS: quando si posta del codice, si devono usare i tag CODE, altrimenti il codice perde indentazione e formattazione, risultando abbastanza illeggibile.

[CODE]
poi si incolla il codice
[/CODE]

Ciao.

[simonaC82]

Ok grazie! scusami!

[Andrea1979]

non me ne sono mai occupato ma mi riprometto di provare questo più tardi quando torno dal lavoro (o nel weekend):

http://sourceforge.net/projects/javaocr/

[Andrea1979]

con quella che ti ho suggerito io ci ho rinunciato praticamente... ci ho messo una vita a trovare il sorgente, il compilato che si scarica da sourceforge non corrisponde all'ultima versione (oppure è incompleto) ed il sorgente che scarichi da google code ha bisogno di un po' di altre librerie per essere compilato.
Mi rimetto a cercare.

[simonaC82]

Ok grazie! io non ho ancora trovato una soluzione...

[Andrea1979]

Ho scaricato Tesseract, ovvero Tess4J e provato a modificare il codice dell'esempio:

import java.awt.image.BufferedImage;
import java.io.File;
import javax.imageio.ImageIO;
import net.sourceforge.tess4j.*;

public class TesseractExample {

    public static void main(String[] args) throws Exception {
        //File imageFile = new File("eurotext.gif");
        BufferedImage bimg = ImageIO.read(new File("C:/Users/Andrea/Desktop/per_assicurazione_Pagina_1.tiff"));
        Tesseract instance = Tesseract.getInstance();  // JNA Interface Mapping
        // Tesseract1 instance = new Tesseract1(); // JNA Direct Mapping

        try {            
            //String result = instance.doOCR(imageFile);
            String result = instance.doOCR(bimg);
            System.out.println(result);
        } catch (TesseractException e) {
            System.err.println(e.getMessage());
        }
    }
}

Ottenendo un discreto risultato (qualche pasticcio per via di linee di moduli e altri elementi grafici interpretabili, però tutto sommato un risultato facilmente editabile a mano e ben rispondente al testo contenuto nell'immagine).

Mi viene da dirti: controlla che cosa ottieni nel BufferedImage proveniente dallo scanner (magari sparala dentro una JLabel e visualizzala)

[simonaC82]

Ok grazie! domani in ufficio proverò!