diff --git a/ocr/arabic/java/advanced-ocr-techniques/_index.md b/ocr/arabic/java/advanced-ocr-techniques/_index.md index 826cbb80a..911a98316 100644 --- a/ocr/arabic/java/advanced-ocr-techniques/_index.md +++ b/ocr/arabic/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,17 @@ url: /ar/java/advanced-ocr-techniques/ قم بتمكين تطبيقات Java الخاصة بك باستخدام Aspose.OCR للتعرف الدقيق على النص. سهولة التكامل، ودقة عالية. ### [تحديد الأحرف المسموح بها في Aspose.OCR](./specify-allowed-characters/) أطلق العنان لاستخراج النص من الصور بسلاسة باستخدام Aspose.OCR لـ Java. اتبع دليلنا خطوة بخطوة للتكامل الفعال. +### [التعرف على نص الصورة باستخدام Aspose OCR GPU – جافا](./recognize-text-image-using-aspose-ocr-gpu-java/) +استخراج النص من الصور باستخدام Aspose OCR GPU في Java بسرعة ودقة عالية. +### [مجموعة مؤشرات ثابتة في جافا – OCR متوازي لملفات PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +استخدم مجموعة مؤشرات ثابتة في جافا لمعالجة صور PNG بالتعرف الضوئي المتوازي وتحسين الأداء. +### [معالجة الصورة مسبقًا للتعرف الضوئي على الحروف – دليل جافا كامل لتعزيز التباين واستخراج النص](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +### [إنشاء محرك OCR Java – التعرف على النص من الصور الكبيرة](./create-ocr-engine-java-recognize-text-from-large-images/) +إنشاء محرك OCR في Java للتعرف على النص من الصور الكبيرة بسرعة ودقة عالية. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/arabic/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..fc75a85d6 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,264 @@ +--- +category: general +date: 2026-02-17 +description: أنشئ محرك OCR بلغة Java واقرأ ملف TIFF بسرعة باستخدام Java. تعلم كيفية + التعرف على النص من صورة كبيرة باستخدام Aspose.OCR في دليل خطوة بخطوة. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: ar +og_description: أنشئ محرك OCR بجافا الآن. يوضح هذا الدليل كيفية قراءة ملف TIFF بجافا + والتعرف على النص من صورة كبيرة باستخدام Aspose.OCR. +og_title: إنشاء محرك OCR بجافا – دليل كامل للتعرف على النص في الصور الكبيرة +tags: +- OCR +- Java +- Aspose +title: إنشاء محرك OCR بلغة Java – التعرف على النص من الصور الكبيرة +url: /ar/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +Parallelize tile processing** – for ultra‑large satellite imagery, spin up a -> incomplete sentence; we keep as is? The original ends with "spin up a". We'll keep same incomplete line. + +Then close shortcodes. + +Now produce final content with all translations. + +Be careful to keep markdown syntax. + +Let's craft final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# إنشاء محرك OCR Java – التعرف على النص من الصور الكبيرة + +هل احتجت يومًا إلى كتابة **create OCR engine Java** يمكنه التعامل مع خريطة TIFF ضخمة، لكنك لم تكن متأكدًا من أين تبدأ؟ لست وحدك—معظم المطورين يصطدمون بحاجز عندما يتجاوز حجم الصورة حدود الذاكرة المعتادة. + +في هذا الدليل سنمشيك خطوة بخطوة عبر مثال كامل جاهز للتنفيذ **ينشئ محرك OCR في Java**، يوضح لك كيفية **read TIFF file Java** باستخدام `InputStream`، وأخيرًا **recognizes text from large image** دون نفاد الذاكرة. في النهاية ستحصل على برنامج مستقل يمكنك إدراجه في أي مشروع Maven أو Gradle. + +## ما ستحتاجه + +- **Java Development Kit (JDK) 8 أو أحدث** – يستخدم الكود فقط I/O القياسي بالإضافة إلى Aspose.OCR. +- **Aspose.OCR for Java** library (أحدث نسخة حتى 2026‑02) – يمكنك الحصول على ملف JAR من موقع Aspose أو عبر Maven Central. +- **ملف TIFF كبير** (مثلاً خريطة متعددة الميجابكسل) تريد تحويله إلى نص. +- **ملف ترخيص Aspose.OCR** الخاص بك (`Aspose.OCR.lic`). بدون ذلك يعمل المحرك في وضع التقييم، لكن ستحصل على علامة مائية. + +> **نصيحة احترافية:** احتفظ بملف TIFF بجوار مجلد المصدر أو استخدم مسارًا مطلقًا؛ سيقسم المحرك الصورة داخليًا، لذا لن تحتاج إلى تقسيمها يدويًا. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="مخطط سير عمل إنشاء محرك OCR Java"} + +## الخطوة 1 – تطبيق ترخيص Aspose.OCR (Create OCR Engine Java) + +قبل أن يبدأ المحرك بأي عمليات ثقيلة يجب تسجيل الترخيص. تخطي هذه الخطوة يجبر الوضع التجريبي، والذي يحد من عدد الصفحات ويضيف بانرًا إلى الناتج. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*لماذا هذا مهم:* كائن `License` يخبر محرك OCR بفتح خوارزمية التجزئة ذات الدقة الكاملة، وهو أمر أساسي لمعالجة **صورة كبيرة** بكفاءة. + +## الخطوة 2 – إنشاء مثيل لمحرك OCR (Create OCR Engine Java) + +الآن نقوم بإنشاء كائن `OcrEngine` الأساسي. فكر فيه كالعقل الذي سيقرأ البكسلات لاحقًا ويُخرج نصًا Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*لماذا نبقيه بسيطًا:* في معظم السيناريوهات الإعدادات الافتراضية تشمل بالفعل الكشف التلقائي عن اللغة والتجزئة المثلى. الإعدادات المفرطة قد تبطئ العملية على الملفات الضخمة. + +## الخطوة 3 – تحميل ملف TIFF باستخدام InputStream (Read TIFF File Java) + +ملفات TIFF الكبيرة قد تكون مئات الميجابايت. تحميلها بالكامل إلى `BufferedImage` سيؤدي إلى نفاد الذاكرة. بدلاً من ذلك نمرر للمحرك `InputStream`؛ Aspose.OCR سيقرأ ويقسم الصورة أثناء التشغيل. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*حالة خاصة:* إذا كان ملف TIFF مضغوطًا باستخدام CCITT Group 4، فإن Aspose.OCR لا يزال يتعامل معه، لكن يمكنك ضبط `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` للحصول على تحسين طفيف في السرعة. + +## الخطوة 4 – إعداد مدخل OCR وتلميح الصيغة + +كائن `OcrInput` يمكنه احتواء عدة صور، لكننا نحتاج صورة واحدة فقط لهذا العرض. توفير سلسلة الصيغة (`"tif"`) يساعد المحرك على تخطي عملية اكتشاف الصيغة، مما يوفر بضع مللي ثانية. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*لماذا التلميح مفيد:* عند التعامل مع **صور كبيرة**، كل مللي ثانية لها قيمة. تلميح الصيغة يخبر المحلل بتجاوز تحليل الرأس المكلف. + +## الخطوة 5 – التعرف على النص من الصورة الكبيرة (Recognize Text from Large Image) + +مع كل شيء موصول، استدعاء OCR الفعلي هو سطر واحد. المحرك يُعيد `OcrResult` يحتوي على النص العادي، درجات الثقة، وحتى إطارات الحدود إذا احتجت إليها لاحقًا. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*ما يحدث خلف الكواليس:* Aspose.OCR يقسم ملف TIFF إلى مربعات قابلة للإدارة (الافتراضي 1024 × 1024 px)، يُطبق نموذج الشبكة العصبية على كل مربع، ثم يجمع النتائج معًا. لهذا يمكنك **recognizes text from large image** دون معالجة مسبقة يدوية. + +## الخطوة 6 – عرض معاينة للنص المستخرج + +طباعة المستند بالكامل على وحدة التحكم قد تكون مرهقة. لنظهر فقط أول 200 حرف، متبوعًا بثلاث نقاط، لتتمكن من التحقق من النتيجة بنظرة سريعة. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*الإخراج المتوقع في وحدة التحكم:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +إذا رأيت نصًا غير مفهوم، تحقق من أن اللغة الصحيحة مُحددة (الافتراضية هي الإنجليزية) وأن ملف TIFF غير تالف. + +## مثال كامل يعمل + +جمع كل الأجزاء معًا يمنحك فئة واحدة يمكنك تجميعها وتشغيلها: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +الترجمة باستخدام: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +استبدل `aspose-ocr-23.12.jar` بالنسخة الفعلية التي قمت بتحميلها. + +## المشكلات الشائعة والنصائح + +| المشكلة | سبب حدوثها | الحل السريع | +|------|----------------|-----------| +| **OutOfMemoryError** | تحميل ملف TIFF إلى `BufferedImage` بدلاً من البث. | استخدم دائمًا `InputStream` كما هو موضح؛ دع Aspose يتولى التجزئة. | +| **Blank output** | تلميح امتداد الملف غير صحيح (`"tif"` مقابل `"tiff"`). | استخدم السلسلة الدقيقة التي مررتها إلى `add`. | +| **Garbage characters** | الترخيص غير مُطبق أو انتهت صلاحيته. | تحقق من مسار ملف `.lic` وأعد تطبيقه قبل إنشاء المحرك. | +| **Slow recognition** | استخدام `OcrConfiguration` مخصص بدقة DPI عالية. | التزم بالإعدادات الافتراضية في معظم الحالات؛ عدل فقط إذا كنت بحاجة إلى دقة أعلى. | + +### متى تعديل الإعدادات + +- **المستندات متعددة اللغات:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **دقة أعلى على الخطوط الصغيرة:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +لكن تذكر، كل خيار إضافي قد يزيد من زمن المعالجة، خاصةً على **صورة كبيرة**. اختبر أولاً على مربع واحد. + +## الخطوات التالية + +الآن بعد أن عرفت كيف **create OCR engine Java**، **read TIFF file Java**، و**recognizes text from large image**، قد ترغب في: + +1. **تصدير النتيجة إلى PDF** – دمج Aspose.PDF مع نص OCR لإنشاء مستندات قابلة للبحث. +2. **تخزين إطارات الحدود** – استخدم `ocrResult.getWords()` للحصول على الإحداثيات للتظليل. +3. **توازي معالجة المربعات** – للصور الفضائية الفائقة الحجم، شغّل + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/arabic/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..876d34d17 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-02-17 +description: تعلم كيفية استخدام مجموعة خيوط ثابتة في جافا لاستخراج النص من صور PNG + باستخدام معالجة OCR المتوازية وإغلاق خدمة التنفيذ بشكل صحيح. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: ar +og_description: اكتشف كيف يمكن لتجمع خيوط ثابت في جافا استخراج النص من صور PNG بشكل + متوازي، وتحويل نص الصفحات الممسوحة ضوئياً، وإغلاق خدمة التنفيذ بأمان. +og_title: مجموعة خيوط ثابتة جافا – OCR متوازي لملف PNG +tags: +- java +- ocr +- multithreading +- aspose +title: مجموعة خيوط ثابتة في جافا – OCR متوازي لملفات PNG +url: /ar/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +careful to keep markdown formatting exactly, including spaces. + +Let's construct final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR متوازي لملفات PNG + +هل تساءلت يومًا كيف تُسرّع OCR لمجموعة من ملفات PNG باستخدام **fixed thread pool java**؟ في هذا الدرس سنستعرض **extract text from PNG** للصور بشكل متوازي، **convert scanned pages text** إلى سلاسل قابلة للتحرير، وسنقوم بأمان **shut down executor service** بمجرد انتهاء العمل. + +إذا كنت قد حدقت يومًا في حلقة أحادية الخيط تستغرق دقائق، فأنت تعرف الإحباط من الانتظار حتى تنتهي كل صفحة قبل أن تبدأ التالية. الخبر السار؟ ببضع أسطر من Java و Aspose OCR يمكنك استغلال قوة جميع نوى المعالج، وتحويل تلك الصفحات الممسوحة إلى نص قابل للبحث، والحفاظ على استجابة تطبيقك. + +فيما يلي مثال كامل جاهز للتنفيذ، بالإضافة إلى شرح لماذا كل جزء مهم، الأخطاء الشائعة، ونصائح يمكنك تطبيقها على أي مكتبة OCR. + +--- + +## ما ستحتاجه + +- **Java 17** (أو أي JDK حديث) – يستخدم الكود بنية `var` الحديثة بشكل محدود، لكنه يعمل على الإصدارات القديمة أيضًا. +- **Aspose.OCR for Java** المكتبة – يمكنك الحصول عليها من Maven Central أو تنزيل نسخة تجريبية من Aspose. +- مجموعة من ملفات **PNG** التي تريد معالجتها – فكر في إيصالات مسح ضوئي، صفحات كتب، أو لقطات شاشة. +- إلمام أساسي بـ Java concurrency – ليس ضروريًا، لكنه مفيد. + +هذا كل شيء. لا خدمات خارجية، لا Docker، فقط Java عادي وقليل من سحر تعدد الخيوط. + +## الخطوة 1: إضافة تبعية Aspose OCR والترخيص (اختياري) + +أولاً، تأكد من أن ملف JAR الخاص بـ Aspose OCR موجود في classpath. إذا كنت تستخدم Maven، أضف: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +إذا لم يكن لديك ترخيص، ستعمل المكتبة في وضع التقييم؛ الكود يعمل بنفس الطريقة. لتحميل ترخيص (مستحسن للإنتاج)، ضع `Aspose.OCR.lic` في مجلد الموارد واستخدم: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **نصيحة احترافية:** احتفظ بملف الترخيص خارج نظام التحكم بالإصدار لتجنب كشفه عن طريق الخطأ. + +## الخطوة 2: إنشاء كائن `OcrEngine` آمن للخيوط + +كائن `OcrEngine` الخاص بـ Aspose OCR آمن للخيوط طالما تعيد استخدام نفس المثيل عبر المهام. إن إنشاؤه مرة واحدة يوفر الذاكرة ويتجنب عبء إعادة تهيئة المحرك لكل صورة. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +لماذا إعادة الاستخدام؟ فكر في المحرك كعامل ثقيل الوزن يحمل نماذج اللغة في الذاكرة. إنشاء محرك جديد لكل صورة سيكون كاستئجار متخصص جديد لكل مهمة صغيرة – مكلف وغير ضروري. + +## الخطوة 3: إعداد Fixed Thread Pool في Java + +الآن يأتي نجم العرض: **fixed thread pool java**. سنحدد حجمه بناءً على عدد المعالجات المنطقية بحيث يحصل كل نواة على عمل دون تجاوز السعة. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +استخدام مجموعة *ثابتة* (بدلاً من المؤقتة) يمنحك استخدام موارد متوقع ويمنع الارتفاعات المخيفة للـ “out‑of‑memory” عندما تصل مئات الصور دفعة واحدة. + +## الخطوة 4: سرد ملفات PNG التي تريد معالجتها (Extract Text from PNG) + +اجمع مسارات الصور التي تريد تطبيق OCR عليها. في مشروع حقيقي قد تقوم بمسح دليل أو القراءة من قاعدة بيانات؛ هنا سنكتب بعض الأمثلة يدويًا. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **ملاحظة:** امتداد الملف **png** مهم لأن Aspose OCR يكتشف الصيغة تلقائيًا، لكن يمكنك أيضًا إمداده بملفات JPEG أو TIFF. + +## الخطوة 5: تقديم مهام OCR – معالجة OCR متوازية + +كل صورة تتحول إلى callable يُعيد النص المُعترف به. لأن `OcrEngine` مشترك، نحتاج فقط لتمرير مسار الملف إلى المهمة. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +لماذا نغلفها في `Future`؟ يتيح لنا إطلاق جميع الوظائف فورًا، ثم جمع النتائج لاحقًا بالترتيب الذي تم تقديمها به – مثالي للحفاظ على ترتيب الصفحات عند **convert scanned pages text** مرة أخرى إلى مستند. + +## الخطوة 6: استرجاع النتائج وعرضها (Convert Scanned Pages Text) + +الآن ننتظر كل `Future` لتنتهي ونطبع الناتج. استدعاء `get()` يحجب فقط حتى يكتمل المهمة المحددة، وليس كل المجموعة. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +مخرجات وحدة التحكم النموذجية تبدو هكذا: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +إذا كنت تفضل كتابة النتائج إلى ملفات، استبدل `System.out.println` بـ `Files.writeString`. + +## الخطوة 7: إغلاق Executor Service بشكل نظيف + +عند انتهاء جميع المهام، من الضروري **shut down executor service**؛ وإلا قد يبقى JVM يحتفظ بخيوط غير daemon نشطة، مما يمنع الخروج السلس. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +نمط `awaitTermination` يمنح المجموعة فرصة لإنهاء العمل الجاري قبل أن نجبرها على الإغلاق. تجاهل هذه الخطوة هو مصدر شائع لتسرب الذاكرة في التطبيقات طويلة التشغيل. + +## مثال كامل يعمل + +بجمع كل ذلك معًا، إليك البرنامج الكامل الذي يمكنك نسخه ولصقه في `ParallelBatchDemo.java` وتشغيله: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/arabic/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..c4020817c --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,201 @@ +--- +category: general +date: 2026-02-17 +description: معالجة الصورة مسبقًا للتعرف الضوئي على الحروف باستخدام Aspose OCR في + جافا. تعلم كيفية تعزيز تباين الصورة، وضبط مستوى التباين، والتعرف على النص من الصورة + في دقائق قليلة. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: ar +og_description: معالجة الصورة مسبقًا للتعرف الضوئي على الأحرف باستخدام Aspose OCR + Java. يوضح هذا الدليل كيفية تعزيز تباين الصورة، ضبط مستوى التباين، والتعرف بسرعة + على النص من الصورة. +og_title: معالجة الصورة مسبقًا للتعرف الضوئي على الأحرف – درس جافا لتعزيز التباين + واستخراج النص +tags: +- Java +- OCR +- Image Processing +title: معالجة الصورة مسبقًا للتعرف الضوئي على الأحرف – دليل جافا الكامل لتعزيز التباين + واستخراج النص +url: /ar/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +Now ensure all markdown formatting preserved. + +Check for any missing translation of bullet points, etc. + +Now produce final output with all content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# معالجة الصورة للتعرف الضوئي على الأحرف – دليل Java كامل + +هل احتجت يومًا إلى **preprocess image for OCR** لكن لم تكن متأكدًا من الإعدادات التي تُحدث فرقًا فعليًا؟ لست وحدك. معظم المطورين يرسلون صورة إلى محرك OCR ويأملون حدوث السحر، فقط للحصول على مخرجات مشوشة. في هذا البرنامج التعليمي سنستعرض مثالًا عمليًا من البداية إلى النهاية يقوم **boosts image contrast**، ويضبط **contrast level**، وأخيرًا **recognizes text from image** باستخدام Aspose OCR for Java. + +بحلول الوقت الذي تنتهي فيه، ستحصل على مقتطف شفرة قابل لإعادة الاستخدام يقوم **extracts text using OCR** بشكل موثوق، حتى على المسحات الضوضائية. لا حيل مخفية، فقط خطوات واضحة والمنطق وراء كل خطوة. + +## ما ستحتاجه + +- Java 17 أو أحدث (الكود يُترجم مع أي JDK حديث) +- مكتبة Aspose OCR for Java (حمّلها من الموقع الرسمي لـ Aspose) +- ملف ترخيص Aspose OCR صالح (`Aspose.OCR.lic`) +- صورة الإدخال (`input.jpg`) التي تريد قراءتها +- بيئة تطوير مفضلة أو إعداد سطر أوامر بسيط + +إذا كان لديك هذه بالفعل، عظيم—لنغص مباشرةً. + +## الخطوة 1: تحميل ترخيص Aspose OCR (الإعداد الأساسي) + +قبل أن يقوم محرك OCR بأي شيء، يحتاج إلى معرفة أنك مرخص. وإلا ستواجه علامة مائية تجريبية. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Why this matters:** بدون ترخيص صحيح، يعمل المحرك في وضع التقييم، مما قد يقتطع النتائج أو يضيف علامات مائية. ضبط الترخيص مبكرًا يضمن أيضًا أن أي خيارات ما قبل المعالجة اللاحقة تُطبق في وضع كامل الميزات. + +## الخطوة 2: تهيئة محرك OCR + +إنشاء نسخة من `OcrEngine` يمنحك الوصول إلى كل من خطوط التعرف وخطوط ما قبل المعالجة. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** احتفظ بالمحرك ككائن واحد (singleton) إذا كنت تخطط لمعالجة العديد من الصور على دفعة؛ فهو يخزن الموارد الداخلية ويُسرّع الاستدعاءات اللاحقة. + +## الخطوة 3: ضبط ما قبل المعالجة – تصحيح الميل (Deskew)، إزالة الضوضاء (Denoise)، وتعزيز التباين + +هنا حيث نقوم **preprocess image for OCR**. الثلاثة إعدادات التي سنضبطها هي: + +1. **Deskew** – يصحح الدورانات الطفيفة. +2. **Denoise** – يزيل البقع التي تُربك تجزئة الأحرف. +3. **Contrast enhancement** – يجعل النص الداكن يبرز مقابل الخلفية. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### لماذا تعديل مستوى التباين؟ + +زيادة مستوى التباين يمدد هيستوجرام الصورة، مما يجعل البكسلات الداكنة أكثر ظلامًا والبكسلات الفاتحة أكثر إشراقًا. عمليًا، **contrast level** بقيمة `1.3f` غالبًا ما يعطي أفضل توازن للمستندات المطبوعة، بينما القيمة فوق `1.5f` قد تُفرط في إظهار الخطوط الرفيعة. لا تتردد في التجربة؛ الإعداد غير مكلف للتغيير ويمكنه تحسين معدل نجاح **recognize text from image** بشكل كبير. + +## الخطوة 4: تحضير صورة الإدخال + +فئة `OcrInput` تُجرد التعامل مع الملفات. يمكنك إضافة صور متعددة إذا كنت تحتاج إلى معالجة دفعة. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Edge case:** إذا كانت صورتك بتنسيق غير قياسي (مثلاً TIFF مع صفحات متعددة)، يمكنك تحميل كل صفحة على حدة أو تحويلها إلى PNG/JPEG أولاً. + +## الخطوة 5: تنفيذ التعرف + +الآن يقوم المحرك بتشغيل خط أنابيب ما قبل المعالجة الذي قمنا بضبطه، ثم يُسلم الصورة المنقاة إلى خوارزمية OCR الأساسية. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** أولًا يطبق Aspose OCR تحويل الـ deskew، ثم يشغل مرشح الـ denoise، وأخيرًا يضبط التباين قبل تمرير الصورة إلى المُعرّف القائم على الشبكة العصبية. الترتيب مقصود؛ تغييره قد يؤدي إلى نتائج غير مثالية. + +## الخطوة 6: إخراج النص المُعترف به + +أخيرًا، نطبع السلسلة المستخرجة إلى وحدة التحكم. في تطبيق حقيقي قد تكتبها إلى ملف أو تُرسلها عبر الشبكة. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### النتيجة المتوقعة + +إذا كانت `input.jpg` تحتوي على العبارة “Hello World!”، يجب أن تُظهر وحدة التحكم: + +``` +Hello World! +``` + +إذا كان الإخراج مشوشًا، تحقق مرة أخرى من قيم ما قبل المعالجة—خاصةً **contrast level** و **denoise mode**—وحاول تنسيق صورة مختلف. + +## إضافي: تصور الصورة ما قبل المعالجة (اختياري) + +أحيانًا تريد رؤية ما يراه المحرك بعد الـ deskew، والـ denoise، وتعزيز التباين. يتيح لك Aspose OCR تصدير الصورة المتوسطة (bitmap): + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +افتح `processed.png` جنبًا إلى جنب مع الأصل؛ ستلاحظ أفقًا أكثر استقامة ونصًا أكثر وضوحًا. هذه الخطوة مفيدة عندما تحاول استكشاف سبب فشل مسح معين. + +![مثال على معالجة الصورة للتعرف الضوئي على الأحرف](/images/ocr-preprocess-example.png "معالجة الصورة للتعرف الضوئي على الأحرف – قبل وبعد تعزيز التباين") + +*الصورة أعلاه توضح كيف أن تعزيز التباين وإزالة الضوضاء يحول مسحًا ضبابيًا إلى صورة نظيفة جاهزة للتعرف الضوئي على الأحرف.* + +## الأخطاء الشائعة وكيفية تجنّبها + +| المشكلة | سبب حدوثها | الحل | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` too high) | الخلفية الفاتحة تصبح بيضاء، مما يمحو الأحرف الخفيفة | حافظ على المستوى بين 1.1 و 1.4 لمعظم النصوص المطبوعة | +| **Deskew tolerance too low** | تبقى الدورانات الصغيرة غير مصححة | ارفع `setDeskewAngleTolerance` إلى 0.2 أو 0.3 للكتب الممسوحة | +| **Using GAUSSIAN denoise on binary images** | يطمس الحواف، مما يدمج الأحرف | استخدم `DenoiseMode.MEDIAN` للمسحات بالأبيض والأسود | +| **Missing license** | يعود المحرك إلى وضع التجربة، مما يقتطع المخرجات | تحقق من مسار `Aspose.OCR.lic` وأن الملف قابل للقراءة | + +## الخطوات التالية: تجاوز المعالجة الأساسية + +الآن بعد أن يمكنك **preprocess image for OCR** و **extract text using OCR**، فكر في هذه الإضافات: + +- **Language packs** – حمّل قواميس لغات محددة لتحسين الدقة للنص غير الإنجليزي. +- **Region‑of‑interest (ROI) cropping** – ركّز على جزء من الصورة إذا كنت تحتاج فقط إلى جزء من الصفحة. +- **Batch processing** – كرّر عبر مجلد من الصور، مع إعادة استخدام نفس نسخة `OcrEngine` للسرعة. +- **Integrate with PDF** – اجمع Aspose OCR مع Aspose PDF لتحويل ملفات PDF الممسوحة إلى PDF قابل للبحث في خط أنابيب واحد. + +كل من هذه المواضيع يدمج بطبيعية كلماتنا المفتاحية الثانوية: ستستمر في **boost image contrast**، **set contrast level**، وستستمر في **recognize text from image** عبر العديد من السيناريوهات. + +## الخلاصة + +لقد غطينا كل ما تحتاجه لـ **preprocess image for OCR** باستخدام Aspose OCR for Java: تحميل الترخيص، ضبط الـ deskew، والـ denoise، وتعزيز التباين، تمرير الصورة، وأخيرًا **recognize text from image**. مع المثال الكامل القابل للتنفيذ أعلاه، يمكنك الآن **extract text using OCR** على أي صورة مُعدّة بشكل مناسب. + +جرّب الشفرة، عدّل **contrast level**، وشاهد الدقة ترتفع. عندما تكون جاهزًا، استكشف نماذج مخصصة للغات أو خطوط دفعات لتحويل هذا العرض التجريبي لصورة واحدة إلى حل جاهز للإنتاج. + +*برمجة سعيدة، ولتكن مسحاتك دائمًا واضحة!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/arabic/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..212f71591 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,238 @@ +--- +category: general +date: 2026-02-17 +description: تعرف على النص في الصورة بسرعة باستخدام دعم Aspose OCR للمعالجة باستخدام + وحدة معالجة الرسوميات (GPU) في Java. تعلم كيفية استخراج النص من الصورة وتعيين معرف + جهاز GPU لتحقيق الأداء الأمثل. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: ar +og_description: تعرّف على النص في الصورة بسرعة باستخدام دعم Aspose OCR لمعالجة GPU + في Java. يوضح هذا الدليل كيفية استخراج النص من الصورة وتعيين معرف جهاز GPU. +og_title: التعرف على نص الصورة باستخدام Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: التعرف على نص الصورة باستخدام Aspose OCR GPU – Java +url: /ar/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +bottom unchanged. + +Let's craft final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# التعرف على النص في الصورة باستخدام Aspose OCR GPU – Java + +هل احتجت يومًا إلى **التعرف على نص الصورة** في تطبيق Java لكن المعالج كان يواجه صعوبة مع الملفات الكبيرة؟ لست وحدك—العديد من المطورين يواجهون هذه المشكلة عند معالجة المسحات عالية الدقة. الخبر السار؟ Aspose OCR يتيح لك **استخراج النص من الصورة** على وحدة معالجة الرسومات، مما يقلل وقت المعالجة بشكل كبير. + +في هذا الدرس سنستعرض مثالًا كاملاً جاهزًا للتنفيذ يوضح بالضبط كيفية إعداد الترخيص، تمكين تسريع الـ GPU، و**تحديد معرف جهاز الـ GPU** عندما يكون لديك أكثر من بطاقة رسومية. في النهاية ستحصل على برنامج مستقل يطبع النص المعترف به إلى وحدة التحكم—بدون خطوات إضافية. + +## ما ستحتاجه + +- **Java 17** أو أحدث (الواجهة البرمجية متوافقة مع Java 8+، لكن أحدث نسخة LTS تمنحك أداءً أفضل). +- مكتبة **Aspose OCR for Java** (حمّل ملف JAR من موقع Aspose). +- ملف ترخيص **Aspose OCR** صالح (`Aspose.OCR.lic`). النسخة التجريبية المجانية تعمل، لكن ميزات الـ GPU محجوبة خلف ترخيص مدفوع. +- ملف صورة (`sample-image.png`) يحتوي على نص واضح يمكن قراءته آليًا. +- بيئة تدعم الـ GPU (بطاقة NVIDIA متوافقة مع CUDA هي الأفضل). + +إذا كان أي من هذه غير مألوف لك، لا تقلق—سنشرح كل نقطة أثناء المتابعة. + +## الخطوة 1: إضافة Aspose OCR إلى مشروعك + +أولاً، أضف ملف JAR الخاص بـ Aspose OCR إلى مسار الفئات (classpath). إذا كنت تستخدم Maven، أضف الاعتماد التالي إلى `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +لـ Gradle، يكون كالتالي: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +إذا كنت تفضّل الطريقة اليدوية، ضع ملف JAR في مجلد `libs/` وأضفه إلى مسار الوحدة في IDE. + +> **نصيحة احترافية:** حافظ على توافق رقم الإصدار مع ملاحظات إصدار المكتبة؛ الإصدارات الأحدث غالبًا ما تجلب تحسينات أداء لمعالجة الـ GPU. + +## الخطوة 2: تحميل ترخيص Aspose OCR (مطلوب لاستخدام الـ GPU) + +بدون ترخيص، ستعود الدالة `setEnableGpu(true)` صامتًا إلى وضع المعالج المركزي. حمّل الترخيص في بداية الدالة `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +استبدل `YOUR_DIRECTORY` بالمسار المطلق أو النسبي حيث حفظت ملف `.lic`. إذا كان المسار غير صحيح، سيطلق Aspose استثناء `FileNotFoundException`، لذا تحقق من صحة الكتابة. + +## الخطوة 3: إنشاء محرك OCR وتمكين تسريع الـ GPU + +الآن نقوم بإنشاء كائن `OcrEngine` ونخبره باستخدام الـ GPU. تسمح لك الدالة `setGpuDeviceId` باختيار بطاقة محددة عندما يكون هناك أكثر من واحدة. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +لماذا نحتاج معرف الجهاز؟ في خادم متعدد الـ GPU قد تخصص بطاقة واحدة لمعالجة الصور وأخرى للـ OCR. تحديد المعرف يضمن أن العتاد الصحيح هو الذي يقوم بالعمل الشاق. + +## الخطوة 4: إعداد صورة الإدخال + +Aspose OCR يدعم مجموعة متنوعة من الصيغ (PNG، JPG، BMP، TIFF). غلف ملفك في كائن `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +إذا كنت تحتاج إلى معالجة تدفق (مثلاً ملف تم رفعه)، استخدم `ocrInput.add(InputStream)` بدلاً من ذلك. + +## الخطوة 5: تشغيل عملية التعرف واسترجاع النتيجة + +الدالة `recognize` تُعيد كائن `OcrResult` يحتوي على النص العادي، درجات الثقة، وحتى معلومات التخطيط إذا احتجت إليها. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +ستظهر وحدة التحكم شيئًا مثل: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +إذا كانت الصورة غير واضحة أو اللغة غير مدعومة، قد تكون النتيجة فارغة. في هذه الحالة، تحقق من قيمة `ocrResult.getConfidence()` (0‑100) لتقرر ما إذا كنت ستعيد المحاولة مع معالجة مسبقة. + +## مثال كامل قابل للتنفيذ + +جمع كل الأجزاء معًا يمنحك فئة Java واحدة يمكنك نسخها ولصقها في IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **الناتج المتوقع:** تقوم وحدة التحكم بطباعة النص الدقيق الموجود في `sample-image.png`. إذا كان الـ GPU نشطًا، ستلاحظ انخفاض وقت المعالجة من عدة ثوانٍ (CPU) إلى أقل من ثانية للمسحات بدقة 300 dpi تقريبًا. + +## أسئلة شائعة وحالات خاصة + +### هل يعمل هذا على خادم بدون واجهة رسومية؟ + +نعم. يجب تثبيت برنامج تشغيل الـ GPU، لكن لا تحتاج إلى شاشة. فقط تأكد من أن مجموعة أدوات `CUDA` (أو ما يعادلها لبطاقتك) موجودة في متغير النظام `PATH`. + +### ماذا لو كان لدي أكثر من بطاقة GPU وأريد استخدام GPU 1؟ + +غيّر معرف الجهاز: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### كيف أستخرج النص من صورة بلغة مختلفة؟ + +حدد اللغة قبل استدعاء `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose يدعم أكثر من 30 لغة؛ راجع وثائق الـ API للحصول على القائمة الكاملة. + +### ماذا لو كانت الصورة تحتوي على عدة صفحات (مثلاً PDF تم تحويله إلى صور)? + +أنشئ إدخالًا منفصلًا في `OcrInput` لكل صفحة، أو كرّر العملية على الملفات: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +سيقوم المحرك بدمج النتائج بالترتيب. + +### كيف أتعامل مع النتائج ذات الثقة المنخفضة؟ + +تحقق من درجة الثقة: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +خطوات المعالجة المسبقة الشائعة تشمل التحويل إلى ثنائي، تقليل الضوضاء، أو تغيير الحجم إلى 300 dpi. + +## نصائح للأداء + +- **المعالجة الدفعية:** إضافة العديد من الصور إلى كائن `OcrInput` واحد يقلل من تكلفة تهيئة سياق الـ GPU المتكررة. +- **التسخين (Warm‑up):** نفّذ عملية تعرف تجريبية واحدة بعد بدء تشغيل JVM؛ الاستدعاء الأول يتضمن زمن تهيئة برنامج التشغيل. +- **إدارة الذاكرة:** حرّر كائنات `OcrInput` الكبيرة (`ocrInput.clear()`) بعد الانتهاء لتحرير ذاكرة الـ GPU. + +## الخلاصة + +أنت الآن تعرف كيف **تتعرف على نص الصورة** بفعالية باستخدام محرك Aspose OCR الـ GPU في Java، وكيف **استخراج النص من الصورة** بأي لغة مدعومة، وكيف **تحديد معرف جهاز الـ GPU** عند العمل مع بطاقات رسومية متعددة. يجب أن يعمل الكود القابل للتنفيذ أعلاه مباشرةً—فقط استبدل مسارات الترخيص والصورة الخاصة بك. + +هل أنت مستعد للخطوة التالية؟ جرّب معالجة مجلد من ملفات PDF الممسوحة، واختبر خيارات `setLanguage` المختلفة، أو اجمع بين OCR ونموذج تعلم آلي للمعالجة اللاحقة. الإمكانيات لا حصر لها، ومكاسب الأداء من تسريع الـ GPU تجعل المشاريع الكبيرة قابلة للتنفيذ. + +برمجة سعيدة، ولا تتردد في ترك تعليق إذا واجهت أي صعوبات! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/ocr-operations/_index.md b/ocr/arabic/java/ocr-operations/_index.md index 94d5eaffc..360b1194b 100644 --- a/ocr/arabic/java/ocr-operations/_index.md +++ b/ocr/arabic/java/ocr-operations/_index.md @@ -76,10 +76,17 @@ weight: 21 افتح استخراج نص دقيق من الصور مع Aspose.OCR للـ Java. اتبع دليلنا خطوة بخطوة للحصول على OCR دقيق باختيار اللغة. ### [OCR Recognizing PDF Documents in Aspose.OCR for Java](./recognize-pdf/) افتح قوة OCR في Java مع Aspose.OCR. تعرف على النص في مستندات PDF بسهولة. عزز تطبيقاتك بالدقة والسرعة. +### [كيفية استخدام OCR في Java – استخراج النص من PDF باستخدام Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +### [كيفية استخدام OCR في Java – التعرف على النص من الصورة بسرعة](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) افتح إمكانات التعرف القوية على النص في Java مع Aspose.OCR. تعرف على النص في صور TIFF بسهولة. حمّل الآن لتجربة OCR سلسة. ### [التعرف على نص الصورة باستخدام Aspose OCR – دليل OCR كامل للـ Java](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) دليل شامل يشرح كيفية التعرف على النص في الصور باستخدام Aspose OCR مع Java خطوة بخطوة. +### [التعرف على النص من الصورة باستخدام Aspose OCR – دليل Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +دليل شامل يوضح كيفية استخراج النص من الصور باستخدام Aspose OCR في بيئة Java خطوة بخطوة. +### [تحويل الصورة إلى نص Java: استخراج النص الأردي باستخدام Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +### [إنشاء PDF قابل للبحث من صورة في Java – دليل خطوة بخطوة](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +دليل شامل يوضح كيفية تحويل صورة إلى ملف PDF قابل للبحث باستخدام Aspose.OCR في بيئة Java خطوة بخطوة. ## الأسئلة المتكررة diff --git a/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..59bac671e --- /dev/null +++ b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-02-17 +description: 'إنشاء PDF قابل للبحث بسرعة: تعلم كيفية إنشاء PDF من صورة باستخدام Aspose + OCR، خيارات حفظ PDF، وتحويل الصورة إلى PDF قابل للبحث في دقائق قليلة.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: ar +og_description: إنشاء PDF قابل للبحث في Java باستخدام Aspose OCR. يوضح هذا الدليل + كيفية إنشاء PDF من صورة، وتكوين خيارات حفظ PDF، والحصول على مستند قابل للبحث بالكامل. +og_title: إنشاء ملف PDF قابل للبحث من صورة في جافا – دليل كامل +tags: +- Aspose OCR +- Java +- PDF generation +title: إنشاء ملف PDF قابل للبحث من صورة في جافا – دليل خطوة بخطوة +url: /ar/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# إنشاء ملف PDF قابل للبحث من صورة في جافا – دليل خطوة بخطوة + +هل احتجت يومًا إلى **إنشاء PDF قابل للبحث** من صورة ممسوحة ضوئيًا لكن لم تكن متأكدًا أي API تختار؟ لست وحدك—العديد من المطورين يواجهون هذا التحدي عندما يحاولون لأول مرة تحويل صورة نقطية إلى PDF يمكنك فعلاً البحث فيه. الخبر السار؟ باستخدام Aspose OCR يمكنك القيام بذلك ببضع أسطر فقط، والنتيجة تبدو تمامًا كالصورة الأصلية مع إمكانية البحث النصي. + +في هذا الدرس سنستعرض العملية بالكامل: تحميل الترخيص، إمداد محرك OCR بصورة (أو ملف TIFF متعدد الصفحات)، تعديل **خيارات حفظ PDF**، وأخيرًا كتابة **صورة إلى PDF قابل للبحث**. في النهاية ستحصل على برنامج جافا جاهز للاستخدام يُنشئ PDF قابل للبحث في ثوانٍ. لا أسرار، ولا اختصارات “انظر الوثائق”—فقط مثال كامل قابل للتنفيذ. + +## ما ستتعلمه + +- كيفية **تحويل الصورة إلى PDF** وإدراج طبقة نص مخفية للبحث. +- ما هي **خيارات حفظ PDF** التي يجب تمكينها لتحقيق أفضل توازن بين الحجم والدقة. +- المشكلات الشائعة (مثل عدم وجود ترخيص، صيغ صور غير مدعومة) وكيفية تجنبها. +- كيفية التحقق من أن الناتج قابل للبحث فعلاً (اختبار سريع باستخدام Adobe Reader). + +**المتطلبات المسبقة:** Java 8 أو أحدث، Maven أو Gradle لجلب ملف JAR الخاص بـ Aspose OCR، وملف ترخيص Aspose OCR صالح. إذا لم يكن لديك ترخيص بعد، يمكنك طلب نسخة تجريبية مجانية من موقع Aspose. + +--- + +## الخطوة 1 – تحميل ترخيص Aspose OCR (كيفية إنشاء PDF بأمان) + +قبل أن يبدأ محرك OCR بأي عمل يحتاج إلى ترخيص؛ وإلا ستحصل على صفحات مائية. ضع ملف `Aspose.OCR.lic` في مكان يمكن الوصول إليه، ثم وجه فئة `License` إليه. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **نصيحة احترافية:** احفظ ملف الترخيص خارج دليل التحكم في المصدر لتجنب الالتزام العرضي. + +--- + +## الخطوة 2 – إعداد مدخل OCR (تحويل الصورة إلى PDF) + +يقبل Aspose OCR كائن `OcrInput` يمكنه احتواء صورة واحدة أو عدة صور. هنا نضيف ملف PNG واحد، لكن يمكنك أيضًا إمداده بملف TIFF متعدد الصفحات للمعالجة الدفعة. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **لماذا هذا مهم:** إضافة الصورة إلى `OcrInput` يفصل معالجة الملفات عن المحرك، مما يتيح لك إعادة استخدام نفس الشيفرة لسيناريوهات صفحة واحدة أو متعددة. + +--- + +## الخطوة 3 – تكوين خيارات حفظ PDF (شرح خيارات حفظ PDF) + +تتحكم فئة `PdfSaveOptions` في كيفية بناء ملف PDF النهائي. هناك علمان أساسيان للحصول على **PDF قابل للبحث**: + +1. `setCreateSearchablePdf(true)` – يطلب من المحرك تضمين طبقة نص مخفية بناءً على نتائج OCR. +2. `setEmbedImages(true)` – يحافظ على الصورة النقطية الأصلية بحيث يبقى المظهر البصري كما هو. + +يمكنك أيضًا تعديل DPI أو الضغط أو حماية كلمة المرور إذا لزم الأمر. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **حالة حافة:** إذا ضبطت `setCreateSearchablePdf(false)`، سيكون الناتج PDF يحتوي على صورة فقط—لا شيء يمكنك البحث فيه. تأكد دائمًا من هذا العلم عند أتمتة دفعات كبيرة. + +--- + +## الخطوة 4 – تشغيل OCR وكتابة PDF القابل للبحث (منطق “كيفية إنشاء PDF” الأساسي) + +الآن نجمع كل شيء معًا. تقوم طريقة `recognize` بأداء OCR على `OcrInput` المقدم، وتطبق `PdfSaveOptions`، وتوجه النتيجة إلى ملف. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### النتيجة المتوقعة + +بعد تشغيل البرنامج، افتح `output-searchable.pdf` في أي عارض PDF (Adobe Reader، Foxit، إلخ) وحاول تحديد النص أو استخدام مربع البحث. يجب أن تكون قادرًا على العثور على الكلمات التي كانت في الأصل جزءًا من الصورة. هذا هو ما يميز **PDF القابل للبحث**. + +--- + +## الخطوة 5 – التحقق من الطبقة القابلة للبحث (اختبار سريع) + +أحيانًا قد تكون ثقة OCR منخفضة، خاصةً في المسحات منخفضة الدقة. طريقة سريعة للتحقق هي: + +1. افتح PDF في Adobe Reader. +2. اضغط **Ctrl + F** واكتب كلمة تعرف أنها موجودة في الصورة. +3. إذا تم تظليل الكلمة، فإن طبقة النص المخفية تعمل. + +إذا فشل البحث، فكر في زيادة DPI للصورة المصدر أو تمكين القواميس الخاصة باللغات عبر `ocrEngine.getLanguage().add("eng")`. + +--- + +## أسئلة شائعة ومشكلات محتملة + +| السؤال | الجواب | +|----------|--------| +| **هل يمكنني معالجة ملف TIFF متعدد الصفحات؟** | نعم—فقط أضف كل صفحة إلى نفس `OcrInput` (`ocrInput.add(tiffPath)`). سيعامل Aspose OCR كل إطار كصفحة منفصلة. | +| **ماذا لو لم يكن لدي ترخيص؟** | النسخة التجريبية تعمل لكنها تضيف علامة مائية على كل صفحة. يبقى الكود نفسه؛ فقط استخدم ملف `.lic` التجريبي. | +| **ما حجم ملف PDF الناتج؟** | مع `setEmbedImages(true)` يكون حجم الملف تقريبًا حجم الصورة الأصلية بالإضافة إلى بضع كيلوبايتات للنص المخفي. يمكنك ضغط الصور عبر `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **هل أحتاج لتحديد لغة للـ OCR؟** | بشكل افتراضي يستخدم Aspose OCR اللغة الإنجليزية. للغات أخرى استدعِ `ocrEngine.getLanguage().add("spa")` قبل `recognize`. | +| **هل ملف PDF الناتج قابل للبحث على الأجهزة المحمولة؟** | بالتأكيد—معظم عارضات PDF على الهواتف تحترم طبقة النص المخفية. | + +--- + +## إضافي: تحويل النموذج إلى أداة قابلة لإعادة الاستخدام + +إذا كنت تتوقع الحاجة إلى هذه الوظيفة عبر مشاريع متعددة، غلف المنطق في طريقة مساعدة ثابتة: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +الآن يمكنك استدعاء `PdfSearchableUtil.convert(...)` من أي جزء في قاعدة الشيفرة الخاصة بك، مما يحول **تحويل الصورة إلى PDF** إلى سطر واحد. + +--- + +## الخلاصة + +غطينا كل ما تحتاجه **لإنشاء PDF قابل للبحث** من صور باستخدام Aspose OCR في جافا. من تحميل الترخيص، بناء مدخل OCR، تعديل **خيارات حفظ PDF**، إلى كتابة **صورة إلى PDF قابل للبحث**، يقدم الدرس حلًا كاملًا جاهزًا للنسخ واللصق. + +خذ الخطوة التالية بتجربة صيغ صور مختلفة، تعديل DPI، أو إضافة حماية كلمة مرور عبر `PdfSaveOptions`. يمكنك أيضًا استكشاف المعالجة الدفعة—التكرار عبر مجلد من المسحات وإنشاء PDF قابل للبحث لكل منها. + +إذا وجدت هذا الدليل مفيدًا، أضف نجمة على GitHub أو اترك تعليقًا أدناه. برمجة سعيدة، واستمتع بتحويل تلك المسحات المملة إلى مستندات قابلة للبحث بالكامل! + +![مثال على إنشاء PDF قابل للبحث](placeholder-image.png "مثال على إنشاء PDF قابل للبحث") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..68d1b3d15 --- /dev/null +++ b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: كيفية استخدام OCR في Java لاستخراج النص من PDF، وتحويل PDF إلى صور، وإجراء + OCR على ملفات PDF الممسوحة ضوئياً باستخدام Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: ar +og_description: كيفية استخدام OCR في جافا لاستخراج النص من ملفات PDF. تعلم تحويل PDF + إلى صور والتعرف على PDF الممسوح ضوئياً باستخدام Aspose.OCR. +og_title: كيفية استخدام OCR في جافا – دليل كامل +tags: +- OCR +- Java +- Aspose +title: كيفية استخدام OCR في جافا – استخراج النص من PDF باستخدام Aspose.OCR +url: /ar/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# كيفية استخدام OCR في جافا – استخراج النص من PDF باستخدام Aspose.OCR + +هل تساءلت يومًا **كيف تستخدم OCR** لتحويل ملف PDF ممسوح ضوئيًا إلى نص قابل للبحث؟ لست وحدك. يواجه معظم المطورين مشكلة عندما يأتي PDF على شكل مجموعة من الصور، وتُعيد أدوات استخراج النص العادية لا شيء. الخبر السار؟ ببضع أسطر من جافا و Aspose.OCR يمكنك **استخراج النص من PDF**، **تحويل PDF إلى صور**، و **التعرف على PDF الممسوح** في سير عمل واحد وسهل. + +في هذا الدرس سنستعرض كل ما تحتاج معرفته — من ترخيص المكتبة إلى طباعة النتيجة النهائية. بنهاية الدرس ستحصل على برنامج جاهز للتنفيذ يخرج النص العادي من أي تقرير، فاتورة أو كتاب إلكتروني ممسوح. لا خدمات خارجية، لا سحر — مجرد كود جافا نقي تتحكم فيه. + +## ما الذي ستحتاجه + +- **Java Development Kit (JDK) 8+** — أي نسخة حديثة تعمل. +- **Aspose.OCR for Java** JAR (حمّله من موقع Aspose). +- ملف **ترخيص Aspose.OCR صالح** (`Aspose.OCR.lic`). النسخة التجريبية مجانية، لكن الترخيص يفتح الدقة الكاملة. +- **ملف PDF ممسوح** (مثال: `scanned-report.pdf`). +- بيئة تطوير متكاملة أو محرر نصوص بسيط بالإضافة إلى الطرفية. + +هذا كل شيء. لا Maven، لا Gradle، ولا تبعيات إضافية — فقط ملف JAR الخاص بـ Aspose.OCR على مسار الـ classpath. + +![مثال على كيفية استخدام OCR](image-placeholder.png "مثال على كيفية استخدام OCR") + +## الخطوة 1 – تحميل ترخيص Aspose.OCR (لماذا هو مهم) + +قبل أن يعمل المحرك بأقصى سرعته يجب إخبارها بمكان وجود الترخيص. تخطي هذه الخطوة يجعل المكتبة تعمل في وضع التقييم، مما يضيف علامات مائية إلى الناتج وقد يحد من الدقة. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**لماذا يعمل هذا:** تقوم فئة `License` بقراءة ملف `.lic` وتسجيله عالميًا. بمجرد ضبطه، كل كائن `OcrEngine` تنشئه سيستخدم الميزات المرخصة تلقائيًا. + +## الخطوة 2 – إنشاء محرك OCR (المحرك وراء السحر) + +كائن `OcrEngine` هو العامل الأساسي الذي يمسح الصور ويُخرج النص. فكر فيه كالعقل الذي يفسر أنماط البكسل. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**نصيحة احترافية:** يمكنك تعديل اللغة، عتبات الثقة، أو حتى تمكين تسريع GPU عبر خصائص المحرك. بالنسبة لمعظم ملفات PDF الإنجليزية الإعدادات الافتراضية كافية. + +## الخطوة 3 – إعداد الإدخال: إضافة ملف PDF (تحويل PDF إلى صور خلفيًا) + +يتعامل Aspose.OCR مع كل صفحة من PDF كصورة. عندما تستدعي `addPdf`، تقوم المكتبة بتحويل كل صفحة إلى صورة بصمت، وهذا بالضبط ما تحتاجه **لتحويل PDF إلى صور** قبل التعرف. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**ما يحدث:** +- يتم فتح ملف PDF. +- تُرسم كل صفحة بدقة 300 dpi (الإعداد الافتراضي) للحفاظ على تفاصيل الحروف. +- تُخزن كائنات الـ bitmap المُرَسَمة في مجموعة `OcrInput`. + +إذا احتجت الصور الخام (للتصحيح أو المعالجة المسبقة المخصصة)، استدعِ `ocrInput.getPages()` بعد هذه الخطوة. + +## الخطوة 4 – تشغيل عملية OCR (أداء OCR على PDF) + +الآن يبدأ العمل الشاق. تقوم طريقة `recognize` بالتكرار على كل صورة، تشغيل خوارزمية التعرف، وتجميع النتائج في كائن `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**لماذا يهمك ذلك:** يحتوي `OcrResult` ليس فقط على النص العادي بل أيضًا على درجات الثقة، الصناديق المحيطة، وإشارة إلى الصورة الأصلية. في معظم الحالات ستحتاج فقط إلى `getText()`. + +## الخطوة 5 – استرجاع وعرض النص المستخرج + +أخيرًا، استخرج سلسلة النص العادي من النتيجة واطبعها. يمكنك أيضًا كتابة النص إلى ملف، إرساله إلى فهرس بحث، أو تمريره إلى خط أنابيب NLP لاحق. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### النتيجة المتوقعة + +إذا كان `scanned-report.pdf` يحتوي على فقرة بسيطة، سترى شيء مثل: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +التنسيق الدقيق يعكس التخطيط الأصلي، مع الحفاظ على فواصل الأسطر قدر الإمكان. + +## معالجة الحالات الشائعة + +### 1. ملفات PDF متعددة اللغات + +إذا كان المستند يحتوي على نص فرنسي أو إسباني، اضبط اللغة قبل استدعاء `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +يمكنك تمرير مصفوفة من اللغات لتمكين المحرك من الكشف التلقائي. + +### 2. مسحات منخفضة الدقة + +عند التعامل مع مسحات بدقة 150 dpi، زد DPI الداخلي للرندر: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +زيادة DPI تحسن وضوح الحروف لكنها تستهلك المزيد من الذاكرة. + +### 3. ملفات PDF الكبيرة (إدارة الذاكرة) + +لملفات PDF التي تحتوي على عشرات الصفحات، عالجها على دفعات: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +هذه الطريقة تمنع تضخم ذاكرة JVM. + +## مثال كامل وجاهز للتنفيذ + +فيما يلي البرنامج الكامل — بما في ذلك الاستيرادات ومعالجة الترخيص — لتتمكن من نسخه ولصقه وتشغيله فورًا. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +شغّله باستخدام: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +سترى النص المستخرج يُطبع على وحدة التحكم. + +## ملخص – ما تم تغطيته + +- **كيفية استخدام OCR** في جافا مع Aspose.OCR. +- سير العمل **لاستخراج النص من ملفات PDF**. +- داخليًا، تقوم المكتبة **بتحويل PDF إلى صور** قبل التعرف على الأحرف. +- نصائح **لأداء OCR على PDF** مع لغات متعددة، مسحات منخفضة الدقة، ومستندات كبيرة. +- عينة كود كاملة قابلة للتنفيذ يمكنك إدماجها في أي مشروع جافا. + +## الخطوات التالية والمواضيع ذات الصلة + +الآن بعد أن أصبحت قادرًا على **التعرف على PDF الممسوح**، فكر في الأفكار التالية: + +- **إنشاء PDF قابل للبحث** — أضف نص OCR مرة أخرى إلى PDF الأصلي لإنشاء مستند قابل للبحث. +- **خدمة معالجة دفعات** — غلف الكود في خدمة مايكرو Spring Boot تستقبل ملفات PDF عبر REST. +- **التكامل مع Elasticsearch** — فهرس النص المستخرج للبحث النصي الكامل السريع عبر مستودع المستندات. +- **معالجة الصور مسبقًا** — استخدم OpenCV لتصحيح الميل أو إزالة الضوضاء من الصفحات قبل OCR للحصول على دقة أعلى. + +كل من هذه المواضيع يبني على المفاهيم الأساسية التي استعرضناها، لذا لا تتردد في التجربة ودع محرك OCR يقوم بالعمل الشاق. + +--- + +*برمجة سعيدة! إذا واجهت أي مشاكل — مثل أخطاء الترخيص أو نتائج `null` غير متوقعة — اترك تعليقًا أدناه. أنا دائمًا مستعد لجلسة تصحيح.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..d3579dd2a --- /dev/null +++ b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: تعلم كيفية استخدام OCR في جافا للتعرف على النص من ملفات الصور، واستخراج + النص من إيصالات PNG وتحويل الإيصال إلى JSON باستخدام Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: ar +og_description: دليل خطوة بخطوة حول كيفية استخدام OCR في جافا للتعرف على النص من الصورة، + واستخراج النص من إيصالات PNG، وتحويل الإيصال إلى JSON. +og_title: كيفية استخدام OCR في جافا – التعرف على النص من الصورة +tags: +- OCR +- Java +- Aspose +- Image Processing +title: كيفية استخدام OCR في جافا – التعرف على النص من الصورة بسرعة +url: /ar/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# كيفية استخدام OCR في جافا – التعرف على النص من الصورة بسرعة + +هل تساءلت يومًا **كيف تستخدم OCR** لاستخراج النص من صورة إيصال؟ ربما جربت بعض الأدوات عبر الإنترنت، لكنك انتهيت بحروف مشوشة أو تنسيق لا يمكنك تحليله. الخبر السار هو أنه ببضع أسطر من كود جافا يمكنك **التعرف على النص من الصورة**، **استخراج النص من إيصالات PNG**، وحتى **تحويل الإيصال إلى JSON** للمعالجة اللاحقة. + +في هذا الدرس سنستعرض سير العمل الكامل — من ترخيص مكتبة Aspose OCR إلى الحصول على حمولة JSON نظيفة يمكنك إدخالها في قاعدة بيانات أو نموذج تعلم آلي. لا إطالة، مجرد مثال عملي قابل للتنفيذ يمكنك نسخه ولصقه في بيئة التطوير المتكاملة الخاصة بك. في النهاية ستحصل على برنامج مستقل يأخذ `receipt.png` ويُخرج سلسلة JSON جاهزة للاستخدام. + +## ما ستحتاجه + +- **Java Development Kit (JDK) 8+** – أي نسخة حديثة تعمل. +- مكتبة **Aspose OCR for Java** (حزمة Maven هي `com.aspose:aspose-ocr`). +- **ملف ترخيص Aspose OCR صالح** (`Aspose.OCR.lic`). النسخة التجريبية المجانية تعمل للاختبار، لكن الترخيص المناسب يزيل حدود التقييم. +- ملف صورة (PNG، JPEG، إلخ) يحتوي على النص الذي تريد قراءته — لنسمه `receipt.png` وضعه في مجلد معروف. +- بيئة التطوير المتكاملة المفضلة لديك (IntelliJ IDEA، Eclipse، VS Code…) – حرية الاختيار لك. + +> **نصيحة احترافية:** احتفظ بملف الترخيص خارج مجلد المصدر وأشر إليه عبر مسار مطلق أو نسبي لتجنب إضافته إلى نظام التحكم في الإصدارات. + +الآن بعد أن أصبحت المتطلبات واضحة، دعنا نغوص في الكود الفعلي. + +## كيفية استخدام OCR – الخطوات الأساسية + +فيما يلي نظرة عامة على المستوى العالي للإجراءات التي سنقوم بها: + +1. **تحميل مكتبة Aspose OCR** وتطبيق الترخيص الخاص بك. +2. **إنشاء مثيل `OcrEngine`** – هذا هو المحرك الذي يقوم بالعمل الشاق. +3. **تحضير كائن `OcrInput`** الذي يشير إلى الصورة التي تريد معالجتها. +4. **استدعاء `recognize` مع `ResultFormat.JSON`** للحصول على تمثيل JSON للنص المستخرج. +5. **معالجة مخرجات JSON** – طباعتها، كتابتها إلى ملف، أو تحليلها بشكل أعمق. + +سيتم شرح كل خطوة بالتفصيل في الأقسام التالية. + +## الخطوة 1 – تثبيت Aspose OCR وتطبيق الترخيص + +أولاً، أضف تبعية Aspose OCR إلى ملف `pom.xml` إذا كنت تستخدم Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +الآن، في كود جافا الخاص بك، حمّل الترخيص. هذه الخطوة أساسية؛ بدونها تعمل المكتبة في وضع التقييم وقد تضع علامات مائية في المخرجات. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **لماذا هذا مهم:** كائن `License` يخبر محرك OCR أنك مخول لاستخدام مجموعة الميزات الكاملة، والتي تشمل التعرف عالي الدقة وتصدير JSON. تخطي هذه الخطوة سيظل يسمح لك **بالتعرف على النص من الصورة**، لكن النتائج قد تكون محدودة. + +## الخطوة 2 – إنشاء مثيل محرك OCR + +فئة `OcrEngine` هي نقطة الدخول لجميع عمليات OCR. فكر فيها كـ “العقل” الذي يقرأ البكسلات ويقرر ما هي الأحرف التي تمثلها. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +يمكنك تخصيص المحرك (مثلاً، ضبط اللغة، تمكين تصحيح الميل) لاحقًا إذا كانت إيصالاتك تحتوي على نصوص غير لاتينية أو تم مسحها بزاوية. بالنسبة لمعظم الإيصالات الأمريكية، الإعدادات الافتراضية تعمل بشكل جيد. + +## الخطوة 3 – تحميل الصورة التي تريد معالجتها + +الآن سنشير محرك OCR إلى الملف الذي يحتوي على الإيصال. يمكن لفئة `OcrInput` قبول عدة صور، لكن في هذا الدرس سنبقي الأمر بسيطًا بصورة PNG واحدة. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +إذا احتجت يومًا إلى **استخراج النص من ملفات PNG** بشكل جماعي، فقط استدعِ `input.add()` بشكل متكرر أو مرّر قائمة بمسارات الملفات. + +## الخطوة 4 – التعرف على النص وتحويل الإيصال إلى JSON + +هذه هي جوهر الدرس. نطلب من المحرك التعرف على النص ونطلب النتيجة بصيغة JSON. علم `ResultFormat.JSON` يقوم بكل العمل الشاق نيابةً عنا. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +حمولة JSON تشمل كل سطر تم التعرف عليه، ومربع الحد، ومستوى الثقة، والنص الأصلي. هذا الهيكل يجعل من السهل **تحويل الإيصال إلى JSON** ثم إرساله إلى أي واجهة برمجة تطبيقات لاحقة. + +## الخطوة 5 – جمع كل شيء معًا وتشغيل البرنامج + +فيما يلي الفئة الكاملة القابلة للتنفيذ في جافا التي تربط كل شيء معًا. احفظها باسم `JsonExportDemo.java` (أو أي اسم تفضله) وشغّلها من بيئة التطوير المتكاملة أو سطر الأوامر. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### النتيجة المتوقعة + +تشغيل البرنامج يطبع سلسلة JSON مشابهة لما يلي (المحتوى الدقيق يعتمد على إيصالك): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +يمكنك الآن إدخال هذا الـ JSON إلى قاعدة بيانات، أو نقطة نهاية REST، أو خط أنابيب تحليل بيانات. خطوة **تحويل الإيصال إلى JSON** قد أُنجزت بالفعل لك. + +## أسئلة شائعة وحالات خاصة + +### ماذا لو كانت الصورة مائلة؟ + +Aspose OCR يكتشف تلقائيًا ويصحح الدورانات الخفيفة. بالنسبة للصور المائلة بشدة، استدعِ `engine.getImagePreprocessingOptions().setDeskew(true)` قبل عملية التعرف. + +### كيف أتعامل مع لغات متعددة؟ + +استخدم `engine.getLanguage()` لتعيين اللغة المطلوبة، مثل `engine.setLanguage(Language.FRENCH)`. هذا مفيد عندما تحتاج إلى **التعرف على النص من الصورة** التي تحتوي على إيصالات متعددة اللغات. + +### هل يمكنني إخراج نص عادي بدلاً من JSON؟ + +بالتأكيد. استبدل `ResultFormat.JSON` بـ `ResultFormat.TEXT` واستدعِ `result.getText()`. + +### هل هناك طريقة لتقييد OCR على منطقة معينة؟ + +نعم — استخدم `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` للتركيز على منطقة الإيصال، مما قد يحسن السرعة والدقة. + +## نصائح احترافية لـ OCR جاهز للإنتاج + +- **قم بتخزين كائن الترخيص في الذاكرة** إذا كنت تعالج العديد من الملفات داخل حلقة؛ إن إنشائه بشكل متكرر يضيف عبئًا. +- **معالجة دفعات**: حمّل جميع مسارات الإيصالات في كائن `OcrInput` واحد واستدعِ `recognize` مرة واحدة. سيحتوي الـ JSON على مصفوفة من الصفحات، كل صفحة تحتوي على سطورها. +- **تحقق من صحة JSON**: بعد الحصول على السلسلة، قم بتحليلها باستخدام مكتبة مثل Jackson لضمان أنها صالحة قبل تخزينها. +- **راقب مستوى الثقة**: يتضمن الـ JSON حقل `confidence` لكل سطر. استبعد السطور التي يكون مستوى الثقة فيها أقل من عتبة (مثلاً 0.85) لتجنب البيانات غير الصالحة. +- **أمن ترخيصك**: احفظ `Aspose.OCR.lic` في خزانة آمنة أو متغيّر بيئي، خاصةً في عمليات النشر السحابية. + +## الخلاصة + +لقد غطينا **كيفية استخدام OCR** في جافا لـ **التعرف على النص من الصورة**، **استخراج النص من إيصالات PNG**، و**تحويل الإيصال إلى JSON** — كل ذلك من خلال مثال مختصر وشامل. الخطوات بسيطة، الكود قابل للتنفيذ بالكامل، ومخرجات JSON توفر لك تمثيلًا منظمًا جاهزًا لأي نظام لاحق. + +بعد ذلك، قد تستكشف سيناريوهات أكثر تقدمًا: إدخال الـ JSON إلى Apache Kafka للمعالجة في الوقت الحقيقي، تطبيق أنماط regex لاستخراج إجماليات العناصر، أو دمجه مع خدمة OCR سحابية للتوسع. مهما كان اختيارك، ستظل الأساسيات التي تعلمتها الآن هي نفسها. + +هل لديك أسئلة، أو واجهت مشكلة أثناء التجربة؟ اترك تعليقًا أدناه، وسنحل المشكلة معًا. برمجة سعيدة، واستمتع بتحويل صور الإيصالات الفوضوية إلى بيانات نظيفة قابلة للبحث! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/arabic/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..c06c537e0 --- /dev/null +++ b/ocr/arabic/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,192 @@ +--- +category: general +date: 2026-02-17 +description: 'دليل تحويل الصورة إلى نص في جافا: تعلم كيفية استخراج النص الأردي من + صورة باستخدام Aspose OCR. مثال كامل للـ OCR في جافا متضمن.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: ar +og_description: يظهر برنامج تعليمي لتحويل الصورة إلى نص بجافا كيفية استخراج النص الأردي + من صورة باستخدام Aspose OCR. اتبع مثال جافا OCR الكامل خطوة بخطوة. +og_title: 'صورة إلى نص جافا: استخراج النص الأردي باستخدام Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'تحويل الصورة إلى نص جافا: استخراج النص الأردي باستخدام Aspose OCR' +url: /ar/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +. + +Make sure to keep **bold** and *italic* formatting. + +Lists translate. + +Tables translate. + +Code block placeholders remain. + +Let's craft. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: استخراج النص الأردي باستخدام Aspose OCR + +إذا كنت بحاجة إلى تحويل **image to text java** للمستندات الأردية، فأنت في المكان الصحيح. هل تساءلت يوماً *كيف تستخرج النص* من صورة لملاحظة مكتوبة بخط اليد أو صفحة جريدة ممسوحة ضوئياً؟ سيوضح لك هذا الدليل **java ocr example** الذي يلتقط الأحرف الأردية مباشرةً من صورة باستخدام Aspose OCR. + +سنتناول كل شيء بدءًا من ترخيص المكتبة وحتى طباعة النتيجة على وحدة التحكم. في النهاية ستتمكن من **load image ocr**، ضبط اللغة إلى الأردية، والحصول على ناتج Unicode نظيف—دون الحاجة إلى أدوات إضافية. + +## ما الذي ستحتاجه + +- **Java Development Kit (JDK) 8+** – يعمل الكود على أي JDK حديث. +- **Aspose.OCR for Java** JAR (حمّله من موقع Aspose). +- ملف ترخيص **Aspose OCR** صالح (`Aspose.OCR.lic`). +- صورة تحتوي على نص أردي، مثل `urdu-sample.png`. + +وجود هذه الأساسيات يعني أنك تستطيع القفز مباشرة إلى الكود دون البحث عن تبعيات مفقودة. + +## image to text java – إعداد Aspose OCR + +أولاً، نحتاج إلى إخبار Aspose بأن لدينا ترخيصًا. بدون الترخيص تعمل المكتبة في وضع التقييم وستضيف علامات مائية إلى الناتج. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**لماذا هذا مهم:** الترخيص يزيل حد المعالجة لمدة 5 ثوانٍ ويفتح حزمة اللغة الأردية الكاملة التي أضيفت في الربع الثالث من 2025. إذا تخطيت هذه الخطوة، سيظل محرك OCR يعمل، لكنك سترى علامة “Evaluation” صغيرة في النتائج. + +## كيفية استخراج النص – تهيئة محرك OCR + +الآن ننشئ المحرك ونخبره صراحةً أننا نهتم بالأردية. ثابت `OcrLanguage.URDU` يُفعّل مجموعة الأحرف الصحيحة وقواعد التجزئة الخاصة بها. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**نصيحة محترف:** إذا احتجت إلى معالجة لغات متعددة في تشغيل واحد، يمكنك تمرير قائمة مفصولة بفواصل، مثل `OcrLanguage.ENGLISH, OcrLanguage.URDU`. سيكتشف المحرك كل منطقة تلقائيًا. + +## Load Image OCR – تحضير الإدخال + +تعمل Aspose مع كائن `OcrInput` يمكنه حمل صورة واحدة أو عدة صور. هنا نقوم **load image ocr** للبيانات من ملف محلي. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **ملاحظة:** استبدل `YOUR_DIRECTORY` بالمسار المطلق أو المسار النسبي من جذر مشروعك. إذا لم يُعثر على الملف، ستطرح Aspose استثناء `FileNotFoundException`. فحص سريع باستخدام `new File(path).exists()` يمكن أن يوفر لك الكثير من وقت تصحيح الأخطاء. + +## التعرف على النص – تشغيل عملية OCR + +مع تكوين المحرك وتحميل الصورة، نستدعي أخيرًا `recognize`. تُعيد الطريقة كائن `OcrResult` يحتوي على السلسلة المستخرجة. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**ماذا يحدث خلف الكواليس؟** يقوم محرك OCR بتقسيم الصورة إلى أسطر، ثم إلى أحرف، مطبقًا قواعد تشكيل خاصة بالأردية (مثل ربط الأشكال). لهذا السبب ضبط اللغة مبكرًا أمر حاسم؛ وإلا ستحصل على أحرف لاتينية مشوهة. + +## طباعة النص الأردي المُعترف به + +الخطوة الأخيرة هي ببساطة طباعة النتيجة. لأن الأردية تستخدم كتابة من اليمين إلى اليسار، تأكد من أن وحدة التحكم تدعم Unicode (معظم الطرفيات الحديثة تدعم ذلك). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**الناتج المتوقع (مثال):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +إذا رأيت علامات استفهام أو سلاسل فارغة، تحقق مرة أخرى من أن ترميز وحدة التحكم مضبوط على UTF‑8 (`chcp 65001` على Windows، أو شغّل Java مع `-Dfile.encoding=UTF-8`). + +## مثال كامل يعمل – جميع الخطوات في مكان واحد + +فيما يلي البرنامج الكامل جاهز للنسخ واللصق. لا مراجع خارجية، مجرد ملف Java واحد. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +شغّله باستخدام: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +استبدل نسخة الـ JAR (`23.10`) بأي نسخة قمت بتحميلها. يجب أن تعرض وحدة التحكم الجملة الأردية المستخرجة من ملف PNG الخاص بك. + +## المشكلات الشائعة وحالات الحافة + +| المشكلة | لماذا يحدث | كيفية الإصلاح | +|-------|----------------|------------| +| **ناتج فارغ** | الصورة داكنة جدًا أو بدقة منخفضة. | عالج الصورة مسبقًا (زيادة التباين، تحويلها إلى ثنائية) باستخدام `BufferedImage` قبل تمريرها إلى Aspose. | +| **أحرف غير مفهومة** | ضبط لغة خاطئ (اللغة الافتراضية هي الإنجليزية). | تأكد من استدعاء `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` قبل `recognize`. | +| **الترخيص غير موجود** | خطأ في كتابة المسار أو الملف مفقود. | استخدم مسارًا مطلقًا أو ضع ملف `.lic` في classpath واستدعِ `license.setLicense("Aspose.OCR.lic");`. | +| **نفاد الذاكرة على صور كبيرة** | ملفات PNG الكبيرة تستهلك الذاكرة. | استدعِ `ocrEngine.setMaxImageSize(2000);` لتقليل الحجم داخليًا، أو قم بتصغير الصورة بنفسك. | + +## توسيع العرض التجريبي + +- **معالجة دفعات:** حلق عبر مجلد، أضف كل ملف إلى نفس `OcrInput`، واجمع النتائج في ملف CSV. +- **لغات مختلفة:** استبدل `OcrLanguage.URDU` بـ `OcrLanguage.ARABIC` أو اجمع عدة لغات. +- **الحفظ إلى ملف:** استخدم `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +جميع هذه الأفكار تُبنى على **java ocr example** الذي أنشأناه للتو، مما يتيح لك تخصيص الحل لمشاريع العالم الحقيقي. + +## الخلاصة + +أصبح لديك الآن سير عمل **image to text java** قوي لاستخراج الأحرف الأردية من صورة باستخدام Aspose OCR. غطى الدليل كل خطوة—من الترخيص واختيار اللغة إلى تحميل الصورة وطباعة النتيجة—حتى يمكنك لصق الكود في أي مشروع Java ومشاهدة النتيجة تعمل. + +بعد ذلك، جرّب تجربة ملفات PDF أكبر، أو نصوصًا مختلفة، أو حتى دمج خطوة OCR في نقطة نهاية REST باستخدام Spring Boot. المبادئ نفسها—**how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/arabic/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/arabic/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..562843e34 --- /dev/null +++ b/ocr/arabic/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: تعلم كيفية التعرف على النص من الصورة وتحميل الصورة للتعرف الضوئي على + الأحرف باستخدام مكتبة Aspose OCR للغة Java. دليل خطوة بخطوة مع مصحح إملائي. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: ar +og_description: التعرف على النص من الصورة باستخدام Aspose OCR Java. يوضح هذا الدرس + كيفية تحميل الصورة للتعرف الضوئي على الحروف، وتمكين تصحيح الإملاء، وإخراج نص نظيف. +og_title: التعرف على النص من الصورة – دليل Aspose OCR الكامل لجافا +tags: +- Java +- OCR +- Aspose +title: التعرف على النص من الصورة باستخدام Aspose OCR – دليل Java +url: /ar/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# التعرف على النص من صورة باستخدام Aspose OCR – دليل Java + +هل احتجت يوماً إلى **التعرف على النص من صورة** لكن لم تكن متأكدًا أي مكتبة تختار؟ لست وحدك. في العديد من المشاريع الواقعية—مثل مسح الفواتير، رقمنة الملاحظات المكتوبة يدويًا، أو استخراج العناوين من لقطات الشاشة—يكون الحصول على نتائج OCR دقيقة أمرًا حاسمًا. + +في هذا الدليل سنستعرض تحميل صورة للـ OCR، تشغيل مصحح الأخطاء الإملائية المدمج في Aspose OCR، وأخيرًا طباعة النص المنقح. بنهاية الشرح ستحصل على برنامج Java جاهز للتنفيذ **يتعرف على النص من صورة** ببضع أسطر من الشيفرة. + +## ما يغطيه هذا الدرس + +- كيفية تطبيق رخصة Aspose OCR (لتشغيل العرض التجريبي بدون علامات مائية) +- إنشاء كائن `OcrEngine` واختيار اللغة الإنجليزية كلغة للتعرف +- **تحميل صورة للـ OCR** باستخدام `OcrInput` وتوجيهه إلى ملف PNG يحتوي على كلمات مكتوبة خطأً +- تفعيل مصحح الأخطاء الإملائية، مع إمكانية توجيهه إلى قاموس مخصص +- تشغيل عملية التعرف وطباعة النتيجة المصححة + +لا توجد خدمات خارجية، ولا ملفات إعداد مخفية—فقط Java صافية وملف JAR الخاص بـ Aspose OCR. + +> **نصيحة محترف:** إذا كنت جديدًا على Aspose، احصل على رخصة تجريبية مجانية لمدة 30 يومًا من موقع Aspose وضع ملف `.lic` في مجلد يمكنك الإشارة إليه من الشيفرة. + +## المتطلبات المسبقة + +- Java 8 أو أحدث (الشيفرة تُجمّع أيضًا مع JDK 11) +- ملف JAR الخاص بـ Aspose.OCR for Java في مسار الـ classpath +- ملف رخصة صالح `Aspose.OCR.lic` (أو يمكنك التشغيل في وضع التقييم، لكن العرض التجريبي سيضيف علامة مائية) +- ملف صورة (`misspelled.png`) يحتوي على نص مع أخطاء إملائية متعمدة—مثالي لرؤية مصحح الأخطاء يعمل + +هل لديك كل ذلك؟ رائع—لنبدأ. + +## الخطوة 1: تطبيق رخصة Aspose OCR الخاصة بك + +قبل أن يبدأ المحرك بأي معالجة، يجب أن يعرف أنك مرخص. وإلا ستحصل على شريط “Trial version” في الناتج. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*لماذا هذا مهم:* الترخيص يزيل العلامة المائية التجريبية ويفتح القاموس الكامل لمصحح الأخطاء. تخطي هذه الخطوة يعمل، لكن سيظهر في الناتج نص “Aspose OCR Demo”. + +## الخطوة 2: إنشاء وتكوين محرك OCR + +الآن نقوم بتشغيل المحرك ونخبره أي لغة نريد استخدامها. الإنجليزية هي الأكثر شيوعًا، لكن Aspose يدعم عشرات اللغات. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*لماذا نحدد اللغة:* نموذج اللغة يحدد مجموعة الأحرف ويؤثر على اقتراحات مصحح الأخطاء. استخدام لغة خاطئة قد يقلل الدقة بشكل كبير. + +## الخطوة 3: تفعيل تصحيح الإملاء و(اختياريًا) توجيه إلى قاموس مخصص + +يأتي Aspose OCR مع قاموس إنجليزي مدمج، لكن يمكنك توفير قاموسك الخاص إذا كان لديك مصطلحات متخصصة (مثل المصطلحات الطبية أو رموز المنتجات). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*ما يفعله المصحح:* عندما يكتشف محرك OCR كلمة غير موجودة في القاموس، يحاول استبدالها بأقرب تطابق. لهذا السبب يستطيع العرض التجريبي تحويل “recieve” إلى “receive” تلقائيًا. + +## الخطوة 4: تحميل الصورة للـ OCR + +هذا هو الجزء الذي يجيب مباشرة على **تحميل صورة للـ OCR**. ننشئ كائن `OcrInput` ونضيف ملف PNG الخاص بنا. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*لماذا نستخدم `OcrInput`*: فهو يج abstracts منطق قراءة الملفات ويسمح لك بإضافة صفحات متعددة لاحقًا إذا احتجت معالجة PDF متعدد الصفحات أو مجموعة من الصور. + +## الخطوة 5: تشغيل التعرف واسترجاع النص المصحح + +الآن يقوم المحرك بالعمل الشاق—التعرف على الأحرف، تطبيق نموذج اللغة، وأخيرًا تصحيح الإملاء. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*الناتج المتوقع:* بافتراض أن `misspelled.png` يحتوي على العبارة “Ths is a smple test”، سيطبع الطرفية: + +``` +Corrected text: +This is a simple test +``` + +لاحظ كيف تم تصحيح الكلمات الخاطئة (`Ths`, `smple`) تلقائيًا. + +## مثال كامل جاهز للتنفيذ + +فيما يلي البرنامج بالكامل في كتلة واحدة. انسخه، عدل المسارات، ثم اضغط **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**نصيحة:** إذا أردت معالجة JPEG أو BMP بدلاً من PNG، فقط غير امتداد الملف—Aspose OCR يدعم جميع صيغ الرسوم النقطية الشائعة. + +## أسئلة شائعة وحالات خاصة + +- **ماذا لو كانت صورتي منخفضة الدقة؟** + زد الـ DPI قبل تمريرها إلى Aspose عبر إعادة التحجيم باستخدام مكتبة مثل `java.awt.Image`. DPI أعلى يمنح المحرك المزيد من البكسلات للعمل عليها، مما يحسن الدقة عادةً. + +- **هل يمكنني التعرف على لغات متعددة في نفس الصورة؟** + نعم. استدعِ `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` ويمكنك إضافة قائمة لغات عبر `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **القاموس المخصص لا يُستخدم—لماذا؟** + تأكد أن المجلد يحتوي على ملفات نصية عادية كلمة واحدة في كل سطر، وأن المسار إما مطلق أو نسبي بشكل صحيح إلى دليل العمل الخاص بك. + +- **كيف أستخرج درجات الثقة؟** + `result.getConfidence()` يعيد قيمة عائمة بين 0 و 1 للصفحة بأكملها. للحصول على الثقة لكل حرف، استكشف `result.getWordList()`. + +## الخلاصة + +أنت الآن تعرف كيف **تتعرف على النص من صورة** باستخدام Aspose OCR for Java، وكيف **تحمل صورة للـ OCR**، وكيفية تفعيل مصحح الأخطاء لتنقية الأخطاء الشائعة. المثال الكامل أعلاه جاهز للإدراج في أي مشروع Maven أو Gradle، ومع بعض التعديلات يمكنك توسيعه لمعالجة دفعات من المجلدات، ربطه بخدمة ويب، أو دمجه مع نظام إدارة مستندات. + +هل أنت مستعد للخطوة التالية؟ جرّب معالجة PDF متعدد الصفحات، جرب قاموسًا مخصصًا لمصطلحات صناعية، أو اربط الناتج بواجهة برمجة تطبيقات ترجمة. الاحتمالات لا حصر لها، والنمط الأساسي—رخصة → محرك → لغة → مصحح إملائي → إدخال → التعرف → إخراج—يبقى هو نفسه. + +برمجة سعيدة، ولتكن نتائج OCR دائمًا دقيقة! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/advanced-ocr-techniques/_index.md b/ocr/chinese/java/advanced-ocr-techniques/_index.md index 39476d0c0..fad676c05 100644 --- a/ocr/chinese/java/advanced-ocr-techniques/_index.md +++ b/ocr/chinese/java/advanced-ocr-techniques/_index.md @@ -51,19 +51,37 @@ Aspose.OCR for Java 是光学字符识别 (OCR) 方面的游戏规则改变者 ## 高级 OCR 技术教程 ### [在 Aspose.OCR for Java 中对 BufferedImage 执行 OCR](./perform-ocr-buffered-image/) 使用 Aspose.OCR for Java 轻松对 BufferedImage 执行 OCR。无缝地从图像中提取文本。立即下载以获得多功能文本识别体验。 + ### [在 Aspose.OCR for Java 中对来自 URL 的图像执行 OCR](./perform-ocr-image-from-url/) 使用 Aspose.OCR 在 Java 中解锁无缝图像文本提取。高精度 OCR，易于集成。 + ### [在Aspose.OCR中对特定页面执行OCR](./perform-ocr-on-page/) 通过我们在特定页面上执行 OCR 的分步指南来释放 Aspose.OCR for Java 的强大功能。轻松从图像中提取文本并增强您的 Java 项目。 + ### [在 Aspose.OCR 中为 OCR 准备矩形](./prepare-rectangles-for-ocr/) 使用 Aspose.OCR for Java 释放文本识别的强大功能。请按照我们的分步指南进行无缝集成。通过高效的 OCR 功能增强您的 Java 应用程序。 + ### [在 Aspose.OCR for Java 中识别线条](./recognize-lines/) 使用 Aspose.OCR 为您的 Java 应用程序提供精确的文本识别能力。集成方便，精度高。 + ### [在 Aspose.OCR 中指定允许的字符](./specify-allowed-characters/) 使用 Aspose.OCR for Java 无缝解锁图像中的文本提取。请遵循我们的分步指南以实现高效集成。 + +### [使用 Aspose OCR GPU 识别文本图像 – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +利用 Aspose OCR GPU 加速在 Java 中的文本图像识别，实现高效、精准的 OCR 处理。 + +### [在 Java 中使用固定线程池并行 OCR 处理 PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +利用固定线程池在 Java 中实现对 PNG 图像的并行 OCR，提高处理速度和效率。 + +### [预处理图像以进行 OCR – 完整的 Java 指南提升对比度并提取文本](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +使用 Aspose.OCR for Java 预处理图像，提升对比度并实现高效文本提取的完整指南。 + +### [在 Aspose.OCR for Java 中创建 OCR 引擎 – 从大图像识别文本](./create-ocr-engine-java-recognize-text-from-large-images/) +使用 Aspose.OCR for Java 创建自定义 OCR 引擎，支持对大尺寸图像进行高效文本识别。 + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/chinese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..60d44f818 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,254 @@ +--- +category: general +date: 2026-02-17 +description: 快速创建 Java OCR 引擎并读取 TIFF 文件。学习如何使用 Aspose.OCR 在分步指南中识别大图像中的文本。 +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: zh +og_description: 立即创建 OCR 引擎 Java。本教程展示如何在 Java 中读取 TIFF 文件，并使用 Aspose.OCR 从大图像中识别文本。 +og_title: 创建 OCR 引擎（Java）——大图像文本识别完整指南 +tags: +- OCR +- Java +- Aspose +title: 创建 OCR 引擎（Java）——从大图像中识别文本 +url: /zh/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 创建 OCR 引擎 Java – 从大图像中识别文本 + +是否曾经需要 **创建 OCR 引擎 Java** 代码来处理巨大的 TIFF 地图，却不知从何入手？你并不孤单——大多数开发者在图像尺寸超出常规内存限制时都会卡住。 + +在本指南中，我们将一步步演示一个完整、可直接运行的示例，**在 Java 中创建 OCR 引擎**，展示如何 **使用 InputStream 读取 TIFF 文件 Java**，并最终 **从大图像文件中识别文本** 而不会耗尽堆内存。完成后，你将拥有一个可直接放入任意 Maven 或 Gradle 项目的独立程序。 + +## 你需要准备的环境 + +- **Java Development Kit (JDK) 8 或更高** – 代码仅使用标准 I/O 加上 Aspose.OCR。 +- **Aspose.OCR for Java** 库（截至 2026‑02 的最新版本） – 可从 Aspose 官网或 Maven Central 下载 JAR。 +- 一个 **大型 TIFF 文件**（例如多兆像素的地图），用于 OCR。 +- 你的 **Aspose.OCR 许可证文件**（`Aspose.OCR.lic`）。如果没有许可证，引擎会以评估模式运行，但会出现水印。 + +> **小技巧：** 将 TIFF 放在源码文件夹旁边或使用绝对路径；引擎会在内部对图像进行分块，无需手动切割。 + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="创建 OCR 引擎 Java 工作流图"} + +## 第一步 – 应用 Aspose.OCR 许可证（创建 OCR 引擎 Java） + +在引擎执行任何重任务之前，必须先注册许可证。跳过此步骤会强制使用评估模式，限制页数并在输出中添加横幅。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*为什么这很重要：* `License` 对象会告诉 OCR 引擎解锁完整分块算法，这对于高效处理 **大图像** 至关重要。 + +## 第二步 – 实例化 OCR 引擎（创建 OCR 引擎 Java） + +现在我们启动核心的 `OcrEngine`。可以把它想象成稍后读取像素并输出 Unicode 文本的大脑。 + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*保持简洁的原因：* 对于大多数场景，默认设置已经包含自动语言检测和最佳分块。过度配置实际上会在处理超大文件时拖慢速度。 + +## 第三步 – 使用 InputStream 加载 TIFF 文件（读取 TIFF 文件 Java） + +大型 TIFF 可能有数百兆大小。将整个文件加载到 `BufferedImage` 中会导致堆内存爆炸。我们改为给引擎一个 `InputStream`；Aspose.OCR 会在读取时实时分块图像。 + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*边缘情况：* 如果你的 TIFF 使用 CCITT Group 4 压缩，Aspose.OCR 仍能处理，但可以通过 `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` 来获得一点速度提升。 + +## 第四步 – 准备 OCR 输入并提示格式 + +`OcrInput` 对象可以容纳多张图像，但本示例只需要一张。提供格式字符串（`"tif"`）可以帮助引擎跳过格式嗅探，节省几毫秒。 + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*提示有用的原因：* 在处理 **大图像** 时，每毫秒都很关键。格式提示让解析器跳过昂贵的头部分析。 + +## 第五步 – 从大图像中识别文本（从大图像中识别文本） + +所有准备就绪后，实际的 OCR 调用只需一行代码。引擎返回一个 `OcrResult`，其中包含纯文本、置信度分数，甚至还有需要时的边界框。 + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*内部发生了什么：* Aspose.OCR 将 TIFF 切分为可管理的瓦片（默认 1024 × 1024 px），在每块上运行神经网络模型，然后将结果拼接起来。这就是为什么你可以 **从大图像文件中识别文本** 而无需手动预处理。 + +## 第六步 – 显示提取文本的预览 + +将整个文档打印到控制台会让人眼花缭乱。我们只显示前 200 个字符并加上省略号，便于一眼验证输出。 + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*预期的控制台输出：* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +如果看到乱码，请再次确认已选择正确的语言（默认是英文）且 TIFF 未损坏。 + +## 完整工作示例 + +将所有代码片段组合在一起，即可得到一个可以编译运行的单类程序： + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +编译方式： + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +将 `aspose-ocr-23.12.jar` 替换为你实际下载的版本号。 + +## 常见陷阱与技巧 + +| 问题 | 产生原因 | 快速解决方案 | +|------|----------|--------------| +| **OutOfMemoryError** | 将 TIFF 加载到 `BufferedImage` 而非流式读取。 | 始终使用如示例中的 `InputStream`，让 Aspose 负责分块。 | +| **输出为空** | 文件扩展名提示错误（`"tif"` 与 `"tiff"` 不匹配）。 | 使用与你在 `add` 方法中传入的完全相同的字符串。 | +| **出现乱码** | 许可证未应用或已过期。 | 检查 `.lic` 文件路径，并在创建引擎前重新注册。 | +| **识别速度慢** | 使用了高 DPI 的自定义 `OcrConfiguration`。 | 大多数情况下保持默认设置；仅在需要更高精度时才调高 DPI。 | + +### 何时调整设置 + +- **多语言文档：** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **对极小字体提升精度：** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +但请记住，每增加一个选项都会增加 CPU 时间，尤其是在 **大图像** 上。先在单块上测试再决定是否全局应用。 + +## 后续步骤 + +现在你已经掌握了 **创建 OCR 引擎 Java**、**读取 TIFF 文件 Java** 和 **从大图像中识别文本** 的方法，接下来可以考虑： + +1. **导出结果为 PDF** – 将 Aspose.PDF 与 OCR 文本结合，生成可搜索的文档。 +2. **存储边界框** – 使用 `ocrResult.getWords()` 获取坐标，以便高亮显示。 +3. **并行化瓦片处理** – 对于超大卫星影像，可启动一个 + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/chinese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..9b94830e1 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,239 @@ +--- +category: general +date: 2026-02-17 +description: 学习如何使用固定线程池 Java 从 PNG 图像中提取文本，进行并行 OCR 处理，并正确关闭 ExecutorService。 +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: zh +og_description: 了解如何使用固定线程池的 Java 并行从 PNG 图像中提取文本，转换扫描页的文本，并安全地关闭 ExecutorService。 +og_title: 固定线程池 Java – PNG 的并行 OCR +tags: +- java +- ocr +- multithreading +- aspose +title: 固定线程池 Java – 对 PNG 的并行 OCR +url: /zh/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – PNG 并行 OCR + +Ever wondered how to speed up OCR on a bunch of PNG files using a **fixed thread pool java**? In this tutorial we'll walk through **extract text from PNG** images in parallel, **convert scanned pages text** into editable strings, and safely **shut down executor service** once the work is done. + +如果你曾经盯着一个单线程循环看了好几分钟，你一定体会过那种每页处理完才开始下一页的沮丧。好消息是，只需几行 Java 代码和 Aspose OCR，就能释放所有 CPU 核心的威力，将扫描页转换为可搜索的文本，并保持应用响应。 + +下面你会看到一个完整、可直接运行的示例，以及每个部分为何重要、常见陷阱和可用于任何 OCR 库的技巧。 + +--- + +## What You’ll Need + +- **Java 17**（或任何近期的 JDK）– 代码偶尔使用 `var` 语法，但在旧版本上也能运行。 +- **Aspose.OCR for Java** 库 – 可从 Maven Central 获取，或从 Aspose 下载试用版。 +- 一组你想处理的 **PNG** 文件 – 如扫描收据、书页或截图。 +- 对 Java 并发的基本了解 – 不是必须，但有帮助。 + +就这些。无需外部服务、无需 Docker，只有纯 Java 和一点多线程魔法。 + +--- + +## Step 1: Add Aspose OCR Dependency & License (Optional) + +First, make sure the Aspose OCR JAR is on your classpath. If you use Maven, add: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +If you don’t have a license, the library will run in evaluation mode; the code works the same way. To load a license (recommended for production), place `Aspose.OCR.lic` in your resources folder and use: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Keep the license file outside version control to avoid accidental exposure. + +--- + +## Step 2: Create a Thread‑Safe `OcrEngine` Instance + +Aspose OCR’s `OcrEngine` is thread‑safe as long as you reuse the same instance across tasks. Creating it once saves memory and avoids the overhead of re‑initializing the engine for every image. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Why reuse? Think of the engine as a heavy‑weight worker that loads language models into memory. Spawning a new engine per image would be like hiring a new specialist for every tiny job – costly and unnecessary. + +--- + +## Step 3: Set Up a Fixed Thread Pool Java + +Now comes the star of the show: a **fixed thread pool java**. We’ll size it to the number of logical processors so every core gets work without oversubscribing. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Using a *fixed* pool (instead of a cached one) gives you predictable resource usage and prevents the dreaded “out‑of‑memory” spikes when hundreds of images arrive at once. + +--- + +## Step 4: List the PNG Files You Want to Process (Extract Text from PNG) + +Collect the paths to the images you wish to OCR. In a real project you might scan a directory or read from a database; here we’ll hard‑code a few examples. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** The file extension **png** is important because Aspose OCR automatically detects the format, but you could feed JPEG or TIFF as well. + +--- + +## Step 5: Submit OCR Tasks – Parallel OCR Processing + +Each image becomes a callable that returns the recognized text. Because the `OcrEngine` is shared, we only need to pass the file path into the task. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Why wrap it in a `Future`? It lets us fire off all jobs instantly, then later collect results in the order they were submitted – perfect for preserving page order when **convert scanned pages text** back into a document. + +--- + +## Step 6: Retrieve Results and Display (Convert Scanned Pages Text) + +Now we wait for each `Future` to finish and print the output. The `get()` call blocks only until the specific task completes, not the whole pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typical console output looks like: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +If you prefer to write the results to files, replace the `System.out.println` with a `Files.writeString` call. + +--- + +## Step 7: Cleanly Shut Down the Executor Service + +When every task is done, it’s crucial to **shut down executor service**; otherwise your JVM may keep non‑daemon threads alive, preventing a graceful exit. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +The `awaitTermination` pattern gives the pool a chance to finish ongoing work before we force it. Ignoring this step is a common source of memory leaks in long‑running applications. + +--- + +## Full Working Example + +Putting it all together, here’s the complete program you can copy‑paste into `ParallelBatchDemo.java` and run: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/chinese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..2165ff8c4 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,195 @@ +--- +category: general +date: 2026-02-17 +description: 使用 Aspose OCR 在 Java 中对图像进行 OCR 预处理。学习如何提升图像对比度、设置对比度水平，并在几分钟内识别图像中的文本。 +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: zh +og_description: 使用 Aspose OCR Java 对图像进行 OCR 预处理。本指南展示了如何提升图像对比度、设置对比度水平，以及快速识别图像中的文本。 +og_title: 图像预处理用于 OCR – Java 教程：提升对比度并提取文本 +tags: +- Java +- OCR +- Image Processing +title: OCR图像预处理 – 完整的Java指南：提升对比度并提取文本 +url: /zh/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +fences. So we keep them as is. + +Now produce final output. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 预处理图像用于 OCR – 完整 Java 指南 + +是否曾经需要 **preprocess image for OCR**，却不确定哪些设置真的会产生影响？你并不孤单。大多数开发者会把图像直接扔进 OCR 引擎，期待奇迹发生，却只得到乱码输出。在本教程中，我们将通过一个实用的端到端示例，**boost image contrast**、调节 **contrast level**，并最终使用 Aspose OCR for Java **recognizes text from image**。 + +完成后，你将拥有一段可复用的代码片段，能够可靠地 **extracts text using OCR**，即使在噪声较多的扫描件上也能表现出色。没有隐藏技巧，只有清晰的步骤和每一步背后的原理。 + +## 你需要准备的内容 + +- Java 17 或更高版本（代码可在任何近期 JDK 上编译） +- Aspose OCR for Java 库（从官方 Aspose 网站下载） +- 有效的 Aspose OCR 许可证文件（`Aspose.OCR.lic`） +- 需要读取的输入图像（`input.jpg`） +- 常用的 IDE 或简单的命令行环境 + +如果这些都已经准备好，太好了——让我们直接开始。 + +## 第一步：加载 Aspose OCR 许可证（主要设置） + +在 OCR 引擎执行任何操作之前，需要先确认已获得授权。否则会出现试用水印。 + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**为什么这很重要：** 没有正确的许可证，引擎会以评估模式运行，可能会截断结果或添加水印。提前设置许可证还能确保后续的预处理选项在完整功能模式下生效。 + +## 第二步：初始化 OCR 引擎 + +创建 `OcrEngine` 实例后，你即可访问识别和预处理管道。 + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**专业提示：** 如果计划批量处理大量图像，建议将引擎作为单例使用；它会缓存内部资源，从而加快后续调用。 + +## 第三步：配置预处理 – 校正倾斜、去噪和对比度增强 + +这里就是 **preprocess image for OCR** 的核心。我们要调节的三个旋钮是： + +1. **Deskew** – 校正轻微的旋转。 +2. **Denoise** – 去除会干扰字符分割的噪点。 +3. **Contrast enhancement** – 让深色文字在背景中更加突出。 + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### 为什么要调整 Contrast Level？ + +提升对比度会拉伸图像的直方图，使暗像素更暗、亮像素更亮。实践中，`1.3f` 的 **contrast level** 往往能为印刷文档提供最佳平衡，而超过 `1.5f` 可能会导致细线条过曝。可以自行实验；该设置修改成本低，却能显著提升 **recognize text from image** 的成功率。 + +## 第四步：准备输入图像 + +`OcrInput` 类封装了文件处理细节。需要批量处理时，你可以一次添加多张图像。 + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**边缘情况：** 如果图像采用非标准格式（例如包含多页的 TIFF），可以分别加载每一页，或先转换为 PNG/JPEG。 + +## 第五步：执行识别 + +现在，引擎会运行我们刚才配置的预处理管道，然后将处理后的图像交给核心 OCR 算法。 + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**底层发生了什么？** Aspose OCR 首先执行校正倾斜变换，然后运行去噪滤波，最后在将图像送入基于神经网络的识别器之前调整对比度。顺序是有意为之；更改顺序可能导致次优结果。 + +## 第六步：输出识别文本 + +最后，我们将提取的字符串打印到控制台。实际项目中，你可能会将其写入文件或通过网络发送。 + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### 预期输出 + +如果 `input.jpg` 包含短语 “Hello World!”，控制台应显示： + +``` +Hello World! +``` + +如果输出出现乱码，请再次检查预处理参数——尤其是 **contrast level** 与 **denoise mode**——并尝试使用不同的图像格式。 + +## 进阶：可视化预处理后的图像（可选） + +有时你想看看引擎在校正倾斜、去噪和对比度增强后看到的图像是什么样子。Aspose OCR 允许导出中间位图： + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +将 `processed.png` 与原图并排打开；你会注意到水平线更直、文字更清晰。排查特定扫描失败原因时，这一步非常有帮助。 + +![预处理图像用于 OCR 示例](/images/ocr-preprocess-example.png "preprocess image for OCR – before and after contrast boost") + +*上图展示了通过提升对比度和去噪，将模糊扫描图像转化为干净、适合 OCR 的图片的过程。* + +## 常见陷阱与规避方法 + +| 陷阱 | 原因 | 解决方案 | +|------|------|----------| +| **过度对比**（`setContrastLevel` 设置过高） | 背景变白，导致细小字符消失 | 将水平保持在 1.1 到 1.4 之间，适用于大多数印刷文本 | +| **校正倾斜容差过低** | 小幅旋转未被纠正 | 将 `setDeskewAngleTolerance` 提升至 0.2 或 0.3，适用于扫描书籍 | +| **在二值图像上使用 GAUSSIAN 去噪** | 边缘模糊，字符合并 | 对黑白扫描使用 `DenoiseMode.MEDIAN` | +| **缺少许可证** | 引擎回退到试用模式，输出被截断 | 确认 `Aspose.OCR.lic` 路径正确且文件可读 | + +## 后续步骤：超越基础预处理 + +既然已经能够 **preprocess image for OCR** 并 **extract text using OCR**，可以考虑以下扩展： + +- **语言包** – 加载特定语言词典，提高非英文文本的识别准确率。 +- **感兴趣区域（ROI）裁剪** – 只处理页面的某一子区域，适用于只需页面部分内容的场景。 +- **批量处理** – 循环遍历图像目录，复用同一个 `OcrEngine` 实例以提升速度。 +- **与 PDF 集成** – 将 Aspose OCR 与 Aspose PDF 结合，一键将扫描 PDF 转换为可搜索的 PDF。 + +这些主题自然会再次涉及我们的关键操作：**boost image contrast**、**set contrast level**，并在各种情境下继续 **recognize text from image**。 + +## 结论 + +我们已经完整演示了如何使用 Aspose OCR for Java **preprocess image for OCR**：加载许可证、配置校正倾斜、去噪和对比度增强、输入图像，最终 **recognize text from image**。通过上述可直接运行的示例，你现在可以在任何经过适当处理的图片上 **extract text using OCR**。 + +动手试试代码，调节 **contrast level**，观察准确率的提升。当你准备好后，探索语言特定模型或批处理管道，将单图演示升级为生产级解决方案。 + +*祝编码愉快，愿你的扫描件永远清晰！* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/chinese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..8df372594 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: 使用 Aspose OCR 的 GPU 支持在 Java 中快速识别图像文字。了解如何从图像中提取文本并设置 GPU 设备 ID，以获得最佳性能。 +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: zh +og_description: 使用 Aspose OCR GPU 支持在 Java 中快速识别文本图像。本指南展示了如何从图像中提取文本并设置 GPU 设备 ID。 +og_title: 使用 Aspose OCR GPU 识别文本图像 – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: 使用 Aspose OCR GPU 进行文本图像识别 – Java +url: /zh/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +at top and bottom. + +Let's assemble final output.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Aspose OCR GPU 进行文本图像识别 – Java + +是否曾经需要在 Java 应用程序中**识别文本图像**，但 CPU 在处理大文件时捉襟见肘？你并不是唯一遇到这种情况的人——许多开发者在处理高分辨率扫描时都会碰到这个瓶颈。好消息是，Aspose OCR 让你可以在 GPU 上**从图像中提取文本**，显著缩短处理时间。 + +在本教程中，我们将逐步演示一个完整的、可直接运行的示例，展示如何设置许可证、启用 GPU 加速，以及在拥有多块显卡时**设置 GPU 设备 ID**。完成后，你将拥有一个独立的程序，能够将识别的文本打印到控制台——无需额外步骤。 + +## 你需要的环境 + +- **Java 17** 或更高版本（API 与 Java 8+ 兼容，但最新的 LTS 版本能提供更好的性能）。 +- **Aspose OCR for Java** 库（从 Aspose 官网下载 JAR 包）。 +- 有效的 **Aspose OCR 许可证文件** (`Aspose.OCR.lic`). 免费试用可用，但 GPU 功能仅在授权版本中解锁。 +- 一张包含清晰、机器可读文本的图像文件（`sample-image.png`）。 +- 支持 GPU 的运行环境（最佳选择为兼容 NVIDIA CUDA 的显卡）。 + +如果上述内容听起来陌生，也别担心——我们将在后续逐一解释每一点。 + +## 步骤 1：将 Aspose OCR 添加到项目中 + +首先，将 Aspose OCR JAR 包加入到类路径中。如果使用 Maven，请在 `pom.xml` 中添加以下依赖： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +对于 Gradle，则如下： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +如果你更倾向于手动方式，可将 JAR 放入 `libs/` 文件夹，并将其添加到 IDE 的模块路径中。 + +> **技巧提示：** 保持版本号与库的发行说明同步；较新版本通常会带来 GPU 处理性能的改进。 + +## 步骤 2：加载 Aspose OCR 许可证（GPU 使用必需） + +如果没有许可证，`setEnableGpu(true)` 调用会悄悄回退到 CPU 模式。请在 `main` 方法开始时加载许可证： + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +将 `YOUR_DIRECTORY` 替换为存放 `.lic` 文件的绝对或相对路径。如果路径错误，Aspose 会抛出 `FileNotFoundException`，请仔细检查拼写。 + +## 步骤 3：创建 OCR 引擎并启用 GPU 加速 + +现在我们实例化 `OcrEngine` 并指示其使用 GPU。`setGpuDeviceId` 方法可在存在多块显卡时选择特定的卡。 + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +为什么要使用设备 ID？在多 GPU 服务器中，你可能会将一块卡用于图像预处理，另一块用于 OCR。设置 ID 可确保正确的硬件承担繁重的计算任务。 + +## 步骤 4：准备输入图像 + +Aspose OCR 支持多种格式（PNG、JPG、BMP、TIFF）。将文件封装到 `OcrInput` 对象中： + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +如果需要处理流（例如上传的文件），请改用 `ocrInput.add(InputStream)`。 + +## 步骤 5：运行识别过程并获取结果 + +`recognize` 方法返回一个 `OcrResult`，其中包含纯文本、置信度分数，若需要还可获取布局信息。 + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +控制台将显示类似如下内容： + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +如果图像模糊或语言不受支持，结果可能为空。此时，请检查 `ocrResult.getConfidence()` 值（0‑100），以决定是否进行预处理后重试。 + +## 完整、可运行的示例 + +将所有代码组合在一起，即可得到一个可以直接复制粘贴到 IDE 中的单个 Java 类： + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **预期输出：** 控制台会打印出 `sample-image.png` 中的完整文本。如果 GPU 已启用，你会注意到处理时间从几秒（CPU）下降到典型 300 dpi 扫描的不到一秒。 + +## 常见问题与边缘情况 + +### 在无头服务器上可以运行吗？ + +可以。只需安装 GPU 驱动，无需显示器。确保 `CUDA` 工具包（或对应 GPU 的等效工具）已加入系统 `PATH`。 + +### 如果有多块 GPU，想使用 GPU 1，该怎么办？ + +更改设备 ID： + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### 如何从图像中提取不同语言的文本？ + +在调用 `recognize` 之前设置语言： + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose 支持超过 30 种语言；完整列表请参阅 API 文档。 + +### 如果图像包含多页（例如 PDF 转为图像），该怎么办？ + +为每一页创建单独的 `OcrInput` 条目，或遍历文件： + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +引擎会按顺序拼接结果。 + +### 如何处理低置信度的结果？ + +检查置信度分数： + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +常见的预处理步骤包括二值化、降噪或将图像调整至 300 dpi。 + +## 性能技巧 + +- **批量处理：** 将多张图像添加到同一个 `OcrInput` 中，可减少重复初始化 GPU 上下文的开销。 +- **预热：** JVM 启动后先执行一次空识别；首次调用会产生驱动初始化延迟。 +- **内存管理：** 完成后释放大型 `OcrInput` 对象（`ocrInput.clear()`），以腾出 GPU 内存。 + +## 结论 + +现在，你已经掌握了如何在 Java 中使用 Aspose OCR 的 GPU 引擎高效**识别文本图像**，以及如何在任意受支持语言中**从图像中提取文本**，并在多显卡环境下**设置 GPU 设备 ID**。上述完整可运行的代码开箱即用——只需替换为你的许可证和图像路径即可。 + +准备好下一步了吗？尝试处理一个扫描 PDF 文件夹，实验不同的 `setLanguage` 选项，或将 OCR 与机器学习模型结合进行后处理。可能性无限，而 GPU 加速带来的性能提升使得大规模项目也变得可行。 + +祝编码愉快，如遇问题欢迎留言！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/ocr-operations/_index.md b/ocr/chinese/java/ocr-operations/_index.md index 9a42ca032..a6147bce4 100644 --- a/ocr/chinese/java/ocr-operations/_index.md +++ b/ocr/chinese/java/ocr-operations/_index.md @@ -78,8 +78,18 @@ weight: 21 利用 Aspose.OCR 在 Java 中释放 OCR 的强大功能。轻松识别 PDF 文档中的文本。以精度和速度提升您的应用程序。 ### [Aspose.OCR for Java 中的 TIFF 图像 OCR 识别](./recognize-tiff/) 利用 Aspose.OCR 在 Java 中实现强大的文本识别。轻松识别 TIFF 图像中的文本。立即下载，获得无缝的 OCR 体验。 +### [image to text java：使用 Aspose OCR 提取乌尔都语文本](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +演示如何在 Java 中使用 Aspose OCR 从图像中准确提取乌尔都语文本。 ### [使用 Aspose OCR 识别图像文本 – 完整 Java OCR 教程](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) 完整的 Java 示例，演示如何使用 Aspose OCR 识别图像中的文本并导出结果。 +### [使用 Aspose OCR 识别图像文本 – Java 教程](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +详细的 Java 示例，演示如何使用 Aspose OCR 从图像中识别文本并保存结果。 +### [在 Java 中从图像创建可搜索 PDF – 步骤指南](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +详细演示如何使用 Aspose.OCR for Java 将图像转换为可搜索的 PDF 文件，包含完整代码示例和最佳实践。 +### [如何在 Java 中使用 OCR – 使用 Aspose.OCR 从 PDF 提取文本](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +演示如何在 Java 环境下使用 Aspose.OCR 对 PDF 进行 OCR，提取文本并生成可搜索文档。 +### [如何在 Java 中使用 OCR – 快速识别图像文本](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +演示如何在 Java 中快速使用 Aspose OCR 从图像中提取文本，提供完整代码示例和最佳实践。 ## 常见问题 diff --git a/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..44dcf9591 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-02-17 +description: 快速创建可搜索的 PDF：学习如何使用 Aspose OCR、PDF 保存选项从图像生成 PDF，并在几分钟内将图像转换为可搜索的 PDF。 +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: zh +og_description: 使用 Aspose OCR 在 Java 中创建可搜索的 PDF。本指南展示了如何从图像生成 PDF、配置 PDF 保存选项，并获得完整的可搜索文档。 +og_title: 在 Java 中从图像创建可搜索 PDF – 完整教程 +tags: +- Aspose OCR +- Java +- PDF generation +title: 在 Java 中将图像创建为可搜索的 PDF – 步骤指南 +url: /zh/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 在 Java 中从图像创建可搜索 PDF – 步骤指南 + +是否曾经需要 **创建可搜索的 pdf**，但不确定该选哪个 API？你并不孤单——很多开发者在第一次尝试把位图转换为可搜索的 PDF 时都会卡住。好消息是：使用 Aspose OCR 只需几行代码，生成的 PDF 与原始图像外观完全一致，同时还能进行文本搜索。 + +在本教程中，我们将完整演示整个过程：加载许可证、将图像（或多页 TIFF）输入 OCR 引擎、调整 **pdf 保存选项**，最后写出 **图像转可搜索 pdf**。完成后，你将拥有一个可直接使用的 Java 程序，几秒钟即可生成可搜索的 PDF。没有神秘的 “查看文档” 旁路——只有完整、可运行的示例。 + +## 你将学到 + +- 如何 **将图像转换为 pdf** 并嵌入隐藏的文本层以实现搜索。 +- 哪些 **pdf 保存选项** 应该开启，以在文件大小和识别准确度之间取得最佳平衡。 +- 常见陷阱（例如缺少许可证、图像格式不受支持）以及规避方法。 +- 如何验证输出真的可搜索（使用 Adobe Reader 的快速测试）。 + +**前置条件：** Java 8 或更高版本、Maven 或 Gradle 用于获取 Aspose OCR JAR，以及有效的 Aspose OCR 许可证文件。如果还没有许可证，可前往 Aspose 官网申请免费试用。 + +--- + +## 第一步 – 加载 Aspose OCR 许可证（如何安全创建 PDF） + +在 OCR 引擎开始工作之前必须先加载许可证，否则会得到带水印的页面。将你的 `Aspose.OCR.lic` 放在可访问的位置，然后让 `License` 类指向它。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **专业提示：** 将许可证文件放在源码控制目录之外，以免意外提交。 + +--- + +## 第二步 – 准备 OCR 输入（将图像转换为 PDF） + +Aspose OCR 接受一个 `OcrInput` 对象，该对象可以容纳一张或多张图像。这里我们添加一张 PNG，但也可以传入多页 TIFF 进行批量处理。 + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **为什么重要：** 将图像添加到 `OcrInput` 中可以把文件处理与引擎解耦，使同一段代码既能处理单页也能处理多页场景。 + +--- + +## 第三步 – 配置 PDF 保存选项（PDF 保存选项详解） + +`PdfSaveOptions` 类决定最终 PDF 的生成方式。以下两个标志对 **可搜索 pdf** 至关重要： + +1. `setCreateSearchablePdf(true)` – 告诉引擎基于 OCR 结果嵌入隐藏的文本层。 +2. `setEmbedImages(true)` – 保留原始光栅图像，确保视觉外观不变。 + +你还可以根据需要调整 DPI、压缩或密码保护等。 + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **边缘情况：** 如果将 `setCreateSearchablePdf(false)`，输出将仅是普通的图像 PDF——无法搜索。批量处理时务必再次确认此标志。 + +--- + +## 第四步 – 运行 OCR 并写入可搜索 PDF（核心 “如何创建 PDF” 逻辑） + +现在把所有内容组合起来。`recognize` 方法对提供的 `OcrInput` 执行 OCR，应用 `PdfSaveOptions`，并将结果流式写入文件。 + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### 预期结果 + +运行程序后，用任意 PDF 阅读器（Adobe Reader、Foxit 等）打开 `output-searchable.pdf`，尝试选取文本或使用搜索框。你应该能够找到原本只在图像中的文字，这正是 **可搜索 PDF** 的标志。 + +--- + +## 第五步 – 验证隐藏文本层（快速 QA） + +有时 OCR 置信度会偏低，尤其是低分辨率扫描。快速验证方法如下： + +1. 在 Adobe Reader 中打开 PDF。 +2. 按 **Ctrl + F** 并输入图像中已知出现的单词。 +3. 若单词被高亮，说明隐藏文本层工作正常。 + +如果搜索失败，可考虑提升源图像 DPI，或通过 `ocrEngine.getLanguage().add("eng")` 启用语言特定词典。 + +--- + +## 常见问题与注意事项 + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Yes—just add each page to the same `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR will treat each frame as a separate page. | +| **What if I don’t have a license?** | The free trial works but adds a watermark on every page. The code stays the same; just use the trial `.lic` file. | +| **How large will the PDF be?** | With `setEmbedImages(true)` the file size is roughly the size of the original image plus a few kilobytes for the hidden text. You can compress images via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | By default Aspose OCR uses English. For other languages call `ocrEngine.getLanguage().add("spa")` before `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Absolutely—most mobile PDF viewers respect the hidden text layer. | + +--- + +## 进阶：将示例封装为可复用工具 + +如果你预计在多个项目中都需要此功能，可以把逻辑封装成静态帮助方法： + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +现在可以在代码库的任意位置调用 `PdfSearchableUtil.convert(...)`，实现 **将图像转换为 pdf** 的一行代码。 + +--- + +## 结论 + +我们已经完整展示了如何使用 Aspose OCR 在 Java 中 **创建可搜索 pdf** 文件。从加载许可证、构建 OCR 输入、调优 **pdf 保存选项**，到最终写出 **图像转可搜索 pdf**，本教程提供了可直接复制粘贴的完整方案。 + +接下来可以尝试不同的图像格式、调整 DPI，或通过 `PdfSaveOptions` 添加密码保护。你甚至可以实现批处理——遍历扫描文件夹，为每个文件生成可搜索的 PDF。 + +如果本指南对你有帮助，请在 GitHub 上给我们点星或在下方留言。祝编码愉快，尽情把那些枯燥的扫描件变成完整可搜索的文档吧！ + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..bca36dea9 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: 如何在 Java 中使用 OCR 从 PDF 提取文本，将 PDF 转换为图像，并使用 Aspose.OCR 对扫描的 PDF 文件执行 + OCR。 +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: zh +og_description: 如何在 Java 中使用 OCR 从 PDF 文件中提取文本。学习将 PDF 转换为图像，并使用 Aspose.OCR 识别扫描的 + PDF。 +og_title: 如何在 Java 中使用 OCR – 完整指南 +tags: +- OCR +- Java +- Aspose +title: 如何在 Java 中使用 OCR – 使用 Aspose.OCR 从 PDF 中提取文本 +url: /zh/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何在 Java 中使用 OCR – 使用 Aspose.OCR 从 PDF 中提取文本 + +有没有想过 **如何使用 OCR** 将扫描的 PDF 转换为可搜索的文本？你并不是唯一有此困惑的人。大多数开发者在面对以图像形式存在的 PDF 时都会卡住，常规的文本提取器往往返回空。好消息是，只需几行 Java 代码和 Aspose.OCR，你就可以 **从 PDF 中提取文本**、**将 PDF 转换为图像**，以及 **识别扫描的 PDF**，整个工作流轻松完成。 + +在本教程中，我们将一步步讲解从授权库到打印最终结果的全部过程。完成后，你将拥有一个可直接运行的程序，能够从任何扫描的报告、发票或电子书中提取纯文本。无需外部服务，无需魔法——只有你掌控的纯 Java 代码。 + +## 你需要准备的环境 + +- **Java Development Kit (JDK) 8+** – 任意近期版本均可。 +- **Aspose.OCR for Java** JAR（从 Aspose 官网下载）。 +- 一个 **有效的 Aspose.OCR 授权文件** (`Aspose.OCR.lic`)。免费试用版可以使用，但正式授权可解锁完整精度。 +- 一个 **示例扫描 PDF**（例如 `scanned-report.pdf`）。 +- 一个 IDE 或简单的文本编辑器加上终端。 + +就这些。无需 Maven、Gradle 或其他额外依赖——只需把 Aspose.OCR JAR 放入类路径即可。 + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## 第一步 – 加载 Aspose.OCR 授权（为何重要） + +在引擎能够全速运行之前，你必须告诉它授权文件所在位置。跳过此步骤会使库进入评估模式，输出会带有水印并可能限制精度。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**工作原理：** `License` 类读取 `.lic` 文件并在全局注册。一旦设置，后续创建的每个 `OcrEngine` 都会自动使用授权功能。 + +## 第二步 – 创建 OCR 引擎（魔法背后的核心） + +`OcrEngine` 实例是负责扫描图像并输出文本的工作马。可以把它看作解释像素模式的大脑。 + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**小贴士：** 你可以通过引擎的属性调整语言、置信度阈值，甚至启用 GPU 加速。对于大多数英文 PDF，默认设置已经足够。 + +## 第三步 – 准备输入：添加 PDF（内部实现为 PDF 转图像） + +Aspose.OCR 将 PDF 的每一页视为图像。当调用 `addPdf` 时，库会悄悄地对每页进行光栅化，这正是 **将 PDF 转换为图像** 以便后续识别所必需的。 + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**发生了什么：** +- 打开 PDF。 +- 每页以 300 dpi（默认）渲染，以保留字符细节。 +- 渲染得到的位图对象被存入 `OcrInput` 集合。 + +如果你需要原始图像（用于调试或自定义预处理），可以在此步骤后调用 `ocrInput.getPages()`。 + +## 第四步 – 执行 OCR 过程（对 PDF 进行 OCR） + +现在开始真正的重活。`recognize` 方法会遍历每张图像，运行识别算法，并将结果聚合到 `OcrResult` 中。 + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**为何在意：** `OcrResult` 不仅包含纯文本，还包括置信度分数、边界框以及原始图像引用。大多数场景只需要调用 `getText()` 即可。 + +## 第五步 – 获取并显示提取的文本 + +最后，从结果中取出纯文本字符串并打印。你也可以将其写入文件、送入搜索索引，或传递给下游的 NLP 流程。 + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### 预期输出 + +如果 `scanned-report.pdf` 包含一个简单段落，你会看到类似下面的输出： + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +格式基本保持原始布局，尽可能保留换行。 + +## 常见边缘情况处理 + +### 1. 多语言 PDF + +如果文档中包含法语或西班牙语等文字，请在调用 `recognize` 前设置语言： + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +可以提供语言数组，让引擎自动检测。 + +### 2. 低分辨率扫描 + +面对 150 dpi 的扫描件时，提升内部渲染 DPI： + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +更高的 DPI 能提升字符清晰度，但会占用更多内存。 + +### 3. 大型 PDF（内存管理） + +对于页数众多的 PDF，建议分批处理： + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +此方式可防止 JVM 堆内存膨胀。 + +## 完整可运行示例 + +下面是完整程序代码——包括 import 和授权处理——你可以直接复制粘贴后立即运行。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +使用以下命令运行： + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +你应该会在控制台看到提取的文本。 + +## 小结 – 本文涵盖内容 + +- **如何在 Java 中使用 OCR**，配合 Aspose.OCR。 +- **从 PDF 中提取文本** 的完整工作流。 +- 库内部 **先将 PDF 转换为图像**，再进行字符识别。 +- 在多语言、低分辨率扫描和大文档场景下执行 OCR 的技巧。 +- 一个完整、可直接运行的代码示例，适用于任何 Java 项目。 + +## 后续步骤与相关主题 + +既然已经能够 **识别扫描 PDF**，可以进一步尝试以下方向： + +- **可搜索 PDF 生成** – 将 OCR 文本覆盖回原始 PDF，生成可搜索文档。 +- **批量处理服务** – 将代码封装为 Spring Boot 微服务，通过 REST 接收 PDF。 +- **与 Elasticsearch 集成** – 将提取的文本索引到 Elasticsearch，实现快速全文检索。 +- **图像预处理** – 使用 OpenCV 对页面进行去倾斜或去噪，进一步提升识别准确率。 + +这些主题都基于本教程的核心概念，欢迎自行实验，让 OCR 引擎为你承担繁重工作。 + +--- + +*祝编码愉快！如果在使用过程中遇到授权错误或意外的空结果等问题，欢迎在下方留言，我随时乐意帮助调试。* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..04a2fcc2c --- /dev/null +++ b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,254 @@ +--- +category: general +date: 2026-02-17 +description: 学习如何在 Java 中使用 OCR 识别图像文件中的文本，从 PNG 收据中提取文字，并使用 Aspose OCR 将收据转换为 JSON。 +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: zh +og_description: 逐步指南，教您如何在 Java 中使用 OCR 识别图像文本、从 PNG 收据中提取文字并将收据转换为 JSON。 +og_title: 如何在 Java 中使用 OCR – 从图像识别文本 +tags: +- OCR +- Java +- Aspose +- Image Processing +title: 如何在 Java 中使用 OCR —— 快速从图像识别文本 +url: /zh/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +trying this out? Drop a comment below, and let’s troubleshoot together. Happy coding, and enjoy turning those messy receipt images into clean, searchable data!" + +Translate: "有疑问或在实践中遇到问题？在下方留言，我们一起排查。祝编码愉快，享受将凌乱的收据图像转换为干净、可搜索数据的过程！" + +Finally the closing shortcodes. + +Now produce final content with same markdown. + +Make sure to preserve code block placeholders exactly as they are. + +Let's assemble.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何在 Java 中使用 OCR – 快速识别图像中的文本 + +有没有想过 **如何使用 OCR** 从收据的照片中提取文字？也许你尝试过一些在线工具，却只得到乱码或无法解析的格式。好消息是，只需几行 Java 代码，你就可以 **recognize text from image** 文件、**extract text from PNG** 收据，甚至 **convert receipt to JSON** 进行下游处理。 + +在本教程中，我们将完整演示工作流——从获取 Aspose OCR 库的授权到获取可直接写入数据库或机器学习模型的干净 JSON 负载。没有冗余内容，只有可直接复制粘贴到 IDE 的实用可运行示例。完成后，你将拥有一个独立程序，读取 `receipt.png` 并输出可直接使用的 JSON 字符串。 + +## 你需要的环境 + +- **Java Development Kit (JDK) 8+** – 任意近期版本均可。 +- **Aspose OCR for Java** 库（Maven 坐标为 `com.aspose:aspose-ocr`）。 +- 一个 **有效的 Aspose OCR 许可证文件** (`Aspose.OCR.lic`)。免费试用可用于测试，但正式许可证可去除评估限制。 +- 一张包含待读取文本的图像文件（PNG、JPEG 等）——我们称之为 `receipt.png` 并放置在已知文件夹中。 +- 你喜欢的 IDE（IntelliJ IDEA、Eclipse、VS Code 等）——随意选择。 + +> **技巧提示：** 将许可证文件放在源码文件夹之外，并通过绝对或相对路径引用，以避免将其提交到版本控制。 + +既然前置条件已经明确，让我们深入实际代码。 + +## 使用 OCR 的核心步骤 + +下面是我们将执行的操作的高级概览： + +1. **加载 Aspose OCR 库** 并应用你的许可证。 +2. **创建 `OcrEngine` 实例** —— 这是执行繁重任务的引擎。 +3. **准备 `OcrInput` 对象**，指向你要处理的图像。 +4. **调用 `recognize` 并使用 `ResultFormat.JSON`**，获取提取文本的 JSON 表示。 +5. **处理 JSON 输出** —— 打印、写入文件或进一步解析。 + +每一步将在后续章节中详细说明。 + +## 步骤 1 – 安装 Aspose OCR 并应用许可证 + +如果使用 Maven，首先在 `pom.xml` 中添加 Aspose OCR 依赖： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +接下来，在 Java 代码中加载许可证。此步骤至关重要；如果不加载，库将以评估模式运行，并可能在输出中嵌入水印。 + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **为什么重要：** `License` 对象告诉 OCR 引擎你已获得使用全部功能的授权，包括高精度识别和 JSON 导出。跳过此步骤仍然可以 **recognize text from image**，但结果可能受到限制。 + +## 步骤 2 – 创建 OCR 引擎实例 + +`OcrEngine` 类是所有 OCR 操作的入口。可以把它看作读取像素并决定字符的“脑”。 + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +如果收据包含非拉丁文字或扫描角度倾斜，你可以稍后自定义引擎（例如设置语言、启用去倾斜）。对于大多数美国收据，默认设置已足够。 + +## 步骤 3 – 加载要处理的图像 + +现在我们将让 OCR 引擎指向保存收据的文件。`OcrInput` 类可以接受多张图像，但本教程仅使用单个 PNG，保持简单。 + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +如果需要批量 **extract text from PNG** 文件，只需重复调用 `input.add()` 或传入文件路径列表即可。 + +## 步骤 4 – 识别文本并将收据转换为 JSON + +下面是本教程的核心。我们让引擎识别文本并请求以 JSON 格式返回结果。`ResultFormat.JSON` 标志帮我们完成所有繁重工作。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON 负载包含每一行识别结果、其边界框、置信度以及原始文本。这种结构使得 **convert receipt to JSON** 变得极其简单，随后即可传递给任何下游 API。 + +## 步骤 5 – 将所有代码整合并运行程序 + +下面是完整的、可直接运行的 Java 类，将所有内容串联起来。将其保存为 `JsonExportDemo.java`（或任意名称），然后在 IDE 或命令行中运行。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### 预期输出 + +运行程序后会打印类似以下的 JSON 字符串（具体内容取决于你的收据）： + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +现在你可以将该 JSON 输入到数据库、REST 接口或数据分析管道中。**convert receipt to JSON** 步骤已经为你完成。 + +## 常见问题与边缘情况 + +### 如果图像被旋转了怎么办？ + +Aspose OCR 会自动检测并纠正轻微旋转。对于严重倾斜的图像，请在识别前调用 `engine.getImagePreprocessingOptions().setDeskew(true)`。 + +### 如何处理多语言？ + +使用 `engine.getLanguage()` 设置所需语言，例如 `engine.setLanguage(Language.FRENCH)`。当需要 **recognize text from image** 包含多语言收据时，这非常有用。 + +### 能否输出纯文本而不是 JSON？ + +当然可以。将 `ResultFormat.JSON` 替换为 `ResultFormat.TEXT` 并调用 `result.getText()`。 + +### 有没有办法将 OCR 限制在特定区域？ + +可以——使用 `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` 将焦点限定在收据区域，这可以提升速度和准确度。 + +## 生产级 OCR 的实用技巧 + +- **缓存许可证** 对象，如果在循环中处理大量文件；反复创建会增加开销。 +- **批量处理**：将所有收据路径加载到同一个 `OcrInput`，一次性调用 `recognize`。JSON 将包含页面数组，每页都有其行信息。 +- **验证 JSON**：获取字符串后，使用 Jackson 等库解析，以确保其结构完整后再存储。 +- **监控置信度**：JSON 为每行提供 `confidence` 字段。过滤掉低于阈值（如 0.85）的行，以避免垃圾数据。 +- **保护许可证**：将 `Aspose.OCR.lic` 存放在安全金库或环境变量中，尤其是在云部署时。 + +## 结论 + +我们已经介绍了在 Java 中 **how to use OCR**，实现 **recognize text from image**、**extract text from PNG** 收据以及 **convert receipt to JSON**——全部通过一个简洁的端到端示例。步骤直观，代码可直接运行，JSON 输出提供了结构化的表示，可供任何下游系统使用。 + +接下来，你可以探索更高级的场景：将 JSON 输入到 Apache Kafka 进行实时处理、使用正则表达式提取项目总计，或集成云 OCR 服务以实现可扩展性。无论选择何种方式，你刚学到的基础仍然适用。 + +有疑问或在实践中遇到问题？在下方留言，我们一起排查。祝编码愉快，享受将凌乱的收据图像转换为干净、可搜索数据的过程！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/chinese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..0783953c9 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,183 @@ +--- +category: general +date: 2026-02-17 +description: 图像转文字 Java 教程：学习如何使用 Aspose OCR 从图像中提取乌尔都语文本。附带完整的 Java OCR 示例。 +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: zh +og_description: image to text java 教程展示了如何使用 Aspose OCR 从图像中提取乌尔都语文本。请按照完整的 Java OCR + 示例一步步操作。 +og_title: 图像转文本 Java：使用 Aspose OCR 提取乌尔都语文本 +tags: +- OCR +- Java +- Aspose +title: 图像转文本 Java：使用 Aspose OCR 提取乌尔都语文本 +url: /zh/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +must preserve them. + +Now produce final content with all translations and placeholders unchanged. Ensure markdown formatting preserved. + +Let's assemble.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java：使用 Aspose OCR 提取乌尔都文文本 + +如果您需要对乌尔都文档进行 **image to text java** 转换，您来对地方了。是否曾想过 *如何从手写笔记或扫描的报纸页面的图片中提取文本*？本指南将带您了解一个 **java ocr example**，使用 Aspose OCR 直接从图像中提取乌尔都字符。 + +我们将从库的授权到在控制台打印结果全部讲解。完成后，您将能够 **load image ocr** 文件，设置语言为乌尔都语，并获得干净的 Unicode 输出——无需额外工具。 + +## 您需要的条件 + +- **Java Development Kit (JDK) 8+** – 代码可在任何近期的 JDK 上运行。 +- **Aspose.OCR for Java** JAR（从 Aspose 官网下载）。 +- 有效的 **Aspose OCR license** 文件（`Aspose.OCR.lic`）。 +- 包含乌尔都文本的图像，例如 `urdu-sample.png`。 + +拥有这些基础后，您可以直接进入代码编写，而无需寻找缺失的依赖。 + +## image to text java – 设置 Aspose OCR + +首先，我们需要告诉 Aspose 我们已经拥有许可证。没有许可证，库将以评估模式运行，并在输出中添加水印。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** 许可证移除了 5 秒的处理限制，并解锁了在 2025‑Q3 添加的完整乌尔都语言包。如果跳过此步骤，OCR 引擎仍能工作，但您会在结果中看到一个小的 “Evaluation” 标记。 + +## How to Extract Text – 初始化 OCR 引擎 + +现在我们创建引擎并明确告知它我们关注乌尔都语。`OcrLanguage.URDU` 常量会激活相应的字符集和分割规则。 + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** 如果您需要在一次运行中处理多种语言，可以传入逗号分隔的列表，例如 `OcrLanguage.ENGLISH, OcrLanguage.URDU`。引擎会自动检测每个区域的语言。 + +## Load Image OCR – 准备输入 + +Aspose 使用 `OcrInput` 对象来容纳一个或多个图像。这里我们从本地文件 **load image ocr** 数据。 + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** 将 `YOUR_DIRECTORY` 替换为绝对路径或相对于项目根目录的相对路径。如果文件未找到，Aspose 会抛出 `FileNotFoundException`。使用 `new File(path).exists()` 进行快速检查可以为您节省大量调试时间。 + +## Recognize the Text – 运行 OCR 过程 + +在配置好引擎并加载图像后，我们最终调用 `recognize`。该方法返回一个包含提取字符串的 `OcrResult`。 + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** OCR 引擎先将图像分割为行，然后分割为字符，并应用乌尔都特有的字形规则（如连写形式）。这就是为什么提前设置语言至关重要；否则您会得到乱码的拉丁占位符。 + +## Print the Recognized Urdu Text + +最后一步就是简单地打印结果。由于乌尔都语使用从右到左的书写方式，请确保您的控制台支持 Unicode（大多数现代终端都支持）。 + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**预期输出（示例）：** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +如果您看到问号或空字符串，请再次确认控制台编码已设置为 UTF‑8（Windows 上使用 `chcp 65001`，或以 `-Dfile.encoding=UTF-8` 运行 Java）。 + +## Full Working Example – 所有步骤汇总 + +下面是完整的、可复制粘贴的程序。无需外部引用，仅一个 Java 文件。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +使用以下方式运行： + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +将 JAR 版本（`23.10`）替换为您下载的版本。控制台应显示从您的 PNG 中提取的乌尔都句子。 + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **输出为空** | 图像太暗或分辨率太低。 | 在将图像提供给 Aspose 之前，使用 `BufferedImage` 进行预处理（提高对比度、二值化）。 | +| **字符乱码** | 语言设置错误（默认是英文）。 | 确保在调用 `recognize` 之前调用 `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);`。 | +| **未找到许可证** | 路径拼写错误或文件缺失。 | 使用绝对路径或将 `.lic` 文件放入类路径，并调用 `license.setLicense("Aspose.OCR.lic");`。 | +| **大图像内存不足** | 大型 PNG 占用大量堆内存。 | 调用 `ocrEngine.setMaxImageSize(2000);` 在内部进行下采样，或自行调整图像大小。 | + +## Extending the Demo + +- **Batch processing:** 循环遍历文件夹，将每个文件添加到同一个 `OcrInput`，并将结果收集到 CSV 中。 +- **Different languages:** 将 `OcrLanguage.URDU` 替换为 `OcrLanguage.ARABIC`，或组合多种语言。 +- **Saving to file:** 使用 `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` 将结果保存到文件。 + +所有这些思路都基于我们刚刚构建的 **java ocr example**，让您能够将解决方案定制到实际项目中。 + +## Conclusion + +您现在拥有一个完整的 **image to text java** 工作流，可使用 Aspose OCR 从图像中提取乌尔都字符。教程涵盖了每一步——从授权和语言选择到加载图像并打印结果——因此您可以将代码粘贴到任何 Java 项目中并看到它的运行效果。 + +接下来，尝试使用更大的 PDF、不同的文字脚本，或甚至将 OCR 步骤集成到 Spring Boot REST 接口中。相同的原则——**how to extract text**、**load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/chinese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/chinese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..f1c2b1e32 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,196 @@ +--- +category: general +date: 2026-02-17 +description: 学习如何使用 Aspose OCR Java 库识别图像中的文本并加载图像进行 OCR。带拼写纠正的分步指南。 +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: zh +og_description: 使用 Aspose OCR Java 识别图像中的文本。本教程展示了如何加载图像进行 OCR、启用拼写纠正以及输出干净的文本。 +og_title: 识别图像中的文本 – 完整的 Aspose OCR Java 指南 +tags: +- Java +- OCR +- Aspose +title: 使用 Aspose OCR 识别图像中的文本 – Java 教程 +url: /zh/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Aspose OCR 进行图像文字识别 – Java 教程 + +是否曾经需要**从图像中识别文字**却不确定该选哪个库？你并不孤单。在许多真实项目中——比如扫描发票、数字化手写笔记或从截图中提取标题——获取准确的 OCR 结果至关重要。 + +在本指南中，我们将演示如何加载图像进行 OCR，开启 Aspose OCR 内置的拼写校正器，最后打印出清理后的文本。完成后，你将拥有一个只需几行代码即可**从图像中识别文字**的可直接运行的 Java 程序。 + +## 本教程涵盖内容 + +- 如何应用 Aspose OCR 许可证（让演示运行时不出现水印） +- 创建 `OcrEngine` 实例并选择英文作为识别语言 +- 使用 `OcrInput` **加载图像进行 OCR**，并指向包含拼写错误的 PNG 文件 +- 启用拼写校正器，可选地指定自定义词典 +- 运行识别并打印校正后的结果 + +无需外部服务，无需隐藏的配置文件——仅使用纯 Java 与 Aspose OCR JAR。 + +> **专业提示：** 如果你是 Aspose 新手，可从 Aspose 官网获取免费 30 天试用许可证，并将 `.lic` 文件放入代码可引用的文件夹中。 + +## 前置条件 + +- Java 8 或更高版本（代码同样可以在 JDK 11 上编译） +- 将 Aspose.OCR for Java JAR 添加到 classpath 中 +- 有效的 `Aspose.OCR.lic` 文件（也可以使用评估模式，但演示会嵌入水印） +- 一张包含故意拼写错误文本的图像文件（`misspelled.png`），非常适合观察拼写校正器的效果 + +准备好了吗？很好——让我们开始吧。 + +## 步骤 1：应用你的 Aspose OCR 许可证 + +在引擎开始任何繁重工作之前，需要先确认你已经获得许可证。否则输出中会出现 “Trial version” 横幅。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*为什么这一步很重要：* 许可证会关闭试用水印并解锁完整的拼写校正词典。跳过此步骤虽然可以运行，但输出会被 “Aspose OCR Demo” 文本污染。 + +## 步骤 2：创建并配置 OCR 引擎 + +现在我们启动引擎并指定使用的语言。英语是最常用的语言，Aspose 还支持数十种语言。 + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*为什么要设置语言：* 语言模型决定字符集并影响拼写校正器的建议。使用错误的语言会显著降低准确率。 + +## 步骤 3：启用拼写校正并（可选）指定自定义词典 + +Aspose OCR 附带内置的英文词典，但如果你有行业专用术语（如医学术语或产品代码），可以提供自己的词典。 + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*校正器的作用：* 当 OCR 引擎发现一个不在词典中的单词时，会尝试用最相近的词进行替换。这就是演示能够自动把 “recieve” 改为 “receive” 的原因。 + +## 步骤 4：加载图像进行 OCR + +下面的代码直接回答了 **加载图像进行 OCR** 的需求。我们创建一个 `OcrInput` 对象并添加 PNG 文件。 + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*为什么使用 `OcrInput`：* 它封装了文件读取逻辑，若以后需要处理多页 PDF 或一组图像时，也可以轻松添加多页。 + +## 步骤 5：运行识别并获取校正后的文本 + +引擎现在开始真正的工作——识别字符、应用语言模型，最后进行拼写校正。 + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*预期输出：* 假设 `misspelled.png` 中的句子是 “Ths is a smple test”，控制台将打印： + +``` +Corrected text: +This is a simple test +``` + +可以看到拼写错误的单词（`Ths`、`smple`）已被自动纠正。 + +## 完整、可直接运行的示例 + +下面是一整段程序代码。复制粘贴后，修改路径即可点击 **Run** 运行。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**小技巧：** 如果想处理 JPEG 或 BMP 而不是 PNG，只需更改文件扩展名——Aspose OCR 支持所有常见的光栅图像格式。 + +## 常见问题与边缘情况 + +- **如果我的图像分辨率低怎么办？** + 在将图像交给 Aspose 之前，通过 `java.awt.Image` 等库进行重采样，提高 DPI。更高的 DPI 为引擎提供更多像素，通常能提升识别准确度。 + +- **能在同一张图像中识别多种语言吗？** + 可以。调用 `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);`，并可通过 `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` 等方式添加语言列表。 + +- **自定义词典没有生效，为什么？** + 确认词典文件夹中是每行一个单词的纯文本文件，且路径是绝对路径或相对于工作目录的正确相对路径。 + +- **如何提取置信度分数？** + `result.getConfidence()` 返回 0 到 1 之间的浮点数，表示整页的置信度。若需逐字符置信度，可查看 `result.getWordList()`。 + +## 结论 + +现在你已经掌握了如何使用 Aspose OCR for Java **从图像中识别文字**、如何 **加载图像进行 OCR**，以及如何启用拼写校正器来自动修正常见错别字。上面的完整示例可以直接放入任何 Maven 或 Gradle 项目中，稍作修改即可批量处理文件夹、接入 Web 服务，或集成到文档管理系统中。 + +准备好下一步了吗？尝试处理多页 PDF，使用行业专用的自定义词典，或将输出链入翻译 API。可能性无限，而核心流程——许可证 → 引擎 → 语言 → 拼写校正 → 输入 → 识别 → 输出——始终如一。 + +祝编码愉快，愿你的 OCR 结果始终精准无误！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/advanced-ocr-techniques/_index.md b/ocr/czech/java/advanced-ocr-techniques/_index.md index 3df19dc35..d61c41099 100644 --- a/ocr/czech/java/advanced-ocr-techniques/_index.md +++ b/ocr/czech/java/advanced-ocr-techniques/_index.md @@ -45,6 +45,9 @@ Vylepšete své Java aplikace pomocí Aspose.OCR pro přesné rozpoznávání te Bez námahy extrahujte text z obrázků zadáním povolených znaků pomocí Aspose.OCR pro Java. Postupujte podle našeho podrobného průvodce pro účinnou integraci, která zajistí bezproblémové rozpoznávání textu. Vylepšete své Java aplikace pomocí funkcí Aspose.OCR. +## [Rozpoznání textu na obrázku pomocí Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Využijte GPU akceleraci v Aspose OCR pro Java k rychlému rozpoznání textu na obrázcích. + ## Závěr Aspose.OCR for Java nebylo zvládnutí pokročilých technik OCR nikdy jednodušší. Ponořte se do těchto výukových programů a odemkněte plný potenciál rozpoznávání textu ve svých projektech Java. Povyšte své aplikace na úroveň bezproblémové integrace, vysoké přesnosti a všestranných možností extrakce textu. Stáhněte si nyní a udělejte první krok k dokonalosti OCR s Aspose.OCR pro Java! @@ -61,9 +64,18 @@ Odemkněte sílu rozpoznávání textu s Aspose.OCR pro Java. Postupujte podle n Vylepšete své Java aplikace pomocí Aspose.OCR pro přesné rozpoznávání textu. Snadná integrace, vysoká přesnost. ### [Určení povolených znaků v Aspose.OCR](./specify-allowed-characters/) Odemkněte bez problémů extrakci textu z obrázků pomocí Aspose.OCR pro Java. Pro efektivní integraci postupujte podle našeho podrobného průvodce. +### [Rozpoznání textu na obrázku pomocí Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Využijte GPU akceleraci v Aspose OCR pro Java k rychlému rozpoznání textu na obrázcích. +### [Fixed Thread Pool Java – paralelní OCR pro PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Využijte Fixed Thread Pool v Javě pro paralelní zpracování OCR PNG souborů a zvýšte výkon svých aplikací. +### [Předzpracování obrázku pro OCR – Kompletní průvodce v Javě pro zvýšení kontrastu a extrakci textu](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Zvyšte přesnost OCR v Javě předzpracováním obrázku, vylepšením kontrastu a extrakcí textu. Kompletní návod krok za krokem. +### [Vytvoření OCR enginu v Javě – Rozpoznání textu z velkých obrázků](./create-ocr-engine-java-recognize-text-from-large-images/) +Vytvořte vlastní OCR engine v Javě a rozpoznávejte text na velkých obrázcích s vysokou přesností. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/czech/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..ad29eb2dc --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,257 @@ +--- +category: general +date: 2026-02-17 +description: Vytvořte OCR engine v Javě a rychle načtěte TIFF soubor v Javě. Naučte + se, jak rozpoznávat text z velkého obrázku pomocí Aspose.OCR v podrobném návodu. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: cs +og_description: Vytvořte OCR engine v Javě nyní. Tento tutoriál ukazuje, jak číst + soubor TIFF v Javě a rozpoznávat text z velkého obrázku pomocí Aspose.OCR. +og_title: Vytvořte OCR engine v Javě – Kompletní průvodce rozpoznáváním textu na velkých + obrázcích +tags: +- OCR +- Java +- Aspose +title: Vytvořte OCR engine v Javě – Rozpoznávejte text z velkých obrázků +url: /cs/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Vytvořte OCR Engine v Javě – Rozpoznání textu z velkých obrázků + +Už jste někdy potřebovali **vytvořit OCR engine Java** kód, který zvládne masivní TIFF mapu, ale nevedeli jste, kde začít? Nejste v tom sami – většina vývojářů narazí na problém, když velikost obrázku překročí běžné limity paměti. + +V tomto průvodci vás provedeme kompletním, připraveným příkladem, který **vytvoří OCR engine v Javě**, ukáže vám, jak **číst TIFF soubor v Javě** pomocí `InputStream`, a nakonec **rozpozná text z velkých obrázků** bez vyčerpání haldy. Na konci budete mít samostatný program, který můžete vložit do libovolného Maven nebo Gradle projektu. + +## Co budete potřebovat + +- **Java Development Kit (JDK) 8 nebo novější** – kód používá jen standardní I/O a Aspose.OCR. +- **Aspose.OCR for Java** knihovna (nejnovější verze k 2026‑02) – JAR můžete stáhnout ze stránek Aspose nebo přes Maven Central. +- **Velký TIFF soubor** (např. multi‑megapixelová mapa), který chcete OCR‑ovat. +- Váš **soubor licence Aspose.OCR** (`Aspose.OCR.lic`). Bez něj engine funguje v režimu hodnocení, ale objeví se vodoznak. + +> **Tip:** Uložte TIFF soubor vedle složky se zdrojovým kódem nebo použijte absolutní cestu; engine interně rozděluje obrázek na dlaždice, takže jej nemusíte rozdělovat ručně. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagram pracovního postupu vytvoření OCR Engine v Javě"} + +## Krok 1 – Použijte svou licenci Aspose.OCR (Create OCR Engine Java) + +Než engine začne těžkou práci, musíte zaregistrovat licenci. Přeskočení tohoto kroku přinutí režim hodnocení, který omezuje počet stránek a přidává banner do výstupu. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Proč je to důležité:* Objekt `License` říká OCR engine, aby odemkl algoritmus tilingu v plném rozlišení, což je nezbytné pro efektivní zpracování **velkého obrázku**. + +## Krok 2 – Vytvořte instanci OCR Engine (Create OCR Engine Java) + +Nyní spustíme jádro `OcrEngine`. Představte si ho jako mozek, který později přečte pixely a vrátí Unicode text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Proč to držíme jednoduché:* Ve většině scénářů výchozí nastavení již zahrnuje automatickou detekci jazyka a optimální tiling. Přetěžování konfigurací může ve skutečnosti zpomalit zpracování obrovských souborů. + +## Krok 3 – Načtěte TIFF soubor pomocí InputStream (Read TIFF File Java) + +Velké TIFFy mohou mít několik stovek megabajtů. Načtení celého souboru do `BufferedImage` by vyhodilo haldu. Místo toho předáme engine `InputStream`; Aspose.OCR načte a rozdělí obrázek za běhu. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Hraniční případ:* Pokud je váš TIFF komprimován pomocí CCITT Group 4, Aspose.OCR jej stále zvládne, ale můžete nastavit `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` pro malý nárůst rychlosti. + +## Krok 4 – Připravte OCR vstup a naznačte formát + +Objekt `OcrInput` může obsahovat více obrázků, ale pro tuto ukázku potřebujeme jen jeden. Poskytnutí řetězce formátu (`"tif"`) pomáhá engine přeskočit sniffování formátu, čímž ušetří několik milisekund. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Proč je nápověda užitečná:* Při práci s **velkými obrázky** každá milisekunda se počítá. Nápověda formátu říká parseru, aby obešel nákladnou analýzu hlavičky. + +## Krok 5 – Rozpoznání textu z velkého obrázku (Recognize Text from Large Image) + +Po propojení všech částí je samotné volání OCR jedním řádkem. Engine vrátí `OcrResult`, který obsahuje čistý text, skóre důvěry a dokonce i ohraničující rámečky, pokud je budete potřebovat později. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Co se děje pod kapotou:* Aspose.OCR rozdělí TIFF na zvládnutelné dlaždice (výchozí 1024 × 1024 px), spustí neuronovou síť na každé dlaždici a poté výsledky spojí. Proto můžete **rozpoznat text z velkých obrázků** bez ručního předzpracování. + +## Krok 6 – Zobrazte náhled extrahovaného textu + +Vytištění celého dokumentu do konzole může být nepřehledné. Ukážeme jen prvních 200 znaků, následovaných elipsou, abyste mohli výstup rychle ověřit. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Očekávaný výstup v konzoli:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Pokud vidíte nesmyslné znaky, zkontrolujte, že je vybrán správný jazyk (výchozí je angličtina) a že TIFF není poškozený. + +## Kompletní funkční příklad + +Sestavením všech částí získáte jedinou třídu, kterou můžete zkompilovat a spustit: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Kompilace pomocí: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Nahraďte `aspose-ocr-23.12.jar` skutečnou verzí, kterou jste stáhli. + +## Časté problémy a tipy + +| Problém | Proč se to stane | Rychlé řešení | +|------|----------------|-----------| +| **OutOfMemoryError** | Načítání TIFF do `BufferedImage` místo streamování. | Vždy používejte `InputStream` jak je ukázáno; nechte Aspose provést tiling. | +| **Prázdný výstup** | Nesprávná nápověda přípony souboru (`"tif"` vs `"tiff"`). | Použijte přesně řetězec, který jste předali do `add`. | +| **Špatné znaky** | Licence nebyla aplikována nebo vypršela. | Ověřte cestu k souboru `.lic` a znovu aplikujte před vytvořením engine. | +| **Pomalé rozpoznání** | Použití vlastního `OcrConfiguration` s vysokým DPI. | Držte se výchozích nastavení pro většinu případů; upravujte jen pokud potřebujete vyšší přesnost. | + +### Kdy upravit nastavení + +- **Vícejazyčné dokumenty:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Vyšší přesnost u malých fontů:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Ale pamatujte, každá další volba může zvýšit čas CPU, zejména u **velkého obrázku**. Nejprve otestujte s jednou dlaždicí. + +## Další kroky + +Nyní, když už víte, jak **vytvořit OCR engine Java**, **číst TIFF soubor v Javě** a **rozpoznat text z velkého obrázku**, můžete: + +1. **Exportovat výsledek do PDF** – kombinujte Aspose.PDF s OCR textem pro prohledávatelné dokumenty. +2. **Uložit ohraničující rámečky** – použijte `ocrResult.getWords()` pro získání souřadnic k zvýraznění. +3. **Paralelizovat zpracování dlaždic** – pro ultra‑velké satelitní snímky, spustit a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/czech/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..de4b02032 --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-02-17 +description: Naučte se, jak v Javě použít pevný pool vláken k extrahování textu z + PNG obrázků s paralelním zpracováním OCR a správně ukončit službu Executor. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: cs +og_description: Objevte, jak může pevný thread pool v Javě paralelně extrahovat text + z PNG obrázků, převádět text naskenovaných stránek a bezpečně ukončit ExecutorService. +og_title: Java pevný pool vláken – paralelní OCR pro PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Pevný pool vláken Java – paralelní OCR pro PNG +url: /cs/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# pevný thread pool java – paralelní OCR pro PNG + +Už jste se někdy zamýšleli, jak urychlit OCR na hromadě souborů PNG pomocí **fixed thread pool java**? V tomto tutoriálu si projdeme **extrahování textu z PNG** obrázků paralelně, **převod textu naskenovaných stránek** na editovatelné řetězce a bezpečné **shut down executor service**, jakmile je práce hotová. + +Pokud jste někdy zírali na jednovláknovou smyčku, která se táhne minuty, znáte frustraci z čekání, až se každá stránka dokončí, než začne další. Dobrá zpráva? S několika řádky Javy a Aspose OCR můžete uvolnit sílu všech jader CPU, převést naskenované stránky na prohledávatelný text a udržet aplikaci responzivní. + +Níže najdete kompletní, připravený příklad, plus vysvětlení, proč je každá část důležitá, běžné úskalí a tipy, které můžete použít s libovolnou OCR knihovnou. + +--- + +## Co budete potřebovat + +- **Java 17** (nebo jakýkoli recentní JDK) – kód používá moderní syntaxi `var` střídmě, ale funguje i na starších verzích. +- **Aspose.OCR for Java** knihovna – můžete ji získat z Maven Central nebo stáhnout trial z Aspose. +- Sadu **PNG** souborů, které chcete zpracovat – např. naskenované účtenky, stránky knih nebo screenshoty. +- Základní znalost Java concurrency – není povinná, ale užitečná. + +To je vše. Žádné externí služby, žádný Docker, jen čistá Java a trochu multithreadingové magie. + +## Krok 1: Přidání Aspose OCR závislosti a licence (volitelné) + +Nejprve se ujistěte, že Aspose OCR JAR je ve vašem classpath. Pokud používáte Maven, přidejte: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Pokud nemáte licenci, knihovna poběží v evaluačním režimu; kód funguje stejným způsobem. Pro načtení licence (doporučeno pro produkci) umístěte `Aspose.OCR.lic` do složky resources a použijte: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Uložte licenční soubor mimo verzovací systém, aby nedošlo k neúmyslnému zveřejnění. + +## Krok 2: Vytvoření thread‑safe instance `OcrEngine` + +Aspose OCR `OcrEngine` je thread‑safe, pokud znovu použijete stejnou instanci napříč úkoly. Vytvoření jednou šetří paměť a zabraňuje režii znovu‑inicializace engine pro každý obrázek. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Proč znovu použít? Představte si engine jako těžkopádného pracovníka, který načítá jazykové modely do paměti. Vytvoření nového engine pro každý obrázek by bylo jako najímat nového specialistu pro každou drobnou úlohu – nákladné a zbytečné. + +## Krok 3: Nastavení Fixed Thread Pool v Javě + +Nyní přichází hvězda celého představení: **fixed thread pool java**. Nastavíme jeho velikost podle počtu logických procesorů, aby každé jádro dostalo práci bez přetížení. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Použití *fixed* pool (namísto cached) vám poskytuje předvídatelné využití zdrojů a zabraňuje obávaným výkyvům „out‑of‑memory“, když najednou dorazí stovky obrázků. + +## Krok 4: Seznam PNG souborů, které chcete zpracovat (extrahování textu z PNG) + +Shromážděte cesty k obrázkům, které chcete OCR. Ve skutečném projektu můžete prohledávat adresář nebo číst z databáze; zde použijeme několik pevně zakódovaných příkladů. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Poznámka:** Přípona souboru **png** je důležitá, protože Aspose OCR automaticky detekuje formát, ale můžete také použít JPEG nebo TIFF. + +## Krok 5: Odeslání OCR úkolů – paralelní OCR zpracování + +Každý obrázek se stane callable, který vrací rozpoznaný text. Protože `OcrEngine` je sdílený, stačí do úkolu předat cestu k souboru. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Proč to zabalit do `Future`? Umožní nám okamžitě spustit všechny úlohy a později sbírat výsledky v pořadí, v jakém byly odeslány – ideální pro zachování pořadí stránek při **convert scanned pages text** zpět do dokumentu. + +## Krok 6: Získání výsledků a zobrazení (převod naskenovaných stránek na text) + +Nyní čekáme, až každé `Future` dokončí, a vypíšeme výstup. Volání `get()` blokuje jen do dokončení konkrétní úlohy, ne celého poolu. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typický výstup v konzoli vypadá takto: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Pokud raději zapisujete výsledky do souborů, nahraďte `System.out.println` voláním `Files.writeString`. + +## Krok 7: Čisté vypnutí Executor Service + +Když jsou všechny úkoly dokončeny, je zásadní **shut down executor service**; jinak může JVM udržovat ne‑daemon vlákna aktivní, což brání elegantnímu ukončení. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Vzor `awaitTermination` dává poolu šanci dokončit probíhající práci, než ho vynutíme. Ignorování tohoto kroku je častým zdrojem úniků paměti v dlouho běžících aplikacích. + +## Kompletní funkční příklad + +Spojením všeho dohromady zde máte kompletní program, který můžete zkopírovat do `ParallelBatchDemo.java` a spustit: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/czech/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..1db3b6d7c --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Předzpracování obrázku pro OCR pomocí Aspose OCR v Javě. Naučte se zvýšit + kontrast obrázku, nastavit úroveň kontrastu a rozpoznat text z obrázku během několika + minut. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: cs +og_description: Předzpracování obrázku pro OCR pomocí Aspose OCR Java. Tento návod + ukazuje, jak zvýšit kontrast obrázku, nastavit úroveň kontrastu a rychle rozpoznat + text z obrázku. +og_title: Předzpracování obrázku pro OCR – Java tutoriál pro zvýšení kontrastu a extrakci + textu +tags: +- Java +- OCR +- Image Processing +title: Předzpracování obrázku pro OCR – Kompletní Java průvodce pro zvýšení kontrastu + a extrakci textu +url: /cs/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Předzpracování obrazu pro OCR – Kompletní průvodce v Javě + +Už jste někdy potřebovali **preprocess image for OCR**, ale nebyli jste si jisti, které nastavení skutečně dělá rozdíl? Nejste v tom sami. Většina vývojářů hodí obrázek do OCR enginu a doufá, že se stane kouzlo, jen aby získali nečitelný výstup. V tomto tutoriálu projdeme praktickým, end‑to‑end příkladem, který **boosts image contrast**, upraví **contrast level** a nakonec **recognizes text from image** pomocí Aspose OCR pro Java. + +Do konce budete mít znovupoužitelný úryvek kódu, který **extracts text using OCR** spolehlivě, i na špinavých skenech. Žádné skryté triky, jen jasné kroky a zdůvodnění za každým z nich. + +## Co budete potřebovat + +- Java 17 nebo novější (kód se kompiluje s jakýmkoli recentním JDK) +- Knihovna Aspose OCR pro Java (stáhněte z oficiálního webu Aspose) +- Platný licenční soubor Aspose OCR (`Aspose.OCR.lic`) +- Vstupní obrázek (`input.jpg`), který chcete načíst +- Oblíbené IDE nebo jednoduché nastavení příkazové řádky + +Pokud už to máte, skvělé — pojďme rovnou do toho. + +## Krok 1: Načtení licence Aspose OCR (Základní nastavení) + +Než OCR engine něco udělá, musí vědět, že máte licenci. Jinak narazíte na vodotisk z trial verze. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Proč je to důležité:** Bez řádné licence běží engine v evaluačním režimu, což může ořezávat výsledky nebo přidávat vodotisky. Nastavení licence brzy také zajišťuje, že všechny následné možnosti předzpracování jsou aplikovány v plno‑funkčním režimu. + +## Krok 2: Inicializace OCR enginu + +Vytvoření instance `OcrEngine` vám poskytuje přístup k rozpoznávacím i předzpracovacím pipeline. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Tip:** Uchovávejte engine jako singleton, pokud plánujete zpracovávat mnoho obrázků v dávce; kešuje interní zdroje a urychluje následné volání. + +## Krok 3: Konfigurace předzpracování – Deskew, Denoise a zvýšení kontrastu + +Zde **preprocess image for OCR**. Tři ovládací prvky, které nastavíme, jsou: + +1. **Deskew** — koriguje mírné rotace. +2. **Denoise** — odstraňuje šmouhy, které zmatení segmentaci znaků. +3. **Contrast enhancement** — zvýrazní tmavý text oproti pozadí. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Proč upravit úroveň kontrastu? + +Zvýšení úrovně kontrastu roztahuje histogram obrazu, čímž tmavé pixely ztmaví a světlé pixely zesvětlí. V praxi **contrast level** `1.3f` často poskytuje nejlepší rovnováhu pro tištěné dokumenty, zatímco hodnota nad `1.5f` může přepálit tenké tahy. Klidně experimentujte; nastavení je levné na změnu a může dramaticky zlepšit úspěšnost **recognize text from image**. + +## Krok 4: Příprava vstupního obrázku + +Třída `OcrInput` abstrahuje práci se soubory. Můžete přidat více obrázků, pokud potřebujete dávkové zpracování. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Hraniční případ:** Pokud je váš obrázek v nestandardním formátu (např. TIFF s více stránkami), můžete načíst každou stránku zvlášť nebo jej nejprve převést na PNG/JPEG. + +## Krok 5: Provedení rozpoznání + +Nyní engine spustí předzpracovací pipeline, kterou jsme právě nakonfigurovali, a poté předá vyčištěný obrázek jádru OCR algoritmu. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Co se děje pod kapotou?** Aspose OCR nejprve aplikuje transformaci deskew, poté spustí filtr denoise a nakonec upraví kontrast před předáním obrázku svému rozpoznávači založenému na neuronové síti. Pořadí je úmyslné; jeho změna může vést k suboptimálním výsledkům. + +## Krok 6: Výstup rozpoznaného textu + +Nakonec vytiskneme extrahovaný řetězec do konzole. Ve skutečné aplikaci jej můžete zapsat do souboru nebo odeslat po síti. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Očekávaný výstup + +Pokud `input.jpg` obsahuje frázi „Hello World!“, měla by konzole zobrazit: + +``` +Hello World! +``` + +Pokud výstup vypadá poškozeně, dvakrát zkontrolujte hodnoty předzpracování — zejména **contrast level** a **denoise mode** — a zkuste jiný formát obrázku. + +## Bonus: Vizualizace předzpracovaného obrázku (volitelné) + +Někdy chcete vidět, co engine vidí po deskew, denoise a zvýšení kontrastu. Aspose OCR vám umožní exportovat mezilehlý bitmap: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Otevřete `processed.png` vedle originálu; všimnete si rovnějšího horizontu a ostřejšího textu. Tento krok je užitečný při odhalování, proč konkrétní sken selhává. + +![příklad předzpracování obrazu pro OCR](/images/ocr-preprocess-example.png "předzpracování obrazu pro OCR – před a po zvýšení kontrastu") + +*Obrázek výše ukazuje, jak zvýšení kontrastu a odšumění promění rozmazaný sken na čistý, připravený pro OCR obrázek.* + +## Časté úskalí a jak se jim vyhnout + +| Problém | Proč se to děje | Oprava | +|---------|----------------|--------| +| **Přetížení kontrastu** (`setContrastLevel` příliš vysoký) | Světlé pozadí se stane bílým, vymazávajíc slabé znaky | Udržujte úroveň mezi 1.1 a 1.4 pro většinu tištěného textu | +| **Nízká tolerance deskew** | Malé rotace zůstávají neopravené | Zvyšte `setDeskewAngleTolerance` na 0.2 nebo 0.3 pro skenované knihy | +| **Použití GAUSSIAN denoise na binárních obrazech** | Rozmazává hrany, spojuje znaky | Používejte `DenoiseMode.MEDIAN` pro černobílé skeny | +| **Chybějící licence** | Engine přechází do trial režimu, ořezává výstup | Ověřte cestu k `Aspose.OCR.lic` a že soubor je čitelný | + +## Další kroky: Přesah základního předzpracování + +Nyní, když můžete **preprocess image for OCR** a **extract text using OCR**, zvažte tyto rozšíření: + +- **Language packs** — načtěte specifické jazykové slovníky pro zlepšení přesnosti u textu neanglického. +- **Region‑of‑interest (ROI) cropping** — zaměřte se na podčást obrázku, pokud potřebujete jen část stránky. +- **Batch processing** — projděte adresář obrázků, znovu použijte stejnou instanci `OcrEngine` pro rychlost. +- **Integrate with PDF** — kombinujte Aspose OCR s Aspose PDF pro převod skenovaných PDF na prohledávatelná PDF v jedné pipeline. + +Každé z těchto témat přirozeně zahrnuje naše sekundární klíčová slova: stále budete **boost image contrast**, **set contrast level**, a nadále **recognize text from image** v mnoha scénářích. + +## Závěr + +Probrali jsme vše, co potřebujete k **preprocess image for OCR** pomocí Aspose OCR pro Java: načtení licence, konfiguraci deskew, denoise a zvýšení kontrastu, předání obrázku a nakonec **recognizing text from image**. S kompletním, spustitelným příkladem výše můžete nyní **extract text using OCR** na jakémkoli vhodně připraveném obrázku. + +Vyzkoušejte kód, upravte **contrast level** a sledujte, jak přesnost stoupá. Až budete připraveni, prozkoumejte jazykově specifické modely nebo dávkové pipeline, abyste tuto ukázku s jedním obrázkem proměnili v řešení připravené pro produkci. + +*Šťastné kódování a ať jsou vaše skeny vždy ostré!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/czech/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..5a7be3ceb --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,236 @@ +--- +category: general +date: 2026-02-17 +description: Rychle rozpoznávejte text na obrázku s podporou GPU v Aspose OCR v Javě. + Naučte se extrahovat text z obrázku a nastavit ID GPU zařízení pro optimální výkon. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: cs +og_description: Rychle rozpoznávejte text na obrázku pomocí Aspose OCR s podporou + GPU v Javě. Tento průvodce ukazuje, jak extrahovat text z obrázku a nastavit ID + GPU zařízení. +og_title: Rozpoznat text na obrázku pomocí Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Rozpoznat text na obrázku pomocí Aspose OCR GPU – Java +url: /cs/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Rozpoznání textu z obrázku pomocí Aspose OCR GPU – Java + +Už jste někdy potřebovali **rozpoznat text z obrázku** v Java aplikaci, ale CPU se dusilo na velkých souborech? Nejste v tom sami — mnoho vývojářů narazí na tento limit při zpracování vysoce rozlišených skenů. Dobrá zpráva? Aspose OCR vám umožní **extrahovat text z obrázku** na GPU, což dramaticky zkrátí dobu zpracování. + +V tomto tutoriálu projdeme kompletním, připraveným příkladem, který ukazuje, jak nastavit licenci, povolit akceleraci GPU a **nastavit ID GPU zařízení**, pokud máte více grafických karet. Na konci budete mít samostatný program, který vypíše rozpoznaný text do konzole — žádné další kroky nejsou potřeba. + +## Co budete potřebovat + +- **Java 17** nebo novější (API je kompatibilní s Java 8+, ale nejnovější LTS poskytuje lepší výkon). +- **Aspose OCR for Java** knihovna (stáhněte JAR z webu Aspose). +- Platný **soubor licence Aspose OCR** (`Aspose.OCR.lic`). Zkušební verze funguje, ale funkce GPU jsou uzamčeny za licencí. +- Soubor obrázku (`sample-image.png`) obsahující jasný, strojově čitelný text. +- Prostředí s podporou GPU (nejlépe karta kompatibilní s NVIDIA CUDA). + +Pokud některý z těchto bodů není vám známý, nebojte se — každý bod bude během tutoriálu podrobně vysvětlen. + +## Krok 1: Přidání Aspose OCR do projektu + +Nejprve přidejte Aspose OCR JAR do classpath. Pokud používáte Maven, přidejte následující závislost do `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Pro Gradle použijte: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Pokud dáváte přednost manuálnímu způsobu, vložte JAR do složky `libs/` a přidejte jej do cesty modulů v IDE. + +> **Tip:** Udržujte číslo verze v souladu s poznámkami k vydání knihovny; novější verze často přinášejí optimalizace výkonu pro zpracování na GPU. + +## Krok 2: Načtení licence Aspose OCR (vyžadováno pro použití GPU) + +Bez licence se volání `setEnableGpu(true)` tiše vrátí do režimu CPU. Načtěte licenci hned na začátku metody `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Nahraďte `YOUR_DIRECTORY` absolutní nebo relativní cestou, kde máte uložený soubor `.lic`. Pokud je cesta špatná, Aspose vyhodí `FileNotFoundException`, takže zkontrolujte pravopis. + +## Krok 3: Vytvoření OCR enginu a povolení akcelerace GPU + +Nyní vytvoříme instanci `OcrEngine` a řekneme jí, aby používala GPU. Metoda `setGpuDeviceId` vám umožní vybrat konkrétní kartu, pokud je jich více. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Proč se starat o ID zařízení? Na serveru s více GPU můžete jednu kartu vyhradit pro předzpracování obrazu a druhou pro OCR. Nastavením ID zajistíte, že těžkou práci provede správný hardware. + +## Krok 4: Příprava vstupního obrázku + +Aspose OCR podporuje řadu formátů (PNG, JPG, BMP, TIFF). Zabalte svůj soubor do objektu `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Pokud potřebujete zpracovat stream (např. nahraný soubor), použijte místo toho `ocrInput.add(InputStream)`. + +## Krok 5: Spuštění rozpoznávání a získání výsledku + +Metoda `recognize` vrací `OcrResult`, který obsahuje čistý text, skóre důvěry a dokonce i informace o rozložení, pokud je potřebujete. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Do konzole se vypíše něco jako: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Pokud je obrázek rozmazaný nebo není podporovaný jazyk, může být výsledek prázdný. V takovém případě zkontrolujte hodnotu `ocrResult.getConfidence()` (0‑100) a rozhodněte, zda provést předzpracování a zkusit znovu. + +## Kompletní, spustitelný příklad + +Sestavením všech částí získáte jedinou Java třídu, kterou můžete zkopírovat do svého IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Očekávaný výstup:** Konzole vypíše přesný text, který se nachází v `sample-image.png`. Pokud je GPU aktivní, všimnete si, že doba zpracování klesne z několika sekund (CPU) na méně než sekundu u typických 300 dpi skenů. + +## Často kladené otázky a okrajové případy + +### Funguje to na serveru bez grafického rozhraní (headless)? + +Ano. Ovladač GPU musí být nainstalován, ale není potřeba žádný displej. Jen se ujistěte, že je `CUDA` toolkit (nebo ekvivalent pro vaši GPU) v systémové proměnné `PATH`. + +### Co když mám více než jednu GPU a chci použít GPU 1? + +Změňte ID zařízení: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Jak extrahovat text z obrázku v jiném jazyce? + +Nastavte jazyk před voláním `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose podporuje více než 30 jazyků; podívejte se do API dokumentace pro úplný výčet. + +### Co když obrázek obsahuje více stránek (např. PDF převedené na obrázky)? + +Vytvořte samostatný `OcrInput` záznam pro každou stránku nebo iterujte přes soubory: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Engine spojí výsledky v pořadí. + +### Jak zacházet s výsledky s nízkou důvěrou? + +Zkontrolujte skóre důvěry: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typické kroky předzpracování zahrnují binarizaci, redukci šumu nebo změnu velikosti na 300 dpi. + +## Tipy pro výkon + +- **Dávkové zpracování:** Přidání mnoha obrázků do jednoho `OcrInput` snižuje režii opakovaného inicializování kontextu GPU. +- **Rozcvička:** Po spuštění JVM proveďte jednorázové „dummy“ rozpoznání; první volání zahrnuje latenci inicializace ovladače. +- **Správa paměti:** Po dokončení uvolněte velké objekty `OcrInput` (`ocrInput.clear()`) a tím uvolněte GPU paměť. + +## Závěr + +Nyní víte, jak **rozpoznat text z obrázku** efektivně pomocí GPU enginu Aspose OCR v Javě, jak **extrahovat text z obrázku** v libovolném podporovaném jazyce a jak **nastavit ID GPU zařízení** při práci s více grafickými kartami. Kompletní, spustitelný kód výše by měl fungovat ihned — stačí jen dosadit vlastní licenční a obrázkové cesty. + +Jste připraveni na další krok? Zkuste zpracovat složku naskenovaných PDF, experimentujte s různými možnostmi `setLanguage` nebo zkombinujte OCR s modelem strojového učení pro post‑zpracování. Možnosti jsou neomezené a výkonové výhody GPU akcelerace umožňují i rozsáhlé projekty. + +Šťastné kódování a klidně zanechte komentář, pokud narazíte na nějaké potíže! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/ocr-operations/_index.md b/ocr/czech/java/ocr-operations/_index.md index c499c38bd..60442cb4b 100644 --- a/ocr/czech/java/ocr-operations/_index.md +++ b/ocr/czech/java/ocr-operations/_index.md @@ -64,8 +64,6 @@ Rozlučte se s ručním extrahováním textu z TIFF obrázků. Nechte Aspose.OCR [TIFF Recognition Tutorial](./recognize-tiff/) -Na závěr, s naším seznamem tutoriálů Aspose.OCR pro Java máte klíče k odemknutí plného potenciálu OCR operací. Ponořte se do každého tutoriálu, prozkoumejte funkce a pozvedněte své schopnosti extrahování textu. Rozlučte se s ručními úsilími a přijměte přesnost a efektivitu, kterou nabízí Aspose.OCR pro Java! - ## Tutoriály OCR operací ### [Provádění OCR pomocí režimu Detect Areas Mode v Aspose.OCR](./perform-ocr-detect-areas-mode/) Uvolněte sílu extrahování textu z obrázků s Aspose.OCR pro Java. Komplexní tutoriál o OCR s režimem Detect Areas Mode. @@ -73,9 +71,19 @@ Uvolněte sílu extrahování textu z obrázků s Aspose.OCR pro Java. Komplexn Uvolněte přesné extrahování textu z obrázků s Aspose.OCR pro Java. Postupujte podle našeho krok‑za‑krokem průvodce pro přesné OCR s výběrem jazyka. ### [OCR rozpoznávání PDF dokumentů v Aspose.OCR pro Java](./recognize-pdf/) Uvolněte sílu OCR v Javě s Aspose.OCR. Bez námahy rozpoznávejte text v PDF dokumentech. Posilte své aplikace přesností a rychlostí. +### [Jak používat OCR v Javě – Extrahovat text z PDF pomocí Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Kompletní průvodce používáním OCR v Javě pro extrakci textu z PDF souborů s Aspose.OCR. ### [OCR rozpoznávání TIFF obrázků v Aspose.OCR pro Java](./recognize-tiff/) Uvolněte výkonné rozpoznávání textu v Javě s Aspose.OCR. Bez námahy rozpoznávejte text v TIFF obrázcích. Stáhněte si nyní pro plynulý OCR zážitek. +### [Jak používat OCR v Javě – Rychle rozpoznat text z obrázku](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Rychlý průvodce použitím OCR v Javě pro okamžité rozpoznání textu z obrázku. ### [Rozpoznání textu z obrázku pomocí Aspose OCR – Kompletní Java OCR tutoriál](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) +### [Rozpoznání textu z obrázku pomocí Aspose OCR – Java tutoriál](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Kompletní průvodce rozpoznáním textu z obrázku v Javě pomocí Aspose OCR, včetně nastavení a ukázek kódu. +### [Obrázek na text v Javě: Extrahujte urdský text pomocí Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Naučte se, jak pomocí Aspose OCR v Javě rozpoznat a extrahovat urdský text z obrázků s podporou pravého směru a formátování. +### [Vytvoření prohledávatelného PDF z obrázku v Javě – krok za krokem průvodce](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Naučte se, jak pomocí Aspose.OCR v Javě převést obrázek na prohledávatelný PDF soubor krok po kroku. ## Často kladené otázky diff --git a/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..1084d4ec1 --- /dev/null +++ b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Rychle vytvořte prohledávatelný PDF: naučte se, jak vytvořit PDF z obrázku + pomocí Aspose OCR, možností uložení PDF a převést obrázek na prohledávatelný PDF + během několika minut.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: cs +og_description: Vytvořte prohledávatelný PDF v Javě pomocí Aspose OCR. Tento průvodce + ukazuje, jak vytvořit PDF z obrázku, nakonfigurovat možnosti uložení PDF a získat + plně prohledávatelný dokument. +og_title: Vytvořte prohledávatelný PDF z obrázku v Javě – kompletní tutoriál +tags: +- Aspose OCR +- Java +- PDF generation +title: Vytvořte prohledávatelný PDF z obrázku v Javě – krok za krokem +url: /cs/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Vytvoření prohledávatelného PDF z obrázku v Javě – krok za krokem průvodce + +Už jste někdy potřebovali **create searchable pdf** z naskenovaného obrázku, ale nebyli jste si jisti, kterou API zvolit? Nejste v tom sami — mnoho vývojářů narazí na tuto překážku, když poprvé zkusí převést bitmapu na PDF, které lze skutečně prohledávat. Dobrá zpráva? S Aspose OCR to můžete udělat během několika řádků a výsledek vypadá přesně jako původní obrázek, přičemž je stále textově prohledávatelný. + +V tomto tutoriálu projdeme celý proces: načtení licence, předání obrázku (nebo více‑stránkového TIFF) OCR enginu, úpravu **pdf save options**, a nakonec zápis **image to searchable pdf**. Na konci budete mít připravený Java program, který během sekund vytvoří prohledávatelné PDF. Žádné záhady, žádné zkratky typu „viz dokumentace“ — jen kompletní, spustitelný příklad. + +## Co se naučíte + +- Jak **convert image to pdf** a vložit skrytou textovou vrstvu pro vyhledávání. +- Které **pdf save options** byste měli povolit pro nejlepší poměr velikosti a přesnosti. +- Běžné úskalí (např. chybějící licence, nepodporované formáty obrázků) a jak se jim vyhnout. +- Jak ověřit, že výstup je skutečně prohledávatelný (rychlý test v Adobe Reader). + +**Prerequisites:** Java 8 nebo novější, Maven nebo Gradle pro stažení Aspose OCR JAR, a platný soubor licence Aspose OCR. Pokud ještě nemáte licenci, můžete si požádat o bezplatnou zkušební verzi na webu Aspose. + +--- + +## Krok 1 – Načtení licence Aspose OCR (Jak bezpečně vytvořit PDF) + +Než OCR engine začne pracovat, potřebuje licenci; jinak získáte stránky s vodoznakem. Umístěte svůj `Aspose.OCR.lic` na přístupné místo a poté nasměrujte na něj třídu `License`. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Uchovávejte soubor licence mimo adresář se zdrojovým kódem, aby nedošlo k neúmyslnému commitu. + +--- + +## Krok 2 – Příprava vstupu pro OCR (Convert Image to PDF) + +Aspose OCR přijímá objekt `OcrInput`, který může obsahovat jeden nebo více obrázků. Zde přidáváme jeden PNG, ale můžete také předat více‑stránkový TIFF pro dávkové zpracování. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** Přidání obrázku do `OcrInput` odděluje manipulaci se soubory od enginu, což vám umožní znovu použít stejný kód pro jednostránkové i více‑stránkové scénáře. + +--- + +## Krok 3 – Konfigurace PDF Save Options (Vysvětlení PDF Save Options) + +Třída `PdfSaveOptions` řídí, jak je finální PDF vytvořeno. Dva příznaky jsou klíčové pro **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – říká enginu, aby vložil skrytou textovou vrstvu na základě výsledků OCR. +2. `setEmbedImages(true)` – zachovává původní rastrový obrázek, takže vizuální vzhled zůstane nedotčen. + +Můžete také upravit DPI, kompresi nebo ochranu heslem, pokud je to potřeba. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** Pokud nastavíte `setCreateSearchablePdf(false)`, výstup bude obyčejné PDF pouze s obrázkem — nic, co by šlo vyhledávat. Vždy tuto volbu zkontrolujte při automatizaci velkých dávek. + +--- + +## Krok 4 – Spuštění OCR a zápis prohledávatelného PDF (Jádro logiky „Jak vytvořit PDF“) + +Nyní spojíme vše dohromady. Metoda `recognize` provádí OCR na dodaném `OcrInput`, použije `PdfSaveOptions` a výsledek zapíše do souboru. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Očekávaný výsledek + +Po spuštění programu otevřete `output-searchable.pdf` v libovolném prohlížeči PDF (Adobe Reader, Foxit atd.) a zkuste vybrat text nebo použít vyhledávací pole. Měli byste být schopni najít slova, která byla původně pouze součástí obrázku. To je znak **searchable PDF**. + +--- + +## Krok 5 – Ověření prohledávatelné vrstvy (Rychlé QA) + +Někdy může být důvěra OCR nízká, zejména u skenů s nízkým rozlišením. Rychlý způsob, jak to ověřit, je: + +1. Otevřete PDF v Adobe Reader. +2. Stiskněte **Ctrl + F** a zadejte slovo, o kterém víte, že se v obrázku vyskytuje. +3. Pokud je slovo zvýrazněno, skrytá textová vrstva funguje. + +Pokud vyhledávání selže, zvažte zvýšení DPI zdrojového obrázku nebo povolení jazykově specifických slovníků pomocí `ocrEngine.getLanguage().add("eng")`. + +--- + +## Časté otázky a úskalí + +| Question | Answer | +|----------|--------| +| **Mohu zpracovat více‑stránkový TIFF?** | Ano — stačí přidat každou stránku do stejného `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR bude považovat každý rámec za samostatnou stránku. | +| **Co když nemám licenci?** | Bezplatná zkušební verze funguje, ale přidá vodoznak na každou stránku. Kód zůstává stejný; stačí použít zkušební soubor `.lic`. | +| **Jak velké bude PDF?** | Při `setEmbedImages(true)` je velikost souboru přibližně velikost původního obrázku plus několik kilobajtů pro skrytý text. Obrázky můžete komprimovat pomocí `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Musím nastavit jazyk pro OCR?** | Ve výchozím nastavení Aspose OCR používá angličtinu. Pro jiné jazyky zavolejte `ocrEngine.getLanguage().add("spa")` před `recognize`. | +| **Je výstupní PDF prohledávatelné na mobilních zařízeních?** | Ano — většina mobilních prohlížečů PDF respektuje skrytou textovou vrstvu. | + +--- + +## Bonus: Přeměna demoa na znovupoužitelný nástroj + +Pokud předpokládáte, že tuto funkci budete potřebovat v několika projektech, zabalte logiku do statické pomocné metody: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Nyní můžete volat `PdfSearchableUtil.convert(...)` z libovolné části kódu, čímž **convert image to pdf** změníte na jednorázový příkaz. + +--- + +## Závěr + +Pokrývali jsme vše, co potřebujete k **create searchable pdf** souborům z obrázků v Javě pomocí Aspose OCR. Od načtení licence, vytvoření OCR vstupu, úpravy **pdf save options**, až po zápis **image to searchable pdf**, tutoriál poskytuje kompletní řešení připravené ke zkopírování a vložení. + +Udělte další krok experimentováním s různými formáty obrázků, úpravou DPI nebo přidáním ochrany heslem pomocí `PdfSaveOptions`. Můžete také prozkoumat dávkové zpracování — procházet složku se skeny a generovat prohledávatelné PDF pro každý. + +Pokud vám tento průvodce přišel užitečný, dejte hvězdičku na GitHubu nebo zanechte komentář níže. Šťastné programování a užívejte si převod nudných skenů na plně prohledávatelné dokumenty! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..8a8a6087d --- /dev/null +++ b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Jak používat OCR v Javě k extrakci textu z PDF, převodu PDF na obrázky + a provádění OCR na naskenovaných PDF souborech pomocí Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: cs +og_description: Jak používat OCR v Javě k extrahování textu z PDF souborů. Naučte + se převádět PDF na obrázky a rozpoznávat skenované PDF pomocí Aspose.OCR. +og_title: Jak používat OCR v Javě – kompletní průvodce +tags: +- OCR +- Java +- Aspose +title: Jak používat OCR v Javě – Extrahovat text z PDF pomocí Aspose.OCR +url: /cs/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak používat OCR v Javě – Extrahovat text z PDF pomocí Aspose.OCR + +Už jste se někdy zamýšleli **jak používat OCR** k převodu naskenovaného PDF na prohledávatelný text? Nejste v tom jediní. Většina vývojářů narazí na problém, když PDF přijde jako sada obrázků, a běžné extraktory textu prostě nic nevrátí. Dobrá zpráva? S několika řádky Javy a Aspose.OCR můžete **extrahovat text z PDF**, **převést PDF na obrázky** a **rozpoznat naskenované PDF** v jednom, bezbolestném pracovním postupu. + +V tomto tutoriálu projdeme vše, co potřebujete vědět – od licencování knihovny až po vytištění konečného výsledku. Na konci budete mít připravený program, který vytáhne prostý text z libovolné naskenované zprávy, faktury nebo e‑knihy. Žádné externí služby, žádná magie – pouze čistý Java kód, který máte pod kontrolou. + +## Co budete potřebovat + +- **Java Development Kit (JDK) 8+** – jakákoli aktuální verze funguje. +- **Aspose.OCR for Java** JAR (stáhněte z webu Aspose). +- Platný **soubor licence Aspose.OCR** (`Aspose.OCR.lic`). Bezplatná zkušební verze funguje, ale licence odemkne plnou přesnost. +- **Ukázkový naskenovaný PDF** (např. `scanned-report.pdf`). +- IDE nebo jednoduchý textový editor plus terminál. + +To je vše. Žádný Maven, žádný Gradle, žádné další závislosti – pouze Aspose.OCR JAR ve vašem classpathu. + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## Krok 1 – Načtěte svou licenci Aspose.OCR (Proč je to důležité) + +Než engine může běžet na plnou rychlost, musíte mu říct, kde se nachází vaše licence. Přeskočení tohoto kroku přinutí knihovnu do režimu hodnocení, který přidává vodoznaky do výstupu a může omezit přesnost. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Proč to funguje:** Třída `License` načte soubor `.lic` a zaregistruje jej globálně. Jakmile je nastaveno, každý `OcrEngine`, který vytvoříte, bude automaticky používat licencované funkce. + +## Krok 2 – Vytvořte OCR engine (Motor za kouzlem) + +Instance `OcrEngine` je pracovním koněm, který skenuje obrázky a vypisuje text. Považujte ji za mozek, který interpretuje pixlové vzory. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** Můžete ladit jazyk, prahy důvěry nebo dokonce povolit akceleraci GPU pomocí vlastností engine. Pro většinu anglických PDF jsou výchozí nastavení v pořádku. + +## Krok 3 – Připravte vstup: Přidejte své PDF (Převod PDF na obrázky pod kapotou) + +Aspose.OCR zachází s každou stránkou PDF jako s obrázkem. Když zavoláte `addPdf`, knihovna tiše rasterizuje každou stránku, což je přesně to, co potřebujete k **převodu PDF na obrázky** před rozpoznáním. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Co se děje:** +- PDF je otevřeno. +- Každá stránka je vykreslena při 300 dpi (výchozí) pro zachování detailu znaků. +- Vykreslené bitmapové objekty jsou uloženy v kolekci `OcrInput`. + +Pokud někdy budete potřebovat surové obrázky (pro ladění nebo vlastní předzpracování), zavolejte po tomto kroku `ocrInput.getPages()`. + +## Krok 4 – Spusťte OCR proces (Provést OCR na PDF) + +Nyní začíná těžká práce. Metoda `recognize` prochází každý obrázek, spouští rozpoznávací algoritmus a agreguje výsledky do objektu `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Proč by vás to mělo zajímat:** `OcrResult` obsahuje nejen prostý text, ale také skóre důvěry, ohraničovací rámečky a odkaz na původní obrázek. Pro většinu případů použití budete potřebovat jen `getText()`. + +## Krok 5 – Získejte a zobrazte extrahovaný text + +Nakonec vytáhněte řetězec prostého textu z výsledku a vytiskněte jej. Můžete jej také zapsat do souboru, předat do vyhledávacího indexu nebo do následného NLP pipeline. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Očekávaný výstup + +Pokud `scanned-report.pdf` obsahuje jednoduchý odstavec, uvidíte něco jako: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Přesné formátování odráží původní rozložení a zachovává zalomení řádků, kde je to možné. + +## Řešení běžných okrajových případů + +### 1. Vícejazyčná PDF + +Pokud váš dokument obsahuje francouzský nebo španělský text, nastavte jazyk před voláním `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Můžete poskytnout pole jazyků, aby engine automaticky detekoval. + +### 2. Skeny s nízkým rozlišením + +Při práci se skeny 150 dpi zvyšte interní DPI renderování: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Vyšší DPI zlepšuje čitelnost znaků, ale spotřebuje více paměti. + +### 3. Velké PDF (správa paměti) + +Pro PDF s desítkami stránek je zpracovávejte po dávkách: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Tento přístup zabraňuje nafouknutí haldy JVM. + +## Kompletní, připravený k spuštění příklad + +Níže je kompletní program – včetně importů a manipulace s licencí – takže jej můžete zkopírovat a okamžitě spustit. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Spusťte to pomocí: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Měli byste vidět extrahovaný text vytištěný do konzole. + +## Shrnutí – Co jsme pokryli + +- **Jak používat OCR** v Javě s Aspose.OCR. +- Pracovní postup pro **extrahování textu z PDF** souborů. +- Interně knihovna **převádí PDF na obrázky** před rozpoznáním znaků. +- Tipy pro **provádění OCR na PDF** s více jazyky, skeny s nízkým rozlišením a velkými dokumenty. +- Kompletní, spustitelný ukázkový kód, který můžete vložit do jakéhokoli Java projektu. + +## Další kroky a související témata + +Nyní, když můžete **rozpoznat naskenované PDF**, zvažte následující nápady: + +- **Generování prohledávatelného PDF** – překrytí OCR textu zpět na originální PDF pro vytvoření prohledávatelného dokumentu. +- **Služba dávkového zpracování** – zabalit kód do mikroservisu Spring Boot, který přijímá PDF přes REST. +- **Integrace s Elasticsearch** – indexovat extrahovaný text pro rychlé full‑textové vyhledávání napříč úložištěm dokumentů. +- **Předzpracování obrázků** – použít OpenCV k vyrovnání nebo odstranění šumu stránek před OCR pro ještě vyšší přesnost. + +Každé z těchto témat staví na základních konceptech, které jsme probrali, takže klidně experimentujte a nechte OCR engine udělat těžkou práci. + +--- + +*Šťastné kódování! Pokud narazíte na jakékoli potíže – například chyby licence nebo neočekávané null výsledky – zanechte komentář níže. Rád pomohu s laděním.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..c8bffccd3 --- /dev/null +++ b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-02-17 +description: Naučte se, jak používat OCR v Javě k rozpoznávání textu z obrazových + souborů, extrahování textu z PNG účtenek a převodu účtenky do JSON pomocí Aspose + OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: cs +og_description: Podrobný návod krok za krokem, jak použít OCR v Javě k rozpoznání + textu z obrázku, extrahování textu z PNG účtenek a převodu účtenky do JSON. +og_title: Jak používat OCR v Javě – Rozpoznat text z obrázku +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Jak použít OCR v Javě – Rychle rozpoznat text z obrázku +url: /cs/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak používat OCR v Javě – Rychle rozpoznat text z obrázku + +Už jste se někdy zamýšleli **jak používat OCR** k vytažení textu z fotografie účtenky? Možná jste zkusili několik online nástrojů, jen abyste skončili s rozbitými znaky nebo formátem, který nejde zpracovat. Dobrá zpráva je, že s několika řádky Java kódu můžete **rozpoznat text z obrázku**, **extrahovat text z PNG** účtenek a dokonce **převést účtenku do JSON** pro další zpracování. + +V tomto tutoriálu projdeme kompletní workflow – od licencování knihovny Aspose OCR až po získání čistého JSON payloadu, který můžete vložit do databáze nebo modelu strojového učení. Žádné zbytečnosti, jen praktický, spustitelný příklad, který můžete zkopírovat a vložit do svého IDE. Na konci budete mít samostatný program, který vezme `receipt.png` a vypíše připravený JSON řetězec. + +## Co budete potřebovat + +- **Java Development Kit (JDK) 8+** – funguje jakákoli recentní verze. +- **Aspose OCR for Java** knihovna (Maven artefakt je `com.aspose:aspose-ocr`). +- **Platný soubor licence Aspose OCR** (`Aspose.OCR.lic`). Bezplatná zkušební verze stačí pro testování, ale řádná licence odstraňuje omezení hodnocení. +- Soubor s obrázkem (PNG, JPEG, atd.), který obsahuje text, který chcete přečíst – nazveme ho `receipt.png` a umístíme ho do známé složky. +- Vaše oblíbené IDE (IntelliJ IDEA, Eclipse, VS Code…) – výběr je na vás. + +> **Pro tip:** Umístěte soubor licence mimo zdrojovou složku a odkazujte na něj pomocí absolutní nebo relativní cesty, aby se necommitoval do verzovacího systému. + +Nyní, když jsou předpoklady jasné, pojďme se ponořit do samotného kódu. + +## Jak používat OCR – Hlavní kroky + +Níže je přehled akcí, které provedeme: + +1. **Načíst knihovnu Aspose OCR** a aplikovat vaši licenci. +2. **Vytvořit instanci `OcrEngine`** – to je motor, který dělá těžkou práci. +3. **Připravit objekt `OcrInput`** ukazující na obrázek, který chcete zpracovat. +4. **Zavolat `recognize` s `ResultFormat.JSON`** a získat JSON reprezentaci extrahovaného textu. +5. **Zpracovat JSON výstup** – vytisknout ho, zapsat do souboru nebo dále parsovat. + +Každý krok je podrobně vysvětlen v následujících sekcích. + +## Krok 1 – Instalace Aspose OCR a aplikace licence + +Nejprve přidejte závislost Aspose OCR do svého `pom.xml`, pokud používáte Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Nyní ve svém Java kódu načtěte licenci. Tento krok je nezbytný; bez něj knihovna běží v režimu hodnocení a může do výstupu vkládat vodoznaky. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Proč je to důležité:** Objekt `License` říká OCR motoru, že máte oprávnění používat plnou sadu funkcí, včetně vysoce přesného rozpoznávání a exportu do JSON. Přeskočením tohoto kroku stále můžete **rozpoznat text z obrázku**, ale výsledky mohou být omezené. + +## Krok 2 – Vytvoření instance OCR Engine + +Třída `OcrEngine` je vstupním bodem pro všechny OCR operace. Představte si ji jako „mozek“, který čte pixely a rozhoduje, jaké znaky představují. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Engine můžete později přizpůsobit (např. nastavit jazyk, povolit deskew), pokud vaše účtenky obsahují ne‑latinské skripty nebo jsou naskenovány pod úhlem. Pro většinu amerických účtenek fungují výchozí nastavení naprosto dobře. + +## Krok 3 – Načtení obrázku, který chcete zpracovat + +Nyní nasměrujeme OCR engine na soubor, který obsahuje účtenku. Třída `OcrInput` může přijímat více obrázků, ale pro tento tutoriál zůstáváme u jednoho PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Pokud budete někdy potřebovat **extrahovat text z PNG** souborů hromadně, stačí opakovaně volat `input.add()` nebo předat seznam cest k souborům. + +## Krok 4 – Rozpoznání textu a převod účtenky do JSON + +Tady je jádro tutoriálu. Požádáme engine, aby rozpoznal text a požádáme o výsledek ve formátu JSON. Příznak `ResultFormat.JSON` za nás udělá veškerou těžkou práci. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON payload obsahuje každou rozpoznanou řádku, její ohraničující box, skóre důvěry a surový text. Tato struktura usnadňuje **převést účtenku do JSON** a následně ji předat jakémukoli downstream API. + +## Krok 5 – Sestavte vše dohromady a spusťte program + +Níže je kompletní, připravená ke spuštění Java třída, která spojuje všechny kroky. Uložte ji jako `JsonExportDemo.java` (nebo pod libovolným názvem) a spusťte v IDE nebo z příkazové řádky. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Očekávaný výstup + +Spuštění programu vytiskne JSON řetězec podobný následujícímu (přesný obsah závisí na vaší účtence): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Nyní můžete tento JSON předat do databáze, REST endpointu nebo datové analytické pipeline. Krok **převést účtenku do JSON** je už za vás hotový. + +## Často kladené otázky a okrajové případy + +### Co když je obrázek otočený? + +Aspose OCR automaticky detekuje a opravuje mírné otočení. Pro silně zkosené obrázky zavolejte `engine.getImagePreprocessingOptions().setDeskew(true)` před rozpoznáním. + +### Jak zvládnout více jazyků? + +Použijte `engine.getLanguage()` k nastavení požadovaného jazyka, např. `engine.setLanguage(Language.FRENCH)`. To se hodí, když potřebujete **rozpoznat text z obrázku**, který obsahuje vícejazyčné účtenky. + +### Můžu místo JSON získat prostý text? + +Samozřejmě. Nahraďte `ResultFormat.JSON` za `ResultFormat.TEXT` a zavolejte `result.getText()`. + +### Existuje způsob, jak omezit OCR na konkrétní oblast? + +Ano – použijte `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` k zaměření na oblast účtenky, což může zlepšit rychlost i přesnost. + +## Pro tipy pro produkčně připravené OCR + +- **Cacheujte objekt licence**, pokud zpracováváte mnoho souborů v cyklu; opakované vytváření přidává režii. +- **Batch processing**: načtěte všechny cesty k účtenkám do jednoho `OcrInput` a zavolejte `recognize` jednou. JSON bude obsahovat pole stránek, každou se svými řádky. +- **Validujte JSON**: po získání řetězce jej parsujte knihovnou jako Jackson, abyste se ujistili, že je dobře formovaný před uložením. +- **Sledujte confidence**: JSON obsahuje pole `confidence` pro každou řádku. Filtrujte řádky pod určitým prahem (např. 0.85), abyste se vyhnuli špatným datům. +- **Zabezpečte licenci**: uložte `Aspose.OCR.lic` do bezpečného trezoru nebo jako environmentální proměnnou, zejména při nasazení do cloudu. + +## Závěr + +Probrali jsme **jak používat OCR** v Javě k **rozpoznání textu z obrázku**, **extrahování textu z PNG** účtenek a **převodu účtenky do JSON** – vše s krátkým, end‑to‑end příkladem. Kroky jsou přímočaré, kód je plně spustitelný a JSON výstup vám poskytuje strukturovanou reprezentaci připravenou pro jakýkoli downstream systém. + +Dále můžete zkoumat pokročilejší scénáře: posílat JSON do Apache Kafka pro real‑time zpracování, aplikovat regexy pro získání částek, nebo integrovat s cloudovou OCR službou pro škálovatelnost. Ať už zvolíte jakýkoli směr, základy, které jste právě získali, zůstanou stejné. + +Máte otázky nebo jste narazili na problém při zkoušení? Zanechte komentář níže a pojďme to společně vyřešit. Šťastné kódování a užívejte si převod těch špinavých obrázků účtenek na čistá, prohledávatelná data! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/czech/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..7f5e4a9ff --- /dev/null +++ b/ocr/czech/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,184 @@ +--- +category: general +date: 2026-02-17 +description: 'tutorial převodu obrázku na text v Javě: naučte se, jak extrahovat urdský + text z obrázku pomocí Aspose OCR. Kompletní příklad OCR v Javě zahrnut.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: cs +og_description: Tutoriál image to text java ukazuje, jak extrahovat urdský text z + obrázku pomocí Aspose OCR. Sledujte kompletní příklad java OCR krok za krokem. +og_title: 'Obrázek na text Java: Extrahovat urdský text pomocí Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'Obrázek na text v Javě: Extrahujte urdský text pomocí Aspose OCR' +url: /cs/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +but there are none. + +Proceed to produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Extrahujte text v urdštině pomocí Aspose OCR + +Pokud potřebujete provést **image to text java** konverzi pro dokumenty v urdštině, jste na správném místě. Už jste se někdy zamýšleli, *jak extrahovat text* z obrázku ručně psané poznámky nebo naskenované novinové stránky? Tento průvodce vás provede **java ocr example**, který vytáhne urdské znaky přímo z obrázku pomocí Aspose OCR. + +Probereme vše od licencování knihovny až po výpis výsledku do konzole. Na konci budete schopni **load image ocr** soubory, nastavit jazyk na Urdu a získat čistý Unicode výstup — bez dalších nástrojů. + +## Co budete potřebovat + +- **Java Development Kit (JDK) 8+** — kód funguje na jakémkoli aktuálním JDK. +- **Aspose.OCR for Java** JAR (stáhněte z webu Aspose). +- Platný **Aspose OCR license** soubor (`Aspose.OCR.lic`). +- Obrázek obsahující urdský text, např. `urdu-sample.png`. + +Mít tyto základní věci připravené znamená, že můžete rovnou přejít ke kódu, aniž byste museli hledat chybějící závislosti. + +## image to text java – Nastavení Aspose OCR + +Nejprve musíme Aspose sdělit, že máme licenci. Bez ní knihovna běží v režimu hodnocení a přidá vodoznak do výstupu. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Proč je to důležité:** Licencování odstraňuje 5‑sekundové omezení zpracování a odemyká plný Urdu jazykový balíček, který byl přidán ve 3. čtvrtletí 2025. Pokud tento krok přeskočíte, OCR engine bude i nadále fungovat, ale ve výsledcích uvidíte malý štítek „Evaluation“. + +## Jak extrahovat text – Inicializace OCR enginu + +Nyní vytvoříme engine a výslovně mu řekneme, že nás zajímá Urdu. Konstantní `OcrLanguage.URDU` aktivuje správnou znakovou sadu a pravidla segmentace. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Tip:** Pokud někdy potřebujete zpracovat více jazyků najednou, můžete předat čárkou oddělený seznam, např. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Engine automaticky detekuje každou oblast. + +## Load Image OCR – Příprava vstupu + +Aspose pracuje s objektem `OcrInput`, který může obsahovat jeden nebo více obrázků. Zde **load image ocr** data z lokálního souboru. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Poznámka:** Nahraďte `YOUR_DIRECTORY` absolutní cestou nebo relativní cestou od kořene vašeho projektu. Pokud soubor není nalezen, Aspose vyhodí `FileNotFoundException`. Rychlá kontrola pomocí `new File(path).exists()` vám může ušetřit spoustu času při ladění. + +## Rozpoznání textu – Spuštění OCR procesu + +S nakonfigurovaným enginem a načteným obrázkem nakonec zavoláme `recognize`. Metoda vrátí `OcrResult`, který obsahuje extrahovaný řetězec. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Co se děje pod kapotou?** OCR engine rozdělí obrázek na řádky, pak na znaky a aplikuje urdsky‑specifická pravidla tvarování (jako spojování tvarů). Proto je nastavení jazyka na začátku klíčové; jinak získáte zkomolené latinské zástupce. + +## Výpis rozpoznaného urdského textu + +Posledním krokem je jednoduše vypsat výsledek. Protože Urdu používá skript zprava doleva, ujistěte se, že vaše konzole podporuje Unicode (většina moderních terminálů ano). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Očekávaný výstup (příklad):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Pokud vidíte otazníky nebo prázdné řetězce, zkontrolujte, že kódování vaší konzole je nastaveno na UTF‑8 (`chcp 65001` ve Windows, nebo spusťte Javu s `-Dfile.encoding=UTF-8`). + +## Kompletní funkční příklad – Všechny kroky na jednom místě + +Níže je kompletní, připravený k zkopírování program. Žádné externí odkazy, jen jediný Java soubor. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Spusťte jej pomocí: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Nahraďte verzi JAR (`23.10`) tou, kterou jste si stáhli. Konzole by měla zobrazit urdskou větu extrahovanou z vašeho PNG. + +## Časté problémy a okrajové případy + +| Problém | Proč se vyskytuje | Jak opravit | +|---------|-------------------|-------------| +| **Prázdný výstup** | Obrázek je příliš tmavý nebo má nízké rozlišení. | Předzpracujte obrázek (zvyšte kontrast, binarizujte) pomocí `BufferedImage` před předáním Aspose. | +| **Špatné znaky** | Nesprávně nastavený jazyk (výchozí je angličtina). | Ujistěte se, že je voláno `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` před `recognize`. | +| **Licence nenalezena** | Chybná cesta nebo chybějící soubor. | Použijte absolutní cestu nebo umístěte soubor `.lic` do classpath a zavolejte `license.setLicense("Aspose.OCR.lic");`. | +| **Nedostatek paměti u velkých obrázků** | Velké PNG zabírají heap. | Zavolejte `ocrEngine.setMaxImageSize(2000);` pro interní zmenšení, nebo obrázek zmenšete sami. | + +## Rozšíření demonstrace + +- **Dávkové zpracování:** Procházejte složku, přidávejte každý soubor do stejného `OcrInput` a sbírejte výsledky do CSV. +- **Různé jazyky:** Vyměňte `OcrLanguage.URDU` za `OcrLanguage.ARABIC` nebo kombinujte více jazyků. +- **Ukládání do souboru:** Použijte `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Všechny tyto nápady staví na **java ocr example**, který jsme právě vytvořili, a umožňují vám přizpůsobit řešení reálným projektům. + +## Závěr + +Nyní máte solidní **image to text java** workflow, který extrahuje urdské znaky z obrázku pomocí Aspose OCR. Tutoriál pokryl každý krok — od licencování a výběru jazyka po načtení obrázku a výpis výsledku — takže můžete kód vložit do libovolného Java projektu a sledovat, jak funguje. + +Dále zkuste experimentovat s většími PDF, různými skripty nebo dokonce integrovat OCR krok do Spring Boot REST endpointu. Stejné principy — **how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/czech/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/czech/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..e1d480581 --- /dev/null +++ b/ocr/czech/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-02-17 +description: Naučte se rozpoznávat text z obrázku a načíst obrázek pro OCR pomocí + knihovny Aspose OCR pro Javu. Průvodce krok za krokem s korektorem pravopisu. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: cs +og_description: Rozpoznat text z obrázku pomocí Aspose OCR Java. Tento tutoriál ukazuje, + jak načíst obrázek pro OCR, povolit opravu pravopisu a získat čistý text. +og_title: Rozpoznat text z obrázku – kompletní průvodce Aspose OCR v Javě +tags: +- Java +- OCR +- Aspose +title: Rozpoznání textu z obrázku pomocí Aspose OCR – Java tutoriál +url: /cs/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +heading "# recognize text from image with Aspose OCR – Java Tutorial". Translate: "# Rozpoznání textu z obrázku pomocí Aspose OCR – Java tutoriál". Keep capitalization? We'll translate. + +Paragraph: "Ever needed to **recognize text from image** but weren’t sure which library to pick? You’re not alone. In many real‑world projects—think scanning invoices, digitizing handwritten notes, or extracting captions from screenshots—getting accurate OCR results is crucial." + +Translate. + +Continue. + +Make sure to keep markdown formatting like **bold**. + +Proceed. + +Also list items. + +Blockquote. + +All placeholders. + +Let's craft. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Rozpoznání textu z obrázku pomocí Aspose OCR – Java tutoriál + +Už jste někdy potřebovali **rozpoznat text z obrázku**, ale nebyli jste si jisti, kterou knihovnu zvolit? Nejste v tom sami. V mnoha reálných projektech — například skenování faktur, digitalizace ručně psaných poznámek nebo extrakce titulků ze screenshotů — je získání přesných OCR výsledků klíčové. + +V tomto průvodci si ukážeme, jak načíst obrázek pro OCR, zapnout vestavěný korektor pravopisu v Aspose OCR a nakonec vytisknout vyčištěný text. Na konci budete mít připravený spustitelný Java program, který **rozpozná text z obrázku** pomocí několika řádků kódu. + +## Co tento tutoriál pokrývá + +- Jak použít licenci Aspose OCR (aby demo běželo bez vodoznaků) +- Vytvoření instance `OcrEngine` a výběr angličtiny jako rozpoznávacího jazyka +- **Načtení obrázku pro OCR** pomocí `OcrInput` a nasměrování na PNG obsahující překlepy +- Aktivace korektoru pravopisu, volitelně s odkazem na vlastní slovník +- Spuštění rozpoznávání a výpis opraveného výsledku + +Žádné externí služby, žádné skryté konfigurační soubory — pouze čistá Java a Aspose OCR JAR. + +> **Tip:** Pokud jste v Aspose noví, stáhněte si bezplatnou 30‑denní zkušební licenci z webu Aspose a umístěte soubor `.lic` do složky, na kterou můžete odkazovat z kódu. + +## Požadavky + +- Java 8 nebo novější (kód se také kompiluje s JDK 11) +- Aspose.OCR pro Java JAR na classpathu +- Platný soubor `Aspose.OCR.lic` (nebo můžete spustit v režimu hodnocení, ale demo vloží vodoznak) +- Soubor s obrázkem (`misspelled.png`), který obsahuje text s úmyslnými pravopisnými chybami — ideální pro demonstraci korektoru pravopisu + +Máte vše připravené? Skvěle — přeskočíme k praktické části. + +## Krok 1: Použijte licenci Aspose OCR + +Než engine začne těžkou práci, musí vědět, že máte licenci. Jinak se ve výstupu objeví banner „Trial version“. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Proč je to důležité:* Licence odstraňuje zkušební vodoznak a odemyká plný slovník korektoru pravopisu. Přeskočení tohoto kroku funguje, ale výstup bude znečištěn textem „Aspose OCR Demo“. + +## Krok 2: Vytvořte a nakonfigurujte OCR engine + +Nyní spustíme engine a nastavíme jazyk, který má použít. Angličtina je nejčastější, ale Aspose podporuje desítky jazyků. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Proč nastavujeme jazyk:* Model jazyka určuje znakovou sadu a ovlivňuje návrhy korektoru pravopisu. Použití špatného jazyka může dramaticky snížit přesnost. + +## Krok 3: Aktivujte korekci pravopisu a (volitelně) nasměrujte na vlastní slovník + +Aspose OCR obsahuje vestavěný anglický slovník, ale můžete dodat svůj, pokud máte termíny specifické pro obor (např. medicínské termíny nebo kódy produktů). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Co korektor dělá:* Když OCR engine narazí na slovo, které není ve slovníku, pokusí se ho nahradit nejbližší možnou variantou. Proto demo dokáže automaticky změnit „recieve“ na „receive“. + +## Krok 4: Načtěte obrázek pro OCR + +Tady je část, která přímo odpovídá na **načtení obrázku pro OCR**. Vytvoříme objekt `OcrInput` a přidáme náš PNG soubor. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Proč používáme `OcrInput`:* Zjednodušuje logiku čtení souboru a umožňuje později přidat více stránek, pokud potřebujete zpracovat více‑stránkový PDF nebo sadu obrázků. + +## Krok 5: Spusťte rozpoznávání a získejte opravený text + +Engine nyní provádí těžkou práci — rozpoznává znaky, aplikuje jazykový model a nakonec opravuje pravopis. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Očekávaný výstup:* Předpokládejme, že `misspelled.png` obsahuje větu „Ths is a smple test“, konzole vypíše: + +``` +Corrected text: +This is a simple test +``` + +Všimněte si, že překlepá slova (`Ths`, `smple`) byla automaticky opravena. + +## Kompletní, připravený příklad + +Níže je celý program v jednom bloku. Zkopírujte, upravte cesty a spusťte **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** Pokud chcete zpracovat JPEG nebo BMP místo PNG, stačí změnit příponu souboru — Aspose OCR podporuje všechny běžné rastrové formáty. + +## Často kladené otázky a okrajové případy + +- **Co když je můj obrázek nízkého rozlišení?** + Zvyšte DPI před předáním Aspose tím, že obrázek přepočítáte pomocí knihovny jako `java.awt.Image`. Vyšší DPI poskytuje enginu více pixelů, což obvykle zlepšuje přesnost. + +- **Mohu rozpoznávat více jazyků v jednom obrázku?** + Ano. Zavolejte `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` a volitelně přidejte seznam jazyků pomocí `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Můj vlastní slovník se nepoužívá — proč?** + Ujistěte se, že složka obsahuje prosté textové soubory s jedním slovem na řádek a že cesta je absolutní nebo správně relativní k pracovnímu adresáři. + +- **Jak získám skóre důvěry?** + `result.getConfidence()` vrací float mezi 0 a 1 pro celou stránku. Pro důvěru na úrovni jednotlivých znaků prozkoumejte `result.getWordList()`. + +## Závěr + +Nyní víte, jak **rozpoznat text z obrázku** pomocí Aspose OCR pro Java, jak **načíst obrázek pro OCR** a jak aktivovat korektor pravopisu pro opravu běžných překlepů. Kompletní příklad výše můžete vložit do jakéhokoli Maven nebo Gradle projektu a s několika úpravami jej můžete rozšířit na dávkové zpracování složek, napojení na webovou službu nebo integraci s dokumentačním systémem. + +Jste připraveni na další krok? Vyzkoušejte zpracování více‑stránkového PDF, experimentujte s vlastním slovníkem pro oborové termíny nebo propojte výstup s překladovým API. Možnosti jsou neomezené a základní vzorec — licence → engine → jazyk → korektor pravopisu → vstup → rozpoznání → výstup — zůstává stejný. + +Šťastné programování a ať jsou vaše OCR výsledky vždy přesné! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/advanced-ocr-techniques/_index.md b/ocr/dutch/java/advanced-ocr-techniques/_index.md index ab7226b11..5407dac4c 100644 --- a/ocr/dutch/java/advanced-ocr-techniques/_index.md +++ b/ocr/dutch/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Ontgrendel de kracht van tekstherkenning met Aspose.OCR voor Java. Volg onze sta Versterk uw Java-applicaties met Aspose.OCR voor nauwkeurige tekstherkenning. Eenvoudige integratie, hoge nauwkeurigheid. ### [Toegestane tekens opgeven in Aspose.OCR](./specify-allowed-characters/) Ontgrendel tekstextractie uit afbeeldingen naadloos met Aspose.OCR voor Java. Volg onze stapsgewijze handleiding voor een efficiënte integratie. +### [Tekstafbeelding herkennen met Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Gebruik de GPU-versnelling van Aspose OCR om tekst in afbeeldingen nauwkeurig en snel te herkennen in Java. +### [Fixed thread pool Java – parallel OCR voor PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Gebruik een fixed thread pool in Java om OCR parallel uit te voeren op PNG-afbeeldingen voor hogere verwerkingssnelheid. +### [Afbeelding voorbewerken voor OCR – Complete Java-gids om contrast te verhogen & tekst te extraheren](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Leer hoe u afbeeldingen optimaliseert voor OCR in Java door contrast te verbeteren en tekst nauwkeurig te extraheren. +### [OCR-engine maken in Java – Tekst herkennen van grote afbeeldingen](./create-ocr-engine-java-recognize-text-from-large-images/) +Gebruik de OCR-engine in Java om tekst nauwkeurig te extraheren uit grote afbeeldingen met hoge prestaties. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/dutch/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..356f9dcb7 --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,258 @@ +--- +category: general +date: 2026-02-17 +description: Maak een OCR‑engine in Java en lees snel TIFF‑bestanden in Java. Leer + hoe je tekst uit een grote afbeelding herkent met Aspose.OCR in een stapsgewijze + handleiding. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: nl +og_description: Maak nu een OCR-engine in Java. Deze tutorial laat zien hoe je een + TIFF‑bestand in Java leest en tekst herkent uit een grote afbeelding met behulp + van Aspose.OCR. +og_title: Maak OCR‑engine Java – Volledige gids voor tekstherkenning van grote afbeeldingen +tags: +- OCR +- Java +- Aspose +title: Maak OCR-engine in Java – Herken tekst uit grote afbeeldingen +url: /nl/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Maak OCR Engine Java – Herken Tekst van Grote Afbeeldingen + +Heb je ooit **create OCR engine Java** code nodig gehad die een enorme TIFF-kaart kan verwerken, maar wist je niet waar te beginnen? Je bent niet alleen—de meeste ontwikkelaars lopen tegen een muur aan wanneer de afbeeldingsgrootte de gebruikelijke geheugenlimieten overschrijdt. + +In deze gids lopen we je stap voor stap door een compleet, kant‑klaar voorbeeld dat **creates an OCR engine in Java** laat zien, je laat zien hoe je **read TIFF file Java** met een `InputStream` kunt doen, en uiteindelijk **recognizes text from large image** bestanden kunt verwerken zonder heap‑tekort. Aan het einde heb je een zelfstandige applicatie die je in elk Maven‑ of Gradle‑project kunt plaatsen. + +## Wat je nodig hebt + +- **Java Development Kit (JDK) 8 or newer** – de code gebruikt alleen standaard I/O plus Aspose.OCR. +- **Aspose.OCR for Java** bibliotheek (de nieuwste versie vanaf 2026‑02) – je kunt de JAR van de Aspose‑site of via Maven Central halen. +- Een **large TIFF file** (bijv. een multi‑megapixel kaart) die je wilt OCR’en. +- Je **Aspose.OCR license file** (`Aspose.OCR.lic`). Zonder deze werkt de engine in evaluatiemodus, maar krijg je een watermerk. + +> **Pro tip:** Houd de TIFF naast je bronmap of gebruik een absoluut pad; de engine zal de afbeelding intern in tegels verdelen, zodat je het zelf niet hoeft te splitsen. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java workflow diagram"} + +## Stap 1 – Pas je Aspose.OCR-licentie toe (Create OCR Engine Java) + +Voordat de engine enige zware taken uitvoert, moet je de licentie registreren. Als je deze stap overslaat, wordt de evaluatiemodus afgedwongen, die het aantal pagina's beperkt en een banner aan de output toevoegt. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Waarom dit belangrijk is:* Het `License`‑object vertelt de OCR‑engine om het full‑resolution tiling‑algoritme te ontgrendelen, wat essentieel is voor het efficiënt verwerken van een **large image**. + +## Stap 2 – Instantieer de OCR Engine (Create OCR Engine Java) + +Nu starten we de kern `OcrEngine`. Beschouw het als het brein dat later de pixels zal lezen en Unicode‑tekst zal produceren. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Waarom we het simpel houden:* Voor de meeste scenario's bevatten de standaardinstellingen al automatische taalherkenning en optimale tegelverdeling. Over‑configureren kan de verwerking van enorme bestanden zelfs vertragen. + +## Stap 3 – Laad het TIFF‑bestand met een InputStream (Read TIFF File Java) + +Grote TIFF‑bestanden kunnen enkele honderden megabytes zijn. Het volledige bestand in een `BufferedImage` laden zou de heap doen exploderen. In plaats daarvan geven we de engine een `InputStream`; Aspose.OCR leest en verdeelt de afbeelding on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Randgeval:* Als je TIFF gecomprimeerd is met CCITT Group 4, verwerkt Aspose.OCR het nog steeds, maar je kunt `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` instellen voor een kleine snelheidswinst. + +## Stap 4 – Bereid de OCR‑invoer voor en geef een format‑hint + +Het `OcrInput`‑object kan meerdere afbeeldingen bevatten, maar voor deze demo hebben we er slechts één nodig. Het doorgeven van de format‑string (`"tif"`) helpt de engine om format‑detectie over te slaan, waardoor enkele milliseconden worden bespaard. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Waarom de hint nuttig is:* Bij het werken met **large images** telt elke milliseconde. De format‑hint vertelt de parser om de dure header‑analyse over te slaan. + +## Stap 5 – Herken Tekst van de Grote Afbeelding (Recognize Text from Large Image) + +Met alles aangesloten is de daadwerkelijke OCR‑aanroep één enkele regel. De engine retourneert een `OcrResult` die de platte tekst, vertrouwensscores en zelfs begrenzingskaders bevat als je die later nodig hebt. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Wat er onder de motorkap gebeurt:* Aspose.OCR splitst de TIFF in beheersbare tegels (standaard 1024 × 1024 px), voert het neurale‑netwerkmodel uit op elke tegel en voegt vervolgens de resultaten samen. Daarom kun je **recognize text from large image** bestanden verwerken zonder handmatige pre‑processing. + +## Stap 6 – Toon een Voorbeeld van de Uitgevoerde Tekst + +Het hele document naar de console printen kan overweldigend zijn. Laten we alleen de eerste 200 tekens tonen, gevolgd door een ellipsis, zodat je de output in één oogopslag kunt verifiëren. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Verwachte console‑output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Als je onzin ziet, controleer dan of de juiste taal is geselecteerd (standaard is Engels) en of de TIFF niet beschadigd is. + +## Volledig Werkend Voorbeeld + +Alle onderdelen samenvoegen geeft je een enkele klasse die je kunt compileren en uitvoeren: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compileer met: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Vervang `aspose-ocr-23.12.jar` door de daadwerkelijke versie die je hebt gedownload. + +## Veelvoorkomende Valkuilen & Tips + +| Probleem | Waarom het gebeurt | Snelle oplossing | +|------|----------------|-----------| +| **OutOfMemoryError** | Het TIFF‑bestand laden in een `BufferedImage` in plaats van te streamen. | Gebruik altijd `InputStream` zoals getoond; laat Aspose de tegelverdeling afhandelen. | +| **Blank output** | Verkeerde bestandsnaamextensie‑hint (`"tif"` vs `"tiff"`). | Gebruik exact de string die je aan `add` hebt doorgegeven. | +| **Garbage characters** | Licentie niet toegepast of verlopen. | Controleer het pad naar het `.lic`‑bestand en pas de licentie opnieuw toe vóór het aanmaken van de engine. | +| **Slow recognition** | Een aangepaste `OcrConfiguration` met hoge DPI gebruiken. | Blijf bij de standaardinstellingen voor de meeste gevallen; pas alleen aan als je hogere nauwkeurigheid nodig hebt. | + +### Wanneer instellingen aan te passen + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Maar onthoud dat elke extra optie de CPU‑tijd kan verhogen, vooral bij een **large image**. Test eerst met één enkele tegel. + +## Volgende stappen + +Nu je weet hoe je **create OCR engine Java**, **read TIFF file Java**, en **recognize text from large image** kunt doen, wil je misschien: + +1. **Export the result to a PDF** – combine Aspose.PDF with de OCR‑tekst voor doorzoekbare documenten. +2. **Store bounding boxes** – gebruik `ocrResult.getWords()` om coördinaten voor markering te krijgen. +3. **Parallelize tile processing** – for ultra‑large satellite imagery, spin up a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/dutch/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..0836949cc --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,230 @@ +--- +category: general +date: 2026-02-17 +description: Leer hoe je een vaste threadpool in Java gebruikt om tekst uit PNG‑afbeeldingen + te extraheren met parallelle OCR‑verwerking en de executor‑service correct afsluit. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: nl +og_description: Ontdek hoe een vaste threadpool in Java tekst uit PNG-afbeeldingen + parallel kan extraheren, gescande paginatekst kan converteren en de executor‑service + veilig kan afsluiten. +og_title: Vaste thread pool Java – parallelle OCR voor PNG +tags: +- java +- ocr +- multithreading +- aspose +title: vaste threadpool java – parallel OCR voor PNG +url: /nl/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +ens. + +Now produce final output with all translations. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – parallel OCR voor PNG + +Heb je je ooit afgevraagd hoe je OCR op een reeks PNG‑bestanden kunt versnellen met een **fixed thread pool java**? In deze tutorial lopen we **extract text from PNG**‑afbeeldingen parallel door, **convert scanned pages text** om naar bewerkbare strings, en sluiten we veilig **shut down executor service** af zodra het werk klaar is. + +Als je ooit naar een single‑threaded loop hebt gekeken die minutenlang duurt, ken je de frustratie van het wachten tot elke pagina klaar is voordat de volgende zelfs maar begint. Het goede nieuws? Met een paar regels Java en Aspose OCR kun je de kracht van al je CPU‑kernen benutten, die gescande pagina's omzetten in doorzoekbare tekst, en je applicatie responsief houden. + +Hieronder vind je een compleet, kant‑klaar voorbeeld, plus uitleg waarom elk onderdeel belangrijk is, veelvoorkomende valkuilen, en tips die je op elke OCR‑bibliotheek kunt toepassen. + +--- + +## Wat je nodig hebt + +- **Java 17** (of een recente JDK) – de code gebruikt spaarzaam de moderne `var`‑syntaxis, maar werkt ook op oudere versies. +- **Aspose.OCR for Java**‑bibliotheek – je kunt deze ophalen van Maven Central of een proefversie downloaden van Aspose. +- Een set **PNG**‑bestanden die je wilt verwerken – denk aan gescande bonnen, boekpagina's of screenshots. +- Basiskennis van Java‑concurrency – niet vereist, maar wel handig. + +Dat is alles. Geen externe services, geen Docker, alleen plain Java en een beetje multithreading‑magie. + +## Stap 1: Voeg Aspose OCR‑dependency & licentie toe (optioneel) + +Zorg er eerst voor dat de Aspose OCR‑JAR op je classpath staat. Als je Maven gebruikt, voeg dan toe: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Als je geen licentie hebt, draait de bibliotheek in evaluatiemodus; de code werkt op dezelfde manier. Om een licentie te laden (aanbevolen voor productie), plaats `Aspose.OCR.lic` in je resources‑map en gebruik: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Houd het licentiebestand buiten versiebeheer om accidentele blootstelling te voorkomen. + +## Stap 2: Maak een thread‑veilige `OcrEngine`‑instantie + +De `OcrEngine` van Aspose OCR is thread‑safe zolang je dezelfde instantie hergebruikt over taken heen. Eén keer aanmaken bespaart geheugen en voorkomt de overhead van het opnieuw initialiseren van de engine voor elke afbeelding. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Waarom hergebruiken? Beschouw de engine als een zwaargewichtwerker die taalmodellen in het geheugen laadt. Een nieuwe engine per afbeelding starten zou zijn als het inhuren van een nieuwe specialist voor elke kleine taak – kostbaar en onnodig. + +## Stap 3: Stel een Fixed Thread Pool Java in + +Nu komt de ster van de show: een **fixed thread pool java**. We zullen deze dimensioneren op het aantal logische processoren zodat elke core werk krijgt zonder oversubscriberen. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Het gebruik van een *fixed* pool (in plaats van een cached) geeft je voorspelbaar resource‑gebruik en voorkomt de gevreesde “out‑of‑memory”‑pieken wanneer er ineens honderden afbeeldingen binnenkomen. + +## Stap 4: Lijst de PNG‑bestanden die je wilt verwerken (Extract Text from PNG) + +Verzamel de paden naar de afbeeldingen die je wilt OCR‑en. In een echt project scan je misschien een map of lees je uit een database; hier coderen we een paar voorbeelden hard‑coded. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Opmerking:** De bestandsextensie **png** is belangrijk omdat Aspose OCR het formaat automatisch detecteert, maar je kunt ook JPEG of TIFF gebruiken. + +## Stap 5: Dien OCR‑taken in – Parallel OCR Processing + +Elke afbeelding wordt een callable die de herkende tekst retourneert. Omdat de `OcrEngine` gedeeld wordt, hoeven we alleen het bestandspad aan de taak door te geven. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Waarom het in een `Future` wikkelen? Het stelt ons in staat om alle taken meteen te starten, en later de resultaten te verzamelen in de volgorde waarin ze zijn ingediend – perfect om de paginavolgorde te behouden wanneer **convert scanned pages text** terug naar een document wordt omgezet. + +## Stap 6: Haal resultaten op en toon (Convert Scanned Pages Text) + +Nu wachten we tot elke `Future` klaar is en printen we de output. De `get()`‑aanroep blokkeert alleen tot de specifieke taak voltooid is, niet de hele pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typische console‑output ziet er als volgt uit: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Als je de resultaten liever naar bestanden schrijft, vervang dan `System.out.println` door een `Files.writeString`‑aanroep. + +## Stap 7: Sluit de Executor Service netjes af + +Wanneer elke taak voltooid is, is het cruciaal om de **shut down executor service** uit te voeren; anders kan je JVM non‑daemon threads levend houden, waardoor een nette afsluiting wordt verhinderd. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Het `awaitTermination`‑patroon geeft de pool de kans om lopend werk af te ronden voordat we dwingen te stoppen. Het negeren van deze stap is een veelvoorkomende bron van geheugenlekken in langdurige applicaties. + +## Volledig werkend voorbeeld + +Alles bij elkaar genomen, hier is het volledige programma dat je kunt copy‑pasten in `ParallelBatchDemo.java` en uitvoeren: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/dutch/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..1add45809 --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,203 @@ +--- +category: general +date: 2026-02-17 +description: Voorverwerk afbeelding voor OCR met Aspose OCR in Java. Leer het contrast + van de afbeelding te verhogen, het contrastniveau in te stellen en tekst uit een + afbeelding te herkennen in slechts enkele minuten. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: nl +og_description: Verwerk afbeelding voor OCR met Aspose OCR Java. Deze gids laat zien + hoe je het contrast van de afbeelding verhoogt, het contrastniveau instelt en snel + tekst uit de afbeelding herkent. +og_title: Afbeelding voor OCR voorbewerken – Java‑tutorial om contrast te verbeteren + & tekst te extraheren +tags: +- Java +- OCR +- Image Processing +title: Afbeelding voor OCR voorbewerken – Complete Java-gids om contrast te verhogen + & tekst te extraheren +url: /nl/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +other markdown links: none. + +Check for any URLs: only image URL, kept unchanged. + +Check for any other markdown links: none. + +Now produce final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Afbeelding Voorverwerken voor OCR – Complete Java-gids + +Heb je ooit **preprocess image for OCR** nodig gehad maar wist je niet welke instellingen echt een verschil maken? Je bent niet de enige. De meeste ontwikkelaars gooien een afbeelding tegen een OCR‑engine en hopen dat de magie gebeurt, alleen om een onsamenhangende output te krijgen. In deze tutorial lopen we een praktisch, end‑to‑end voorbeeld door dat **boosts image contrast**, het **contrast level** aanpast, en uiteindelijk **recognizes text from image** met Aspose OCR voor Java. + +Tegen de tijd dat je klaar bent, heb je een herbruikbare code‑snippet die **extracts text using OCR** betrouwbaar uitvoert, zelfs op ruisende scans. Geen verborgen trucjes, alleen duidelijke stappen en de reden achter elke stap. + +## Wat je nodig hebt + +- Java 17 of nieuwer (de code compileert met elke recente JDK) +- Aspose OCR for Java‑bibliotheek (download van de officiële Aspose‑site) +- Een geldig Aspose OCR‑licentiebestand (`Aspose.OCR.lic`) +- Een invoerafbeelding (`input.jpg`) die je wilt lezen +- Een favoriete IDE of eenvoudige command‑line‑opstelling + +Als je deze al hebt, geweldig—laten we meteen beginnen. + +## Stap 1: Laad de Aspose OCR‑licentie (Primaire setup) + +Voordat de OCR‑engine iets doet, moet hij weten dat je een licentie hebt. Anders krijg je een proef‑watermerk. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Waarom dit belangrijk is:** Zonder een juiste licentie draait de engine in evaluatiemodus, wat resultaten kan afkappen of watermerken kan toevoegen. Het vroeg instellen van de licentie zorgt er bovendien voor dat alle daaropvolgende preprocessing‑opties worden toegepast in de volledige‑functiemodus. + +## Stap 2: Initialise de OCR‑engine + +Het maken van een `OcrEngine`‑instantie geeft je toegang tot zowel herkennings‑ als preprocessing‑pijplijnen. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro‑tip:** Houd de engine als singleton als je van plan bent veel afbeeldingen in een batch te verwerken; hij cachet interne bronnen en versnelt daaropvolgende oproepen. + +## Stap 3: Configureer Preprocessing – Deskew, Denoise en Contrastverbetering + +Hier is waar we **preprocess image for OCR**. De drie instellingen die we aanpassen zijn: + +1. **Deskew** – corrigeert lichte rotaties. +2. **Denoise** – verwijdert vlekjes die karaktersegmentatie verwarren. +3. **Contrast enhancement** – laat donkere tekst beter opvallen tegen de achtergrond. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Waarom het Contrastniveau Aanpassen? + +Het verhogen van het contrastniveau strekt het histogram van de afbeelding uit, waardoor donkere pixels donkerder en heldere pixels helderder worden. In de praktijk levert een **contrast level** van `1.3f` vaak de beste balans voor afgedrukte documenten, terwijl een waarde boven `1.5f` dunne strepen kan overbelichten. Voel je vrij om te experimenteren; de instelling is goedkoop om te wijzigen en kan de **recognize text from image**‑succesratio dramatisch verbeteren. + +## Stap 4: Bereid de Invoerafbeelding Voor + +De `OcrInput`‑klasse abstraheert de bestandsafhandeling. Je kunt meerdere afbeeldingen toevoegen als je batchverwerking nodig hebt. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Randgeval:** Als je afbeelding in een niet‑standaardformaat is (bijv. TIFF met meerdere pagina's), kun je elke pagina afzonderlijk laden of eerst converteren naar PNG/JPEG. + +## Stap 5: Voer de Herkenning Uit + +Nu draait de engine de preprocessing‑pijplijn die we zojuist hebben geconfigureerd, en geeft vervolgens de opgeschoonde afbeelding door aan het kern‑OCR‑algoritme. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Wat gebeurt er onder de motorkap?** Aspose OCR past eerst de deskew‑transformatie toe, daarna voert het de denoise‑filter uit, en tenslotte past het contrast aan voordat de afbeelding wordt gevoed aan de op neurale netwerken gebaseerde recognizer. De volgorde is opzettelijk; wijzigen kan leiden tot sub‑optimale resultaten. + +## Stap 6: Output de Herkende Tekst + +Tot slot printen we de geëxtraheerde string naar de console. In een echte applicatie kun je deze naar een bestand schrijven of over een netwerk verzenden. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Verwachte Output + +Als `input.jpg` de zin “Hello World!” bevat, zou de console moeten weergeven: + +``` +Hello World! +``` + +Als de output er onsamenhangend uitziet, controleer dan de preprocessing‑waarden nogmaals—vooral het **contrast level** en de **denoise mode**—en probeer een ander afbeeldingsformaat. + +## Bonus: Visualiseren van de Voorverwerkte Afbeelding (Optioneel) + +Soms wil je zien wat de engine ziet na deskew, denoise en contrastverbetering. Aspose OCR laat je de tussenliggende bitmap exporteren: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Open `processed.png` naast het origineel; je zult een rechtere horizon en scherpere tekst opmerken. Deze stap is handig wanneer je onderzoekt waarom een bepaalde scan faalt. + +![voorbeeld van afbeelding voorverwerken voor OCR](/images/ocr-preprocess-example.png "preprocess image for OCR – vóór en na contrastverhoging") + +*De bovenstaande afbeelding illustreert hoe het verhogen van het contrast en denoising een wazige scan omzet in een schone, OCR‑klaar afbeelding.* + +## Veelvoorkomende Valkuilen & Hoe ze te Vermijden + +| Valkuil | Waarom het gebeurt | Oplossing | +|---------|--------------------|-----------| +| **Over‑contrasting** (`setContrastLevel` te hoog) | Lichte achtergrond wordt wit, waardoor vage tekens verdwijnen | Houd het niveau tussen 1.1 en 1.4 voor de meeste afgedrukte tekst | +| **Deskew‑tolerantie te laag** | Kleine rotaties blijven ongerectificeerd | Verhoog `setDeskewAngleTolerance` naar 0.2 of 0.3 voor gescande boeken | +| **GAUSSIAN denoise gebruiken op binaire afbeeldingen** | Vervaagt randen, waardoor tekens samensmelten | Gebruik `DenoiseMode.MEDIAN` voor zwart‑wit scans | +| **Ontbrekende licentie** | Engine valt terug op proefmodus, waardoor output wordt afgekapt | Controleer het pad naar `Aspose.OCR.lic` en dat het bestand leesbaar is | + +## Volgende Stappen: Verder Gaan dan Basis Pre‑Processing + +Nu je **preprocess image for OCR** en **extract text using OCR** kunt, overweeg dan deze uitbreidingen: + +- **Language packs** – laad specifieke taaldictionaries om de nauwkeurigheid voor niet‑Engelse tekst te verbeteren. +- **Region‑of‑interest (ROI) cropping** – richt je op een deel van de afbeelding als je slechts een gedeelte van de pagina nodig hebt. +- **Batch processing** – loop door een map met afbeeldingen, waarbij je dezelfde `OcrEngine`‑instantie hergebruikt voor snelheid. +- **Integrate with PDF** – combineer Aspose OCR met Aspose PDF om gescande PDF’s om te zetten naar doorzoekbare PDF’s in één pijplijn. + +Elk van deze onderwerpen integreert vanzelf onze secundaire trefwoorden: je zult nog steeds **boost image contrast**, **set contrast level**, en blijven **recognize text from image** toepassen in vele scenario’s. + +## Conclusie + +We hebben alles behandeld wat je nodig hebt om **preprocess image for OCR** te gebruiken met Aspose OCR voor Java: het laden van de licentie, het configureren van deskew, denoise en contrastverbetering, het voeden van de afbeelding, en uiteindelijk **recognizing text from image**. Met het volledige, uitvoerbare voorbeeld hierboven kun je nu **extract text using OCR** uitvoeren op elke geschikt voorbereide afbeelding. + +Probeer de code uit, pas het **contrast level** aan, en zie de nauwkeurigheid stijgen. Wanneer je er klaar voor bent, verken dan taalspecifieke modellen of batch‑pijplijnen om deze single‑image demo om te vormen tot een productie‑klare oplossing. + +*Veel plezier met coderen, en moge je scans altijd scherp zijn!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/dutch/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..0d8d821ab --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Herken tekst in afbeeldingen snel met Aspose OCR GPU-ondersteuning in + Java. Leer tekst uit een afbeelding te extraheren en stel de GPU-apparaat‑ID in + voor optimale prestaties. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: nl +og_description: Herken tekstafbeeldingen snel met Aspose OCR GPU-ondersteuning in + Java. Deze gids laat zien hoe je tekst uit een afbeelding kunt extraheren en de + GPU-apparaat‑ID kunt instellen. +og_title: herken tekstafbeelding met Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: tekstafbeelding herkennen met Aspose OCR GPU – Java +url: /nl/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# tekstafbeelding herkennen met Aspose OCR GPU – Java + +Heb je ooit **tekstafbeelding** moeten **herkennen** in een Java‑applicatie, maar hapte de CPU bij grote bestanden? Je bent niet de enige—veel ontwikkelaars lopen tegen die beperking aan bij het verwerken van scans met hoge resolutie. Het goede nieuws? Aspose OCR laat je **tekst uit afbeelding** halen op de GPU, waardoor de verwerkingstijd drastisch wordt verkort. + +In deze tutorial lopen we stap voor stap door een compleet, kant‑klaar voorbeeld dat laat zien hoe je de licentie instelt, GPU‑versnelling inschakelt en **gpu device id** instelt wanneer je meerdere grafische kaarten hebt. Aan het einde heb je een zelfstandig programma dat de herkende tekst naar de console schrijft—geen extra stappen nodig. + +## Wat je nodig hebt + +- **Java 17** of nieuwer (de API is compatibel met Java 8+, maar de nieuwste LTS biedt betere prestaties). +- **Aspose OCR for Java**‑bibliotheek (download de JAR van de Aspose‑website). +- Een geldig **Aspose OCR‑licentiebestand** (`Aspose.OCR.lic`). De gratis proefversie werkt, maar GPU‑functies zijn alleen beschikbaar in een gelicentieerde versie. +- Een afbeeldingsbestand (`sample-image.png`) dat duidelijke, machinaal leesbare tekst bevat. +- Een GPU‑geactiveerde omgeving (een NVIDIA‑CUDA‑compatibele kaart werkt het beste). + +Als een van deze punten je onbekend voorkomt, maak je geen zorgen—elke bullet wordt later uitgelegd. + +## Stap 1: Voeg Aspose OCR toe aan je project + +Plaats eerst de Aspose OCR‑JAR op je classpath. Als je Maven gebruikt, voeg dan de volgende dependency toe aan `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Voor Gradle is het: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Als je de handmatige route verkiest, zet je de JAR in je `libs/`‑map en voeg je deze toe aan het module‑pad van je IDE. + +> **Pro tip:** Houd het versienummer synchroon met de release‑notes van de bibliotheek; nieuwere versies brengen vaak prestatie‑verbeteringen voor GPU‑verwerking. + +## Stap 2: Laad de Aspose OCR‑licentie (vereist voor GPU‑gebruik) + +Zonder licentie valt de aanroep `setEnableGpu(true)` stilletjes terug naar CPU‑modus. Laad de licentie direct aan het begin van `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Vervang `YOUR_DIRECTORY` door het absolute of relatieve pad waar je het `.lic`‑bestand hebt opgeslagen. Als het pad onjuist is, zal Aspose een `FileNotFoundException` gooien, controleer dus de spelling. + +## Stap 3: Maak de OCR‑engine en schakel GPU‑versnelling in + +Nu instantieren we `OcrEngine` en geven we aan dat deze de GPU moet gebruiken. Met de methode `setGpuDeviceId` kun je een specifieke kaart kiezen wanneer er meer dan één aanwezig is. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Waarom de device‑ID? Op een multi‑GPU‑server kun je één kaart reserveren voor beeld‑preprocessing en een andere voor OCR. Het instellen van de ID zorgt ervoor dat de juiste hardware het zware werk doet. + +## Stap 4: Bereid de invoerafbeelding voor + +Aspose OCR werkt met diverse formaten (PNG, JPG, BMP, TIFF). Verpak je bestand in een `OcrInput`‑object: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Als je een stream moet verwerken (bijv. een geüpload bestand), gebruik dan `ocrInput.add(InputStream)` in plaats daarvan. + +## Stap 5: Voer het herkenningsproces uit en haal het resultaat op + +De methode `recognize` retourneert een `OcrResult` die de platte tekst, confidence‑scores en zelfs lay‑outinformatie bevat indien nodig. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +De console toont iets als: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Als de afbeelding onscherp is of de taal niet wordt ondersteund, kan het resultaat leeg zijn. Controleer in dat geval de waarde van `ocrResult.getConfidence()` (0‑100) om te bepalen of je opnieuw moet proberen met preprocessing. + +## Volledig, uitvoerbaar voorbeeld + +Alle onderdelen samengevoegd krijg je een enkele Java‑klasse die je kunt copy‑pasten in je IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Verwachte output:** De console print de exacte tekst die in `sample-image.png` staat. Als de GPU actief is, zie je de verwerkingstijd dalen van enkele seconden (CPU) naar minder dan een seconde voor typische 300 dpi‑scans. + +## Veelgestelde vragen & randgevallen + +### Werkt dit op een headless server? + +Ja. Het GPU‑stuurprogramma moet geïnstalleerd zijn, maar er is geen display nodig. Zorg er alleen voor dat de `CUDA`‑toolkit (of het equivalent voor jouw GPU) in de systeem‑`PATH` staat. + +### Wat als ik meer dan één GPU heb en GPU 1 wil gebruiken? + +Wijzig de device‑ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Hoe haal ik tekst uit een afbeelding in een andere taal? + +Stel de taal in vóór het aanroepen van `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose ondersteunt meer dan 30 talen; zie de API‑documentatie voor de volledige enumeratie. + +### Wat als de afbeelding meerdere pagina’s bevat (bijv. een PDF omgezet naar afbeeldingen)? + +Maak een aparte `OcrInput`‑entry voor elke pagina, of loop over de bestanden: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +De engine concateneert de resultaten in volgorde. + +### Hoe ga ik om met resultaten met lage confidence? + +Controleer de confidence‑score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typische preprocessing‑stappen zijn binarisatie, ruisreductie of het schalen naar 300 dpi. + +## Prestatie‑tips + +- **Batchverwerking:** Veel afbeeldingen toevoegen aan één `OcrInput` vermindert de overhead van herhaaldelijk initialiseren van de GPU‑context. +- **Warm‑up:** Voer één dummy‑herkenning uit direct na het starten van de JVM; de eerste oproep brengt driver‑initialisatie‑latentie met zich mee. +- **Geheugenbeheer:** Maak grote `OcrInput`‑objecten leeg (`ocrInput.clear()`) nadat je klaar bent om GPU‑geheugen vrij te geven. + +## Conclusie + +Je weet nu hoe je **tekstafbeelding** efficiënt kunt **herkennen** met de GPU‑engine van Aspose OCR in Java, hoe je **tekst uit afbeelding** kunt **extraheren** in elke ondersteunde taal, en hoe je **gpu device id** kunt **instellen** bij meerdere grafische kaarten. De volledige, uitvoerbare code hierboven zou direct moeten werken—vervang alleen je licentie‑ en afbeeldingspaden. + +Klaar voor de volgende stap? Probeer een map met gescande PDF‑bestanden te verwerken, experimenteer met verschillende `setLanguage`‑opties, of combineer OCR met een machine‑learning‑model voor post‑processing. De mogelijkheden zijn eindeloos, en de prestatie‑winsten van GPU‑versnelling maken zelfs grootschalige projecten haalbaar. + +Happy coding, en laat gerust een reactie achter als je ergens vastloopt! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/ocr-operations/_index.md b/ocr/dutch/java/ocr-operations/_index.md index f1467769f..41d390767 100644 --- a/ocr/dutch/java/ocr-operations/_index.md +++ b/ocr/dutch/java/ocr-operations/_index.md @@ -80,6 +80,16 @@ Ontgrendel de kracht van OCR in Java met Aspose.OCR. Herken moeiteloos tekst in Ontgrendel krachtige tekst‑herkenning in Java met Aspose.OCR. Herken moeiteloos tekst in TIFF‑afbeeldingen. Download nu voor een naadloze OCR‑ervaring. ### [Tekstafbeelding herkennen met Aspose OCR – volledige Java OCR-tutorial](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Leer hoe u tekst uit afbeeldingen kunt herkennen met Aspose OCR in een volledige Java‑OCR‑tutorial. +### [Tekst uit afbeelding herkennen met Aspose OCR – Java-tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Leer hoe u tekst uit een afbeelding kunt herkennen met Aspose OCR in een Java‑tutorial. +### [Afbeelding naar tekst Java: Urdu‑tekst extraheren met Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Leer hoe u Urdu‑tekst uit afbeeldingen kunt extraheren met Aspose OCR in Java. +### [Maak doorzoekbare PDF van afbeelding in Java – Stapsgewijze gids](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Leer hoe u met Aspose.OCR een doorzoekbare PDF maakt vanuit een afbeelding in Java, stap voor stap. +### [Hoe OCR te gebruiken in Java – Tekst extraheren uit PDF met Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Leer hoe u met Aspose.OCR PDF‑bestanden kunt analyseren en tekst kunt extraheren in Java. +### [Hoe OCR te gebruiken in Java – Tekst uit afbeelding snel herkennen](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Leer hoe u met Aspose.OCR snel tekst uit een afbeelding kunt herkennen in Java. ## Veelgestelde vragen diff --git a/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..d9fe19242 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Maak snel doorzoekbare PDF: leer hoe je een PDF maakt van een afbeelding + met Aspose OCR, PDF-opslagopties, en hoe je een afbeelding in slechts enkele minuten + naar een doorzoekbare PDF converteert.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: nl +og_description: Maak doorzoekbare PDF in Java met Aspose OCR. Deze gids laat zien + hoe je een PDF maakt van een afbeelding, PDF-opslagopties configureert en een volledig + doorzoekbaar document krijgt. +og_title: Maak een doorzoekbare PDF van een afbeelding in Java – Complete tutorial +tags: +- Aspose OCR +- Java +- PDF generation +title: Maak een doorzoekbare PDF van een afbeelding in Java – Stapsgewijze handleiding +url: /nl/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Maak doorzoekbare PDF van afbeelding in Java – Stapsgewijze gids + +Heb je ooit een **doorzoekbare pdf** moeten maken van een gescande foto, maar wist je niet welke API je moest gebruiken? Je bent niet de enige—veel ontwikkelaars lopen tegen die muur aan wanneer ze voor het eerst een bitmap willen omzetten naar een PDF die je daadwerkelijk kunt doorzoeken. Het goede nieuws? Met Aspose OCR kun je dit in een handvol regels doen, en het resultaat ziet er precies uit als de originele afbeelding terwijl het toch tekst‑doorzoekbaar is. + +In deze tutorial lopen we het volledige proces door: het laden van je licentie, een afbeelding (of een meer‑pagina TIFF) aan de OCR‑engine geven, **pdf‑opslaan‑opties** aanpassen, en tenslotte een **afbeelding naar doorzoekbare pdf** wegschrijven. Aan het einde heb je een kant‑klaar Java‑programma dat in enkele seconden een doorzoekbare PDF maakt. Geen mysterie, geen “zie de docs” shortcuts—gewoon een compleet, uitvoerbaar voorbeeld. + +## Wat je zult leren + +- Hoe je **afbeelding naar pdf** converteert en een verborgen tekstlaag voor zoeken embedt. +- Welke **pdf‑opslaan‑opties** je moet inschakelen voor de beste balans tussen grootte en nauwkeurigheid. +- Veelvoorkomende valkuilen (bijv. ontbrekende licentie, niet‑ondersteunde afbeeldingsformaten) en hoe je ze vermijdt. +- Hoe je verifieert dat de output echt doorzoekbaar is (snelle test met Adobe Reader). + +**Voorwaarden:** Java 8 of hoger, Maven of Gradle om de Aspose OCR‑JAR op te halen, en een geldig Aspose OCR‑licentiebestand. Als je nog geen licentie hebt, kun je een gratis proefversie aanvragen via de website van Aspose. + +--- + +## Stap 1 – Laad de Aspose OCR‑licentie (Hoe PDF veilig te maken) + +Voordat de OCR‑engine iets doet, heeft ze een licentie nodig; anders krijg je watermerken op de pagina’s. Plaats je `Aspose.OCR.lic` ergens toegankelijk en wijs de `License`‑klasse ernaar. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Houd het licentiebestand buiten je source‑control map om per ongeluk committen te voorkomen. + +--- + +## Stap 2 – Bereid de OCR‑invoer voor (Afbeelding naar PDF converteren) + +Aspose OCR accepteert een `OcrInput`‑object dat één of meerdere afbeeldingen kan bevatten. Hier voegen we een enkele PNG toe, maar je kunt ook een meer‑pagina TIFF gebruiken voor batchverwerking. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Waarom dit belangrijk is:** Het toevoegen van de afbeelding aan `OcrInput` scheidt de bestandsafhandeling van de engine, waardoor je dezelfde code kunt hergebruiken voor één‑pagina‑ of meer‑pagina‑scenario’s. + +--- + +## Stap 3 – Configureer PDF‑opslaan‑opties (PDF Save Options Explained) + +De `PdfSaveOptions`‑klasse bepaalt hoe de uiteindelijke PDF wordt opgebouwd. Twee vlaggen zijn cruciaal voor een **doorzoekbare pdf**: + +1. `setCreateSearchablePdf(true)` – vertelt de engine een verborgen tekstlaag te embedden op basis van de OCR‑resultaten. +2. `setEmbedImages(true)` – behoudt de originele rasterafbeelding zodat het visuele uiterlijk intact blijft. + +Je kunt ook DPI, compressie of wachtwoordbeveiliging aanpassen indien nodig. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** Als je `setCreateSearchablePdf(false)` zet, wordt de output een gewone afbeelding‑enkel‑PDF—er is niets om te zoeken. Controleer deze vlag altijd wanneer je grote batches automatiseert. + +--- + +## Stap 4 – Voer OCR uit en schrijf de doorzoekbare PDF (De kern “Hoe PDF maken” logica) + +Nu brengen we alles samen. De `recognize`‑methode voert OCR uit op de aangeleverde `OcrInput`, past de `PdfSaveOptions` toe, en streamt het resultaat naar een bestand. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Verwacht resultaat + +Na het uitvoeren van het programma, open `output-searchable.pdf` in een PDF‑viewer (Adobe Reader, Foxit, etc.) en probeer tekst te selecteren of de zoekbalk te gebruiken. Je zou woorden moeten kunnen vinden die oorspronkelijk alleen in de afbeelding stonden. Dat is het kenmerk van een **doorzoekbare PDF**. + +--- + +## Stap 5 – Verifieer de doorzoekbare laag (Snelle QA) + +Soms kan de OCR‑betrouwbaarheid laag zijn, vooral bij scans met lage resolutie. Een snelle manier om te controleren is: + +1. Open de PDF in Adobe Reader. +2. Druk op **Ctrl + F** en typ een woord waarvan je weet dat het in de afbeelding voorkomt. +3. Als het woord wordt gemarkeerd, werkt de verborgen tekstlaag. + +Als de zoekopdracht mislukt, overweeg dan de DPI van de bronafbeelding te verhogen of taalspecifieke woordenboeken in te schakelen via `ocrEngine.getLanguage().add("eng")`. + +--- + +## Veelgestelde vragen & valkuilen + +| Vraag | Antwoord | +|----------|--------| +| **Kan ik een meer‑pagina TIFF verwerken?** | Ja—voeg elke pagina toe aan dezelfde `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR behandelt elk frame als een aparte pagina. | +| **Wat als ik geen licentie heb?** | De gratis proefversie werkt, maar voegt een watermerk toe aan elke pagina. De code blijft hetzelfde; gebruik gewoon het proef‑`.lic`‑bestand. | +| **Hoe groot wordt de PDF?** | Met `setEmbedImages(true)` is de bestandsgrootte ongeveer gelijk aan de grootte van de originele afbeelding plus enkele kilobytes voor de verborgen tekst. Je kunt afbeeldingen comprimeren via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Moet ik een taal instellen voor OCR?** | Standaard gebruikt Aspose OCR Engels. Voor andere talen roep je `ocrEngine.getLanguage().add("spa")` aan vóór `recognize`. | +| **Is de output‑PDF doorzoekbaar op mobiele apparaten?** | Absoluut—de meeste mobiele PDF‑viewers respecteren de verborgen tekstlaag. | + +--- + +## Bonus: De demo omzetten naar een herbruikbare utility + +Als je verwacht deze functionaliteit in meerdere projecten te gebruiken, verpak dan de logica in een statische helper‑methode: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Nu kun je `PdfSearchableUtil.convert(...)` aanroepen vanuit elk deel van je codebase, waardoor **afbeelding naar pdf** converteren een één‑regelige operatie wordt. + +--- + +## Conclusie + +We hebben alles behandeld wat je nodig hebt om **doorzoekbare pdf**‑bestanden te maken van afbeeldingen in Java met Aspose OCR. Van het laden van de licentie, het bouwen van de OCR‑invoer, het afstemmen van **pdf‑opslaan‑opties**, tot het uiteindelijk wegschrijven van een **afbeelding naar doorzoekbare pdf**, biedt deze tutorial een complete copy‑and‑paste oplossing. + +Maak de volgende stap door te experimenteren met verschillende afbeeldingsformaten, DPI‑instellingen aan te passen, of wachtwoordbeveiliging toe te voegen via `PdfSaveOptions`. Je kunt ook batchverwerking verkennen—loop door een map met scans en genereer voor elke scan een doorzoekbare PDF. + +Als je deze gids nuttig vond, geef hem dan een ster op GitHub of laat een reactie achter hieronder. Veel programmeerplezier, en geniet van het omzetten van saaie scans naar volledig doorzoekbare documenten! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..8b63285d6 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Hoe OCR in Java te gebruiken om tekst uit PDF te extraheren, PDF naar + afbeeldingen te converteren en OCR uit te voeren op gescande PDF‑bestanden met Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: nl +og_description: Hoe OCR in Java te gebruiken om tekst uit PDF‑bestanden te extraheren. + Leer PDF naar afbeeldingen te converteren en gescande PDF’s te herkennen met Aspose.OCR. +og_title: Hoe OCR in Java te gebruiken – Complete gids +tags: +- OCR +- Java +- Aspose +title: Hoe OCR te gebruiken in Java – Tekst extraheren uit PDF met Aspose.OCR +url: /nl/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hoe OCR te gebruiken in Java – Tekst extraheren uit PDF met Aspose.OCR + +Heb je je ooit afgevraagd **hoe je OCR** kunt gebruiken om een gescande PDF om te zetten in doorzoekbare tekst? Je bent niet de enige. De meeste ontwikkelaars lopen tegen een muur aan wanneer een PDF binnenkomt als een stapel afbeeldingen, en de gebruikelijke tekst‑extractors geven gewoon niets terug. Het goede nieuws? Met een paar regels Java en Aspose.OCR kun je **tekst uit PDF extraheren**, **PDF naar afbeeldingen converteren** en **gescande PDF herkennen** in één eenvoudige workflow. + +In deze tutorial lopen we alles door wat je moet weten – van het licentiëren van de bibliotheek tot het afdrukken van het eindresultaat. Aan het einde heb je een kant‑klaar programma dat platte tekst uit elk gescand rapport, factuur of e‑boek haalt. Geen externe services, geen magie – alleen pure Java‑code die jij controleert. + +## Wat je nodig hebt + +- **Java Development Kit (JDK) 8+** – elke recente versie werkt. +- **Aspose.OCR for Java** JAR (download van de Aspose‑website). +- Een **geldig Aspose.OCR‑licentiebestand** (`Aspose.OCR.lic`). De gratis proefversie werkt, maar een licentie ontgrendelt volledige nauwkeurigheid. +- Een **voorbeeld gescande PDF** (bijv. `scanned-report.pdf`). +- Een IDE of eenvoudige teksteditor plus een terminal. + +Dat is alles. Geen Maven, geen Gradle, geen extra afhankelijkheden – alleen de Aspose.OCR‑JAR op je classpath. + +![voorbeeld van OCR gebruiken](image-placeholder.png "voorbeeld van OCR gebruiken") + +## Stap 1 – Laad je Aspose.OCR‑licentie (Waarom het belangrijk is) + +Voordat de engine op volle snelheid kan draaien, moet je aangeven waar je licentie zich bevindt. Als je deze stap overslaat, wordt de bibliotheek in evaluatiemodus gezet, waardoor er watermerken aan de output worden toegevoegd en de nauwkeurigheid kan worden beperkt. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Waarom dit werkt:** De `License`‑klasse leest het `.lic`‑bestand en registreert het globaal. Zodra dit is ingesteld, zal elke `OcrEngine` die je maakt automatisch de gelicentieerde functies gebruiken. + +## Stap 2 – Maak de OCR‑engine (De motor achter de magie) + +Een `OcrEngine`‑instantie is de werkpaard die afbeeldingen scant en tekst teruggeeft. Beschouw het als het brein dat pixelpatronen interpreteert. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** Je kunt de taal, vertrouwensdrempels of zelfs GPU‑versnelling aanpassen via de eigenschappen van de engine. Voor de meeste Engelse PDF‑s zijn de standaardinstellingen prima. + +## Stap 3 – Bereid de invoer voor: Voeg je PDF toe (PDF naar afbeeldingen converteren onder de motorkap) + +Aspose.OCR behandelt elke pagina van een PDF als een afbeelding. Wanneer je `addPdf` aanroept, rastert de bibliotheek stilletjes elke pagina, wat precies is wat je nodig hebt om **PDF naar afbeeldingen te converteren** vóór herkenning. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Wat er gebeurt:** +- De PDF wordt geopend. +- Elke pagina wordt gerenderd op 300 dpi (standaard) om karakterdetails te behouden. +- De gerenderde bitmap‑objecten worden opgeslagen in de `OcrInput`‑collectie. + +Als je ooit de ruwe afbeeldingen nodig hebt (voor debugging of aangepaste voorverwerking), roep dan `ocrInput.getPages()` aan na deze stap. + +## Stap 4 – Voer het OCR‑proces uit (OCR op PDF uitvoeren) + +Nu begint het zware werk. De `recognize`‑methode doorloopt elke afbeelding, voert het herkenningsalgoritme uit en verzamelt de resultaten in een `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Waarom het relevant is:** Het `OcrResult` bevat niet alleen platte tekst, maar ook vertrouwensscores, begrenzingskaders en een verwijzing naar de oorspronkelijke afbeelding. Voor de meeste toepassingen heb je alleen `getText()` nodig. + +## Stap 5 – Haal de geëxtraheerde tekst op en toon deze + +Trek tenslotte de platte‑tekst‑string uit het resultaat en druk deze af. Je kunt de tekst ook naar een bestand schrijven, naar een zoekindex voeren, of in een downstream NLP‑pipeline gebruiken. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Verwachte output + +Als `scanned-report.pdf` een eenvoudige alinea bevat, zie je iets als: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +De exacte opmaak spiegelt de oorspronkelijke lay-out, waarbij waar mogelijk regeleinden behouden blijven. + +## Veelvoorkomende randgevallen afhandelen + +### 1. Meertalige PDF‑s + +Als je document Franse of Spaanse tekst bevat, stel dan de taal in vóór het aanroepen van `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Je kunt een array van talen opgeven zodat de engine automatisch detecteert. + +### 2. Scans met lage resolutie + +Bij scans van 150 dpi kun je de interne render‑DPI verhogen: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Een hogere DPI verbetert de karakterhelderheid, maar verbruikt meer geheugen. + +### 3. Grote PDF‑s (Geheugenbeheer) + +Voor PDF‑s met tientallen pagina's kun je ze in batches verwerken: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Deze aanpak voorkomt dat de JVM‑heap te veel groeit. + +## Volledig, kant‑klaar voorbeeld + +Hieronder vind je het complete programma – inclusief imports en licentie‑afhandeling – zodat je het kunt kopiëren en direct kunt uitvoeren. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Voer het uit met: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Je zou de geëxtraheerde tekst in de console moeten zien verschijnen. + +## Samenvatting – Wat we hebben behandeld + +- **Hoe OCR te gebruiken** in Java met Aspose.OCR. +- De workflow om **tekst uit PDF** te extraheren. +- Intern converteert de bibliotheek **PDF naar afbeeldingen** voordat tekens worden herkend. +- Tips voor **OCR op PDF** met meerdere talen, scans met lage resolutie en grote documenten. +- Een compleet, uitvoerbaar code‑voorbeeld dat je in elk Java‑project kunt plaatsen. + +## Volgende stappen & gerelateerde onderwerpen + +Nu je **gescande PDF kunt herkennen**, overweeg deze vervolgstappen: + +- **Zoekbare PDF genereren** – overlay de OCR‑tekst terug op de originele PDF om een doorzoekbaar document te maken. +- **Batch‑verwerkingsservice** – verpak de code in een Spring Boot‑microservice die PDF‑s via REST accepteert. +- **Integratie met Elasticsearch** – indexeer de geëxtraheerde tekst voor snelle full‑text zoekopdrachten in je documentrepository. +- **Afbeeldings‑pre‑processing** – gebruik OpenCV om pagina's te deskewen of te denoisen vóór OCR voor nog hogere nauwkeurigheid. + +Elk van deze onderwerpen bouwt voort op de kernconcepten die we hebben behandeld, dus experimenteer gerust en laat de OCR‑engine het zware werk doen. + +--- + +*Veel plezier met coderen! Als je tegen problemen aanloopt – zoals licentiefouten of onverwachte null‑resultaten – laat dan een reactie achter. Ik help graag met debuggen.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..01378ef6a --- /dev/null +++ b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: Leer hoe je OCR in Java kunt gebruiken om tekst uit afbeeldingsbestanden + te herkennen, tekst uit PNG‑bonnetjes te extraheren en een bon om te zetten naar + JSON met Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: nl +og_description: Stapsgewijze gids over hoe OCR in Java te gebruiken om tekst uit een + afbeelding te herkennen, tekst uit PNG‑bonnen te extraheren en de bon naar JSON + te converteren. +og_title: Hoe OCR in Java te gebruiken – Tekst herkennen uit afbeelding +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Hoe OCR in Java te gebruiken – Herken snel tekst uit een afbeelding +url: /nl/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hoe OCR te gebruiken in Java – Tekst uit afbeelding snel herkennen + +Heb je je ooit afgevraagd **hoe je OCR kunt gebruiken** om tekst uit een foto van een bon te halen? Misschien heb je een paar online tools geprobeerd, alleen om te eindigen met onleesbare tekens of een formaat dat je niet kunt verwerken. Het goede nieuws is dat je met een paar regels Java‑code **tekst uit afbeelding** kunt **herkennen**, **tekst uit PNG**‑bonnen kunt **extraheren**, en zelfs **bon naar JSON kunt converteren** voor downstream verwerking. + +In deze tutorial lopen we de volledige workflow door – van het licentiëren van de Aspose OCR‑bibliotheek tot het verkrijgen van een schone JSON‑payload die je kunt invoeren in een database of een machine‑learning‑model. Geen poespas, alleen een praktisch, uitvoerbaar voorbeeld dat je kunt copy‑pasten in je IDE. Aan het einde heb je een zelfstandige applicatie die `receipt.png` neemt en een kant‑klaar JSON‑string uitspuugt. + +## Wat je nodig hebt + +- **Java Development Kit (JDK) 8+** – elke recente versie werkt. +- **Aspose OCR for Java** bibliotheek (het Maven‑artifact is `com.aspose:aspose-ocr`). +- Een **geldig Aspose OCR licentiebestand** (`Aspose.OCR.lic`). De gratis proefversie werkt voor testen, maar een juiste licentie verwijdert evaluatielimieten. +- Een afbeeldingsbestand (PNG, JPEG, enz.) dat de tekst bevat die je wilt lezen—noemen we `receipt.png` en plaatsen we in een bekende map. +- Je favoriete IDE (IntelliJ IDEA, Eclipse, VS Code…) – je bent vrij om te kiezen. + +> **Pro tip:** Houd je licentiebestand buiten de bronmap en verwijs ernaar via een absoluut of relatief pad om te voorkomen dat het wordt gecommit naar versiebeheer. + +Nu de vereisten duidelijk zijn, duiken we in de daadwerkelijke code. + +## Hoe OCR te gebruiken – Kernstappen + +Hieronder vind je een overzicht op hoog niveau van de acties die we gaan uitvoeren: + +1. **Laad de Aspose OCR bibliotheek** en pas je licentie toe. +2. **Maak een `OcrEngine`‑instantie** – dit is de engine die het zware werk doet. +3. **Bereid een `OcrInput`‑object** voor dat naar de afbeelding wijst die je wilt verwerken. +4. **Roep `recognize` aan met `ResultFormat.JSON`** om een JSON‑representatie van de geëxtraheerde tekst te krijgen. +5. **Verwerk de JSON‑output** – print het, schrijf het naar een bestand, of parseer het verder. + +Elke stap wordt in detail uitgelegd in de volgende secties. + +## Stap 1 – Installeer Aspose OCR en pas je licentie toe + +Eerst voeg je de Aspose OCR‑dependency toe aan je `pom.xml` als je Maven gebruikt: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Laad nu in je Java‑code de licentie. Deze stap is essentieel; zonder deze draait de bibliotheek in evaluatiemodus en kan er een watermerk in de output worden geplaatst. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Waarom dit belangrijk is:** Het `License`‑object vertelt de OCR‑engine dat je geautoriseerd bent om de volledige functionaliteit te gebruiken, inclusief hoge‑nauwkeurigheid herkenning en JSON‑export. Als je deze stap overslaat kun je nog steeds **tekst uit afbeelding** herkennen, maar de resultaten kunnen worden beperkt. + +## Stap 2 – Maak de OCR‑engine‑instantie + +De `OcrEngine`‑class is het toegangspunt voor alle OCR‑operaties. Beschouw het als het “brein” dat de pixels leest en beslist welke tekens ze vertegenwoordigen. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Je kunt de engine later aanpassen (bijv. taal instellen, deskew inschakelen) als je bonnen niet‑Latijnse scripts bevatten of onder een hoek zijn gescand. Voor de meeste in de VS gebruikte bonnen werken de standaardinstellingen prima. + +## Stap 3 – Laad de afbeelding die je wilt verwerken + +Nu wijzen we de OCR‑engine naar het bestand dat de bon bevat. De `OcrInput`‑class kan meerdere afbeeldingen accepteren, maar voor deze tutorial houden we het simpel met één PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Als je ooit **tekst uit PNG**‑bestanden in bulk moet **extraheren**, roep dan gewoon herhaaldelijk `input.add()` aan of geef een lijst met bestands‑paden door. + +## Stap 4 – Herken tekst en converteer bon naar JSON + +Hier is het hart van de tutorial. We vragen de engine om de tekst te herkennen en vragen om het resultaat in JSON‑formaat. De `ResultFormat.JSON`‑vlag doet al het zware werk voor ons. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +De JSON‑payload bevat elke herkende regel, de bijbehorende bounding box, confidence‑score en de ruwe tekst. Deze structuur maakt het triviaal om **bon naar JSON** te **converteren** en vervolgens in te voeren in elke downstream‑API. + +## Stap 5 – Zet alles bij elkaar en voer het programma uit + +Hieronder staat de volledige, kant‑klaar uitvoerbare Java‑klasse die alles samenbrengt. Sla het op als `JsonExportDemo.java` (of een andere naam naar keuze) en voer het uit vanuit je IDE of de commandoregel. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Verwachte output + +Het uitvoeren van het programma print een JSON‑string die lijkt op het volgende (de exacte inhoud hangt af van jouw bon): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Je kunt deze JSON nu invoeren in een database, een REST‑endpoint, of een data‑analyse‑pipeline. De **bon naar JSON**‑stap is al voor je uitgevoerd. + +## Veelgestelde vragen en randgevallen + +### Wat als de afbeelding gedraaid is? + +Aspose OCR detecteert en corrigeert automatisch lichte rotaties. Voor sterk scheve afbeeldingen roep je `engine.getImagePreprocessingOptions().setDeskew(true)` aan vóór herkenning. + +### Hoe ga ik om met meerdere talen? + +Gebruik `engine.getLanguage()` om de gewenste taal in te stellen, bijvoorbeeld `engine.setLanguage(Language.FRENCH)`. Handig wanneer je **tekst uit afbeelding** moet **herkennen** die meertalige bonnen bevat. + +### Kan ik platte tekst in plaats van JSON outputten? + +Zeker. Vervang `ResultFormat.JSON` door `ResultFormat.TEXT` en roep `result.getText()` aan. + +### Is er een manier om OCR te beperken tot een specifiek gebied? + +Ja—gebruik `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` om je te focussen op het bon‑gebied, wat snelheid en nauwkeurigheid kan verbeteren. + +## Pro‑tips voor productie‑klare OCR + +- **Cache het licentie‑object** als je veel bestanden in een lus verwerkt; het herhaaldelijk aanmaken voegt overhead toe. +- **Batch verwerken**: laad alle bon‑paden in één `OcrInput` en roep één keer `recognize` aan. De JSON zal een array van pagina's bevatten, elk met zijn eigen regels. +- **Valideer JSON**: nadat je de string hebt, parseer deze met een bibliotheek zoals Jackson om te verzekeren dat hij goed gevormd is voordat je hem opslaat. +- **Monitor confidence**: de JSON bevat een `confidence`‑veld per regel. Filter regels onder een drempel (bijv. 0.85) om onbruikbare data te vermijden. +- **Beveilig je licentie**: sla `Aspose.OCR.lic` op in een veilige kluis of als omgevingsvariabele, vooral bij cloud‑implementaties. + +## Conclusie + +We hebben behandeld **hoe je OCR** in Java kunt gebruiken om **tekst uit afbeelding** te **herkennen**, **tekst uit PNG**‑bonnen te **extraheren**, en **bon naar JSON** te **converteren** – alles met een beknopt, end‑to‑end voorbeeld. De stappen zijn eenvoudig, de code volledig uitvoerbaar, en de JSON‑output geeft je een gestructureerde weergave die klaar is voor elk downstream‑systeem. + +Vervolgens kun je meer geavanceerde scenario's verkennen: de JSON invoeren in Apache Kafka voor realtime verwerking, regex‑patronen toepassen om regel‑item totalen te extraheren, of integreren met een cloud‑OCR‑service voor schaalbaarheid. Wat je ook kiest, de basisprincipes die je nu hebt geleerd blijven hetzelfde. + +Heb je vragen, of liep je tegen een probleem aan tijdens het uitproberen? Laat een reactie achter hieronder, en laten we samen het probleem oplossen. Veel programmeerplezier, en geniet van het omzetten van die rommelige bonafbeeldingen naar schone, doorzoekbare data! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/dutch/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..9044028b7 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,181 @@ +--- +category: general +date: 2026-02-17 +description: 'afbeelding naar tekst Java‑tutorial: leer hoe je Urdu‑tekst uit een + afbeelding kunt halen met Aspose OCR. Volledig Java‑OCR‑voorbeeld inbegrepen.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: nl +og_description: Image-to-Text Java‑tutorial laat zien hoe je Urdu‑tekst uit een afbeelding + kunt extraheren met Aspose OCR. Volg het volledige Java OCR‑voorbeeld stap voor + stap. +og_title: 'Afbeelding naar tekst Java: Urdu-tekst extraheren met Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'afbeelding naar tekst java: Urdu-tekst extraheren met Aspose OCR' +url: /nl/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# afbeelding naar tekst java: Urdu‑tekst extraheren met Aspose OCR + +Als je **afbeelding naar tekst java** conversie voor Urdu‑documenten moet doen, ben je hier op het juiste adres. Heb je je ooit afgevraagd *hoe je tekst* kunt extraheren uit een foto van een handgeschreven notitie of een gescande krantenpagina? Deze gids leidt je door een **java ocr example** die Urdu‑tekens rechtstreeks uit een afbeelding haalt met behulp van Aspose OCR. + +We behandelen alles, van het licentiëren van de bibliotheek tot het afdrukken van het resultaat op de console. Aan het einde kun je **load image ocr** bestanden laden, de taal instellen op Urdu, en schone Unicode‑output krijgen—zonder extra tools. + +## Wat je nodig hebt + +- **Java Development Kit (JDK) 8+** – de code werkt op elke recente JDK. +- **Aspose.OCR for Java** JAR (download van de Aspose‑website). +- Een geldig **Aspose OCR‑licentie**‑bestand (`Aspose.OCR.lic`). +- Een afbeelding die Urdu‑tekst bevat, bijv. `urdu-sample.png`. + +Als je deze basis hebt, kun je direct met de code aan de slag zonder te zoeken naar ontbrekende afhankelijkheden. + +## afbeelding naar tekst java – Aspose OCR configureren + +Eerst moeten we Aspose laten weten dat we een licentie hebben. Zonder licentie draait de bibliotheek in evaluatiemodus en voegt watermerken toe aan de output. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Waarom dit belangrijk is:** Een licentie verwijdert de 5‑seconden verwerkingslimiet en ontgrendelt het volledige Urdu‑taalpakket dat in 2025‑Q3 is toegevoegd. Als je deze stap overslaat, werkt de OCR‑engine nog steeds, maar zie je een klein “Evaluation”‑label in de resultaten. + +## Hoe tekst extraheren – De OCR‑engine initialiseren + +Nu maken we de engine aan en geven expliciet aan dat we geïnteresseerd zijn in Urdu. De constante `OcrLanguage.URDU` activeert de juiste tekenset en segmentatieregels. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** Als je ooit meerdere talen in één run moet verwerken, kun je een door komma’s gescheiden lijst doorgeven, bijv. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. De engine detecteert elke regio automatisch. + +## Load Image OCR – De invoer voorbereiden + +Aspose werkt met een `OcrInput`‑object dat één of meerdere afbeeldingen kan bevatten. Hier **load image ocr** data van een lokaal bestand. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Opmerking:** Vervang `YOUR_DIRECTORY` door het absolute pad of een relatief pad vanaf de hoofdmap van je project. Als het bestand niet wordt gevonden, gooit Aspose een `FileNotFoundException`. Een snelle controle met `new File(path).exists()` kan je veel debug‑tijd besparen. + +## Tekst herkennen – Het OCR‑proces uitvoeren + +Met de engine geconfigureerd en de afbeelding geladen, roepen we eindelijk `recognize` aan. De methode retourneert een `OcrResult` die de geëxtraheerde string bevat. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Wat gebeurt er achter de schermen?** De OCR‑engine splitst de afbeelding in regels, daarna in tekens, en past Urdu‑specifieke vormregels toe (zoals verbindingsvormen). Daarom is het cruciaal om de taal vroeg in te stellen; anders krijg je onleesbare Latijnse placeholders. + +## De herkende Urdu‑tekst afdrukken + +De laatste stap is simpelweg het resultaat afdrukken. Omdat Urdu een rechts‑naar‑links‑script gebruikt, moet je console Unicode ondersteunen (de meeste moderne terminals doen dat). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Verwachte output (voorbeeld):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Zie je vraagtekens of lege strings, controleer dan of je console‑codering op UTF‑8 staat (`chcp 65001` op Windows, of start Java met `-Dfile.encoding=UTF-8`). + +## Volledig werkend voorbeeld – Alle stappen op één plek + +Hieronder vind je het complete, kant‑en‑klaar programma. Geen externe referenties, alleen één Java‑bestand. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Voer het uit met: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Vervang de JAR‑versie (`23.10`) door de versie die je hebt gedownload. De console zou de Urdu‑zin moeten weergeven die uit je PNG is gehaald. + +## Veelvoorkomende valkuilen & randgevallen + +| Probleem | Waarom het gebeurt | Hoe op te lossen | +|----------|--------------------|------------------| +| **Lege output** | Afbeelding is te donker of heeft een lage resolutie. | Pre‑process de afbeelding (verhoog contrast, binariseer) met `BufferedImage` voordat je deze aan Aspose geeft. | +| **Onzinnige tekens** | Verkeerde taal ingesteld (standaard is Engels). | Zorg dat `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` wordt aangeroepen vóór `recognize`. | +| **Licentie niet gevonden** | Pad‑typefout of bestand ontbreekt. | Gebruik een absoluut pad of plaats het `.lic`‑bestand in de classpath en roep `license.setLicense("Aspose.OCR.lic");` aan. | +| **Out‑of‑memory bij grote afbeeldingen** | Grote PNG’s verbruiken veel heap. | Roep `ocrEngine.setMaxImageSize(2000);` aan om intern te verkleinen, of verklein de afbeelding zelf. | + +## Demo uitbreiden + +- **Batchverwerking:** Loop over een map, voeg elk bestand toe aan dezelfde `OcrInput`, en verzamel de resultaten in een CSV. +- **Andere talen:** Vervang `OcrLanguage.URDU` door `OcrLanguage.ARABIC` of combineer meerdere talen. +- **Opslaan naar bestand:** Gebruik `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Al deze ideeën bouwen voort op de **java ocr example** die we net hebben gemaakt, zodat je de oplossing kunt aanpassen aan real‑world projecten. + +## Conclusie + +Je hebt nu een solide **afbeelding naar tekst java** workflow die Urdu‑tekens uit een afbeelding haalt met Aspose OCR. De tutorial besloeg elke stap—van licentiëren en taalkeuze tot het laden van de afbeelding en het afdrukken van het resultaat—zodat je de code in elk Java‑project kunt plakken en laten werken. + +Probeer daarna grotere PDF‑bestanden, andere scripts, of integreer de OCR‑stap in een Spring Boot REST‑endpoint. Dezelfde principes—**how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/dutch/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/dutch/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..dd99fe2b5 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Leer hoe je tekst uit een afbeelding herkent en een afbeelding laadt + voor OCR met de Aspose OCR Java‑bibliotheek. Stapsgewijze handleiding met spellingscorrector. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: nl +og_description: herken tekst uit afbeelding met Aspose OCR Java. Deze tutorial laat + zien hoe je een afbeelding laadt voor OCR, spellingscorrectie inschakelt en schone + tekst genereert. +og_title: tekst herkennen van afbeelding – Complete Aspose OCR Java-gids +tags: +- Java +- OCR +- Aspose +title: herken tekst van afbeelding met Aspose OCR – Java‑tutorial +url: /nl/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# tekst herkennen van afbeelding met Aspose OCR – Java Tutorial + +Heb je ooit **tekst van een afbeelding moeten herkennen** maar wist je niet welke bibliotheek je moest kiezen? Je bent niet de enige. In veel real‑world projecten—denk aan het scannen van facturen, het digitaliseren van handgeschreven notities, of het extraheren van bijschriften uit screenshots—zijn nauwkeurige OCR‑resultaten cruciaal. + +In deze gids lopen we stap voor stap door het laden van een afbeelding voor OCR, het inschakelen van de ingebouwde spellingscorrectie van Aspose OCR, en uiteindelijk het afdrukken van de opgeschoonde tekst. Aan het einde heb je een kant‑klaar Java‑programma dat **tekst van een afbeelding herkent** met slechts een paar regels code. + +## What This Tutorial Covers + +- Hoe je je Aspose OCR‑licentie toepast (zodat de demo zonder watermerken draait) +- Een `OcrEngine`‑instance maken en Engels selecteren als herkennings‑taal +- **Afbeelding laden voor OCR** met `OcrInput` en wijzen naar een PNG die fout gespelde woorden bevat +- De spell‑corrector inschakelen, eventueel wijzen naar een aangepast woordenboek +- De herkenning uitvoeren en het gecorrigeerde resultaat afdrukken + +Geen externe services, geen verborgen configuratiebestanden—alleen pure Java en de Aspose OCR‑JAR. + +> **Pro tip:** Als je nieuw bent met Aspose, haal dan een gratis 30‑daagse proeflicentie van de Aspose‑website en plaats het `.lic`‑bestand in een map die je vanuit je code kunt refereren. + +## Prerequisites + +- Java 8 of nieuwer (de code compileert ook met JDK 11) +- Aspose.OCR for Java JAR op je classpath +- Een geldig `Aspose.OCR.lic`‑bestand (of je kunt in evaluatiemodus draaien, maar de demo zal een watermerk bevatten) +- Een afbeeldingbestand (`misspelled.png`) dat wat tekst bevat met opzettelijke spelfouten—perfect om de spell‑corrector in actie te zien + +Heb je alles? Geweldig—laten we beginnen. + +## Step 1: Apply Your Aspose OCR License + +Before the engine does any heavy lifting, it needs to know you’re licensed. Otherwise you’ll get a “Trial version” banner in the output. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Why this matters:* Licensing disables the trial watermark and unlocks the full spell‑corrector dictionary. Skipping this step works, but your output will be polluted with “Aspose OCR Demo” text. + +## Step 2: Create and Configure the OCR Engine + +Now we spin up the engine and tell it which language to use. English is the most common, but Aspose supports dozens. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Why we set the language:* The language model determines the character set and influences the spell‑corrector’s suggestions. Using the wrong language can dramatically reduce accuracy. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Aspose OCR ships with a built‑in English dictionary, but you can supply your own if you have domain‑specific terms (think medical jargon or product codes). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*What the corrector does:* When the OCR engine spots a word that isn’t in the dictionary, it tries to replace it with the closest match. This is why the demo can turn “recieve” into “receive” automatically. + +## Step 4: Load the Image for OCR + +Here’s the part that directly answers **load image for OCR**. We create an `OcrInput` object and add our PNG file. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Why we use `OcrInput`:* It abstracts away the file‑reading logic and lets you add multiple pages later if you need to process a multi‑page PDF or a set of images. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +The engine does the heavy lifting now—recognizing characters, applying the language model, and finally correcting spelling. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Expected output:* Assuming `misspelled.png` contains the phrase “Ths is a smple test”, the console will print: + +``` +Corrected text: +This is a simple test +``` + +Notice how the misspelled words (`Ths`, `smple`) have been automatically fixed. + +## Full, Ready‑to‑Run Example + +Below is the entire program in one block. Copy‑paste, adjust the paths, and hit **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** If you want to process a JPEG or BMP instead of PNG, just change the file extension—Aspose OCR supports all common raster formats. + +## Common Questions & Edge Cases + +- **What if my image is low‑resolution?** + Increase the DPI before feeding it to Aspose by rescaling with a library like `java.awt.Image`. Higher DPI gives the engine more pixels to work with, which usually improves accuracy. + +- **Can I recognize multiple languages in the same image?** + Yes. Call `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` and optionally provide a list of languages via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **My custom dictionary isn’t being used—why?** + Make sure the folder contains plain‑text files with one word per line and that the path is absolute or correctly relative to your working directory. + +- **How do I extract confidence scores?** + `result.getConfidence()` returns a float between 0 and 1 for the whole page. For per‑character confidence, explore `result.getWordList()`. + +## Conclusion + +You now know how to **recognize text from image** using Aspose OCR for Java, how to **load image for OCR**, and how to enable the spell‑corrector to clean up common typos. The complete example above is ready to drop into any Maven or Gradle project, and with a few tweaks you can scale it to batch‑process folders, hook it into a web service, or integrate it with a document‑management system. + +Ready for the next step? Try feeding a multi‑page PDF, experiment with a custom dictionary for industry‑specific terminology, or chain the output into a translation API. The possibilities are endless, and the core pattern—license → engine → language → spell‑corrector → input → recognize → output—remains the same. + +Happy coding, and may your OCR results always be spot‑on! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/advanced-ocr-techniques/_index.md b/ocr/english/java/advanced-ocr-techniques/_index.md index 7e8e722f2..2896a86f4 100644 --- a/ocr/english/java/advanced-ocr-techniques/_index.md +++ b/ocr/english/java/advanced-ocr-techniques/_index.md @@ -82,6 +82,14 @@ Unlock the power of text recognition with Aspose.OCR for Java. Follow our step Empower your Java applications with Aspose.OCR for precise text recognition. Easy integration, high accuracy. ### [Specifying Allowed Characters in Aspose.OCR](./specify-allowed-characters/) Unlock text extraction from images seamlessly with Aspose.OCR for Java. Follow our step‑by‑step guide for efficient integration. +### [recognize text image using Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Leverage GPU acceleration with Aspose OCR in Java to recognize text from images faster and with high accuracy. +### [fixed thread pool java – parallel OCR for PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Learn how to use a fixed thread pool in Java to run OCR on multiple PNG images in parallel for faster processing. +### [Preprocess Image for OCR – Complete Java Guide to Boost Contrast & Extract Text](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Learn how to preprocess images in Java to enhance contrast, reduce noise, and improve OCR accuracy with Aspose.OCR. +### [Create OCR Engine Java – Recognize Text from Large Images](./create-ocr-engine-java-recognize-text-from-large-images/) +Learn how to build an OCR engine in Java to efficiently recognize text from large images using Aspose.OCR. ## Frequently Asked Questions @@ -111,4 +119,4 @@ A: Yes, each `OcrEngine` instance is thread‑safe, allowing parallel processing {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/english/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..53081f55f --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,256 @@ +--- +category: general +date: 2026-02-17 +description: Create OCR engine Java and read TIFF file Java quickly. Learn how to + recognize text from large image using Aspose.OCR in a step‑by‑step guide. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: en +og_description: Create OCR engine Java now. This tutorial shows how to read TIFF file + Java and recognize text from large image using Aspose.OCR. +og_title: Create OCR Engine Java – Full Guide to Large‑Image Text Recognition +tags: +- OCR +- Java +- Aspose +title: Create OCR Engine Java – Recognize Text from Large Images +url: /java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Create OCR Engine Java – Recognize Text from Large Images + +Ever needed to **create OCR engine Java** code that can handle a massive TIFF map, but weren’t sure where to start? You’re not alone—most developers hit a wall when the image size blows past the usual memory limits. + +In this guide we’ll walk you through a complete, ready‑to‑run example that **creates an OCR engine in Java**, shows you how to **read TIFF file Java** with an `InputStream`, and finally **recognizes text from large image** files without running out of heap. By the end you’ll have a self‑contained program you can drop into any Maven or Gradle project. + +## What You’ll Need + +- **Java Development Kit (JDK) 8 or newer** – the code uses only standard I/O plus Aspose.OCR. +- **Aspose.OCR for Java** library (the latest version as of 2026‑02) – you can grab the JAR from the Aspose site or via Maven Central. +- A **large TIFF file** (e.g., a multi‑megapixel map) you want to OCR. +- Your **Aspose.OCR license file** (`Aspose.OCR.lic`). Without it the engine works in evaluation mode, but you’ll hit a watermark. + +> **Pro tip:** Keep the TIFF next to your source folder or use an absolute path; the engine will tile the image internally, so you don’t have to split it yourself. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java workflow diagram"} + +## Step 1 – Apply Your Aspose.OCR License (Create OCR Engine Java) + +Before the engine does any heavy lifting you must register the license. Skipping this step forces the evaluation mode, which limits the number of pages and adds a banner to the output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* The `License` object tells the OCR engine to unlock the full‑resolution tiling algorithm, which is essential for processing a **large image** efficiently. + +## Step 2 – Instantiate the OCR Engine (Create OCR Engine Java) + +Now we spin up the core `OcrEngine`. Think of it as the brain that will later read the pixels and spit out Unicode text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* For most scenarios the default settings already include automatic language detection and optimal tiling. Over‑configuring can actually slow things down on huge files. + +## Step 3 – Load the TIFF File Using an InputStream (Read TIFF File Java) + +Large TIFFs can be several hundred megabytes. Loading the whole thing into a `BufferedImage` would explode the heap. Instead we give the engine an `InputStream`; Aspose.OCR will read and tile the image on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* If your TIFF is compressed with CCITT Group 4, Aspose.OCR still handles it, but you might want to set `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` for a tiny speed boost. + +## Step 4 – Prepare the OCR Input and Hint the Format + +The `OcrInput` object can hold multiple images, but we only need one for this demo. Providing the format string (`"tif"`) helps the engine skip format sniffing, shaving off a few milliseconds. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* When dealing with **large images**, every millisecond counts. The format hint tells the parser to bypass the expensive header analysis. + +## Step 5 – Recognize Text from the Large Image (Recognize Text from Large Image) + +With everything wired up, the actual OCR call is a single line. The engine returns an `OcrResult` that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR splits the TIFF into manageable tiles (default 1024 × 1024 px), runs the neural‑net model on each tile, and then stitches the results together. This is why you can **recognize text from large image** files without manual pre‑processing. + +## Step 6 – Display a Preview of the Extracted Text + +Printing the whole document to the console can be overwhelming. Let’s show just the first 200 characters, followed by an ellipsis, so you can verify the output at a glance. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +If you see gibberish, double‑check that the correct language is selected (default is English) and that the TIFF isn’t corrupted. + +## Full Working Example + +Putting all the pieces together gives you a single class you can compile and run: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Replace `aspose-ocr-23.12.jar` with the actual version you downloaded. + +## Common Pitfalls & Tips + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | Loading the TIFF into a `BufferedImage` instead of streaming. | Always use `InputStream` as shown; let Aspose handle tiling. | +| **Blank output** | Wrong file extension hint (`"tif"` vs `"tiff"`). | Use the exact string you passed to `add`. | +| **Garbage characters** | License not applied or expired. | Verify the `.lic` file path and re‑apply before creating the engine. | +| **Slow recognition** | Using a custom `OcrConfiguration` with high DPI. | Stick with defaults for most cases; tweak only if you need higher accuracy. | + +### When to Adjust Settings + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +But remember, each extra option can increase CPU time, especially on a **large image**. Test with a single tile first. + +## Next Steps + +Now that you know how to **create OCR engine Java**, **read TIFF file Java**, and **recognize text from large image**, you might want to: + +1. **Export the result to a PDF** – combine Aspose.PDF with the OCR text for searchable documents. +2. **Store bounding boxes** – use `ocrResult.getWords()` to get coordinates for highlighting. +3. **Parallelize tile processing** – for ultra‑large satellite imagery, spin up a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/english/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..89bec4fec --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: Learn how to use a fixed thread pool java to extract text from PNG images + with parallel OCR processing and properly shut down executor service. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: en +og_description: Discover how a fixed thread pool java can extract text from PNG images + in parallel, convert scanned pages text, and shut down executor service safely. +og_title: fixed thread pool java – parallel OCR for PNG +tags: +- java +- ocr +- multithreading +- aspose +title: fixed thread pool java – parallel OCR for PNG +url: /java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – parallel OCR for PNG + +Ever wondered how to speed up OCR on a bunch of PNG files using a **fixed thread pool java**? In this tutorial we'll walk through **extract text from PNG** images in parallel, **convert scanned pages text** into editable strings, and safely **shut down executor service** once the work is done. + +If you’ve ever stared at a single‑threaded loop that drags on for minutes, you know the frustration of waiting for each page to finish before the next even starts. The good news? With a few lines of Java and Aspose OCR you can unleash the power of all your CPU cores, turn those scanned pages into searchable text, and keep your application responsive. + +Below you’ll find a complete, ready‑to‑run example, plus explanations of why each piece matters, common pitfalls, and tips you can apply to any OCR library. + +--- + +## What You’ll Need + +- **Java 17** (or any recent JDK) – the code uses the modern `var` syntax sparingly, but works on older versions too. +- **Aspose.OCR for Java** library – you can grab it from Maven Central or download a trial from Aspose. +- A set of **PNG** files you want to process – think scanned receipts, book pages, or screenshots. +- Basic familiarity with Java concurrency – not required, but helpful. + +That’s it. No external services, no Docker, just plain Java and a little multithreading magic. + +--- + +## Step 1: Add Aspose OCR Dependency & License (Optional) + +First, make sure the Aspose OCR JAR is on your classpath. If you use Maven, add: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +If you don’t have a license, the library will run in evaluation mode; the code works the same way. To load a license (recommended for production), place `Aspose.OCR.lic` in your resources folder and use: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Keep the license file outside version control to avoid accidental exposure. + +--- + +## Step 2: Create a Thread‑Safe `OcrEngine` Instance + +Aspose OCR’s `OcrEngine` is thread‑safe as long as you reuse the same instance across tasks. Creating it once saves memory and avoids the overhead of re‑initializing the engine for every image. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Why reuse? Think of the engine as a heavy‑weight worker that loads language models into memory. Spawning a new engine per image would be like hiring a new specialist for every tiny job – costly and unnecessary. + +--- + +## Step 3: Set Up a Fixed Thread Pool Java + +Now comes the star of the show: a **fixed thread pool java**. We’ll size it to the number of logical processors so every core gets work without oversubscribing. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Using a *fixed* pool (instead of a cached one) gives you predictable resource usage and prevents the dreaded “out‑of‑memory” spikes when hundreds of images arrive at once. + +--- + +## Step 4: List the PNG Files You Want to Process (Extract Text from PNG) + +Collect the paths to the images you wish to OCR. In a real project you might scan a directory or read from a database; here we’ll hard‑code a few examples. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** The file extension **png** is important because Aspose OCR automatically detects the format, but you could feed JPEG or TIFF as well. + +--- + +## Step 5: Submit OCR Tasks – Parallel OCR Processing + +Each image becomes a callable that returns the recognized text. Because the `OcrEngine` is shared, we only need to pass the file path into the task. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Why wrap it in a `Future`? It lets us fire off all jobs instantly, then later collect results in the order they were submitted – perfect for preserving page order when **convert scanned pages text** back into a document. + +--- + +## Step 6: Retrieve Results and Display (Convert Scanned Pages Text) + +Now we wait for each `Future` to finish and print the output. The `get()` call blocks only until the specific task completes, not the whole pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typical console output looks like: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +If you prefer to write the results to files, replace the `System.out.println` with a `Files.writeString` call. + +--- + +## Step 7: Cleanly Shut Down the Executor Service + +When every task is done, it’s crucial to **shut down executor service**; otherwise your JVM may keep non‑daemon threads alive, preventing a graceful exit. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +The `awaitTermination` pattern gives the pool a chance to finish ongoing work before we force it. Ignoring this step is a common source of memory leaks in long‑running applications. + +--- + +## Full Working Example + +Putting it all together, here’s the complete program you can copy‑paste into `ParallelBatchDemo.java` and run: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/english/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..228431667 --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,194 @@ +--- +category: general +date: 2026-02-17 +description: Preprocess image for OCR with Aspose OCR in Java. Learn to boost image + contrast, set contrast level, and recognize text from image in just minutes. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: en +og_description: Preprocess image for OCR using Aspose OCR Java. This guide shows how + to boost image contrast, set contrast level, and recognize text from image quickly. +og_title: Preprocess Image for OCR – Java Tutorial to Boost Contrast & Extract Text +tags: +- Java +- OCR +- Image Processing +title: Preprocess Image for OCR – Complete Java Guide to Boost Contrast & Extract + Text +url: /java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Preprocess Image for OCR – Complete Java Guide + +Ever needed to **preprocess image for OCR** but weren’t sure which settings actually make a difference? You're not alone. Most developers throw an image at an OCR engine and hope the magic happens, only to get garbled output. In this tutorial we’ll walk through a practical, end‑to‑end example that **boosts image contrast**, tweaks the **contrast level**, and finally **recognizes text from image** using Aspose OCR for Java. + +By the time you finish, you’ll have a reusable code snippet that **extracts text using OCR** reliably, even on noisy scans. No hidden tricks, just clear steps and the reasoning behind each one. + +## What You’ll Need + +- Java 17 or newer (the code compiles with any recent JDK) +- Aspose OCR for Java library (download from the official Aspose site) +- A valid Aspose OCR license file (`Aspose.OCR.lic`) +- An input image (`input.jpg`) that you want to read +- A favorite IDE or simple command‑line setup + +If you already have these, great—let’s dive right in. + +## Step 1: Load the Aspose OCR License (Primary Setup) + +Before the OCR engine does anything, it needs to know that you’re licensed. Otherwise you’ll hit a trial watermark. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Why this matters:** Without a proper license, the engine runs in evaluation mode, which can truncate results or add watermarks. Setting the license early also ensures that any subsequent preprocessing options are applied under full‑feature mode. + +## Step 2: Initialise the OCR Engine + +Creating an `OcrEngine` instance gives you access to both recognition and preprocessing pipelines. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** Keep the engine as a singleton if you plan to process many images in a batch; it caches internal resources and speeds up subsequent calls. + +## Step 3: Configure Preprocessing – Deskew, Denoise, and Contrast Enhancement + +Here’s where we **preprocess image for OCR**. The three knobs we’ll turn are: + +1. **Deskew** – corrects slight rotations. +2. **Denoise** – removes speckles that confuse character segmentation. +3. **Contrast enhancement** – makes dark text stand out against the background. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Why Adjust the Contrast Level? + +Increasing the contrast level stretches the histogram of the image, making dark pixels darker and bright pixels brighter. In practice, a **contrast level** of `1.3f` often yields the best balance for printed documents, while a value above `1.5f` can over‑expose thin strokes. Feel free to experiment; the setting is inexpensive to change and can dramatically improve the **recognize text from image** success rate. + +## Step 4: Prepare the Input Image + +The `OcrInput` class abstracts away file handling. You can add multiple images if you need batch processing. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Edge case:** If your image is in a non‑standard format (e.g., TIFF with multiple pages), you can load each page separately or convert it to PNG/JPEG first. + +## Step 5: Perform the Recognition + +Now the engine runs the preprocessing pipeline we just configured, then hands the cleaned image to the core OCR algorithm. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** Aspose OCR first applies the deskew transformation, then runs the denoise filter, and finally adjusts contrast before feeding the image to its neural‑network‑based recognizer. The order is intentional; changing it could lead to sub‑optimal results. + +## Step 6: Output the Recognized Text + +Finally, we print the extracted string to the console. In a real application you might write it to a file or send it over a network. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Output + +If `input.jpg` contains the phrase “Hello World!”, the console should display: + +``` +Hello World! +``` + +If the output looks garbled, double‑check the preprocessing values—especially the **contrast level** and **denoise mode**—and try a different image format. + +## Bonus: Visualising the Pre‑Processed Image (Optional) + +Sometimes you want to see what the engine sees after deskew, denoise, and contrast enhancement. Aspose OCR lets you export the intermediate bitmap: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Open `processed.png` side‑by‑side with the original; you’ll notice a straighter horizon and crisper text. This step is handy when you’re troubleshooting why a particular scan fails. + +![preprocess image for OCR example](/images/ocr-preprocess-example.png "preprocess image for OCR – before and after contrast boost") + +*The image above illustrates how boosting contrast and denoising turns a blurry scan into a clean, OCR‑ready picture.* + +## Common Pitfalls & How to Avoid Them + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` too high) | Light background becomes white, erasing faint characters | Keep the level between 1.1 and 1.4 for most printed text | +| **Deskew tolerance too low** | Small rotations stay uncorrected | Raise `setDeskewAngleTolerance` to 0.2 or 0.3 for scanned books | +| **Using GAUSSIAN denoise on binary images** | Blurs edges, merging characters | Stick with `DenoiseMode.MEDIAN` for black‑and‑white scans | +| **Missing license** | Engine falls back to trial mode, truncating output | Verify the path to `Aspose.OCR.lic` and that the file is readable | + +## Next Steps: Going Beyond Basic Pre‑Processing + +Now that you can **preprocess image for OCR** and **extract text using OCR**, consider these extensions: + +- **Language packs** – load specific language dictionaries to improve accuracy for non‑English text. +- **Region‑of‑interest (ROI) cropping** – focus on a subsection of the image if you only need a part of the page. +- **Batch processing** – loop over a directory of images, reusing the same `OcrEngine` instance for speed. +- **Integrate with PDF** – combine Aspose OCR with Aspose PDF to convert scanned PDFs to searchable PDFs in one pipeline. + +Each of these topics naturally incorporates our secondary keywords: you’ll still **boost image contrast**, **set contrast level**, and continue to **recognize text from image** across many scenarios. + +## Conclusion + +We’ve covered everything you need to **preprocess image for OCR** using Aspose OCR for Java: loading the license, configuring deskew, denoise, and contrast enhancement, feeding the image, and finally **recognizing text from image**. With the complete, runnable example above, you can now **extract text using OCR** on any suitably prepared picture. + +Give the code a spin, tweak the **contrast level**, and watch the accuracy jump. When you’re ready, explore language‑specific models or batch pipelines to turn this single‑image demo into a production‑grade solution. + +*Happy coding, and may your scans always be crisp!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/english/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..e7879ef99 --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: recognize text image quickly with Aspose OCR GPU support in Java. Learn + to extract text from image and set gpu device id for optimal performance. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: en +og_description: recognize text image quickly with Aspose OCR GPU support in Java. + This guide shows how to extract text from image and set gpu device id. +og_title: recognize text image using Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: recognize text image using Aspose OCR GPU – Java +url: /java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# recognize text image using Aspose OCR GPU – Java + +Ever needed to **recognize text image** in a Java application but the CPU was choking on large files? You're not the only one—many developers hit that wall when processing high‑resolution scans. The good news? Aspose OCR lets you **extract text from image** on the GPU, slashing processing time dramatically. + +In this tutorial we’ll walk through a complete, ready‑to‑run example that shows exactly how to set up the license, enable GPU acceleration, and **set gpu device id** when you have multiple graphics cards. By the end you’ll have a self‑contained program that prints the recognized text to the console—no extra steps required. + +## What You’ll Need + +- **Java 17** or newer (the API is compatible with Java 8+, but the latest LTS gives you better performance). +- **Aspose OCR for Java** library (download the JAR from the Aspose website). +- A valid **Aspose OCR license file** (`Aspose.OCR.lic`). The free trial works, but GPU features are locked behind a licensed version. +- An image file (`sample-image.png`) that contains clear, machine‑readable text. +- A GPU‑enabled environment (NVIDIA CUDA‑compatible card works best). + +If any of those sound unfamiliar, don’t worry—each bullet point will be explained as we go. + +## Step 1: Add Aspose OCR to Your Project + +First, include the Aspose OCR JAR on your classpath. If you’re using Maven, add the following dependency to `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +For Gradle, it’s: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +If you prefer the manual route, drop the JAR into your `libs/` folder and add it to the IDE’s module path. + +> **Pro tip:** Keep the version number in sync with the library’s release notes; newer versions often bring performance tweaks for GPU processing. + +## Step 2: Load the Aspose OCR License (required for GPU usage) + +Without a license the `setEnableGpu(true)` call will silently fall back to CPU mode. Load the license right at the start of `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Replace `YOUR_DIRECTORY` with the absolute or relative path where you stored the `.lic` file. If the path is wrong, Aspose will throw a `FileNotFoundException`, so double‑check the spelling. + +## Step 3: Create the OCR engine and enable GPU acceleration + +Now we instantiate `OcrEngine` and tell it to use the GPU. The `setGpuDeviceId` method lets you pick a specific card when more than one is present. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Why bother with the device ID? In a multi‑GPU server you might reserve one card for image preprocessing and another for OCR. Setting the ID ensures the right hardware does the heavy lifting. + +## Step 4: Prepare the input image + +Aspose OCR works with a variety of formats (PNG, JPG, BMP, TIFF). Wrap your file in an `OcrInput` object: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +If you need to process a stream (e.g., an uploaded file), use `ocrInput.add(InputStream)` instead. + +## Step 5: Run the recognition process and retrieve the result + +The `recognize` method returns an `OcrResult` which contains the plain text, confidence scores, and even layout information if you need it. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +The console will display something like: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +If the image is blurry or the language isn’t supported, the result may be empty. In that case, check the `ocrResult.getConfidence()` value (0‑100) to decide whether to retry with preprocessing. + +## Full, Runnable Example + +Putting all the pieces together gives you a single Java class you can copy‑paste into your IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** The console prints the exact text that appears in `sample-image.png`. If the GPU is active, you’ll notice the processing time dropping from several seconds (CPU) to under a second for typical 300 dpi scans. + +## Common Questions & Edge Cases + +### Does this work on a headless server? + +Yes. The GPU driver must be installed, but no display is required. Just ensure the `CUDA` toolkit (or equivalent for your GPU) is in the system `PATH`. + +### What if I have more than one GPU and want to use GPU 1? + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### How to extract text from image in a different language? + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose supports over 30 languages; see the API docs for the full enumeration. + +### What if the image contains multiple pages (e.g., a PDF converted to images)? + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +The engine will concatenate the results in order. + +### How to handle low‑confidence results? + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typical preprocessing steps include binarization, noise reduction, or resizing to 300 dpi. + +## Performance Tips + +- **Batch processing:** Adding many images to a single `OcrInput` reduces the overhead of repeatedly initializing the GPU context. +- **Warm‑up:** Run a dummy recognition once after starting the JVM; the first call incurs driver initialization latency. +- **Memory management:** Dispose of large `OcrInput` objects (`ocrInput.clear()`) after you’re done to free GPU memory. + +## Conclusion + +You now know how to **recognize text image** efficiently with Aspose OCR’s GPU engine in Java, how to **extract text from image** in any supported language, and how to **set gpu device id** when working with multiple graphics cards. The complete, runnable code above should work out‑of‑the‑box—just swap in your license and image paths. + +Ready for the next step? Try processing a folder of scanned PDFs, experiment with different `setLanguage` options, or combine OCR with a machine‑learning model for post‑processing. The possibilities are endless, and the performance gains from GPU acceleration make even large‑scale projects feasible. + +Happy coding, and feel free to drop a comment if you hit any snags! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/ocr-operations/_index.md b/ocr/english/java/ocr-operations/_index.md index 905b3e79a..5735da655 100644 --- a/ocr/english/java/ocr-operations/_index.md +++ b/ocr/english/java/ocr-operations/_index.md @@ -79,6 +79,16 @@ Unlock the power of OCR in Java with Aspose.OCR. Recognize text in PDF documents Unlock powerful text recognition in Java with Aspose.OCR. Effortlessly recognize text in TIFF images. Download now for a seamless OCR experience. ### [recognize text image with Aspose OCR – Full Java OCR Tutorial](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Full Java OCR tutorial for recognizing text in images using Aspose OCR, covering setup, processing, and optimization. +### [recognize text from image with Aspose OCR – Java Tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Comprehensive Java tutorial to recognize text from images using Aspose OCR, covering setup, processing steps, and best‑practice tips. +### [image to text java: Extract Urdu Text with Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Extract Urdu text from images using Aspose OCR for Java. +### [Create Searchable PDF from Image in Java – Step‑by‑Step Guide](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Create a searchable PDF from an image with Aspose OCR in Java, step‑by‑step. +### [How to Use OCR in Java – Extract Text from PDF with Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Learn step‑by‑step how to extract text from PDF files using Aspose.OCR in Java, covering setup, OCR processing, and saving results. +### [How to Use OCR in Java – Recognize Text from Image Quickly](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Learn how to quickly recognize text from images using Aspose.OCR for Java with simple code examples and best practices. ## Frequently Asked Questions diff --git a/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..660f62c11 --- /dev/null +++ b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Create searchable PDF quickly: learn how to create PDF from an image + using Aspose OCR, pdf save options, and convert image to searchable pdf in just + minutes.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: en +og_description: Create searchable PDF in Java using Aspose OCR. This guide shows how + to create PDF from an image, configure pdf save options, and get a fully searchable + document. +og_title: Create Searchable PDF from Image in Java – Complete Tutorial +tags: +- Aspose OCR +- Java +- PDF generation +title: Create Searchable PDF from Image in Java – Step‑by‑Step Guide +url: /java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Create Searchable PDF from Image in Java – Step‑by‑Step Guide + +Ever needed to **create searchable pdf** from a scanned picture but weren’t sure which API to pick? You’re not alone—many developers hit that wall when they first try to turn a bitmap into a PDF that you can actually search. The good news? With Aspose OCR you can do it in a handful of lines, and the result looks exactly like the original image while still being text‑searchable. + +In this tutorial we’ll walk through the entire process: loading your license, feeding an image (or a multi‑page TIFF) into the OCR engine, tweaking **pdf save options**, and finally writing out an **image to searchable pdf**. By the end you’ll have a ready‑to‑use Java program that creates a searchable PDF in seconds. No mystery, no “see the docs” shortcuts—just a complete, runnable example. + +## What You’ll Learn + +- How to **convert image to pdf** and embed a hidden text layer for searching. +- Which **pdf save options** you should enable for the best balance of size and accuracy. +- Common pitfalls (e.g., missing license, unsupported image formats) and how to avoid them. +- How to verify that the output really is searchable (quick test with Adobe Reader). + +**Prerequisites:** Java 8 or newer, Maven or Gradle to pull the Aspose OCR JAR, and a valid Aspose OCR license file. If you don’t have a license yet, you can request a free trial from Aspose’s website. + +--- + +## Step 1 – Load the Aspose OCR License (How to Create PDF Securely) + +Before the OCR engine does any work it needs a license; otherwise you’ll get watermarked pages. Place your `Aspose.OCR.lic` somewhere accessible, then point the `License` class at it. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Keep the license file outside your source‑control directory to avoid accidental commits. + +--- + +## Step 2 – Prepare the OCR Input (Convert Image to PDF) + +Aspose OCR accepts an `OcrInput` object that can hold one or many images. Here we add a single PNG, but you could also feed a multi‑page TIFF for batch processing. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** Adding the image to `OcrInput` decouples file handling from the engine, letting you reuse the same code for single‑page or multi‑page scenarios. + +--- + +## Step 3 – Configure PDF Save Options (PDF Save Options Explained) + +The `PdfSaveOptions` class controls how the final PDF is built. Two flags are crucial for a **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – tells the engine to embed a hidden text layer based on OCR results. +2. `setEmbedImages(true)` – preserves the original raster image so the visual appearance stays intact. + +You can also tweak DPI, compression, or password protection if needed. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** If you set `setCreateSearchablePdf(false)`, the output will be a plain image‑only PDF—nothing you can search for. Always double‑check this flag when automating large batches. + +--- + +## Step 4 – Run OCR and Write the Searchable PDF (The Core “How to Create PDF” Logic) + +Now we bring everything together. The `recognize` method performs OCR on the supplied `OcrInput`, applies the `PdfSaveOptions`, and streams the result to a file. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Expected Result + +After running the program, open `output-searchable.pdf` in any PDF viewer (Adobe Reader, Foxit, etc.) and try selecting text or using the search box. You should be able to find words that were originally only part of the image. That’s the hallmark of a **searchable PDF**. + +--- + +## Step 5 – Verify the Searchable Layer (Quick QA) + +Sometimes OCR confidence can be low, especially on low‑resolution scans. A fast way to verify is: + +1. Open the PDF in Adobe Reader. +2. Press **Ctrl + F** and type a word you know appears in the image. +3. If the word is highlighted, the hidden text layer is working. + +If the search fails, consider increasing the source image DPI or enabling language-specific dictionaries via `ocrEngine.getLanguage().add("eng")`. + +--- + +## Common Questions & Gotchas + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Yes—just add each page to the same `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR will treat each frame as a separate page. | +| **What if I don’t have a license?** | The free trial works but adds a watermark on every page. The code stays the same; just use the trial `.lic` file. | +| **How large will the PDF be?** | With `setEmbedImages(true)` the file size is roughly the size of the original image plus a few kilobytes for the hidden text. You can compress images via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | By default Aspose OCR uses English. For other languages call `ocrEngine.getLanguage().add("spa")` before `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Absolutely—most mobile PDF viewers respect the hidden text layer. | + +--- + +## Bonus: Turning the Demo into a Reusable Utility + +If you anticipate needing this functionality across multiple projects, wrap the logic into a static helper method: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Now you can call `PdfSearchableUtil.convert(...)` from any part of your codebase, turning **convert image to pdf** into a one‑liner. + +--- + +## Conclusion + +We’ve covered everything you need to **create searchable pdf** files from images in Java using Aspose OCR. From loading the license, building the OCR input, tweaking **pdf save options**, to finally writing out an **image to searchable pdf**, the tutorial provides a complete, copy‑and‑paste solution. + +Take the next step by experimenting with different image formats, adjusting DPI, or adding password protection via `PdfSaveOptions`. You might also explore batch processing—loop over a folder of scans and generate a searchable PDF for each. + +If you found this guide helpful, give it a star on GitHub or drop a comment below. Happy coding, and enjoy turning those boring scans into fully searchable documents! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..65ef2e9cd --- /dev/null +++ b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: How to use OCR in Java to extract text from PDF, convert PDF to images, + and perform OCR on scanned PDF files using Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: en +og_description: How to use OCR in Java to extract text from PDF files. Learn to convert + PDF to images and recognize scanned PDF with Aspose.OCR. +og_title: How to Use OCR in Java – Complete Guide +tags: +- OCR +- Java +- Aspose +title: How to Use OCR in Java – Extract Text from PDF with Aspose.OCR +url: /java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# How to Use OCR in Java – Extract Text from PDF with Aspose.OCR + +Ever wondered **how to use OCR** to turn a scanned PDF into searchable text? You're not the only one. Most developers hit a wall when a PDF arrives as a bunch of images, and the usual text‑extractors just return nothing. The good news? With a few lines of Java and Aspose.OCR you can **extract text from PDF**, **convert PDF to images**, and **recognize scanned PDF** in a single, painless workflow. + +In this tutorial we’ll walk through everything you need to know—from licensing the library to printing the final result. By the end you’ll have a ready‑to‑run program that pulls plain‑text out of any scanned report, invoice, or ebook. No external services, no magic—just pure Java code that you control. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – any recent version works. +- **Aspose.OCR for Java** JAR (download from the Aspose website). +- A **valid Aspose.OCR license file** (`Aspose.OCR.lic`). The free trial works, but a license unlocks full accuracy. +- A **sample scanned PDF** (e.g., `scanned-report.pdf`). +- An IDE or simple text editor plus a terminal. + +That’s it. No Maven, no Gradle, no extra dependencies—just the Aspose.OCR JAR on your classpath. + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## Step 1 – Load Your Aspose.OCR License (Why It Matters) + +Before the engine can run at full speed you must tell it where your license lives. Skipping this step forces the library into evaluation mode, which adds watermarks to the output and may limit accuracy. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this works:** The `License` class reads the `.lic` file and registers it globally. Once set, every `OcrEngine` you create will use the licensed features automatically. + +## Step 2 – Create the OCR Engine (The Engine Behind the Magic) + +An `OcrEngine` instance is the workhorse that scans images and spits out text. Think of it as the brain that interprets pixel patterns. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** You can tweak language, confidence thresholds, or even enable GPU acceleration via the engine’s properties. For most English PDFs the defaults are fine. + +## Step 3 – Prepare the Input: Add Your PDF (Convert PDF to Images Under the Hood) + +Aspose.OCR treats every page of a PDF as an image. When you call `addPdf`, the library silently rasterizes each page, which is exactly what you need to **convert PDF to images** before recognition. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**What’s happening:** +- The PDF is opened. +- Each page is rendered at 300 dpi (default) to preserve character detail. +- The rendered bitmap objects are stored in the `OcrInput` collection. + +If you ever need the raw images (for debugging or custom preprocessing), call `ocrInput.getPages()` after this step. + +## Step 4 – Run the OCR Process (Perform OCR on PDF) + +Now the heavy lifting begins. The `recognize` method loops over every image, runs the recognition algorithm, and aggregates the results into an `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Why you should care:** The `OcrResult` contains not only plain text but also confidence scores, bounding boxes, and the original image reference. For most use‑cases you’ll just need `getText()`. + +## Step 5 – Retrieve and Display the Extracted Text + +Finally, pull the plain‑text string out of the result and print it. You can also write it to a file, feed it to a search index, or feed it into a downstream NLP pipeline. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Expected Output + +If `scanned-report.pdf` contains a simple paragraph, you’ll see something like: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +The exact formatting mirrors the original layout, preserving line breaks where possible. + +## Handling Common Edge Cases + +### 1. Multi‑Language PDFs + +If your document contains French or Spanish text, set the language before calling `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +You can supply an array of languages to let the engine auto‑detect. + +### 2. Low‑Resolution Scans + +When dealing with 150 dpi scans, increase the internal rendering DPI: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Higher DPI improves character clarity but consumes more memory. + +### 3. Large PDFs (Memory Management) + +For PDFs with dozens of pages, process them in batches: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +This approach keeps the JVM heap from ballooning. + +## Full, Ready‑to‑Run Example + +Below is the complete program—including imports and license handling—so you can copy‑paste and run instantly. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +You should see the extracted text printed to the console. + +## Recap – What We Covered + +- **How to use OCR** in Java with Aspose.OCR. +- The workflow to **extract text from PDF** files. +- Internally, the library **converts PDF to images** before recognizing characters. +- Tips for **performing OCR on PDF** with multiple languages, low‑resolution scans, and large documents. +- A complete, runnable code sample that you can drop into any Java project. + +## Next Steps & Related Topics + +Now that you can **recognize scanned PDF**, consider these follow‑up ideas: + +- **Searchable PDF Generation** – overlay the OCR text back onto the original PDF to create a searchable document. +- **Batch Processing Service** – wrap the code in a Spring Boot microservice that accepts PDFs via REST. +- **Integration with Elasticsearch** – index the extracted text for fast full‑text search across your document repository. +- **Image Pre‑Processing** – use OpenCV to deskew or denoise pages before OCR for even higher accuracy. + +Each of these topics builds on the core concepts we explored, so feel free to experiment and let the OCR engine do the heavy lifting. + +--- + +*Happy coding! If you ran into any hiccups—like license errors or unexpected null results—drop a comment below. I’m always up for a debugging session.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..de1858fd4 --- /dev/null +++ b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Learn how to use OCR in Java to recognize text from image files, extract + text from PNG receipts and convert receipt to JSON with Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: en +og_description: Step‑by‑step guide on how to use OCR in Java to recognize text from + image, extract text from PNG receipts and convert receipt to JSON. +og_title: How to Use OCR in Java – Recognize Text from Image +tags: +- OCR +- Java +- Aspose +- Image Processing +title: How to Use OCR in Java – Recognize Text from Image Quickly +url: /java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# How to Use OCR in Java – Recognize Text from Image Quickly + +Ever wondered **how to use OCR** to pull text out of a photo of a receipt? Maybe you’ve tried a few online tools, only to end up with garbled characters or a format you can’t parse. The good news is that with a few lines of Java code you can **recognize text from image** files, **extract text from PNG** receipts, and even **convert receipt to JSON** for downstream processing. + +In this tutorial we’ll walk through the complete workflow—from licensing the Aspose OCR library to getting a clean JSON payload you can feed into a database or a machine‑learning model. No fluff, just a practical, runnable example you can copy‑paste into your IDE. By the end you’ll have a self‑contained program that takes `receipt.png` and spits out a ready‑to‑use JSON string. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – any recent version works. +- **Aspose OCR for Java** library (the Maven artifact is `com.aspose:aspose-ocr`). +- A **valid Aspose OCR license file** (`Aspose.OCR.lic`). The free trial works for testing, but a proper license removes evaluation limits. +- An image file (PNG, JPEG, etc.) that contains the text you want to read—let’s call it `receipt.png` and place it in a known folder. +- Your favorite IDE (IntelliJ IDEA, Eclipse, VS Code…) – you’re free to choose. + +> **Pro tip:** Keep your license file outside the source folder and reference it via an absolute or relative path to avoid committing it to version control. + +Now that the prerequisites are clear, let’s dive into the actual code. + +## How to Use OCR – Core Steps + +Below is a high‑level overview of the actions we’ll perform: + +1. **Load the Aspose OCR library** and apply your license. +2. **Create an `OcrEngine` instance** – this is the engine that does the heavy lifting. +3. **Prepare an `OcrInput` object** pointing at the image you want to process. +4. **Call `recognize` with `ResultFormat.JSON`** to get a JSON representation of the extracted text. +5. **Handle the JSON output** – print it, write it to a file, or parse it further. + +Each step is explained in detail in the sections that follow. + +## Step 1 – Install Aspose OCR and Apply Your License + +First, add the Aspose OCR dependency to your `pom.xml` if you’re using Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Now, in your Java code, load the license. This step is essential; without it the library runs in evaluation mode and may embed watermarks in the output. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** The `License` object tells the OCR engine that you’re authorized to use the full feature set, which includes high‑accuracy recognition and JSON export. Skipping this step will still let you **recognize text from image**, but the results may be throttled. + +## Step 2 – Create the OCR Engine Instance + +The `OcrEngine` class is the entry point for all OCR operations. Think of it as the “brain” that reads the pixels and decides what characters they represent. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +You can customize the engine (e.g., set language, enable deskew) later if your receipts contain non‑Latin scripts or are scanned at an angle. For most US‑based receipts, the defaults work just fine. + +## Step 3 – Load the Image You Want to Process + +Now we’ll point the OCR engine at the file that holds the receipt. The `OcrInput` class can accept multiple images, but for this tutorial we’ll keep it simple with a single PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +If you ever need to **extract text from PNG** files in bulk, just call `input.add()` repeatedly or pass a list of file paths. + +## Step 4 – Recognize Text and Convert Receipt to JSON + +Here’s the heart of the tutorial. We ask the engine to recognize the text and ask for the result in JSON format. The `ResultFormat.JSON` flag does all the heavy lifting for us. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +The JSON payload includes each recognized line, its bounding box, confidence score, and the raw text. This structure makes it trivial to **convert receipt to JSON** and then feed it into any downstream API. + +## Step 5 – Put It All Together and Run the Program + +Below is the complete, ready‑to‑run Java class that ties everything together. Save it as `JsonExportDemo.java` (or any name you like) and run it from your IDE or command line. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Expected Output + +Running the program prints a JSON string similar to the following (the exact content depends on your receipt): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +You can now feed this JSON into a database, a REST endpoint, or a data‑analysis pipeline. The **convert receipt to JSON** step is already done for you. + +## Common Questions and Edge Cases + +### What if the image is rotated? + +Aspose OCR automatically detects and corrects mild rotations. For severely skewed images, call `engine.getImagePreprocessingOptions().setDeskew(true)` before recognition. + +### How do I handle multiple languages? + +Use `engine.getLanguage()` to set the desired language, e.g., `engine.setLanguage(Language.FRENCH)`. This is handy when you need to **recognize text from image** that contains multilingual receipts. + +### Can I output plain text instead of JSON? + +Absolutely. Replace `ResultFormat.JSON` with `ResultFormat.TEXT` and call `result.getText()`. + +### Is there a way to limit the OCR to a specific region? + +Yes—use `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` to focus on the receipt area, which can improve speed and accuracy. + +## Pro Tips for Production‑Ready OCR + +- **Cache the license** object if you’re processing many files in a loop; creating it repeatedly adds overhead. +- **Batch process**: load all receipt paths into a single `OcrInput` and call `recognize` once. The JSON will contain an array of pages, each with its own lines. +- **Validate JSON**: after you get the string, parse it with a library like Jackson to ensure it’s well‑formed before storing it. +- **Monitor confidence**: the JSON includes a `confidence` field per line. Filter out lines below a threshold (e.g., 0.85) to avoid garbage data. +- **Secure your license**: store `Aspose.OCR.lic` in a secure vault or environment variable, especially in cloud deployments. + +## Conclusion + +We’ve covered **how to use OCR** in Java to **recognize text from image**, **extract text from PNG** receipts, and **convert receipt to JSON**—all with a concise, end‑to‑end example. The steps are straightforward, the code is fully runnable, and the JSON output gives you a structured representation ready for any downstream system. + +Next, you might explore more advanced scenarios: feeding the JSON into Apache Kafka for real‑time processing, applying regex patterns to pull out line‑item totals, or integrating with a cloud OCR service for scalability. Whatever you choose, the fundamentals you’ve just learned will stay the same. + +Got questions, or ran into a hiccup while trying this out? Drop a comment below, and let’s troubleshoot together. Happy coding, and enjoy turning those messy receipt images into clean, searchable data! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/english/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..f3fc2f324 --- /dev/null +++ b/ocr/english/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 'image to text java tutorial: learn how to extract Urdu text from an + image using Aspose OCR. Complete java ocr example included.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: en +og_description: image to text java tutorial shows how to extract Urdu text from an + image using Aspose OCR. Follow the complete java ocr example step‑by‑step. +og_title: 'image to text java: Extract Urdu Text with Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'image to text java: Extract Urdu Text with Aspose OCR' +url: /java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Extract Urdu Text with Aspose OCR + +If you need to do **image to text java** conversion for Urdu documents, you're in the right place. Ever wondered *how to extract text* from a picture of a handwritten note or a scanned newspaper page? This guide will walk you through a **java ocr example** that pulls Urdu characters straight out of an image using Aspose OCR. + +We'll cover everything from licensing the library to printing the result on the console. By the end you’ll be able to **load image ocr** files, set the language to Urdu, and get clean Unicode output—no extra tools required. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – the code works on any recent JDK. +- **Aspose.OCR for Java** JAR (download from the Aspose website). +- A valid **Aspose OCR license** file (`Aspose.OCR.lic`). +- An image that contains Urdu text, e.g., `urdu-sample.png`. + +Having these basics in place means you can jump straight into the code without hunting for missing dependencies. + +## image to text java – Setting Up Aspose OCR + +First, we need to tell Aspose that we have a license. Without it the library runs in evaluation mode and will add watermarks to the output. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** Licensing removes the 5‑second processing limit and unlocks the full Urdu language pack that was added in 2025‑Q3. If you skip this step, the OCR engine will still work, but you’ll see a tiny “Evaluation” tag in the results. + +## How to Extract Text – Initialize the OCR Engine + +Now we create the engine and explicitly tell it we’re interested in Urdu. The `OcrLanguage.URDU` constant activates the right character set and segmentation rules. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** If you ever need to process multiple languages in one run, you can pass a comma‑separated list, e.g., `OcrLanguage.ENGLISH, OcrLanguage.URDU`. The engine will auto‑detect each region. + +## Load Image OCR – Preparing the Input + +Aspose works with an `OcrInput` object that can hold one or many images. Here we **load image ocr** data from a local file. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Replace `YOUR_DIRECTORY` with the absolute path or a relative path from your project root. If the file isn’t found, Aspose throws a `FileNotFoundException`. A quick check with `new File(path).exists()` can save you a lot of debugging time. + +## Recognize the Text – Running the OCR Process + +With the engine configured and the image loaded, we finally call `recognize`. The method returns an `OcrResult` that holds the extracted string. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** The OCR engine splits the image into lines, then characters, applying Urdu‑specific shaping rules (like joining forms). This is why setting the language early is crucial; otherwise you’ll get garbled Latin placeholders. + +## Print the Recognized Urdu Text + +The last step is simply printing the result. Because Urdu uses right‑to‑left script, make sure your console supports Unicode (most modern terminals do). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +If you see question marks or empty strings, double‑check that your console encoding is set to UTF‑8 (`chcp 65001` on Windows, or run Java with `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +Below is the complete, copy‑and‑paste‑ready program. No external references, just a single Java file. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Replace the JAR version (`23.10`) with whatever you downloaded. The console should display the Urdu sentence extracted from your PNG. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | Image is too dark or low‑resolution. | Pre‑process the image (increase contrast, binarize) using `BufferedImage` before feeding it to Aspose. | +| **Garbage characters** | Wrong language set (default is English). | Ensure `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` is called before `recognize`. | +| **License not found** | Path typo or missing file. | Use an absolute path or place the `.lic` file in the classpath and call `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | Large PNGs consume heap. | Call `ocrEngine.setMaxImageSize(2000);` to downscale internally, or resize the image yourself. | + +## Extending the Demo + +- **Batch processing:** Loop over a folder, add each file to the same `OcrInput`, and collect results in a CSV. +- **Different languages:** Swap `OcrLanguage.URDU` with `OcrLanguage.ARABIC` or combine multiple languages. +- **Saving to file:** Use `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +All of these ideas build on the **java ocr example** we just built, letting you tailor the solution to real‑world projects. + +## Conclusion + +You now have a solid **image to text java** workflow that extracts Urdu characters from an image using Aspose OCR. The tutorial covered every step—from licensing and language selection to loading the image and printing the result—so you can paste the code into any Java project and watch it work. + +Next, try experimenting with larger PDFs, different scripts, or even integrating the OCR step into a Spring Boot REST endpoint. The same principles—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/english/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/english/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..d2ef2238b --- /dev/null +++ b/ocr/english/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: Learn how to recognize text from image and load image for OCR using Aspose + OCR Java library. Step‑by‑step guide with spell‑corrector. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: en +og_description: recognize text from image using Aspose OCR Java. This tutorial shows + how to load image for OCR, enable spell correction, and output clean text. +og_title: recognize text from image – Complete Aspose OCR Java Guide +tags: +- Java +- OCR +- Aspose +title: recognize text from image with Aspose OCR – Java Tutorial +url: /java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# recognize text from image with Aspose OCR – Java Tutorial + +Ever needed to **recognize text from image** but weren’t sure which library to pick? You’re not alone. In many real‑world projects—think scanning invoices, digitizing handwritten notes, or extracting captions from screenshots—getting accurate OCR results is crucial. + +In this guide we’ll walk through loading an image for OCR, turning on Aspose OCR’s built‑in spell corrector, and finally printing the cleaned‑up text. By the end you’ll have a ready‑to‑run Java program that **recognize text from image** with just a few lines of code. + +## What This Tutorial Covers + +- How to apply your Aspose OCR license (so the demo runs without watermarks) +- Creating an `OcrEngine` instance and selecting English as the recognition language +- **Load image for OCR** using `OcrInput` and point it at a PNG that contains misspelled words +- Enabling the spell‑corrector, optionally pointing it at a custom dictionary +- Running the recognition and printing the corrected result + +No external services, no hidden configuration files—just plain Java and the Aspose OCR JAR. + +> **Pro tip:** If you’re new to Aspose, grab a free 30‑day trial license from the Aspose website and drop the `.lic` file into a folder you can reference from your code. + +## Prerequisites + +- Java 8 or newer (the code compiles with JDK 11 as well) +- Aspose.OCR for Java JAR on your classpath +- A valid `Aspose.OCR.lic` file (or you can run in evaluation mode, but the demo will embed a watermark) +- An image file (`misspelled.png`) that contains some text with intentional spelling mistakes—perfect for seeing the spell corrector in action + +Got all that? Great—let’s dive in. + +## Step 1: Apply Your Aspose OCR License + +Before the engine does any heavy lifting, it needs to know you’re licensed. Otherwise you’ll get a “Trial version” banner in the output. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Why this matters:* Licensing disables the trial watermark and unlocks the full spell‑corrector dictionary. Skipping this step works, but your output will be polluted with “Aspose OCR Demo” text. + +## Step 2: Create and Configure the OCR Engine + +Now we spin up the engine and tell it which language to use. English is the most common, but Aspose supports dozens. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Why we set the language:* The language model determines the character set and influences the spell‑corrector’s suggestions. Using the wrong language can dramatically reduce accuracy. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Aspose OCR ships with a built‑in English dictionary, but you can supply your own if you have domain‑specific terms (think medical jargon or product codes). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*What the corrector does:* When the OCR engine spots a word that isn’t in the dictionary, it tries to replace it with the closest match. This is why the demo can turn “recieve” into “receive” automatically. + +## Step 4: Load the Image for OCR + +Here’s the part that directly answers **load image for OCR**. We create an `OcrInput` object and add our PNG file. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Why we use `OcrInput`:* It abstracts away the file‑reading logic and lets you add multiple pages later if you need to process a multi‑page PDF or a set of images. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +The engine does the heavy lifting now—recognizing characters, applying the language model, and finally correcting spelling. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Expected output:* Assuming `misspelled.png` contains the phrase “Ths is a smple test”, the console will print: + +``` +Corrected text: +This is a simple test +``` + +Notice how the misspelled words (`Ths`, `smple`) have been automatically fixed. + +## Full, Ready‑to‑Run Example + +Below is the entire program in one block. Copy‑paste, adjust the paths, and hit **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** If you want to process a JPEG or BMP instead of PNG, just change the file extension—Aspose OCR supports all common raster formats. + +## Common Questions & Edge Cases + +- **What if my image is low‑resolution?** + Increase the DPI before feeding it to Aspose by rescaling with a library like `java.awt.Image`. Higher DPI gives the engine more pixels to work with, which usually improves accuracy. + +- **Can I recognize multiple languages in the same image?** + Yes. Call `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` and optionally provide a list of languages via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **My custom dictionary isn’t being used—why?** + Make sure the folder contains plain‑text files with one word per line and that the path is absolute or correctly relative to your working directory. + +- **How do I extract confidence scores?** + `result.getConfidence()` returns a float between 0 and 1 for the whole page. For per‑character confidence, explore `result.getWordList()`. + +## Conclusion + +You now know how to **recognize text from image** using Aspose OCR for Java, how to **load image for OCR**, and how to enable the spell‑corrector to clean up common typos. The complete example above is ready to drop into any Maven or Gradle project, and with a few tweaks you can scale it to batch‑process folders, hook it into a web service, or integrate it with a document‑management system. + +Ready for the next step? Try feeding a multi‑page PDF, experiment with a custom dictionary for industry‑specific terminology, or chain the output into a translation API. The possibilities are endless, and the core pattern—license → engine → language → spell‑corrector → input → recognize → output—remains the same. + +Happy coding, and may your OCR results always be spot‑on! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/advanced-ocr-techniques/_index.md b/ocr/french/java/advanced-ocr-techniques/_index.md index bec0c3b98..7d02a3cfc 100644 --- a/ocr/french/java/advanced-ocr-techniques/_index.md +++ b/ocr/french/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Libérez la puissance de la reconnaissance de texte avec Aspose.OCR pour Java. S Renforcez vos applications Java avec Aspose.OCR pour une reconnaissance de texte précise. Intégration facile, haute précision. ### [Spécification des caractères autorisés dans Aspose.OCR](./specify-allowed-characters/) Débloquez l'extraction de texte à partir d'images de manière transparente avec Aspose.OCR pour Java. Suivez notre guide étape par étape pour une intégration efficace. +### [Pool de threads fixe Java – OCR parallèle pour PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Utilisez un pool de threads fixe en Java pour exécuter l'OCR en parallèle sur des images PNG, améliorant les performances de traitement. +### [Reconnaître le texte d'image à l'aide d'Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Exploitez la puissance GPU d'Aspose OCR pour Java afin de reconnaître rapidement le texte des images avec une précision élevée. +### [Prétraiter l'image pour l'OCR – Guide complet Java pour augmenter le contraste et extraire le texte](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Améliorez la qualité des images en augmentant le contraste avant l'OCR avec Aspose.OCR pour Java. Suivez notre guide complet. +### [Créer un moteur OCR Java – Reconnaître le texte à partir de grandes images](./create-ocr-engine-java-recognize-text-from-large-images/) +Apprenez à créer un moteur OCR Java capable de traiter de grandes images et d'extraire le texte avec précision et efficacité. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/french/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..a3718a00f --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,267 @@ +--- +category: general +date: 2026-02-17 +description: Créer un moteur OCR en Java et lire rapidement un fichier TIFF en Java. + Apprenez comment reconnaître le texte d’une grande image en utilisant Aspose.OCR + dans un guide étape par étape. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: fr +og_description: Créez dès maintenant un moteur OCR en Java. Ce tutoriel montre comment + lire un fichier TIFF en Java et reconnaître le texte d’une grande image à l’aide + d’Aspose.OCR. +og_title: Créer un moteur OCR Java – Guide complet de la reconnaissance de texte sur + les grandes images +tags: +- OCR +- Java +- Aspose +title: Créer un moteur OCR Java – Reconnaître le texte à partir de grandes images +url: /fr/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +block placeholders remain. + +Also the "## Full Working Example" etc. + +Make sure to keep markdown headings. + +Let's produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Créer un moteur OCR Java – Reconnaître du texte à partir de grandes images + +Vous avez déjà eu besoin de **créer un moteur OCR Java** capable de gérer une carte TIFF massive, mais vous ne saviez pas par où commencer ? Vous n'êtes pas seul — la plupart des développeurs se heurtent à un mur lorsque la taille de l'image dépasse les limites de mémoire habituelles. + +Dans ce guide, nous vous accompagnons pas à pas avec un exemple complet, prêt à l’emploi, qui **crée un moteur OCR en Java**, vous montre comment **lire un fichier TIFF en Java** avec un `InputStream`, et enfin **reconnaît le texte à partir de grandes images** sans épuiser le tas. À la fin, vous disposerez d’un programme autonome que vous pourrez intégrer à n’importe quel projet Maven ou Gradle. + +## Ce dont vous aurez besoin + +- **Java Development Kit (JDK) 8 ou plus récent** – le code n’utilise que les I/O standards plus Aspose.OCR. +- Bibliothèque **Aspose.OCR for Java** (la dernière version au 2026‑02) – vous pouvez récupérer le JAR depuis le site Aspose ou via Maven Central. +- Un **fichier TIFF volumineux** (par ex. une carte de plusieurs mégapixels) que vous souhaitez OCRiser. +- Votre **fichier de licence Aspose.OCR** (`Aspose.OCR.lic`). Sans lui, le moteur fonctionne en mode d’évaluation, mais vous aurez un filigrane. + +> **Astuce :** Placez le TIFF à côté de votre dossier source ou utilisez un chemin absolu ; le moteur découpera l’image en tuiles en interne, vous n’avez donc pas besoin de la diviser vous‑même. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagramme du flux de création du moteur OCR Java"} + +## Étape 1 – Appliquer votre licence Aspose.OCR (Créer un moteur OCR Java) + +Avant que le moteur n’effectue le traitement lourd, vous devez enregistrer la licence. Ignorer cette étape force le mode d’évaluation, qui limite le nombre de pages et ajoute une bannière à la sortie. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Pourquoi c’est important :* L’objet `License` indique au moteur OCR de débloquer l’algorithme de découpage en tuiles haute résolution, essentiel pour traiter efficacement une **grande image**. + +## Étape 2 – Instancier le moteur OCR (Créer un moteur OCR Java) + +Nous créons maintenant le cœur `OcrEngine`. Pensez‑y comme le cerveau qui lira plus tard les pixels et produira du texte Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Pourquoi rester simple :* Dans la plupart des scénarios, les paramètres par défaut incluent déjà la détection automatique de la langue et le découpage optimal. Une sur‑configuration peut réellement ralentir le traitement de fichiers très volumineux. + +## Étape 3 – Charger le fichier TIFF à l’aide d’un InputStream (Lire un fichier TIFF en Java) + +Les TIFF volumineux peuvent atteindre plusieurs centaines de mégaoctets. Charger le tout dans un `BufferedImage` exploserait le tas. À la place, nous fournissons au moteur un `InputStream` ; Aspose.OCR lira et découpera l’image à la volée. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Cas particulier :* Si votre TIFF est compressé avec CCITT Group 4, Aspose.OCR le gère tout de même, mais vous pouvez définir `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` pour un léger gain de vitesse. + +## Étape 4 – Préparer l’entrée OCR et indiquer le format + +L’objet `OcrInput` peut contenir plusieurs images, mais nous n’en avons besoin que d’une pour cette démonstration. Fournir la chaîne de format (`"tif"`) aide le moteur à éviter la détection de format, économisant ainsi quelques millisecondes. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Pourquoi cet indice est utile :* Avec les **grandes images**, chaque milliseconde compte. L’indice de format indique à l’analyseur de passer outre l’analyse coûteuse de l’en‑tête. + +## Étape 5 – Reconnaître le texte à partir de la grande image (Reconnaître le texte à partir d’une grande image) + +Une fois tout connecté, l’appel OCR réel se résume à une seule ligne. Le moteur renvoie un `OcrResult` contenant le texte brut, les scores de confiance, et même les boîtes englobantes si vous en avez besoin plus tard. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Ce qui se passe en coulisses :* Aspose.OCR découpe le TIFF en tuiles gérables (par défaut 1024 × 1024 px), exécute le modèle de réseau neuronal sur chaque tuile, puis assemble les résultats. C’est pourquoi vous pouvez **reconnaître le texte à partir de grandes images** sans pré‑traitement manuel. + +## Étape 6 – Afficher un aperçu du texte extrait + +Afficher tout le document dans la console peut être écrasant. Montrons seulement les 200 premiers caractères, suivis d’une ellipse, afin que vous puissiez vérifier la sortie d’un coup d’œil. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Sortie console attendue :* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Si vous voyez du charabia, vérifiez que la langue correcte est sélectionnée (l’anglais est la valeur par défaut) et que le TIFF n’est pas corrompu. + +## Exemple complet fonctionnel + +Assembler toutes les pièces donne une classe unique que vous pouvez compiler et exécuter : + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compiler avec : + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Remplacez `aspose-ocr-23.12.jar` par la version exacte que vous avez téléchargée. + +## Pièges courants & astuces + +| Problème | Pourquoi cela arrive | Solution rapide | +|------|----------------|-----------| +| **OutOfMemoryError** | Chargement du TIFF dans un `BufferedImage` au lieu de le streamer. | Utilisez toujours `InputStream` comme montré ; laissez Aspose gérer le découpage. | +| **Sortie vide** | Indice d’extension de fichier incorrect (`"tif"` vs `"tiff"`). | Utilisez exactement la chaîne que vous avez passée à `add`. | +| **Caractères indéchiffrables** | Licence non appliquée ou expirée. | Vérifiez le chemin du fichier `.lic` et réappliquez‑la avant de créer le moteur. | +| **Reconnaissance lente** | Utilisation d’une `OcrConfiguration` personnalisée avec DPI élevé. | Restez sur les valeurs par défaut dans la plupart des cas ; n’ajustez que si vous avez besoin d’une précision supérieure. | + +### Quand ajuster les paramètres + +- **Documents multilingues** : `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Précision accrue sur de petites polices** : `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Mais rappelez‑vous, chaque option supplémentaire peut augmenter le temps CPU, surtout sur une **grande image**. Testez d’abord avec une seule tuile. + +## Prochaines étapes + +Maintenant que vous savez **créer un moteur OCR Java**, **lire un fichier TIFF en Java**, et **reconnaître le texte à partir de grandes images**, vous pourriez vouloir : + +1. **Exporter le résultat en PDF** – combinez Aspose.PDF avec le texte OCR pour des documents recherchables. +2. **Stocker les boîtes englobantes** – utilisez `ocrResult.getWords()` pour obtenir les coordonnées et les mettre en évidence. +3. **Paralléliser le traitement des tuiles** – pour les images satellites ultra‑volumineuses, lancez un + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/french/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..80cc804e8 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,243 @@ +--- +category: general +date: 2026-02-17 +description: Apprenez à utiliser un pool de threads fixe en Java pour extraire du + texte d'images PNG avec un traitement OCR parallèle et à fermer correctement le + service d'exécution. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: fr +og_description: Découvrez comment un pool de threads fixe en Java peut extraire du + texte d'images PNG en parallèle, convertir le texte des pages numérisées et arrêter + le service d'exécution en toute sécurité. +og_title: pool de threads fixe java – OCR parallèle pour PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Pool de threads fixe Java – OCR parallèle pour PNG +url: /fr/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# pool de threads fixe java – OCR parallèle pour PNG + +Vous vous êtes déjà demandé comment accélérer l'OCR sur un lot de fichiers PNG en utilisant un **fixed thread pool java** ? Dans ce tutoriel, nous allons parcourir **extract text from PNG** images en parallèle, **convert scanned pages text** en chaînes éditables, et fermer proprement **shut down executor service** une fois le travail terminé. + +Si vous avez déjà fixé du regard une boucle monothread qui traîne pendant des minutes, vous connaissez la frustration d'attendre que chaque page se termine avant que la suivante ne commence. La bonne nouvelle ? Avec quelques lignes de Java et Aspose OCR, vous pouvez libérer la puissance de tous vos cœurs CPU, transformer ces pages numérisées en texte consultable, et garder votre application réactive. + +Vous trouverez ci‑dessous un exemple complet, prêt à l'exécution, ainsi que des explications sur l'importance de chaque composant, les pièges courants, et des astuces que vous pouvez appliquer à n'importe quelle bibliothèque OCR. + +--- + +## Ce dont vous avez besoin + +- **Java 17** (ou tout JDK récent) – le code utilise la syntaxe moderne `var` avec parcimonie, mais fonctionne également sur les versions plus anciennes. +- **Aspose.OCR for Java** library – vous pouvez l'obtenir depuis Maven Central ou télécharger une version d'essai depuis Aspose. +- Un ensemble de fichiers **PNG** que vous souhaitez traiter – pensez aux reçus numérisés, aux pages de livre ou aux captures d'écran. +- Une connaissance de base de la concurrence Java – pas obligatoire, mais utile. + +C’est tout. Aucun service externe, pas de Docker, juste du Java pur et un peu de magie multithreading. + +--- + +## Étape 1 : Ajouter la dépendance Aspose OCR & la licence (facultatif) + +Tout d'abord, assurez‑vous que le JAR Aspose OCR se trouve sur votre classpath. Si vous utilisez Maven, ajoutez : + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Si vous n’avez pas de licence, la bibliothèque fonctionnera en mode d'évaluation ; le code fonctionne de la même manière. Pour charger une licence (recommandé en production), placez `Aspose.OCR.lic` dans votre dossier resources et utilisez : + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Astuce :** Gardez le fichier de licence en dehors du contrôle de version pour éviter toute exposition accidentelle. + +--- + +## Étape 2 : Créer une instance `OcrEngine` thread‑safe + +Le `OcrEngine` d’Aspose OCR est thread‑safe tant que vous réutilisez la même instance entre les tâches. Le créer une seule fois économise de la mémoire et évite le surcoût de réinitialiser le moteur pour chaque image. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Pourquoi réutiliser ? Pensez au moteur comme à un travailleur lourd qui charge les modèles linguistiques en mémoire. Créer un nouveau moteur par image serait comme engager un nouveau spécialiste pour chaque petite tâche – coûteux et inutile. + +--- + +## Étape 3 : Configurer un pool de threads fixe Java + +Voici la star du spectacle : un **fixed thread pool java**. Nous le dimensionnerons au nombre de processeurs logiques afin que chaque cœur reçoive du travail sans sur‑souscription. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Utiliser un pool *fixed* (au lieu d’un pool cached) vous offre une utilisation des ressources prévisible et empêche les redoutables pics de « out‑of‑memory » lorsque des centaines d’images arrivent en même temps. + +--- + +## Étape 4 : Lister les fichiers PNG à traiter (Extract Text from PNG) + +Rassemblez les chemins vers les images que vous souhaitez OCR. Dans un projet réel, vous pourriez parcourir un répertoire ou lire depuis une base de données ; ici nous coderons en dur quelques exemples. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note :** L'extension de fichier **png** est importante car Aspose OCR détecte automatiquement le format, mais vous pouvez également fournir du JPEG ou du TIFF. + +--- + +## Étape 5 : Soumettre les tâches OCR – Traitement OCR parallèle + +Chaque image devient un callable qui renvoie le texte reconnu. Comme le `OcrEngine` est partagé, nous n'avons besoin que de passer le chemin du fichier à la tâche. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Pourquoi l’envelopper dans un `Future` ? Cela nous permet de lancer toutes les tâches immédiatement, puis de récupérer les résultats dans l'ordre de soumission – idéal pour préserver l'ordre des pages lors du **convert scanned pages text** vers un document. + +--- + +## Étape 6 : Récupérer les résultats et les afficher (Convert Scanned Pages Text) + +Nous attendons maintenant que chaque `Future` se termine et affichons la sortie. L'appel `get()` bloque uniquement jusqu'à ce que la tâche spécifique se termine, pas tout le pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Un exemple de sortie console ressemble à : + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Si vous préférez écrire les résultats dans des fichiers, remplacez le `System.out.println` par un appel à `Files.writeString`. + +--- + +## Étape 7 : Fermer proprement le service d'exécution + +Lorsque chaque tâche est terminée, il est crucial de **shut down executor service** ; sinon votre JVM peut garder des threads non‑daemon actifs, empêchant une sortie propre. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Le pattern `awaitTermination` donne au pool la chance de terminer le travail en cours avant que nous le forçons. Ignorer cette étape est une source fréquente de fuites de mémoire dans les applications de longue durée. + +--- + +## Exemple complet fonctionnel + +En rassemblant le tout, voici le programme complet que vous pouvez copier‑coller dans `ParallelBatchDemo.java` et exécuter : + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/french/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..305074ed5 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,211 @@ +--- +category: general +date: 2026-02-17 +description: Prétraiter l'image pour l'OCR avec Aspose OCR en Java. Apprenez à augmenter + le contraste de l'image, à définir le niveau de contraste et à reconnaître le texte + à partir de l'image en quelques minutes. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: fr +og_description: Prétraiter l'image pour l'OCR avec Aspose OCR Java. Ce guide montre + comment augmenter le contraste de l'image, définir le niveau de contraste et reconnaître + rapidement le texte à partir de l'image. +og_title: Prétraiter l'image pour l'OCR – Tutoriel Java pour augmenter le contraste + et extraire le texte +tags: +- Java +- OCR +- Image Processing +title: Prétraiter l'image pour l'OCR – Guide complet Java pour augmenter le contraste + et extraire le texte +url: /fr/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +, etc. + +We need to translate everything else, including alt text for image? The alt text is "preprocess image for OCR example". Should translate? Probably yes, but alt text is part of markdown image syntax; we can translate the alt text but keep the URL unchanged. The title attribute also "preprocess image for OCR – before and after contrast boost" should be translated. + +We must keep code block placeholders unchanged. + +Let's produce final French translation. + +Check for any URLs: none except image path. Keep unchanged. + +Check for shortcodes: keep as is. + +Proceed. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Prétraiter une image pour l'OCR – Guide complet Java + +Vous avez déjà eu besoin de **prétraiter une image pour l'OCR** sans savoir quels réglages font réellement la différence ? Vous n'êtes pas seul. La plupart des développeurs jettent une image dans un moteur OCR et espèrent que la magie opère, pour ne recevoir qu'un texte illisible. Dans ce tutoriel, nous parcourrons un exemple pratique, de bout en bout, qui **augmente le contraste de l'image**, ajuste le **niveau de contraste**, puis **reconnaît le texte à partir de l'image** à l'aide d'Aspose OCR for Java. + +À la fin, vous disposerez d’un extrait de code réutilisable qui **extrait du texte avec l'OCR** de façon fiable, même sur des numérisations bruyantes. Aucun tour de passe‑passe caché, seulement des étapes claires et la logique derrière chacune d’elles. + +## Ce dont vous avez besoin + +- Java 17 ou plus récent (le code compile avec n’importe quel JDK récent) +- Bibliothèque Aspose OCR for Java (téléchargez‑la depuis le site officiel d’Aspose) +- Un fichier de licence Aspose OCR valide (`Aspose.OCR.lic`) +- Une image d’entrée (`input.jpg`) que vous souhaitez lire +- Un IDE préféré ou une configuration simple en ligne de commande + +Si vous avez déjà tout cela, super—plongeons directement. + +## Étape 1 : Charger la licence Aspose OCR (Configuration principale) + +Avant que le moteur OCR ne fasse quoi que ce soit, il doit savoir que vous êtes licencié. Sinon, vous tomberez sur un filigrane d’évaluation. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Pourquoi c’est important :** Sans licence adéquate, le moteur fonctionne en mode d’évaluation, ce qui peut tronquer les résultats ou ajouter des filigranes. Définir la licence dès le départ garantit également que toutes les options de prétraitement ultérieures sont appliquées en mode complet. + +## Étape 2 : Initialiser le moteur OCR + +Créer une instance `OcrEngine` vous donne accès à la fois à la reconnaissance et aux pipelines de prétraitement. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Astuce :** Conservez le moteur en tant que singleton si vous prévoyez de traiter de nombreuses images en lot ; il met en cache les ressources internes et accélère les appels suivants. + +## Étape 3 : Configurer le prétraitement – Redressement, Dénoyautage et Amélioration du contraste + +C’est ici que nous **prétraitons l'image pour l'OCR**. Les trois paramètres que nous allons ajuster sont : + +1. **Redressement** – corrige les légères rotations. +2. **Dénoyautage** – élimine les taches qui perturbent la segmentation des caractères. +3. **Amélioration du contraste** – fait ressortir le texte sombre sur le fond. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Pourquoi ajuster le niveau de contraste ? + +Augmenter le niveau de contraste étire l’histogramme de l’image, rendant les pixels sombres plus sombres et les pixels clairs plus clairs. En pratique, un **niveau de contraste** de `1.3f` donne souvent le meilleur équilibre pour les documents imprimés, tandis qu’une valeur supérieure à `1.5f` peut surexposer les traits fins. N’hésitez pas à expérimenter ; le réglage est peu coûteux à changer et peut améliorer de façon spectaculaire le taux de succès de la **reconnaissance du texte à partir de l'image**. + +## Étape 4 : Préparer l'image d’entrée + +La classe `OcrInput` abstrait la gestion des fichiers. Vous pouvez ajouter plusieurs images si vous avez besoin d’un traitement par lot. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Cas particulier :** Si votre image est dans un format non standard (par ex., TIFF avec plusieurs pages), vous pouvez charger chaque page séparément ou la convertir d’abord en PNG/JPEG. + +## Étape 5 : Effectuer la reconnaissance + +Le moteur exécute maintenant le pipeline de prétraitement que nous venons de configurer, puis transmet l’image nettoyée à l’algorithme OCR principal. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Que se passe‑t‑il en coulisses ?** Aspose OCR applique d’abord la transformation de redressement, puis le filtre de dénoyautage, et enfin ajuste le contraste avant d’alimenter l’image à son reconnaisseur basé sur un réseau de neurones. L’ordre est intentionnel ; le modifier pourrait conduire à des résultats sous‑optimaux. + +## Étape 6 : Afficher le texte reconnu + +Enfin, nous affichons la chaîne extraite dans la console. Dans une vraie application, vous pourriez l’écrire dans un fichier ou l’envoyer sur le réseau. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Résultat attendu + +Si `input.jpg` contient la phrase « Hello World! », la console devrait afficher : + +``` +Hello World! +``` + +Si la sortie apparaît brouillée, revérifiez les valeurs de prétraitement—en particulier le **niveau de contraste** et le **mode de dénoyautage**—et essayez un autre format d’image. + +## Bonus : Visualiser l’image pré‑traitée (Optionnel) + +Parfois, vous voulez voir ce que le moteur voit après le redressement, le dénoyautage et l’amélioration du contraste. Aspose OCR vous permet d’exporter le bitmap intermédiaire : + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Ouvrez `processed.png` côte à côte avec l’original ; vous remarquerez un horizon plus droit et un texte plus net. Cette étape est pratique pour diagnostiquer pourquoi une numérisation particulière échoue. + +![exemple de prétraitement d'image pour OCR](/images/ocr-preprocess-example.png "prétraitement d'image pour OCR – avant et après l'augmentation du contraste") + +*L’image ci‑dessus illustre comment augmenter le contraste et dénoyauter transforme une numérisation floue en une image propre, prête pour l'OCR.* + +## Problèmes courants & comment les éviter + +| Problème | Pourquoi cela se produit | Solution | +|----------|--------------------------|----------| +| **Sur‑contraste** (`setContrastLevel` trop élevé) | Le fond clair devient blanc, effaçant les caractères faibles | Gardez le niveau entre 1.1 et 1.4 pour la plupart des textes imprimés | +| **Tolérance de redressement trop basse** | Les petites rotations restent non corrigées | Augmentez `setDeskewAngleTolerance` à 0.2 ou 0.3 pour les livres numérisés | +| **Utilisation du dénoyautage GAUSSIAN sur des images binaires** | Floute les bords, fusionnant les caractères | Optez pour `DenoiseMode.MEDIAN` pour les scans noir‑et‑blanc | +| **Licence manquante** | Le moteur revient en mode d’essai, tronquant la sortie | Vérifiez le chemin vers `Aspose.OCR.lic` et que le fichier est lisible | + +## Prochaines étapes : Aller au‑delà du pré‑traitement de base + +Maintenant que vous savez **prétraiter une image pour l'OCR** et **extraire du texte avec l'OCR**, envisagez ces extensions : + +- **Packs de langues** – chargez des dictionnaires spécifiques pour améliorer la précision sur les textes non anglais. +- **Recadrage de région d’intérêt (ROI)** – concentrez‑vous sur une sous‑section de l’image si vous n’avez besoin que d’une partie de la page. +- **Traitement par lot** – parcourez un répertoire d’images, en réutilisant la même instance `OcrEngine` pour gagner en vitesse. +- **Intégration avec PDF** – combinez Aspose OCR avec Aspose PDF pour convertir des PDF numérisés en PDF recherchables en une seule chaîne. + +Chacun de ces sujets intègre naturellement nos mots‑clés secondaires : vous continuerez à **augmenter le contraste de l'image**, à **définir le niveau de contraste**, et à **reconnaître le texte à partir de l'image** dans de nombreux scénarios. + +## Conclusion + +Nous avons couvert tout ce dont vous avez besoin pour **prétraiter une image pour l'OCR** avec Aspose OCR for Java : charger la licence, configurer le redressement, le dénoyautage et l’amélioration du contraste, fournir l’image, puis **reconnaître le texte à partir de l'image**. Avec l’exemple complet et exécutable ci‑dessus, vous pouvez dès à présent **extraire du texte avec l'OCR** sur n’importe quelle image correctement préparée. + +Testez le code, ajustez le **niveau de contraste**, et observez la précision grimper. Quand vous serez prêt, explorez les modèles spécifiques aux langues ou les pipelines par lot pour transformer cette démonstration d’une seule image en une solution prête pour la production. + +*Bon codage, et que vos scans soient toujours nets !* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/french/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..3aa12d594 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: Reconnaissez rapidement le texte d’une image avec le support GPU d’Aspose + OCR en Java. Apprenez à extraire le texte d’une image et à définir l’ID du dispositif + GPU pour des performances optimales. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: fr +og_description: Reconnaître rapidement le texte d’une image avec le support GPU d’Aspose + OCR en Java. Ce guide montre comment extraire le texte d’une image et définir l’ID + du dispositif GPU. +og_title: Reconnaître le texte d’une image en utilisant Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Reconnaître le texte d’une image avec Aspose OCR GPU – Java +url: /fr/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +all translations and original placeholders. + +Let's assemble. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconnaître du texte à partir d'une image avec Aspose OCR GPU – Java + +Vous avez déjà eu besoin de **reconnaître du texte à partir d'une image** dans une application Java mais le CPU était submergé par les gros fichiers ? Vous n'êtes pas le seul—de nombreux développeurs rencontrent ce problème lorsqu'ils traitent des numérisations haute résolution. Bonne nouvelle ? Aspose OCR vous permet **d'extraire du texte d'une image** sur le GPU, réduisant le temps de traitement de façon spectaculaire. + +Dans ce tutoriel, nous parcourrons un exemple complet, prêt à l'exécution, qui montre exactement comment configurer la licence, activer l'accélération GPU, et **définir l'ID du dispositif GPU** lorsque vous avez plusieurs cartes graphiques. À la fin, vous disposerez d'un programme autonome qui affiche le texte reconnu dans la console—aucune étape supplémentaire requise. + +## Ce dont vous avez besoin + +- **Java 17** ou plus récent (l'API est compatible avec Java 8+, mais le dernier LTS offre de meilleures performances). +- **Aspose OCR for Java** library (téléchargez le JAR depuis le site Aspose). +- Un fichier de licence **Aspose OCR** valide (`Aspose.OCR.lic`). L'essai gratuit fonctionne, mais les fonctionnalités GPU sont verrouillées derrière une version sous licence. +- Un fichier image (`sample-image.png`) contenant du texte clair et lisible par machine. +- Un environnement avec GPU activé (une carte compatible NVIDIA CUDA fonctionne le mieux). + +Si l'un de ces éléments vous est inconnu, ne vous inquiétez pas—chaque point sera expliqué au fur et à mesure. + +## Étape 1 : Ajouter Aspose OCR à votre projet + +Tout d'abord, incluez le JAR Aspose OCR dans votre classpath. Si vous utilisez Maven, ajoutez la dépendance suivante à `pom.xml` : + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Pour Gradle, c’est : + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Si vous préférez la méthode manuelle, déposez le JAR dans votre dossier `libs/` et ajoutez‑le au chemin du module de l'IDE. + +> **Astuce :** Gardez le numéro de version synchronisé avec les notes de version de la bibliothèque ; les versions plus récentes apportent souvent des améliorations de performances pour le traitement GPU. + +## Étape 2 : Charger la licence Aspose OCR (requis pour l'utilisation du GPU) + +Sans licence, l'appel `setEnableGpu(true)` reviendra silencieusement en mode CPU. Chargez la licence dès le début de `main` : + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Remplacez `YOUR_DIRECTORY` par le chemin absolu ou relatif où vous avez stocké le fichier `.lic`. Si le chemin est incorrect, Aspose lèvera une `FileNotFoundException`, alors vérifiez bien l'orthographe. + +## Étape 3 : Créer le moteur OCR et activer l'accélération GPU + +Nous allons maintenant instancier `OcrEngine` et lui indiquer d'utiliser le GPU. La méthode `setGpuDeviceId` vous permet de choisir une carte spécifique lorsqu'il y en a plusieurs. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Pourquoi se soucier de l'ID du dispositif ? Sur un serveur multi‑GPU, vous pouvez réserver une carte pour le prétraitement d'images et une autre pour l'OCR. Définir l'ID garantit que le bon matériel effectue le travail lourd. + +## Étape 4 : Préparer l'image d'entrée + +Aspose OCR fonctionne avec une variété de formats (PNG, JPG, BMP, TIFF). Enveloppez votre fichier dans un objet `OcrInput` : + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Si vous devez traiter un flux (par ex., un fichier téléchargé), utilisez `ocrInput.add(InputStream)` à la place. + +## Étape 5 : Exécuter le processus de reconnaissance et récupérer le résultat + +La méthode `recognize` renvoie un `OcrResult` qui contient le texte brut, les scores de confiance, et même les informations de mise en page si vous en avez besoin. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +La console affichera quelque chose comme : + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Si l'image est floue ou que la langue n'est pas prise en charge, le résultat peut être vide. Dans ce cas, vérifiez la valeur `ocrResult.getConfidence()` (0‑100) pour décider de réessayer avec un prétraitement. + +## Exemple complet, exécutable + +Assembler toutes les pièces vous donne une classe Java unique que vous pouvez copier‑coller dans votre IDE : + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Sortie attendue :** La console imprime le texte exact qui apparaît dans `sample-image.png`. Si le GPU est actif, vous remarquerez que le temps de traitement passe de plusieurs secondes (CPU) à moins d'une seconde pour des numérisations typiques de 300 dpi. + +## Questions fréquentes & cas limites + +### Cela fonctionne-t-il sur un serveur sans affichage ? + +Oui. Le pilote GPU doit être installé, mais aucun affichage n'est requis. Assurez‑vous simplement que le toolkit `CUDA` (ou l'équivalent pour votre GPU) se trouve dans le `PATH` du système. + +### Que faire si j'ai plus d'un GPU et que je veux utiliser le GPU 1 ? + +Changez l'ID du dispositif : + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Comment extraire du texte d'une image dans une autre langue ? + +Définissez la langue avant d'appeler `recognize` : + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose prend en charge plus de 30 langues ; consultez la documentation de l'API pour l'énumération complète. + +### Que faire si l'image contient plusieurs pages (par ex., un PDF converti en images) ? + +Créez une entrée `OcrInput` distincte pour chaque page, ou bouclez sur les fichiers : + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Le moteur concaténera les résultats dans l'ordre. + +### Comment gérer les résultats à faible confiance ? + +Vérifiez le score de confiance : + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Les étapes de prétraitement typiques incluent la binarisation, la réduction du bruit ou le redimensionnement à 300 dpi. + +## Conseils de performance + +- **Traitement par lots :** Ajouter de nombreuses images à un seul `OcrInput` réduit la surcharge liée à l'initialisation répétée du contexte GPU. +- **Échauffement :** Exécutez une reconnaissance factice une fois après le démarrage du JVM ; le premier appel entraîne une latence d'initialisation du pilote. +- **Gestion de la mémoire :** Libérez les gros objets `OcrInput` (`ocrInput.clear()`) une fois terminé pour libérer la mémoire GPU. + +## Conclusion + +Vous savez maintenant comment **reconnaître du texte à partir d'une image** efficacement avec le moteur GPU d'Aspose OCR en Java, comment **extraire du texte d'une image** dans n'importe quelle langue prise en charge, et comment **définir l'ID du dispositif GPU** lorsqu'on travaille avec plusieurs cartes graphiques. Le code complet et exécutable ci‑dessus devrait fonctionner immédiatement—il suffit de remplacer votre licence et les chemins d'image. + +Prêt pour l'étape suivante ? Essayez de traiter un dossier de PDF numérisés, expérimentez avec différentes options `setLanguage`, ou combinez l'OCR avec un modèle d'apprentissage automatique pour le post‑traitement. Les possibilités sont infinies, et les gains de performance grâce à l'accélération GPU rendent même les projets à grande échelle réalisables. + +Bon codage, et n'hésitez pas à laisser un commentaire si vous rencontrez des problèmes ! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/ocr-operations/_index.md b/ocr/french/java/ocr-operations/_index.md index 779631174..84e5cb54e 100644 --- a/ocr/french/java/ocr-operations/_index.md +++ b/ocr/french/java/ocr-operations/_index.md @@ -77,10 +77,20 @@ Débloquez la puissance de l’extraction de texte à partir d’images avec Asp Débloquez une extraction précise de texte à partir d’images avec Aspose.OCR pour Java. Suivez notre guide pas à pas pour un OCR précis grâce à la sélection de langue. ### [OCR Recognizing PDF Documents in Aspose.OCR for Java](./recognize-pdf/) Débloquez la puissance de l’OCR en Java avec Aspose.OCR. Reconnaissez le texte dans les documents PDF sans effort. Boostez vos applications avec précision et rapidité. +### [Comment utiliser l'OCR en Java – Extraire du texte PDF avec Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Apprenez à extraire du texte d'un PDF en Java avec Aspose.OCR grâce à ce guide étape par étape. +### [Comment utiliser l'OCR en Java – Reconnaître rapidement le texte d'une image](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Apprenez à extraire rapidement du texte d'une image en Java avec Aspose.OCR grâce à ce guide étape par étape. ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) Débloquez une puissante reconnaissance de texte en Java avec Aspose.OCR. Reconnaissez le texte dans les images TIFF sans effort. Téléchargez dès maintenant pour une expérience OCR fluide. ### [Reconnaître le texte d'image avec Aspose OCR – Tutoriel complet Java OCR](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Apprenez à extraire du texte d'images en Java avec Aspose OCR grâce à ce guide complet étape par étape. +### [Reconnaître le texte d'image avec Aspose OCR – Tutoriel Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Apprenez à extraire du texte d'images en Java avec Aspose OCR grâce à ce tutoriel pratique étape par étape. +### [Extraire du texte Urdu avec Aspose OCR – Tutoriel Java](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Apprenez à extraire du texte en langue Urdu à partir d'images en Java avec Aspose OCR grâce à ce guide étape par étape. +### [Créer un PDF consultable à partir d'une image en Java – Guide étape par étape](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Apprenez à transformer une image en PDF consultable avec Aspose.OCR pour Java grâce à ce guide détaillé. ## Foire aux questions diff --git a/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..67bf06c4f --- /dev/null +++ b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,261 @@ +--- +category: general +date: 2026-02-17 +description: 'Créez rapidement un PDF consultable : apprenez à créer un PDF à partir + d’une image en utilisant Aspose OCR, les options d’enregistrement PDF, et à convertir + une image en PDF consultable en quelques minutes.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: fr +og_description: Créer un PDF consultable en Java avec Aspose OCR. Ce guide montre + comment créer un PDF à partir d’une image, configurer les options d’enregistrement + du PDF et obtenir un document entièrement consultable. +og_title: Créer un PDF interrogeable à partir d'une image en Java – Tutoriel complet +tags: +- Aspose OCR +- Java +- PDF generation +title: Créer un PDF interrogeable à partir d'une image en Java – Guide étape par étape +url: /fr/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +Translate text content. + +We must keep the shortcodes at top and bottom. Also keep the image alt and title. + +Let's produce translation. + +Be careful with bullet points, tables, etc. + +Translate headings, sentences. + +Let's produce final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Créer un PDF recherchable à partir d’une image en Java – Guide étape par étape + +Vous avez déjà eu besoin de **créer un PDF recherchable** à partir d’une image numérisée sans savoir quelle API choisir ? Vous n’êtes pas seul — de nombreux développeurs rencontrent ce problème lorsqu’ils essaient de transformer un bitmap en PDF réellement interrogeable. La bonne nouvelle ? Avec Aspose OCR, vous pouvez le faire en quelques lignes, et le résultat ressemble exactement à l’image originale tout en étant texte‑recherchable. + +Dans ce tutoriel, nous parcourrons l’ensemble du processus : charger votre licence, fournir une image (ou un TIFF multi‑pages) au moteur OCR, ajuster les **options d’enregistrement PDF**, puis enfin écrire une **image vers un PDF recherchable**. À la fin, vous disposerez d’un programme Java prêt à l’emploi qui crée un PDF recherchable en quelques secondes. Pas de mystère, pas de raccourcis « voir la documentation » — juste un exemple complet et exécutable. + +## Ce que vous allez apprendre + +- Comment **convertir une image en PDF** et y intégrer une couche de texte cachée pour la recherche. +- Quelles **options d’enregistrement PDF** activer pour obtenir le meilleur compromis entre taille et précision. +- Les pièges courants (ex. : licence manquante, formats d’image non pris en charge) et comment les éviter. +- Comment vérifier que la sortie est réellement recherchable (test rapide avec Adobe Reader). + +**Prérequis :** Java 8 ou supérieur, Maven ou Gradle pour récupérer le JAR Aspose OCR, et un fichier de licence Aspose OCR valide. Si vous n’avez pas encore de licence, vous pouvez demander un essai gratuit sur le site d’Aspose. + +--- + +## Étape 1 – Charger la licence Aspose OCR (Comment créer un PDF en toute sécurité) + +Avant que le moteur OCR ne commence à travailler, il a besoin d’une licence ; sinon vous obtiendrez des pages filigranées. Placez votre `Aspose.OCR.lic` quelque part où il est accessible, puis pointez la classe `License` dessus. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Astuce pro :** Conservez le fichier de licence en dehors de votre répertoire de contrôle de version afin d’éviter les commits accidentels. + +--- + +## Étape 2 – Préparer l’entrée OCR (Convertir l’image en PDF) + +Aspose OCR accepte un objet `OcrInput` qui peut contenir une ou plusieurs images. Ici nous ajoutons un seul PNG, mais vous pouvez également fournir un TIFF multi‑pages pour un traitement par lots. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Pourquoi c’est important :** Ajouter l’image à `OcrInput` découple la gestion des fichiers du moteur, vous permettant de réutiliser le même code pour des scénarios à page unique ou multi‑pages. + +--- + +## Étape 3 – Configurer les options d’enregistrement PDF (Explication des PDF Save Options) + +La classe `PdfSaveOptions` contrôle la façon dont le PDF final est construit. Deux indicateurs sont cruciaux pour un **PDF recherchable** : + +1. `setCreateSearchablePdf(true)` – indique au moteur d’intégrer une couche de texte cachée basée sur les résultats OCR. +2. `setEmbedImages(true)` – préserve l’image raster originale afin que l’aspect visuel reste intact. + +Vous pouvez également ajuster le DPI, la compression ou la protection par mot de passe si besoin. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Cas limite :** Si vous définissez `setCreateSearchablePdf(false)`, la sortie sera un PDF contenant uniquement l’image — aucune recherche possible. Vérifiez toujours cet indicateur lors de l’automatisation de gros lots. + +--- + +## Étape 4 – Exécuter l’OCR et écrire le PDF recherchable (Logique centrale « Comment créer un PDF ») + +Nous rassemblons maintenant tous les éléments. La méthode `recognize` effectue l’OCR sur le `OcrInput` fourni, applique les `PdfSaveOptions`, et transmet le résultat dans un fichier. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Résultat attendu + +Après avoir exécuté le programme, ouvrez `output-searchable.pdf` dans n’importe quel lecteur PDF (Adobe Reader, Foxit, etc.) et essayez de sélectionner du texte ou d’utiliser la boîte de recherche. Vous devriez pouvoir trouver des mots qui n’étaient initialement que présents dans l’image. C’est la marque d’un **PDF recherchable**. + +--- + +## Étape 5 – Vérifier la couche recherchable (QA rapide) + +Parfois la confiance de l’OCR peut être faible, surtout sur des scans basse résolution. Un moyen rapide de vérifier : + +1. Ouvrez le PDF dans Adobe Reader. +2. Appuyez sur **Ctrl + F** et tapez un mot que vous savez présent dans l’image. +3. Si le mot est mis en surbrillance, la couche de texte cachée fonctionne. + +Si la recherche échoue, envisagez d’augmenter le DPI de l’image source ou d’activer des dictionnaires spécifiques via `ocrEngine.getLanguage().add("eng")`. + +--- + +## Questions fréquentes & Pièges + +| Question | Réponse | +|----------|--------| +| **Puis‑je traiter un TIFF multi‑pages ?** | Oui — ajoutez simplement chaque page au même `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR traitera chaque trame comme une page distincte. | +| **Et si je n’ai pas de licence ?** | L’essai gratuit fonctionne mais ajoute un filigrane sur chaque page. Le code reste identique ; utilisez simplement le fichier `.lic` d’essai. | +| **Quelle sera la taille du PDF ?** | Avec `setEmbedImages(true)`, la taille du fichier est à peu près celle de l’image originale plus quelques kilo‑octets pour le texte caché. Vous pouvez compresser les images via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Dois‑je définir une langue pour l’OCR ?** | Par défaut, Aspose OCR utilise l’anglais. Pour d’autres langues, appelez `ocrEngine.getLanguage().add("spa")` avant `recognize`. | +| **Le PDF de sortie est‑il recherchable sur les appareils mobiles ?** | Absolument — la plupart des visionneuses PDF mobiles respectent la couche de texte cachée. | + +--- + +## Bonus : Transformer la démo en utilitaire réutilisable + +Si vous prévoyez d’utiliser cette fonctionnalité dans plusieurs projets, encapsulez la logique dans une méthode d’aide statique : + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Vous pourrez alors appeler `PdfSearchableUtil.convert(...)` depuis n’importe quelle partie de votre code, transformant **convertir une image en PDF** en une simple ligne. + +--- + +## Conclusion + +Nous avons couvert tout ce qu’il faut savoir pour **créer des PDF recherchables** à partir d’images en Java avec Aspose OCR. De la charge de la licence, à la construction de l’entrée OCR, en passant par le réglage des **options d’enregistrement PDF**, jusqu’à l’écriture finale d’une **image vers un PDF recherchable**, ce tutoriel fournit une solution complète, prête à copier‑coller. + +Passez à l’étape suivante en expérimentant différents formats d’image, en ajustant le DPI, ou en ajoutant une protection par mot de passe via `PdfSaveOptions`. Vous pouvez également explorer le traitement par lots — parcourir un dossier de scans et générer un PDF recherchable pour chaque fichier. + +Si ce guide vous a été utile, laissez une étoile sur GitHub ou commentez ci‑dessous. Bon codage, et profitez de la transformation de vos scans en documents entièrement recherchables ! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..bdd6fbf5a --- /dev/null +++ b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-02-17 +description: Comment utiliser l'OCR en Java pour extraire du texte d’un PDF, convertir + un PDF en images et effectuer l’OCR sur des fichiers PDF numérisés à l’aide d’Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: fr +og_description: Comment utiliser l'OCR en Java pour extraire du texte à partir de + fichiers PDF. Apprenez à convertir les PDF en images et à reconnaître les PDF numérisés + avec Aspose.OCR. +og_title: Comment utiliser l'OCR en Java – Guide complet +tags: +- OCR +- Java +- Aspose +title: Comment utiliser l'OCR en Java – Extraire du texte d'un PDF avec Aspose.OCR +url: /fr/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Comment utiliser l'OCR en Java – Extraire du texte d'un PDF avec Aspose.OCR + +Vous vous êtes déjà demandé **comment utiliser l'OCR** pour transformer un PDF numérisé en texte recherchable ? Vous n'êtes pas le seul. La plupart des développeurs se heurtent à un mur lorsqu'un PDF arrive sous forme d'une série d'images, et les extracteurs de texte habituels ne renvoient rien. La bonne nouvelle ? En quelques lignes de Java et Aspose.OCR, vous pouvez **extraire du texte d'un PDF**, **convertir un PDF en images**, et **reconnaître un PDF numérisé** dans un seul flux de travail sans effort. + +Dans ce tutoriel, nous passerons en revue tout ce que vous devez savoir—de la licence de la bibliothèque à l'affichage du résultat final. À la fin, vous disposerez d'un programme prêt à l'emploi qui extrait le texte brut de n'importe quel rapport, facture ou ebook numérisé. Aucun service externe, aucune magie—juste du code Java pur que vous contrôlez. + +## Ce dont vous avez besoin + +- **Java Development Kit (JDK) 8+** – toute version récente fonctionne. +- **Aspose.OCR for Java** JAR (téléchargez depuis le site Aspose). +- Un **fichier de licence Aspose.OCR valide** (`Aspose.OCR.lic`). L'essai gratuit fonctionne, mais une licence débloque la précision totale. +- Un **PDF numérisé d'exemple** (par ex., `scanned-report.pdf`). +- Un IDE ou un simple éditeur de texte plus un terminal. + +C’est tout. Pas de Maven, pas de Gradle, pas de dépendances supplémentaires—juste le JAR Aspose.OCR dans votre classpath. + +![exemple d'utilisation de l'OCR](image-placeholder.png "exemple d'utilisation de l'OCR") + +## Étape 1 – Charger votre licence Aspose.OCR (Pourquoi c'est important) + +Avant que le moteur puisse fonctionner à pleine vitesse, vous devez lui indiquer où se trouve votre licence. Ignorer cette étape force la bibliothèque en mode d'évaluation, ce qui ajoute des filigranes à la sortie et peut limiter la précision. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Pourquoi cela fonctionne :** La classe `License` lit le fichier `.lic` et l'enregistre globalement. Une fois définie, chaque `OcrEngine` que vous créez utilisera automatiquement les fonctionnalités sous licence. + +## Étape 2 – Créer le moteur OCR (Le moteur derrière la magie) + +Une instance `OcrEngine` est le cheval de bataille qui analyse les images et génère du texte. Pensez-y comme le cerveau qui interprète les motifs de pixels. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Astuce :** Vous pouvez ajuster la langue, les seuils de confiance, ou même activer l'accélération GPU via les propriétés du moteur. Pour la plupart des PDF en anglais, les paramètres par défaut conviennent. + +## Étape 3 – Préparer l'entrée : ajouter votre PDF (Convertir le PDF en images en interne) + +Aspose.OCR considère chaque page d'un PDF comme une image. Lorsque vous appelez `addPdf`, la bibliothèque rasterise silencieusement chaque page, ce qui est exactement ce dont vous avez besoin pour **convertir le PDF en images** avant la reconnaissance. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Ce qui se passe :** +- Le PDF est ouvert. +- Chaque page est rendue à 300 dpi (par défaut) pour préserver les détails des caractères. +- Les objets bitmap rendus sont stockés dans la collection `OcrInput`. + +Si vous avez besoin des images brutes (pour le débogage ou un prétraitement personnalisé), appelez `ocrInput.getPages()` après cette étape. + +## Étape 4 – Exécuter le processus OCR (Effectuer l'OCR sur le PDF) + +Le travail intensif commence maintenant. La méthode `recognize` parcourt chaque image, exécute l'algorithme de reconnaissance et agrège les résultats dans un `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Pourquoi cela vous intéresse :** Le `OcrResult` contient non seulement le texte brut mais aussi les scores de confiance, les boîtes englobantes et la référence à l'image originale. Pour la plupart des cas d'utilisation, vous n'aurez besoin que de `getText()`. + +## Étape 5 – Récupérer et afficher le texte extrait + +Enfin, extrayez la chaîne de texte brut du résultat et affichez‑la. Vous pouvez également l'écrire dans un fichier, l'alimenter dans un index de recherche, ou le transmettre à un pipeline NLP en aval. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Sortie attendue + +Si `scanned-report.pdf` contient un paragraphe simple, vous verrez quelque chose comme : + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Le formatage exact reflète la mise en page originale, en préservant les sauts de ligne lorsque c'est possible. + +## Gestion des cas limites courants + +### 1. PDFs multilingues + +Si votre document contient du texte en français ou en espagnol, définissez la langue avant d'appeler `recognize` : + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Vous pouvez fournir un tableau de langues pour laisser le moteur détecter automatiquement. + +### 2. Scans à basse résolution + +Lors de la gestion de scans à 150 dpi, augmentez le DPI de rendu interne : + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Un DPI plus élevé améliore la clarté des caractères mais consomme plus de mémoire. + +### 3. Gros PDFs (Gestion de la mémoire) + +Pour les PDFs de plusieurs dizaines de pages, traitez‑les par lots : + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Cette approche empêche le tas JVM de gonfler. + +## Exemple complet, prêt à l'exécution + +Voici le programme complet—y compris les imports et la gestion de la licence—pour que vous puissiez copier‑coller et exécuter immédiatement. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Exécutez‑le avec : + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Vous devriez voir le texte extrait affiché dans la console. + +## Récapitulatif – Ce que nous avons couvert + +- **Comment utiliser l'OCR** en Java avec Aspose.OCR. +- Le flux de travail pour **extraire du texte d'un PDF**. +- En interne, la bibliothèque **convertit le PDF en images** avant de reconnaître les caractères. +- Astuces pour **effectuer l'OCR sur un PDF** avec plusieurs langues, des scans à basse résolution et de gros documents. +- Un exemple de code complet et exécutable que vous pouvez intégrer à n'importe quel projet Java. + +## Prochaines étapes & sujets associés + +Maintenant que vous pouvez **reconnaître les PDFs numérisés**, envisagez ces idées complémentaires : + +- **Génération de PDF recherchable** – superposer le texte OCR sur le PDF original pour créer un document consultable. +- **Service de traitement par lots** – encapsuler le code dans un microservice Spring Boot qui accepte les PDFs via REST. +- **Intégration avec Elasticsearch** – indexer le texte extrait pour une recherche plein texte rapide dans votre dépôt de documents. +- **Pré‑traitement d'image** – utiliser OpenCV pour redresser ou débruiter les pages avant l'OCR afin d'obtenir une précision encore meilleure. + +Chacun de ces sujets s'appuie sur les concepts de base que nous avons explorés, alors n'hésitez pas à expérimenter et laissez le moteur OCR faire le travail lourd. + +--- + +*Bon codage ! Si vous rencontrez des problèmes—comme des erreurs de licence ou des résultats null inattendus—laissez un commentaire ci‑dessous. Je suis toujours partant pour une session de débogage.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..9ff8b3b11 --- /dev/null +++ b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-02-17 +description: Apprenez à utiliser l'OCR en Java pour reconnaître le texte à partir + de fichiers image, extraire le texte des reçus PNG et convertir le reçu en JSON + avec Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: fr +og_description: Guide étape par étape sur la façon d’utiliser l’OCR en Java pour reconnaître + le texte d’une image, extraire le texte des reçus PNG et convertir le reçu en JSON. +og_title: Comment utiliser l'OCR en Java – Reconnaître le texte à partir d’une image +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Comment utiliser l’OCR en Java – Reconnaître rapidement le texte d’une image +url: /fr/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +formatting, headings, bullet points, blockquotes, code placeholders. + +Now produce final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Comment utiliser l'OCR en Java – Reconnaître rapidement du texte à partir d'une image + +Vous êtes‑vous déjà demandé **comment utiliser l'OCR** pour extraire du texte d'une photo de reçu ? Peut‑être avez‑vous essayé quelques outils en ligne, pour finir avec des caractères illisibles ou un format que vous ne pouvez pas analyser. La bonne nouvelle, c’est qu’avec quelques lignes de code Java, vous pouvez **reconnaître du texte à partir d’une image**, **extraire du texte d’un PNG** de reçu, et même **convertir le reçu en JSON** pour un traitement en aval. + +Dans ce tutoriel, nous parcourrons le flux de travail complet — de la licence de la bibliothèque Aspose OCR à l’obtention d’une charge utile JSON propre que vous pouvez injecter dans une base de données ou un modèle d’apprentissage automatique. Pas de superflu, juste un exemple pratique et exécutable que vous pouvez copier‑coller dans votre IDE. À la fin, vous disposerez d’un programme autonome qui prend `receipt.png` et génère une chaîne JSON prête à l’emploi. + +## Ce dont vous avez besoin + +- **Java Development Kit (JDK) 8+** – toute version récente fonctionne. +- **Aspose OCR for Java** library (l’artifact Maven est `com.aspose:aspose-ocr`). +- Un **fichier de licence Aspose OCR valide** (`Aspose.OCR.lic`). L’essai gratuit fonctionne pour les tests, mais une licence appropriée supprime les limites d’évaluation. +- Un fichier image (PNG, JPEG, etc.) contenant le texte que vous souhaitez lire — appelons‑le `receipt.png` et plaçons‑le dans un dossier connu. +- Votre IDE préféré (IntelliJ IDEA, Eclipse, VS Code…) – vous êtes libre de choisir. + +> **Astuce :** Conservez votre fichier de licence en dehors du dossier source et référencez‑le via un chemin absolu ou relatif afin d’éviter de le commettre dans le contrôle de version. + +Maintenant que les prérequis sont clairs, plongeons dans le code réel. + +## Comment utiliser l'OCR – Étapes principales + +Voici un aperçu de haut niveau des actions que nous allons effectuer : + +1. **Charger la bibliothèque Aspose OCR** et appliquer votre licence. +2. **Créer une instance `OcrEngine`** – c’est le moteur qui effectue le travail lourd. +3. **Préparer un objet `OcrInput`** pointant vers l’image que vous souhaitez traiter. +4. **Appeler `recognize` avec `ResultFormat.JSON`** pour obtenir une représentation JSON du texte extrait. +5. **Gérer la sortie JSON** – l’imprimer, l’écrire dans un fichier ou l’analyser davantage. + +Chaque étape est expliquée en détail dans les sections suivantes. + +## Étape 1 – Installer Aspose OCR et appliquer votre licence + +Tout d’abord, ajoutez la dépendance Aspose OCR à votre `pom.xml` si vous utilisez Maven : + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Ensuite, dans votre code Java, chargez la licence. Cette étape est essentielle ; sans elle, la bibliothèque fonctionne en mode d’évaluation et peut intégrer des filigranes dans la sortie. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Pourquoi c’est important :** L’objet `License` indique au moteur OCR que vous êtes autorisé à utiliser l’ensemble complet des fonctionnalités, qui comprend la reconnaissance haute précision et l’exportation JSON. Ignorer cette étape vous permettra toujours de **reconnaître du texte à partir d’une image**, mais les résultats peuvent être limités. + +## Étape 2 – Créer l’instance du moteur OCR + +La classe `OcrEngine` est le point d’entrée de toutes les opérations OCR. Pensez‑y comme le « cerveau » qui lit les pixels et décide quels caractères ils représentent. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Vous pouvez personnaliser le moteur (par ex., définir la langue, activer la correction d’inclinaison) plus tard si vos reçus contiennent des scripts non latins ou sont numérisés sous un angle. Pour la plupart des reçus américains, les paramètres par défaut fonctionnent très bien. + +## Étape 3 – Charger l’image à traiter + +Nous allons maintenant pointer le moteur OCR vers le fichier contenant le reçu. La classe `OcrInput` peut accepter plusieurs images, mais pour ce tutoriel nous resterons simples avec un seul PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Si vous avez besoin de **extraire du texte de fichiers PNG** en masse, appelez simplement `input.add()` à plusieurs reprises ou transmettez une liste de chemins de fichiers. + +## Étape 4 – Reconnaître le texte et convertir le reçu en JSON + +Voici le cœur du tutoriel. Nous demandons au moteur de reconnaître le texte et de fournir le résultat au format JSON. Le drapeau `ResultFormat.JSON` effectue tout le travail lourd pour nous. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +La charge utile JSON comprend chaque ligne reconnue, son rectangle englobant, le score de confiance et le texte brut. Cette structure rend trivial le **convertir le reçu en JSON** puis le transmettre à n’importe quelle API en aval. + +## Étape 5 – Assembler le tout et exécuter le programme + +Ci‑dessous se trouve la classe Java complète, prête à être exécutée, qui assemble tous les éléments. Enregistrez‑la sous le nom `JsonExportDemo.java` (ou tout autre nom) et exécutez‑la depuis votre IDE ou la ligne de commande. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Sortie attendue + +L’exécution du programme affiche une chaîne JSON similaire à la suivante (le contenu exact dépend de votre reçu) : + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Vous pouvez maintenant injecter ce JSON dans une base de données, un point d’accès REST ou un pipeline d’analyse de données. L’étape **convertir le reçu en JSON** est déjà effectuée pour vous. + +## Questions fréquentes et cas particuliers + +### Que faire si l’image est tournée ? + +Aspose OCR détecte et corrige automatiquement les rotations légères. Pour des images fortement inclinées, appelez `engine.getImagePreprocessingOptions().setDeskew(true)` avant la reconnaissance. + +### Comment gérer plusieurs langues ? + +Utilisez `engine.getLanguage()` pour définir la langue souhaitée, par ex., `engine.setLanguage(Language.FRENCH)`. Cela est pratique lorsque vous devez **reconnaître du texte à partir d’une image** contenant des reçus multilingues. + +### Puis‑je obtenir du texte brut au lieu de JSON ? + +Absolument. Remplacez `ResultFormat.JSON` par `ResultFormat.TEXT` et appelez `result.getText()`. + +### Existe‑t‑il un moyen de limiter l’OCR à une région spécifique ? + +Oui — utilisez `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` pour vous concentrer sur la zone du reçu, ce qui peut améliorer la vitesse et la précision. + +## Astuces pro pour un OCR prêt pour la production + +- **Mettre en cache l’objet licence** si vous traitez de nombreux fichiers dans une boucle ; le créer à chaque fois ajoute une surcharge. +- **Traitement par lots** : chargez tous les chemins de reçus dans un seul `OcrInput` et appelez `recognize` une fois. Le JSON contiendra un tableau de pages, chacune avec ses propres lignes. +- **Valider le JSON** : après avoir obtenu la chaîne, analysez‑la avec une bibliothèque comme Jackson pour vous assurer qu’elle est bien formée avant de la stocker. +- **Surveiller la confiance** : le JSON inclut un champ `confidence` par ligne. Filtrez les lignes en dessous d’un seuil (par ex., 0.85) pour éviter les données inutiles. +- **Sécuriser votre licence** : stockez `Aspose.OCR.lic` dans un coffre sécurisé ou une variable d’environnement, surtout lors de déploiements cloud. + +## Conclusion + +Nous avons couvert **comment utiliser l’OCR** en Java pour **reconnaître du texte à partir d’une image**, **extraire du texte de PNG** de reçus, et **convertir le reçu en JSON** — le tout avec un exemple concis et complet. Les étapes sont simples, le code est entièrement exécutable, et la sortie JSON vous fournit une représentation structurée prête pour tout système en aval. + +Ensuite, vous pourriez explorer des scénarios plus avancés : injecter le JSON dans Apache Kafka pour un traitement en temps réel, appliquer des expressions régulières pour extraire les totaux des lignes, ou intégrer un service OCR cloud pour la scalabilité. Quel que soit votre choix, les bases que vous venez d’apprendre resteront les mêmes. + +Des questions, ou un problème lors de l’essai ? Laissez un commentaire ci‑dessous, et résolvons‑le ensemble. Bon codage, et profitez de transformer ces images de reçus désordonnés en données propres et recherchables ! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/french/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..a6fc4fa77 --- /dev/null +++ b/ocr/french/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,181 @@ +--- +category: general +date: 2026-02-17 +description: 'Tutoriel image à texte Java : apprenez comment extraire du texte Urdu + d’une image à l’aide d’Aspose OCR. Exemple complet d’OCR Java inclus.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: fr +og_description: Le tutoriel Java de conversion d’image en texte montre comment extraire + du texte ourdou d’une image en utilisant Aspose OCR. Suivez l’exemple complet d’OCR + Java étape par étape. +og_title: 'image vers texte Java : extraire le texte ourdou avec Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'image to text java : Extraire le texte Urdu avec Aspose OCR' +url: /fr/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java : Extraire du texte Urdu avec Aspose OCR + +If you need to do **image to text java** conversion for Urdu documents, you're in the right place. Ever wondered *how to extract text* from a picture of a handwritten note or a scanned newspaper page? This guide will walk you through a **java ocr example** that pulls Urdu characters straight out of an image using Aspose OCR. + +We'll cover everything from licensing the library to printing the result on the console. By the end you’ll be able to **load image ocr** files, set the language to Urdu, and get clean Unicode output—no extra tools required. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – le code fonctionne avec n’importe quel JDK récent. +- **Aspose.OCR for Java** JAR (téléchargé depuis le site Aspose). +- Un fichier de licence **Aspose OCR** valide (`Aspose.OCR.lic`). +- Une image contenant du texte Urdu, par ex. `urdu-sample.png`. + +Having these basics in place means you can jump straight into the code without hunting for missing dependencies. + +## image to text java – Setting Up Aspose OCR + +First, we need to tell Aspose that we have a license. Without it the library runs in evaluation mode and will add watermarks to the output. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** Licensing removes the 5‑second processing limit and unlocks the full Urdu language pack that was added in 2025‑Q3. If you skip this step, the OCR engine will still work, but you’ll see a tiny “Evaluation” tag in the results. + +## How to Extract Text – Initialize the OCR Engine + +Now we create the engine and explicitly tell it we’re interested in Urdu. The `OcrLanguage.URDU` constant activates the right character set and segmentation rules. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** If you ever need to process multiple languages in one run, you can pass a comma‑separated list, e.g., `OcrLanguage.ENGLISH, OcrLanguage.URDU`. The engine will auto‑detect each region. + +## Load Image OCR – Preparing the Input + +Aspose works with an `OcrInput` object that can hold one or many images. Here we **load image ocr** data from a local file. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Remplacez `YOUR_DIRECTORY` par le chemin absolu ou un chemin relatif depuis la racine de votre projet. Si le fichier n’est pas trouvé, Aspose lève une `FileNotFoundException`. Un contrôle rapide avec `new File(path).exists()` peut vous faire gagner beaucoup de temps de débogage. + +## Recognize the Text – Running the OCR Process + +With the engine configured and the image loaded, we finally call `recognize`. The method returns an `OcrResult` that holds the extracted string. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** The OCR engine splits the image into lines, then characters, applying Urdu‑specific shaping rules (like joining forms). This is why setting the language early is crucial; otherwise you’ll get garbled Latin placeholders. + +## Print the Recognized Urdu Text + +The last step is simply printing the result. Because Urdu uses right‑to‑left script, make sure your console supports Unicode (most modern terminals do). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +If you see question marks or empty strings, double‑check that your console encoding is set to UTF‑8 (`chcp 65001` on Windows, or run Java with `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +Below is the complete, copy‑and‑paste‑ready program. No external references, just a single Java file. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Replace the JAR version (`23.10`) with whatever you downloaded. The console should display the Urdu sentence extracted from your PNG. + +## Common Pitfalls & Edge Cases + +| Problème | Pourquoi cela se produit | Comment corriger | +|----------|--------------------------|------------------| +| **Sortie vide** | L’image est trop sombre ou de faible résolution. | Pré‑traitez l’image (augmentez le contraste, binarisez) avec `BufferedImage` avant de la transmettre à Aspose. | +| **Caractères illisibles** | Langue incorrecte (par défaut l’anglais). | Assurez‑vous que `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` est appelé avant `recognize`. | +| **Licence introuvable** | Erreur de chemin ou fichier manquant. | Utilisez un chemin absolu ou placez le fichier `.lic` dans le classpath et appelez `license.setLicense("Aspose.OCR.lic");`. | +| **Mémoire insuffisante sur de grandes images** | Les gros PNG consomment le tas. | Appelez `ocrEngine.setMaxImageSize(2000);` pour réduire la taille en interne, ou redimensionnez l’image vous‑même. | + +## Extending the Demo + +- **Traitement par lots :** Parcourez un dossier, ajoutez chaque fichier au même `OcrInput` et collectez les résultats dans un CSV. +- **Langues différentes :** Remplacez `OcrLanguage.URDU` par `OcrLanguage.ARABIC` ou combinez plusieurs langues. +- **Enregistrement dans un fichier :** Utilisez `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +All of these ideas build on the **java ocr example** we just built, letting you tailor the solution to real‑world projects. + +## Conclusion + +You now have a solid **image to text java** workflow that extracts Urdu characters from an image using Aspose OCR. The tutorial covered every step—from licensing and language selection to loading the image and printing the result—so you can paste the code into any Java project and watch it work. + +Next, try experimenting with larger PDFs, different scripts, or even integrating the OCR step into a Spring Boot REST endpoint. The same principles — **comment extraire du texte**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/french/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/french/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..de83427f1 --- /dev/null +++ b/ocr/french/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,208 @@ +--- +category: general +date: 2026-02-17 +description: Apprenez à reconnaître le texte à partir d’une image et à charger l’image + pour l’OCR en utilisant la bibliothèque Aspose OCR Java. Guide étape par étape avec + correcteur orthographique. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: fr +og_description: Reconnaître le texte d’une image en utilisant Aspose OCR Java. Ce + tutoriel montre comment charger une image pour l’OCR, activer la correction orthographique + et obtenir un texte propre. +og_title: reconnaître le texte à partir d'une image – Guide complet Aspose OCR Java +tags: +- Java +- OCR +- Aspose +title: Reconnaître du texte à partir d'une image avec Aspose OCR – Tutoriel Java +url: /fr/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +tip:" maybe "Astuce pro :". + +But keep the quote formatting. + +Also code block placeholders remain. + +Let's craft. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Reconnaître du texte à partir d'une image avec Aspose OCR – Tutoriel Java + +Vous avez déjà eu besoin de **reconnaître du texte à partir d'une image** sans savoir quelle bibliothèque choisir ? Vous n'êtes pas seul. Dans de nombreux projets réels—par exemple la numérisation de factures, la digitalisation de notes manuscrites ou l'extraction de légendes depuis des captures d'écran—obtenir des résultats OCR précis est crucial. + +Dans ce guide, nous allons parcourir le chargement d’une image pour l’OCR, activer le correcteur orthographique intégré d’Aspose OCR, puis afficher le texte nettoyé. À la fin, vous disposerez d’un programme Java prêt à l’emploi qui **reconnaît du texte à partir d'une image** en quelques lignes de code seulement. + +## Ce que couvre ce tutoriel + +- Comment appliquer votre licence Aspose OCR (pour que la démo s’exécute sans filigrane) +- Créer une instance `OcrEngine` et sélectionner l’anglais comme langue de reconnaissance +- **Charger une image pour l’OCR** avec `OcrInput` en pointant vers un PNG contenant des mots mal orthographiés +- Activer le correcteur orthographique, éventuellement en le pointant vers un dictionnaire personnalisé +- Exécuter la reconnaissance et afficher le résultat corrigé + +Aucun service externe, aucune configuration cachée—juste du Java pur et le JAR Aspose OCR. + +> **Astuce pro :** Si vous débutez avec Aspose, téléchargez une licence d’essai gratuite de 30 jours depuis le site d’Aspose et placez le fichier `.lic` dans un dossier que vous pourrez référencer depuis votre code. + +## Prérequis + +- Java 8 ou supérieur (le code compile également avec JDK 11) +- JAR Aspose.OCR for Java présent sur votre classpath +- Un fichier `Aspose.OCR.lic` valide (ou vous pouvez fonctionner en mode évaluation, mais la démo affichera un filigrane) +- Un fichier image (`misspelled.png`) contenant du texte avec des fautes d’orthographe intentionnelles—idéal pour voir le correcteur orthographique en action + +Tout est‑t‑il prêt ? Parfait—plongeons‑y. + +## Étape 1 : Appliquer votre licence Aspose OCR + +Avant que le moteur ne commence le traitement, il doit savoir que vous êtes licencié. Sinon, vous verrez une bannière « Version d’essai » dans la sortie. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Pourquoi c’est important :* La licence désactive le filigrane d’évaluation et débloque le dictionnaire complet du correcteur orthographique. Ignorer cette étape fonctionne, mais votre sortie sera polluée par le texte « Aspose OCR Demo ». + +## Étape 2 : Créer et configurer le moteur OCR + +Nous lançons maintenant le moteur et indiquons la langue à utiliser. L’anglais est le plus courant, mais Aspose en supporte des dizaines. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Pourquoi nous définissons la langue :* Le modèle linguistique détermine le jeu de caractères et influence les suggestions du correcteur orthographique. Utiliser la mauvaise langue peut réduire drastiquement la précision. + +## Étape 3 : Activer la correction orthographique et (facultativement) pointer vers un dictionnaire personnalisé + +Aspose OCR fournit un dictionnaire anglais intégré, mais vous pouvez en fournir un propre si vous avez des termes spécifiques à votre domaine (par exemple du jargon médical ou des codes produit). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Ce que fait le correcteur :* Lorsque le moteur OCR rencontre un mot absent du dictionnaire, il tente de le remplacer par le terme le plus proche. C’est ainsi que la démo transforme automatiquement « recieve » en « receive ». + +## Étape 4 : Charger l’image pour l’OCR + +Voici la partie qui répond directement à **charger une image pour l’OCR**. Nous créons un objet `OcrInput` et y ajoutons notre fichier PNG. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Pourquoi nous utilisons `OcrInput` :* Il masque la logique de lecture de fichier et vous permet d’ajouter plusieurs pages plus tard si vous devez traiter un PDF multi‑pages ou un lot d’images. + +## Étape 5 : Exécuter la reconnaissance et récupérer le texte corrigé + +Le moteur effectue maintenant le travail lourd—reconnaissance des caractères, application du modèle linguistique, puis correction orthographique. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Sortie attendue :* En supposant que `misspelled.png` contienne la phrase « Ths is a smple test », la console affichera : + +``` +Corrected text: +This is a simple test +``` + +Remarquez comment les mots mal orthographiés (`Ths`, `smple`) ont été corrigés automatiquement. + +## Exemple complet, prêt à l’exécution + +Voici le programme complet en un seul bloc. Copiez‑collez, ajustez les chemins, puis cliquez sur **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Conseil :** Si vous souhaitez traiter un JPEG ou un BMP au lieu d’un PNG, changez simplement l’extension du fichier—Aspose OCR prend en charge tous les formats raster courants. + +## Questions fréquentes & cas particuliers + +- **Et si mon image est de basse résolution ?** + Augmentez le DPI avant de le transmettre à Aspose en redimensionnant avec une bibliothèque comme `java.awt.Image`. Un DPI plus élevé fournit plus de pixels au moteur, ce qui améliore généralement la précision. + +- **Puis‑je reconnaître plusieurs langues dans la même image ?** + Oui. Appelez `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` et, éventuellement, fournissez une liste de langues via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Mon dictionnaire personnalisé n’est pas utilisé—pourquoi ?** + Vérifiez que le dossier contient des fichiers texte brut avec un mot par ligne et que le chemin est absolu ou correctement relatif à votre répertoire de travail. + +- **Comment extraire les scores de confiance ?** + `result.getConfidence()` renvoie un float compris entre 0 et 1 pour la page entière. Pour la confiance par caractère, explorez `result.getWordList()`. + +## Conclusion + +Vous savez maintenant comment **reconnaître du texte à partir d'une image** avec Aspose OCR pour Java, comment **charger une image pour l’OCR**, et comment activer le correcteur orthographique pour nettoyer les fautes courantes. L’exemple complet ci‑dessus peut être intégré à n’importe quel projet Maven ou Gradle, et avec quelques ajustements vous pouvez le faire fonctionner en traitement par lots, le connecter à un service web, ou l’intégrer à un système de gestion documentaire. + +Prêt pour l’étape suivante ? Essayez de traiter un PDF multi‑pages, expérimentez un dictionnaire personnalisé pour une terminologie sectorielle, ou enchaînez la sortie vers une API de traduction. Les possibilités sont infinies, et le schéma de base—licence → moteur → langue → correcteur → entrée → reconnaissance → sortie—reste le même. + +Bon codage, et que vos résultats OCR soient toujours impeccables ! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/advanced-ocr-techniques/_index.md b/ocr/german/java/advanced-ocr-techniques/_index.md index b9bdc98dd..39f38c0cf 100644 --- a/ocr/german/java/advanced-ocr-techniques/_index.md +++ b/ocr/german/java/advanced-ocr-techniques/_index.md @@ -43,27 +43,25 @@ Stärken Sie Ihre Java-Anwendungen mit Aspose.OCR für eine präzise Texterkennu ## [Angeben zulässiger Zeichen in Aspose.OCR](./specify-allowed-characters/) -Extrahieren Sie mühelos Text aus Bildern, indem Sie mit Aspose.OCR für Java zulässige Zeichen angeben. Befolgen Sie unsere Schritt-für-Schritt-Anleitung für eine effiziente Integration und sorgen Sie für ein nahtloses Texterkennungserlebnis. Erweitern Sie Ihre Java-Anwendungen mit Aspose.OCR-Funktionen. - -## Abschluss - -Mit Aspose.OCR für Java war die Beherrschung fortgeschrittener OCR-Techniken noch nie so einfach. Tauchen Sie ein in diese Tutorials und nutzen Sie das volle Potenzial der Texterkennung in Ihren Java-Projekten. Werten Sie Ihre Anwendungen durch nahtlose Integration, hohe Genauigkeit und vielseitige Textextraktionsfunktionen auf. Laden Sie es jetzt herunter und machen Sie den ersten Schritt in Richtung OCR-Exzellenz mit Aspose.OCR für Java! -## Fortgeschrittene Tutorials zu OCR-Techniken -### [Durchführen von OCR für BufferedImage in Aspose.OCR für Java](./perform-ocr-buffered-image/) -Führen Sie mit Aspose.OCR für Java mühelos OCR für BufferedImage durch. Extrahieren Sie nahtlos Text aus Bildern. Laden Sie es jetzt herunter und genießen Sie ein vielseitiges Texterkennungserlebnis. -### [Durchführen von OCR für Bilder von einer URL in Aspose.OCR für Java](./perform-ocr-image-from-url/) -Nutzen Sie mit Aspose.OCR die nahtlose Bildtextextraktion in Java. Hochpräzise OCR mit einfacher Integration. -### [Durchführen von OCR auf einer bestimmten Seite in Aspose.OCR](./perform-ocr-on-page/) -Nutzen Sie die Leistungsfähigkeit von Aspose.OCR für Java mit unserer Schritt-für-Schritt-Anleitung zur Durchführung von OCR auf bestimmten Seiten. Extrahieren Sie mühelos Text aus Bildern und verbessern Sie Ihre Java-Projekte. -### [Vorbereiten von Rechtecken für OCR in Aspose.OCR](./prepare-rectangles-for-ocr/) -Nutzen Sie die Leistungsfähigkeit der Texterkennung mit Aspose.OCR für Java. Befolgen Sie unsere Schritt-für-Schritt-Anleitung für eine nahtlose Integration. Erweitern Sie Ihre Java-Anwendungen mit effizienten OCR-Funktionen. -### [Erkennen von Linien in Aspose.OCR für Java](./recognize-lines/) -Stärken Sie Ihre Java-Anwendungen mit Aspose.OCR für eine präzise Texterkennung. Einfache Integration, hohe Genauigkeit. -### [Angeben zulässiger Zeichen in Aspose.OCR](./specify-allowed-characters/) Nutzen Sie die nahtlose Textextraktion aus Bildern mit Aspose.OCR für Java. Befolgen Sie unsere Schritt-für-Schritt-Anleitung für eine effiziente Integration. + +### [Fixed Thread Pool Java – parallele OCR für PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Nutzen Sie einen Fixed Thread Pool in Java, um PNG‑Bilder parallel zu verarbeiten und OCR effizient auszuführen. + +## [Texterkennung für Bild mit Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Nutzen Sie die GPU‑Beschleunigung von Aspose OCR in Java, um Text aus Bildern schnell und präzise zu extrahieren. + +## [Bild für OCR vorverarbeiten – Komplettleitfaden für Java zur Kontraststeigerung & Textextraktion](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) + +Erfahren Sie, wie Sie Bilder in Java vorverarbeiten, den Kontrast erhöhen und die OCR‑Genauigkeit mit Aspose.OCR steigern. + +## [Erstellen Sie OCR-Engine Java – Erkennen von Text aus großen Bildern](./create-ocr-engine-java-recognize-text-from-large-images/) + +Erfahren Sie, wie Sie mit Aspose.OCR für Java eine OCR-Engine erstellen, um Text aus sehr großen Bildern effizient zu extrahieren. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/german/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..34855b99f --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,261 @@ +--- +category: general +date: 2026-02-17 +description: Erstelle eine OCR‑Engine in Java und lese TIFF‑Dateien in Java schnell. + Erfahre, wie du Text aus großen Bildern mit Aspose.OCR in einer Schritt‑für‑Schritt‑Anleitung + erkennst. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: de +og_description: Erstellen Sie jetzt eine OCR-Engine in Java. Dieses Tutorial zeigt, + wie man eine TIFF-Datei in Java liest und Text aus einem großen Bild mit Aspose.OCR + erkennt. +og_title: Erstelle OCR‑Engine in Java – Vollständiger Leitfaden zur Texterkennung + großer Bilder +tags: +- OCR +- Java +- Aspose +title: OCR-Engine in Java erstellen – Text aus großen Bildern erkennen +url: /de/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +translate. + +Now produce final output.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Erstelle OCR‑Engine Java – Erkenne Text aus großen Bildern + +Hast du jemals **OCR engine Java**‑Code schreiben müssen, der eine riesige TIFF‑Karte verarbeiten kann, wusstest aber nicht, wo du anfangen sollst? Du bist nicht allein – die meisten Entwickler stoßen an ihre Grenzen, wenn die Bildgröße die üblichen Speichergrenzen überschreitet. + +In diesem Leitfaden führen wir dich Schritt für Schritt durch ein vollständiges, sofort ausführbares Beispiel, das **eine OCR‑Engine in Java erstellt**, dir zeigt, wie du **TIFF file Java** mit einem `InputStream` **liest**, und schließlich **Text aus großen Bilddateien** erkennt, ohne dass der Heap überläuft. Am Ende hast du ein eigenständiges Programm, das du in jedes Maven‑ oder Gradle‑Projekt einbinden kannst. + +## Was du brauchst + +- **Java Development Kit (JDK) 8 oder neuer** – der Code verwendet nur Standard‑I/O plus Aspose.OCR. +- **Aspose.OCR for Java**‑Bibliothek (die neueste Version ab 2026‑02) – du kannst das JAR von der Aspose‑Website oder über Maven Central beziehen. +- Eine **große TIFF‑Datei** (z. B. eine mehrmegapixelige Karte), die du OCR‑verarbeiten möchtest. +- Deine **Aspose.OCR‑Lizenzdatei** (`Aspose.OCR.lic`). Ohne diese arbeitet die Engine im Evaluationsmodus, aber du bekommst ein Wasserzeichen. + +> **Pro‑Tipp:** Lege die TIFF‑Datei neben deinem Quellordner oder verwende einen absoluten Pfad; die Engine teilt das Bild intern in Kacheln auf, sodass du es nicht selbst aufteilen musst. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java Arbeitsablaufdiagramm"} + +## Schritt 1 – Lizenz von Aspose.OCR anwenden (Create OCR Engine Java) + +Bevor die Engine irgendeine schwere Arbeit übernimmt, musst du die Lizenz registrieren. Das Überspringen dieses Schrittes zwingt den Evaluationsmodus, der die Anzahl der Seiten begrenzt und ein Banner zur Ausgabe hinzufügt. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Warum das wichtig ist:* Das `License`‑Objekt teilt der OCR‑Engine mit, den Full‑Resolution‑Tiling‑Algorithmus freizuschalten, der für die effiziente Verarbeitung eines **großen Bildes** unerlässlich ist. + +## Schritt 2 – OCR‑Engine instanziieren (Create OCR Engine Java) + +Jetzt starten wir die Kern‑`OcrEngine`. Denk daran als das Gehirn, das später die Pixel liest und Unicode‑Text ausgibt. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Warum wir es einfach halten:* Für die meisten Szenarien enthalten die Standardeinstellungen bereits automatische Spracherkennung und optimales Tiling. Eine Über‑Konfiguration kann bei riesigen Dateien sogar die Leistung verringern. + +## Schritt 3 – TIFF‑Datei mit einem InputStream laden (Read TIFF File Java) + +Große TIFFs können mehrere hundert Megabyte groß sein. Das Laden des gesamten Bildes in ein `BufferedImage` würde den Heap sprengen. Stattdessen übergeben wir der Engine einen `InputStream`; Aspose.OCR liest und teilt das Bild on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Randfall:* Wenn deine TIFF mit CCITT Group 4 komprimiert ist, verarbeitet Aspose.OCR sie weiterhin, aber du kannst `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` setzen, um einen kleinen Geschwindigkeitsvorteil zu erhalten. + +## Schritt 4 – OCR‑Eingabe vorbereiten und das Format angeben + +Das `OcrInput`‑Objekt kann mehrere Bilder enthalten, aber für diese Demo benötigen wir nur eines. Das Angeben des Format‑Strings (`"tif"`) hilft der Engine, das Format‑Sniffing zu überspringen, was ein paar Millisekunden spart. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Warum der Hinweis nützlich ist:* Bei **großen Bildern** zählt jede Millisekunde. Der Format‑Hinweis sagt dem Parser, die aufwändige Header‑Analyse zu überspringen. + +## Schritt 5 – Text aus dem großen Bild erkennen (Recognize Text from Large Image) + +Wenn alles verkabelt ist, besteht der eigentliche OCR‑Aufruf aus einer einzigen Zeile. Die Engine liefert ein `OcrResult`, das den Klartext, Konfidenzwerte und sogar Begrenzungsrahmen enthält, falls du sie später brauchst. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Was im Hintergrund passiert:* Aspose.OCR teilt das TIFF in handhabbare Kacheln (Standard 1024 × 1024 px), führt das neuronale Netzwerk‑Modell auf jeder Kachel aus und fügt die Ergebnisse anschließend zusammen. Deshalb kannst du **Text aus großen Bilddateien** erkennen, ohne manuelle Vorverarbeitung. + +## Schritt 6 – Vorschau des extrahierten Textes anzeigen + +Das komplette Dokument in der Konsole auszugeben, kann überwältigend sein. Zeigen wir nur die ersten 200 Zeichen, gefolgt von Auslassungspunkten, damit du die Ausgabe auf einen Blick prüfen kannst. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Erwartete Konsolenausgabe:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Wenn du Kauderwelsch siehst, prüfe, ob die richtige Sprache ausgewählt ist (Standard ist Englisch) und ob die TIFF nicht beschädigt ist. + +## Vollständiges funktionierendes Beispiel + +Alle Teile zusammen ergeben eine einzelne Klasse, die du kompilieren und ausführen kannst: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Kompiliere mit: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Ersetze `aspose-ocr-23.12.jar` durch die tatsächlich heruntergeladene Version. + +## Häufige Stolperfallen & Tipps + +| Problem | Warum es passiert | Schnelle Lösung | +|------|----------------|-----------| +| **OutOfMemoryError** | Das TIFF wird in ein `BufferedImage` geladen statt gestreamt. | Immer `InputStream` wie gezeigt verwenden; Aspose das Tiling übernehmen lassen. | +| **Leere Ausgabe** | Falscher Dateierweiterungs‑Hinweis (`"tif"` vs. `"tiff"`). | Den genauen String verwenden, den du `add` übergeben hast. | +| **Garbage‑Zeichen** | Lizenz nicht angewendet oder abgelaufen. | Pfad zur `.lic`‑Datei prüfen und vor dem Erstellen der Engine erneut anwenden. | +| **Langsame Erkennung** | Verwendung einer benutzerdefinierten `OcrConfiguration` mit hoher DPI. | Für die meisten Fälle bei den Standardeinstellungen bleiben; nur anpassen, wenn höhere Genauigkeit nötig ist. | + +### Wann Einstellungen anpassen + +- **Mehrsprachige Dokumente:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Höhere Genauigkeit bei winzigen Schriftarten:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Denke jedoch daran, dass jede zusätzliche Option die CPU‑Zeit erhöhen kann, besonders bei einem **großen Bild**. Teste zuerst mit einer einzelnen Kachel. + +## Nächste Schritte + +Jetzt, wo du weißt, wie man **OCR engine Java** erstellt, **TIFF file Java** liest und **Text aus großen Bildern** erkennt, könntest du Folgendes in Betracht ziehen: + +1. **Ergebnis als PDF exportieren** – kombiniere Aspose.PDF mit dem OCR‑Text für durchsuchbare Dokumente. +2. **Begrenzungsrahmen speichern** – nutze `ocrResult.getWords()` um Koordinaten für Hervorhebungen zu erhalten. +3. **Kachelverarbeitung parallelisieren** – für ultra‑große Satellitenbilder, starte ein + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/german/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..29f7252d2 --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,243 @@ +--- +category: general +date: 2026-02-17 +description: Erfahren Sie, wie Sie einen festen Thread‑Pool in Java verwenden, um + Text aus PNG‑Bildern mit paralleler OCR‑Verarbeitung zu extrahieren und den Executor‑Service + ordnungsgemäß herunterzufahren. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: de +og_description: Entdecken Sie, wie ein fester Thread‑Pool in Java Text aus PNG‑Bildern + parallel extrahieren, gescannte Seiten konvertieren und den Executor‑Service sicher + herunterfahren kann. +og_title: Fester Thread‑Pool Java – parallele OCR für PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Fester Thread‑Pool Java – parallele OCR für PNG +url: /de/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Fixed Thread Pool Java – parallele OCR für PNG + +Haben Sie sich jemals gefragt, wie man OCR bei einer Menge von PNG‑Dateien mit einem **fixed thread pool java** beschleunigen kann? In diesem Tutorial führen wir Sie durch das **extract text from PNG** von Bildern parallel, **convert scanned pages text** in editierbare Zeichenketten und schließen sicher den **shut down executor service**, sobald die Arbeit erledigt ist. + +Wenn Sie schon einmal auf eine ein‑Thread‑Schleife gestoßen sind, die sich über Minuten hinzieht, kennen Sie die Frustration, jede Seite abzuwarten, bevor die nächste überhaupt startet. Die gute Nachricht? Mit ein paar Zeilen Java und Aspose OCR können Sie die Leistung aller CPU‑Kerne nutzen, gescannte Seiten in durchsuchbaren Text verwandeln und Ihre Anwendung reaktionsfähig halten. + +Unten finden Sie ein komplettes, sofort ausführbares Beispiel sowie Erklärungen, warum jedes Teil wichtig ist, häufige Stolperfallen und Tipps, die Sie auf jede OCR‑Bibliothek anwenden können. + +--- + +## Was Sie benötigen + +- **Java 17** (oder ein aktuelles JDK) – der Code verwendet die moderne `var`‑Syntax sparsam, funktioniert aber auch mit älteren Versionen. +- **Aspose.OCR for Java** Bibliothek – Sie können sie von Maven Central beziehen oder eine Testversion von Aspose herunterladen. +- Ein Satz **PNG**‑Dateien, die Sie verarbeiten möchten – denken Sie an gescannte Quittungen, Buchseiten oder Screenshots. +- Grundlegende Kenntnisse der Java‑Parallelität – nicht zwingend erforderlich, aber hilfreich. + +Das ist alles. Keine externen Dienste, kein Docker, nur reines Java und ein wenig Multithreading‑Magie. + +--- + +## Schritt 1: Aspose OCR‑Abhängigkeit & Lizenz hinzufügen (optional) + +Stellen Sie zunächst sicher, dass das Aspose OCR‑JAR in Ihrem Klassenpfad liegt. Wenn Sie Maven verwenden, fügen Sie hinzu: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Falls Sie keine Lizenz besitzen, läuft die Bibliothek im Evaluierungsmodus; der Code funktioniert genauso. Um eine Lizenz zu laden (empfohlen für die Produktion), legen Sie `Aspose.OCR.lic` in Ihren Ressourcen‑Ordner und verwenden Sie: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro‑Tipp:** Halten Sie die Lizenzdatei außerhalb der Versionskontrolle, um eine versehentliche Veröffentlichung zu vermeiden. + +--- + +## Schritt 2: Eine thread‑sichere `OcrEngine`‑Instanz erstellen + +Aspose OCRs `OcrEngine` ist thread‑sicher, solange Sie dieselbe Instanz über mehrere Aufgaben hinweg wiederverwenden. Das einmalige Erzeugen spart Speicher und vermeidet den Overhead, die Engine für jedes Bild neu zu initialisieren. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Warum wiederverwenden? Stellen Sie sich die Engine als schwergewichtigen Arbeiter vor, der Sprachmodelle in den Speicher lädt. Für jedes Bild eine neue Engine zu starten, wäre wie für jede kleine Aufgabe einen neuen Spezialisten einzustellen – kostenintensiv und unnötig. + +--- + +## Schritt 3: Einen Fixed Thread Pool Java einrichten + +Jetzt kommt der Star der Show: ein **fixed thread pool java**. Wir dimensionieren ihn nach der Anzahl logischer Prozessoren, sodass jeder Kern Arbeit bekommt, ohne zu überlasten. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Die Verwendung eines *fixed*‑Pools (statt eines cached) liefert vorhersehbaren Ressourcenverbrauch und verhindert die gefürchteten „Out‑of‑Memory“-Spitzen, wenn Hunderte von Bildern gleichzeitig ankommen. + +--- + +## Schritt 4: Die PNG‑Dateien auflisten, die Sie verarbeiten möchten (Extract Text from PNG) + +Sammeln Sie die Pfade zu den Bildern, die Sie OCR‑verarbeiten wollen. In einem echten Projekt würden Sie wahrscheinlich ein Verzeichnis scannen oder aus einer Datenbank lesen; hier kodieren wir ein paar Beispiele fest ein. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Hinweis:** Die Dateierweiterung **png** ist wichtig, weil Aspose OCR das Format automatisch erkennt, aber Sie könnten auch JPEG oder TIFF verwenden. + +--- + +## Schritt 5: OCR‑Aufgaben einreichen – Parallel OCR Processing + +Jedes Bild wird zu einem Callable, das den erkannten Text zurückgibt. Da die `OcrEngine` geteilt wird, müssen wir nur den Dateipfad an die Aufgabe übergeben. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Warum in ein `Future` verpacken? Es ermöglicht, alle Jobs sofort zu starten und später die Ergebnisse in der Reihenfolge zu sammeln, in der sie eingereicht wurden – perfekt, um die Seitenreihenfolge beim **convert scanned pages text** zurück in ein Dokument zu bewahren. + +--- + +## Schritt 6: Ergebnisse abrufen und anzeigen (Convert Scanned Pages Text) + +Jetzt warten wir auf jedes `Future`, bis es fertig ist, und geben die Ausgabe aus. Der Aufruf `get()` blockiert nur, bis die jeweilige Aufgabe abgeschlossen ist, nicht das gesamte Pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typische Konsolenausgabe sieht so aus: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Wenn Sie die Ergebnisse lieber in Dateien schreiben möchten, ersetzen Sie `System.out.println` durch einen Aufruf von `Files.writeString`. + +--- + +## Schritt 7: Executor Service sauber herunterfahren + +Wenn jede Aufgabe erledigt ist, ist es entscheidend, den **shut down executor service** auszuführen; andernfalls könnte Ihre JVM nicht‑Daemon‑Threads am Leben erhalten, was einen sauberen Exit verhindert. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Das Muster `awaitTermination` gibt dem Pool die Chance, laufende Arbeiten abzuschließen, bevor wir ihn zwangsweise beenden. Dieses Vorgehen zu ignorieren, ist eine häufige Ursache für Speicherlecks in langlebigen Anwendungen. + +--- + +## Vollständiges funktionierendes Beispiel + +Alles zusammengefügt, hier das komplette Programm, das Sie in `ParallelBatchDemo.java` kopieren und ausführen können: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/german/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..255a52745 --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,202 @@ +--- +category: general +date: 2026-02-17 +description: Bild für OCR mit Aspose OCR in Java vorverarbeiten. Erfahren Sie, wie + Sie den Bildkontrast erhöhen, den Kontrastwert einstellen und Text aus dem Bild + in nur wenigen Minuten erkennen. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: de +og_description: Bild für OCR mit Aspose OCR Java vorverarbeiten. Dieser Leitfaden + zeigt, wie man den Bildkontrast erhöht, den Kontrastwert einstellt und Text aus + dem Bild schnell erkennt. +og_title: Bild für OCR vorverarbeiten – Java‑Tutorial zur Kontraststeigerung und Textextraktion +tags: +- Java +- OCR +- Image Processing +title: Bild für OCR vorverarbeiten – Vollständiger Java‑Leitfaden zur Kontraststeigerung + und Textextraktion +url: /de/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +produce final markdown with German translation. + +Make sure to keep markdown syntax. + +Let's craft translation. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Bild für OCR vorverarbeiten – Vollständiger Java‑Leitfaden + +Haben Sie schon einmal **ein Bild für OCR vorverarbeiten** müssen, waren sich aber nicht sicher, welche Einstellungen wirklich einen Unterschied machen? Sie sind nicht allein. Die meisten Entwickler werfen ein Bild in eine OCR‑Engine und hoffen auf Magie, nur um ein wirres Ergebnis zu erhalten. In diesem Tutorial gehen wir ein praktisches End‑to‑End‑Beispiel durch, das **den Bildkontrast erhöht**, den **Kontrastwert** anpasst und schließlich **Text aus Bild erkennt** mit Aspose OCR für Java. + +Am Ende haben Sie ein wiederverwendbares Code‑Snippet, das **Text mit OCR extrahiert** zuverlässig, selbst bei verrauschten Scans. Keine versteckten Tricks, nur klare Schritte und die Begründung für jeden einzelnen. + +## Was Sie benötigen + +- Java 17 oder neuer (der Code kompiliert mit jeder aktuellen JDK) +- Aspose OCR für Java Bibliothek (Download von der offiziellen Aspose‑Website) +- Eine gültige Aspose OCR Lizenzdatei (`Aspose.OCR.lic`) +- Ein Eingabebild (`input.jpg`), das Sie auslesen möchten +- Eine bevorzugte IDE oder ein einfaches Kommandozeilen‑Setup + +Wenn Sie das bereits haben, großartig – lassen Sie uns gleich loslegen. + +## Schritt 1: Laden der Aspose OCR Lizenz (Grundlegende Einrichtung) + +Bevor die OCR‑Engine etwas tut, muss sie wissen, dass Sie lizenziert sind. Andernfalls erhalten Sie ein Wasserzeichen im Testmodus. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Warum das wichtig ist:** Ohne eine gültige Lizenz läuft die Engine im Evaluationsmodus, was Ergebnisse kürzen oder Wasserzeichen hinzufügen kann. Das frühe Setzen der Lizenz stellt zudem sicher, dass alle nachfolgenden Vorverarbeitungsoptionen im Voll‑Feature‑Modus angewendet werden. + +## Schritt 2: Initialisieren der OCR‑Engine + +Das Erzeugen einer `OcrEngine`‑Instanz gibt Ihnen Zugriff sowohl auf die Erkennung als auch auf die Vorverarbeitungspipelines. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro‑Tipp:** Halten Sie die Engine als Singleton, wenn Sie viele Bilder stapelweise verarbeiten wollen; sie cached interne Ressourcen und beschleunigt nachfolgende Aufrufe. + +## Schritt 3: Vorverarbeitung konfigurieren – Deskew, Denoise und Kontrastverstärkung + +Hier **verarbeiten wir das Bild für OCR vor**. Die drei Regler, die wir einstellen, sind: + +1. **Deskew** – korrigiert leichte Drehungen. +2. **Denoise** – entfernt Punkte, die die Zeichen­segmentierung verwirren. +3. **Kontrastverstärkung** – lässt dunklen Text stärker gegen den Hintergrund hervorstechen. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Warum den Kontrastwert anpassen? + +Das Erhöhen des Kontrastwertes dehnt das Histogramm des Bildes, sodass dunkle Pixel dunkler und helle Pixel heller werden. In der Praxis liefert ein **Kontrastwert** von `1.3f` häufig das beste Gleichgewicht für gedruckte Dokumente, während ein Wert über `1.5f` feine Striche überbelichten kann. Probieren Sie gern herum; die Einstellung ist billig zu ändern und kann die Erfolgsrate beim **Erkennen von Text aus Bild** dramatisch steigern. + +## Schritt 4: Eingabebild vorbereiten + +Die Klasse `OcrInput` abstrahiert die Dateiverwaltung. Sie können mehrere Bilder hinzufügen, wenn Sie eine Stapelverarbeitung benötigen. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Randfall:** Wenn Ihr Bild in einem nicht‑standardmäßigen Format vorliegt (z. B. TIFF mit mehreren Seiten), können Sie jede Seite einzeln laden oder zuerst in PNG/JPEG konvertieren. + +## Schritt 5: Die Erkennung ausführen + +Jetzt führt die Engine die gerade konfigurierte Vorverarbeitungspipeline aus und übergibt das bereinigte Bild anschließend dem Kern‑OCR‑Algorithmus. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Was passiert im Hintergrund?** Aspose OCR wendet zuerst die Deskew‑Transformation an, dann den Denoise‑Filter und schließlich die Kontrastanpassung, bevor das Bild an den neuronalen Netzwerk‑basierten Erkenner übergeben wird. Die Reihenfolge ist bewusst gewählt; eine Änderung kann zu suboptimalen Ergebnissen führen. + +## Schritt 6: Erkannten Text ausgeben + +Zum Schluss geben wir die extrahierte Zeichenkette in der Konsole aus. In einer echten Anwendung schreiben Sie sie vielleicht in eine Datei oder senden sie über ein Netzwerk. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Erwartete Ausgabe + +Enthält `input.jpg` den Satz „Hello World!“, sollte die Konsole Folgendes anzeigen: + +``` +Hello World! +``` + +Wenn die Ausgabe wirr aussieht, überprüfen Sie die Vorverarbeitungswerte – insbesondere den **Kontrastwert** und den **Denoise‑Modus** – und probieren Sie ein anderes Bildformat. + +## Bonus: Visualisierung des vorverarbeiteten Bildes (optional) + +Manchmal möchte man sehen, was die Engine nach Deskew, Denoise und Kontrastverstärkung sieht. Aspose OCR ermöglicht den Export des Zwischenergebnisses als Bitmap: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Öffnen Sie `processed.png` nebeneinander mit dem Original; Sie werden einen geraderen Horizont und schärferen Text bemerken. Dieser Schritt ist praktisch, wenn Sie herausfinden wollen, warum ein bestimmter Scan fehlschlägt. + +![preprocess image for OCR example](/images/ocr-preprocess-example.png "preprocess image for OCR – before and after contrast boost") + +*Das obige Bild zeigt, wie das Anheben des Kontrasts und das Denoising einen unscharfen Scan in ein sauberes, OCR‑bereites Bild verwandeln.* + +## Häufige Stolperfallen & wie man sie vermeidet + +| Stolperfalle | Warum sie auftritt | Lösung | +|--------------|--------------------|--------| +| **Übermäßiger Kontrast** (`setContrastLevel` zu hoch) | Heller Hintergrund wird weiß, feine Zeichen verschwinden | Halten Sie den Wert zwischen 1.1 und 1.4 für die meisten Drucktexte | +| **Deskew‑Toleranz zu niedrig** | Kleine Drehungen bleiben unkorrektiert | Erhöhen Sie `setDeskewAngleTolerance` auf 0.2 oder 0.3 für gescannte Bücher | +| **GAUSSIAN‑Denoise bei Binärbildern** | Verwischt Kanten, verschmilzt Zeichen | Verwenden Sie `DenoiseMode.MEDIAN` für Schwarz‑Weiß‑Scans | +| **Fehlende Lizenz** | Engine fällt in den Testmodus und kürzt die Ausgabe | Prüfen Sie den Pfad zu `Aspose.OCR.lic` und stellen Sie sicher, dass die Datei lesbar ist | + +## Nächste Schritte: Über die Grund‑Vorverarbeitung hinaus + +Jetzt, wo Sie **ein Bild für OCR vorverarbeiten** und **Text mit OCR extrahieren** können, denken Sie an folgende Erweiterungen: + +- **Sprachpakete** – laden Sie spezifische Sprachwörterbücher, um die Genauigkeit für nicht‑englische Texte zu erhöhen. +- **Region‑of‑Interest (ROI) Zuschneiden** – konzentrieren Sie sich auf einen Bildausschnitt, wenn Sie nur einen Teil der Seite benötigen. +- **Stapelverarbeitung** – iterieren Sie über ein Verzeichnis von Bildern und nutzen Sie dieselbe `OcrEngine`‑Instanz für mehr Geschwindigkeit. +- **Integration mit PDF** – kombinieren Sie Aspose OCR mit Aspose PDF, um gescannte PDFs in durchsuchbare PDFs in einer einzigen Pipeline zu verwandeln. + +All diese Themen greifen natürlich unsere sekundären Schlüsselwörter auf: Sie werden weiterhin **Bildkontrast verstärken**, **Kontrastwert setzen** und **Text aus Bild erkennen** in vielen Szenarien. + +## Fazit + +Wir haben alles behandelt, was Sie benötigen, um **ein Bild für OCR vorzuverarbeiten** mit Aspose OCR für Java: Lizenz laden, Deskew, Denoise und Kontrastverstärkung konfigurieren, das Bild übergeben und schließlich **Text aus Bild erkennen**. Mit dem vollständigen, ausführbaren Beispiel oben können Sie jetzt **Text mit OCR extrahieren** auf jedem geeignet vorbereiteten Bild. + +Probieren Sie den Code aus, justieren Sie den **Kontrastwert** und beobachten Sie, wie die Genauigkeit steigt. Wenn Sie bereit sind, erkunden Sie sprachspezifische Modelle oder Batch‑Pipelines, um dieses Einzel‑Bild‑Demo in eine produktionsreife Lösung zu verwandeln. + +*Viel Spaß beim Coden, und mögen Ihre Scans immer scharf sein!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/german/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..5c66483ab --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Erkennen Sie Textbilder schnell mit Aspose OCR GPU‑Unterstützung in Java. + Lernen Sie, Text aus Bildern zu extrahieren und die GPU‑Geräte‑ID für optimale Leistung + festzulegen. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: de +og_description: Erkennen Sie Textbilder schnell mit Aspose OCR GPU‑Unterstützung in + Java. Dieser Leitfaden zeigt, wie man Text aus einem Bild extrahiert und die GPU‑Geräte‑ID + festlegt. +og_title: Texterkennung im Bild mit Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Text aus Bild mit Aspose OCR GPU – Java erkennen +url: /de/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Text in Bildern erkennen mit Aspose OCR GPU – Java + +Haben Sie jemals **Text in Bildern erkennen** in einer Java‑Anwendung benötigt, aber die CPU kam bei großen Dateien nicht mehr hinterher? Sie sind nicht der Einzige – viele Entwickler stoßen an diese Grenze, wenn sie hochauflösende Scans verarbeiten. Die gute Nachricht? Aspose OCR ermöglicht es Ihnen, **Text aus Bild zu extrahieren** auf der GPU, wodurch die Verarbeitungszeit drastisch verkürzt wird. + +In diesem Tutorial führen wir Sie durch ein komplettes, sofort ausführbares Beispiel, das genau zeigt, wie Sie die Lizenz einrichten, die GPU‑Beschleunigung aktivieren und **set gpu device id** festlegen, wenn Sie mehrere Grafikkarten besitzen. Am Ende haben Sie ein eigenständiges Programm, das den erkannten Text in der Konsole ausgibt – ohne weitere Schritte. + +## Was Sie benötigen + +- **Java 17** oder neuer (die API ist kompatibel mit Java 8+, aber das neueste LTS bietet bessere Leistung). +- **Aspose OCR for Java** Bibliothek (laden Sie das JAR von der Aspose‑Website herunter). +- Eine gültige **Aspose OCR Lizenzdatei** (`Aspose.OCR.lic`). Die kostenlose Testversion funktioniert, aber GPU‑Funktionen sind hinter einer lizenzierten Version gesperrt. +- Eine Bilddatei (`sample-image.png`), die klaren, maschinenlesbaren Text enthält. +- Eine GPU‑fähige Umgebung (eine NVIDIA‑CUDA‑kompatible Karte funktioniert am besten). + +Wenn Ihnen einer dieser Punkte unbekannt ist, keine Sorge – jeder Aufzählungspunkt wird im Verlauf erklärt. + +## Schritt 1: Aspose OCR zu Ihrem Projekt hinzufügen + +Zuerst fügen Sie das Aspose OCR JAR Ihrem Klassenpfad hinzu. Wenn Sie Maven verwenden, ergänzen Sie die folgende Abhängigkeit in `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Für Gradle lautet sie: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Wenn Sie den manuellen Weg bevorzugen, legen Sie das JAR in Ihren `libs/`‑Ordner und fügen Sie es dem Modulpfad Ihrer IDE hinzu. + +> **Pro‑Tipp:** Halten Sie die Versionsnummer synchron mit den Release‑Notes der Bibliothek; neuere Versionen bringen häufig Performance‑Optimierungen für die GPU‑Verarbeitung. + +## Schritt 2: Laden Sie die Aspose OCR Lizenz (erforderlich für GPU‑Nutzung) + +Ohne Lizenz fällt der Aufruf `setEnableGpu(true)` stillschweigend in den CPU‑Modus zurück. Laden Sie die Lizenz gleich zu Beginn von `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Ersetzen Sie `YOUR_DIRECTORY` durch den absoluten oder relativen Pfad, in dem Sie die `.lic`‑Datei abgelegt haben. Ist der Pfad falsch, wirft Aspose eine `FileNotFoundException`, prüfen Sie also die Schreibweise genau. + +## Schritt 3: Erstellen Sie die OCR‑Engine und aktivieren Sie die GPU‑Beschleunigung + +Jetzt instanziieren wir `OcrEngine` und weisen ihr die GPU zu. Die Methode `setGpuDeviceId` ermöglicht es Ihnen, eine bestimmte Karte auszuwählen, wenn mehr als eine vorhanden ist. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Warum die Geräte‑ID? In einem Multi‑GPU‑Server können Sie eine Karte für die Bildvorverarbeitung und eine andere für die OCR reservieren. Das Setzen der ID stellt sicher, dass die richtige Hardware die schwere Arbeit übernimmt. + +## Schritt 4: Bereiten Sie das Eingabebild vor + +Aspose OCR arbeitet mit einer Vielzahl von Formaten (PNG, JPG, BMP, TIFF). Verpacken Sie Ihre Datei in ein `OcrInput`‑Objekt: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Falls Sie einen Stream verarbeiten müssen (z. B. eine hochgeladene Datei), verwenden Sie stattdessen `ocrInput.add(InputStream)`. + +## Schritt 5: Führen Sie den Erkennungsprozess aus und holen Sie das Ergebnis ab + +Die Methode `recognize` liefert ein `OcrResult`, das den Klartext, Konfidenzwerte und sogar Layout‑Informationen enthält, falls Sie diese benötigen. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Die Konsole zeigt etwa Folgendes: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Ist das Bild unscharf oder wird die Sprache nicht unterstützt, kann das Ergebnis leer sein. Prüfen Sie in diesem Fall den Wert von `ocrResult.getConfidence()` (0‑100), um zu entscheiden, ob Sie mit einer Vorverarbeitung erneut versuchen sollten. + +## Vollständiges, ausführbares Beispiel + +Alle Bausteine zusammengefügt ergeben eine einzelne Java‑Klasse, die Sie in Ihre IDE kopieren‑und‑einfügen können: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Erwartete Ausgabe:** Die Konsole gibt den genauen Text aus, der in `sample-image.png` zu sehen ist. Ist die GPU aktiv, werden Sie feststellen, dass die Verarbeitungszeit von mehreren Sekunden (CPU) auf unter eine Sekunde für typische 300 dpi‑Scans sinkt. + +## Häufige Fragen & Sonderfälle + +### Funktioniert das auf einem headless Server? + +Ja. Der GPU‑Treiber muss installiert sein, aber ein Display wird nicht benötigt. Stellen Sie lediglich sicher, dass das `CUDA`‑Toolkit (oder das Äquivalent für Ihre GPU) im System‑`PATH` liegt. + +### Was ist, wenn ich mehr als eine GPU habe und GPU 1 verwenden möchte? + +Ändern Sie die Geräte‑ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Wie extrahiere ich Text aus einem Bild in einer anderen Sprache? + +Setzen Sie die Sprache, bevor Sie `recognize` aufrufen: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose unterstützt über 30 Sprachen; siehe die API‑Dokumentation für die vollständige Aufzählung. + +### Was ist, wenn das Bild mehrere Seiten enthält (z. B. ein PDF, das in Bilder konvertiert wurde)? + +Erstellen Sie für jede Seite einen separaten `OcrInput`‑Eintrag oder iterieren Sie über die Dateien: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Die Engine verkettet die Ergebnisse in der richtigen Reihenfolge. + +### Wie gehe ich mit Ergebnissen niedriger Konfidenz um? + +Prüfen Sie den Konfidenzwert: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typische Vorverarbeitungsschritte umfassen Binärisierung, Rauschreduktion oder das Skalieren auf 300 dpi. + +## Leistungstipps + +- **Batch‑Verarbeitung:** Das Hinzufügen vieler Bilder zu einem einzigen `OcrInput` reduziert den Overhead, der durch wiederholtes Initialisieren des GPU‑Kontexts entsteht. +- **Warm‑up:** Führen Sie nach dem Starten der JVM einmal eine Dummy‑Erkennung aus; der erste Aufruf verursacht eine Treiber‑Initialisierungslatenz. +- **Speicherverwaltung:** Entsorgen Sie große `OcrInput`‑Objekte (`ocrInput.clear()`) nach deren Verwendung, um GPU‑Speicher freizugeben. + +## Fazit + +Sie wissen jetzt, wie Sie **Text in Bildern erkennen** effizient mit Aspose OCRs GPU‑Engine in Java, wie Sie **Text aus Bild** in jeder unterstützten Sprache **extrahieren** und wie Sie **set gpu device id** festlegen, wenn Sie mit mehreren Grafikkarten arbeiten. Der komplette, ausführbare Code oben sollte sofort funktionieren – tauschen Sie lediglich Ihre Lizenz‑ und Bildpfade aus. + +Bereit für den nächsten Schritt? Versuchen Sie, einen Ordner mit gescannten PDFs zu verarbeiten, experimentieren Sie mit verschiedenen `setLanguage`‑Optionen oder kombinieren Sie OCR mit einem Machine‑Learning‑Modell für die Nachbearbeitung. Die Möglichkeiten sind endlos, und die Leistungsgewinne durch GPU‑Beschleunigung machen selbst groß angelegte Projekte machbar. + +Viel Spaß beim Coden, und hinterlassen Sie gern einen Kommentar, falls Sie auf Probleme stoßen! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/ocr-operations/_index.md b/ocr/german/java/ocr-operations/_index.md index 1458f57ae..20d857d67 100644 --- a/ocr/german/java/ocr-operations/_index.md +++ b/ocr/german/java/ocr-operations/_index.md @@ -57,6 +57,9 @@ Keine mühsame PDF‑Textextraktion mehr. Tauchen Sie in das Tutorial ein und r [Get Started with PDF Recognition](./recognize-pdf/) +### [Durchsuchbares PDF aus Bild in Java erstellen – Schritt‑für‑Schritt‑Anleitung](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Erfahren Sie, wie Sie mit Aspose.OCR ein durchsuchbares PDF aus einem Bild in Java erzeugen. + ## OCR-Erkennung von TIFF‑Bildern in Aspose.OCR für Java Erleben Sie die nächste Stufe der Texterkennung in Java mit Aspose.OCR. Unser Tutorial zur Erkennung von Text in TIFF‑Bildern ist darauf ausgelegt, den Prozess für Sie mühelos zu gestalten. Laden Sie jetzt herunter für ein nahtloses OCR‑Erlebnis und erleben Sie die Präzision und Geschwindigkeit, die Aspose.OCR bietet. @@ -77,6 +80,14 @@ Unlock the power of OCR in Java with Aspose.OCR. Recognize text in PDF documents Unlock powerful text recognition in Java with Aspose.OCR. Effortlessly recognize text in TIFF images. Download now for a seamless OCR experience. ### [Bildtext mit Aspose OCR erkennen – Vollständiges Java OCR‑Tutorial](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Ein umfassendes Tutorial, das die vollständige OCR‑Verarbeitung von Bilddateien mit Aspose OCR in Java erklärt. +### [Bildtext mit Aspose OCR erkennen – Java‑Tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Erfahren Sie, wie Sie Text aus Bildern mit Aspose OCR in Java erkennen und verarbeiten. +### [Bild‑zu‑Text Java: Urdu‑Text mit Aspose OCR extrahieren](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Erfahren Sie, wie Sie Urdu‑Text aus Bildern mit Aspose OCR in Java extrahieren. +### [OCR in Java verwenden – Text aus PDF mit Aspose.OCR extrahieren](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Erfahren Sie, wie Sie mit Aspose.OCR in Java PDF‑Dateien analysieren und Text extrahieren, um durchsuchbare Dokumente zu erstellen. +### [OCR in Java verwenden – Text schnell aus Bild erkennen](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Erfahren Sie, wie Sie OCR in Java einsetzen, um Text aus Bildern schnell und effizient zu extrahieren. ## Häufig gestellte Fragen diff --git a/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..e5c5e0a20 --- /dev/null +++ b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,253 @@ +--- +category: general +date: 2026-02-17 +description: 'Schnell durchsuchbare PDFs erstellen: Erfahren Sie, wie Sie mit Aspose + OCR aus einem Bild ein PDF erstellen, PDF‑Speicheroptionen nutzen und ein Bild in + nur wenigen Minuten in ein durchsuchbares PDF konvertieren.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: de +og_description: Erstellen Sie ein durchsuchbares PDF in Java mit Aspose OCR. Dieser + Leitfaden zeigt, wie man ein PDF aus einem Bild erstellt, PDF‑Speicheroptionen konfiguriert + und ein vollständig durchsuchbares Dokument erhält. +og_title: Durchsuchbares PDF aus Bild in Java erstellen – Komplettes Tutorial +tags: +- Aspose OCR +- Java +- PDF generation +title: Erstelle ein durchsuchbares PDF aus einem Bild in Java – Schritt‑für‑Schritt‑Anleitung +url: /de/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Erstelle durchsuchbare PDF aus Bild in Java – Schritt‑für‑Schritt‑Anleitung + +Hast du jemals **durchsuchbare PDFs** aus einem gescannten Bild erstellen wollen, warst dir aber unsicher, welche API du wählen sollst? Du bist nicht allein – viele Entwickler stoßen an diese Hürde, wenn sie versuchen, ein Bitmap in ein PDF zu verwandeln, das man tatsächlich durchsuchen kann. Die gute Nachricht? Mit Aspose OCR geht das in wenigen Zeilen, und das Ergebnis sieht exakt wie das Originalbild aus, bleibt dabei aber textdurchsuchbar. + +In diesem Tutorial gehen wir den gesamten Prozess durch: Lizenz laden, ein Bild (oder ein mehrseitiges TIFF) in die OCR‑Engine einspeisen, **PDF‑Speicheroptionen** anpassen und schließlich ein **Bild in durchsuchbares PDF** schreiben. Am Ende hast du ein einsatzbereites Java‑Programm, das in Sekunden ein durchsuchbares PDF erzeugt. Keine Geheimnisse, keine „siehe Docs“-Abkürzungen – nur ein vollständiges, ausführbares Beispiel. + +## Was du lernen wirst + +- Wie du **Bild zu PDF** konvertierst und eine versteckte Textebene zum Durchsuchen einbettest. +- Welche **PDF‑Speicheroptionen** du aktivieren solltest, um das beste Verhältnis von Größe und Genauigkeit zu erzielen. +- Häufige Stolperfallen (z. B. fehlende Lizenz, nicht unterstützte Bildformate) und wie du sie vermeidest. +- Wie du überprüfst, dass die Ausgabe wirklich durchsuchbar ist (schneller Test mit Adobe Reader). + +**Voraussetzungen:** Java 8 oder neuer, Maven oder Gradle zum Einbinden des Aspose OCR‑JARs und eine gültige Aspose OCR‑Lizenzdatei. Wenn du noch keine Lizenz hast, kannst du eine kostenlose Testversion auf der Aspose‑Website anfordern. + +--- + +## Schritt 1 – Lade die Aspose OCR‑Lizenz (Wie man PDF sicher erstellt) + +Bevor die OCR‑Engine etwas tut, benötigt sie eine Lizenz; sonst bekommst du Seiten mit Wasserzeichen. Platziere deine `Aspose.OCR.lic` an einer zugänglichen Stelle und weise die `License`‑Klasse darauf hin. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro‑Tipp:** Lege die Lizenzdatei außerhalb deines Source‑Control‑Verzeichnisses ab, um versehentliche Commits zu vermeiden. + +--- + +## Schritt 2 – Bereite die OCR‑Eingabe vor (Bild zu PDF konvertieren) + +Aspose OCR akzeptiert ein `OcrInput`‑Objekt, das ein oder mehrere Bilder enthalten kann. Hier fügen wir ein einzelnes PNG hinzu, du könntest aber auch ein mehrseitiges TIFF für die Stapelverarbeitung einspeisen. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Warum das wichtig ist:** Das Hinzufügen des Bildes zu `OcrInput` entkoppelt die Dateiverarbeitung von der Engine, sodass derselbe Code für einseitige und mehrseitige Szenarien wiederverwendet werden kann. + +--- + +## Schritt 3 – Konfiguriere PDF‑Speicheroptionen (PDF‑Save‑Options erklärt) + +Die Klasse `PdfSaveOptions` steuert, wie das endgültige PDF gebaut wird. Zwei Flags sind entscheidend für ein **durchsuchbares PDF**: + +1. `setCreateSearchablePdf(true)` – weist die Engine an, eine versteckte Textebene basierend auf den OCR‑Ergebnissen einzubetten. +2. `setEmbedImages(true)` – bewahrt das originale Rasterbild, sodass das visuelle Erscheinungsbild unverändert bleibt. + +Du kannst außerdem DPI, Kompression oder Passwortschutz nach Bedarf anpassen. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Randfall:** Wenn du `setCreateSearchablePdf(false)` setzt, wird das Ergebnis ein reines Bild‑PDF – nichts zum Durchsuchen. Überprüfe dieses Flag immer, wenn du große Stapel automatisierst. + +--- + +## Schritt 4 – Führe OCR aus und schreibe das durchsuchbare PDF (Der Kern‑„Wie man PDF erstellt“-Logik) + +Jetzt bringen wir alles zusammen. Die Methode `recognize` führt OCR auf dem übergebenen `OcrInput` aus, wendet die `PdfSaveOptions` an und streamt das Ergebnis in eine Datei. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Erwartetes Ergebnis + +Nach dem Ausführen des Programms öffne `output-searchable.pdf` in einem beliebigen PDF‑Viewer (Adobe Reader, Foxit usw.) und versuche, Text zu markieren oder die Suchfunktion zu nutzen. Du solltest Wörter finden können, die ursprünglich nur Teil des Bildes waren. Das ist das Merkmal eines **durchsuchbaren PDFs**. + +--- + +## Schritt 5 – Überprüfe die durchsuchbare Ebene (Schnelle QA) + +Manchmal ist das OCR‑Vertrauen niedrig, besonders bei niedrig aufgelösten Scans. Eine schnelle Möglichkeit zur Überprüfung ist: + +1. Öffne das PDF in Adobe Reader. +2. Drücke **Strg + F** und tippe ein Wort ein, von dem du weißt, dass es im Bild vorkommt. +3. Wenn das Wort hervorgehoben wird, funktioniert die versteckte Textebene. + +Falls die Suche fehlschlägt, erwäge, die DPI des Quellbildes zu erhöhen oder sprachspezifische Wörterbücher via `ocrEngine.getLanguage().add("eng")` zu aktivieren. + +--- + +## Häufige Fragen & Stolperfallen + +| Frage | Antwort | +|-------|----------| +| **Kann ich ein mehrseitiges TIFF verarbeiten?** | Ja – füge einfach jede Seite zum selben `OcrInput` hinzu (`ocrInput.add(tiffPath)`). Aspose OCR behandelt jeden Frame als separate Seite. | +| **Was, wenn ich keine Lizenz habe?** | Die kostenlose Testversion funktioniert, fügt jedoch ein Wasserzeichen auf jeder Seite hinzu. Der Code bleibt gleich; verwende einfach die Test‑`.lic`‑Datei. | +| **Wie groß wird das PDF?** | Mit `setEmbedImages(true)` entspricht die Dateigröße ungefähr der Größe des Originalbildes plus ein paar Kilobytes für den versteckten Text. Du kannst Bilder komprimieren via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Muss ich eine Sprache für OCR setzen?** | Standardmäßig verwendet Aspose OCR Englisch. Für andere Sprachen rufe `ocrEngine.getLanguage().add("spa")` vor `recognize` auf. | +| **Ist das Ausgabe‑PDF auf mobilen Geräten durchsuchbar?** | Absolut – die meisten mobilen PDF‑Viewer respektieren die versteckte Textebene. | + +--- + +## Bonus: Das Demo in ein wiederverwendbares Utility verwandeln + +Wenn du diese Funktionalität in mehreren Projekten benötigst, packe die Logik in eine statische Hilfsmethode: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Jetzt kannst du `PdfSearchableUtil.convert(...)` von überall in deinem Code‑Base aufrufen und **Bild zu PDF** mit einem einzigen Aufruf erledigen. + +--- + +## Fazit + +Wir haben alles behandelt, was du brauchst, um **durchsuchbare PDFs** aus Bildern in Java mit Aspose OCR zu erstellen. Von der Lizenz‑Einbindung, über den Aufbau der OCR‑Eingabe, das Anpassen der **PDF‑Speicheroptionen** bis hin zum Schreiben eines **Bild‑zu‑durchsuchbares‑PDF** liefert das Tutorial eine komplette Copy‑and‑Paste‑Lösung. + +Mache den nächsten Schritt, indem du mit verschiedenen Bildformaten experimentierst, die DPI anpasst oder Passwortschutz via `PdfSaveOptions` hinzufügst. Du könntest auch die Stapelverarbeitung erkunden – iteriere über einen Ordner mit Scans und generiere für jede Datei ein durchsuchbares PDF. + +Wenn dir dieser Leitfaden geholfen hat, gib ihm einen Stern auf GitHub oder hinterlasse einen Kommentar unten. Viel Spaß beim Coden und beim Verwandeln dieser langweiligen Scans in voll durchsuchbare Dokumente! + +![Beispielbild für erstelltes durchsuchbares PDF](placeholder-image.png "Beispiel für erstelltes durchsuchbares PDF") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..c8e8e2df1 --- /dev/null +++ b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-02-17 +description: Wie man OCR in Java verwendet, um Text aus PDFs zu extrahieren, PDFs + in Bilder zu konvertieren und OCR auf gescannten PDF‑Dateien mit Aspose.OCR durchführt. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: de +og_description: Wie man OCR in Java nutzt, um Text aus PDF-Dateien zu extrahieren. + Lernen Sie, PDFs in Bilder zu konvertieren und gescannte PDFs mit Aspose.OCR zu + erkennen. +og_title: Wie man OCR in Java verwendet – Vollständiger Leitfaden +tags: +- OCR +- Java +- Aspose +title: Wie man OCR in Java verwendet – Text aus PDF mit Aspose.OCR extrahieren +url: /de/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Wie man OCR in Java verwendet – Text aus PDF mit Aspose.OCR extrahieren + +Haben Sie sich jemals gefragt **wie man OCR** verwendet, um ein gescanntes PDF in durchsuchbaren Text zu verwandeln? Sie sind nicht allein. Die meisten Entwickler stoßen an eine Grenze, wenn ein PDF als eine Reihe von Bildern ankommt und die üblichen Text‑Extraktoren einfach nichts zurückgeben. Die gute Nachricht? Mit ein paar Zeilen Java und Aspose.OCR können Sie **Text aus PDF extrahieren**, **PDF in Bilder konvertieren** und **gescannte PDFs erkennen** in einem einzigen, mühelosen Workflow. + +In diesem Tutorial führen wir Sie durch alles, was Sie wissen müssen – von der Lizenzierung der Bibliothek bis zum Ausgeben des Endergebnisses. Am Ende haben Sie ein einsatzbereites Programm, das Klartext aus jedem gescannten Bericht, jeder Rechnung oder jedem E‑Book extrahiert. Keine externen Dienste, keine Magie – nur reiner Java‑Code, den Sie kontrollieren. + +## Was Sie benötigen + +- **Java Development Kit (JDK) 8+** – jede aktuelle Version funktioniert. +- **Aspose.OCR for Java** JAR (von der Aspose-Website herunterladen). +- Eine **gültige Aspose.OCR-Lizenzdatei** (`Aspose.OCR.lic`). Die kostenlose Testversion funktioniert, aber eine Lizenz schaltet die volle Genauigkeit frei. +- Ein **Beispiel‑gescanntes PDF** (z. B. `scanned-report.pdf`). +- Eine IDE oder ein einfacher Texteditor plus ein Terminal. + +Das war’s. Kein Maven, kein Gradle, keine zusätzlichen Abhängigkeiten – nur das Aspose.OCR‑JAR im Klassenpfad. + +![Beispiel zur Verwendung von OCR](image-placeholder.png "Beispiel zur Verwendung von OCR") + +## Schritt 1 – Laden Sie Ihre Aspose.OCR‑Lizenz (Warum das wichtig ist) + +Bevor die Engine mit voller Geschwindigkeit laufen kann, müssen Sie ihr mitteilen, wo Ihre Lizenz liegt. Das Überspringen dieses Schrittes versetzt die Bibliothek in den Evaluierungsmodus, der Wasserzeichen zum Ergebnis hinzufügt und die Genauigkeit einschränken kann. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Warum das funktioniert:** Die Klasse `License` liest die `.lic`‑Datei und registriert sie global. Sobald sie gesetzt ist, verwendet jede von Ihnen erstellte `OcrEngine` automatisch die lizenzierten Funktionen. + +## Schritt 2 – Erstellen Sie die OCR‑Engine (Die Engine hinter der Magie) + +Eine `OcrEngine`‑Instanz ist das Arbeitspferd, das Bilder scannt und Text ausgibt. Denken Sie an sie als das Gehirn, das Pixelmuster interpretiert. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Profi‑Tipp:** Sie können Sprache, Konfidenz‑Schwellenwerte anpassen oder sogar GPU‑Beschleunigung über die Eigenschaften der Engine aktivieren. Für die meisten englischen PDFs sind die Vorgaben ausreichend. + +## Schritt 3 – Eingabe vorbereiten: PDF hinzufügen (PDF intern in Bilder konvertieren) + +Aspose.OCR behandelt jede Seite eines PDFs als Bild. Wenn Sie `addPdf` aufrufen, rastert die Bibliothek jede Seite stillschweigend, was genau das ist, was Sie benötigen, um **PDF in Bilder zu konvertieren** bevor die Erkennung erfolgt. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Was passiert:** +- Das PDF wird geöffnet. +- Jede Seite wird mit 300 dpi (Standard) gerendert, um Detailgenauigkeit der Zeichen zu erhalten. +- Die gerenderten Bitmap‑Objekte werden in der `OcrInput`‑Sammlung gespeichert. + +Falls Sie jemals die Rohbilder benötigen (zum Debuggen oder für benutzerdefinierte Vorverarbeitung), rufen Sie nach diesem Schritt `ocrInput.getPages()` auf. + +## Schritt 4 – OCR‑Prozess ausführen (OCR auf PDF anwenden) + +Jetzt beginnt die schwere Arbeit. Die Methode `recognize` durchläuft jedes Bild, führt den Erkennungsalgorithmus aus und fasst die Ergebnisse in einem `OcrResult` zusammen. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Warum das wichtig ist:** Das `OcrResult` enthält nicht nur Klartext, sondern auch Konfidenzwerte, Begrenzungsrahmen und die Referenz zum Originalbild. Für die meisten Anwendungsfälle benötigen Sie nur `getText()`. + +## Schritt 5 – Extrahierten Text abrufen und anzeigen + +Zum Schluss holen Sie die Klartext‑Zeichenkette aus dem Ergebnis und geben sie aus. Sie können sie auch in eine Datei schreiben, an einen Suchindex übergeben oder in eine nachgelagerte NLP‑Pipeline einspeisen. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Erwartete Ausgabe + +Wenn `scanned-report.pdf` einen einfachen Absatz enthält, sehen Sie etwa Folgendes: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Die genaue Formatierung spiegelt das ursprüngliche Layout wider und bewahrt Zeilenumbrüche, wo möglich. + +## Umgang mit häufigen Sonderfällen + +### 1. Mehrsprachige PDFs + +Wenn Ihr Dokument französischen oder spanischen Text enthält, setzen Sie die Sprache, bevor Sie `recognize` aufrufen: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Sie können ein Array von Sprachen übergeben, damit die Engine automatisch erkennt. + +### 2. Scans mit niedriger Auflösung + +Bei Scans mit 150 dpi sollten Sie die interne Rendering‑DPI erhöhen: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Eine höhere DPI verbessert die Zeichenklarheit, verbraucht jedoch mehr Speicher. + +### 3. Große PDFs (Speichermanagement) + +Für PDFs mit Dutzenden von Seiten verarbeiten Sie sie in Batches: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Dieser Ansatz verhindert, dass der JVM‑Heap zu stark anwächst. + +## Vollständiges, sofort ausführbares Beispiel + +Unten finden Sie das komplette Programm – einschließlich Imports und Lizenzverwaltung – sodass Sie es sofort kopieren und ausführen können. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Führen Sie es aus mit: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Sie sollten den extrahierten Text in der Konsole ausgegeben sehen. + +## Zusammenfassung – Was wir behandelt haben + +- **Wie man OCR** in Java mit Aspose.OCR verwendet. +- Den Workflow zum **Extrahieren von Text aus PDF**‑Dateien. +- Intern konvertiert die Bibliothek **PDF in Bilder**, bevor Zeichen erkannt werden. +- Tipps zum **Durchführen von OCR auf PDF** mit mehreren Sprachen, Scans niedriger Auflösung und großen Dokumenten. +- Ein vollständiges, ausführbares Code‑Beispiel, das Sie in jedes Java‑Projekt einbinden können. + +## Nächste Schritte & verwandte Themen + +Jetzt, da Sie **gescannte PDFs erkennen** können, denken Sie an diese weiterführenden Ideen: + +- **Erstellung durchsuchbarer PDFs** – den OCR‑Text wieder über das Original‑PDF legen, um ein durchsuchbares Dokument zu erzeugen. +- **Batch‑Verarbeitungs‑Service** – den Code in einen Spring‑Boot‑Microservice einbetten, der PDFs per REST entgegennimmt. +- **Integration mit Elasticsearch** – den extrahierten Text indexieren für schnelle Volltextsuche in Ihrem Dokumenten‑Repository. +- **Bild‑Vorverarbeitung** – OpenCV verwenden, um Seiten zu entzerren oder zu entrauschen, bevor OCR angewendet wird, für noch höhere Genauigkeit. + +Jedes dieser Themen baut auf den Kernkonzepten auf, die wir behandelt haben, also experimentieren Sie gern und lassen Sie die OCR‑Engine die schwere Arbeit erledigen. + +--- + +*Viel Spaß beim Coden! Wenn Sie auf Probleme stoßen – etwa Lizenzfehler oder unerwartete Null‑Ergebnisse – hinterlassen Sie unten einen Kommentar. Ich helfe gern bei einer Debug‑Sitzung.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..38fc42dea --- /dev/null +++ b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,260 @@ +--- +category: general +date: 2026-02-17 +description: Erfahren Sie, wie Sie OCR in Java verwenden, um Text aus Bilddateien + zu erkennen, Text aus PNG‑Quittungen zu extrahieren und Quittungen mit Aspose OCR + in JSON zu konvertieren. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: de +og_description: Schritt‑für‑Schritt‑Anleitung, wie man OCR in Java verwendet, um Text + aus Bildern zu erkennen, Text aus PNG‑Belegen zu extrahieren und den Beleg in JSON + zu konvertieren. +og_title: Wie man OCR in Java verwendet – Text aus Bild erkennen +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Wie man OCR in Java verwendet – Text schnell aus Bildern erkennen +url: /de/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +: + +Ever wondered **how to use OCR** to pull text out of a photo ... translate. + +We'll translate. + +Make sure to keep bold formatting. + +Proceed. + +Will produce final output. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Wie man OCR in Java verwendet – Text schnell aus Bild erkennen + +Haben Sie sich schon einmal gefragt, **wie man OCR** nutzt, um Text aus einem Foto eines Kassenbons zu extrahieren? Vielleicht haben Sie ein paar Online‑Tools ausprobiert, nur um am Ende verzerrte Zeichen oder ein nicht auswertbares Format zu erhalten. Die gute Nachricht: Mit nur wenigen Zeilen Java‑Code können Sie **Text aus Bild**‑Dateien **erkennen**, **Text aus PNG**‑Belegen **extrahieren** und sogar **Beleg in JSON** konvertieren für die nachgelagerte Verarbeitung. + +In diesem Tutorial führen wir Sie durch den kompletten Workflow – von der Lizenzierung der Aspose OCR‑Bibliothek bis hin zum sauberen JSON‑Payload, das Sie in eine Datenbank oder ein Machine‑Learning‑Modell einspeisen können. Kein Schnickschnack, nur ein praktisches, ausführbares Beispiel, das Sie in Ihre IDE kopieren‑und‑einfügen können. Am Ende haben Sie ein eigenständiges Programm, das `receipt.png` einliest und einen sofort einsetzbaren JSON‑String ausgibt. + +## Was Sie benötigen + +- **Java Development Kit (JDK) 8+** – jede aktuelle Version funktioniert. +- **Aspose OCR for Java**‑Bibliothek (das Maven‑Artifact lautet `com.aspose:aspose-ocr`). +- Eine **gültige Aspose OCR‑Lizenzdatei** (`Aspose.OCR.lic`). Die kostenlose Testversion reicht für Tests, aber eine richtige Lizenz entfernt Evaluations‑Beschränkungen. +- Eine Bilddatei (PNG, JPEG usw.), die den zu lesenden Text enthält – nennen wir sie `receipt.png` und legen sie in einem bekannten Ordner ab. +- Ihre bevorzugte IDE (IntelliJ IDEA, Eclipse, VS Code …) – Sie können wählen, was Ihnen gefällt. + +> **Pro‑Tipp:** Bewahren Sie Ihre Lizenzdatei außerhalb des Quellordners auf und referenzieren Sie sie über einen absoluten oder relativen Pfad, um zu vermeiden, dass sie in die Versionskontrolle gelangt. + +Jetzt, wo die Voraussetzungen klar sind, tauchen wir in den eigentlichen Code ein. + +## Wie man OCR verwendet – Kernschritte + +Im Folgenden ein Überblick über die Aktionen, die wir ausführen werden: + +1. **Laden der Aspose OCR‑Bibliothek** und Anwenden Ihrer Lizenz. +2. **Erstellen einer `OcrEngine`‑Instanz** – das ist die Engine, die die eigentliche Arbeit erledigt. +3. **Vorbereiten eines `OcrInput`‑Objekts**, das auf das zu verarbeitende Bild zeigt. +4. **Aufruf von `recognize` mit `ResultFormat.JSON`**, um eine JSON‑Darstellung des extrahierten Textes zu erhalten. +5. **Verarbeiten der JSON‑Ausgabe** – ausgeben, in eine Datei schreiben oder weiterparsen. + +Jeder Schritt wird in den nachfolgenden Abschnitten detailliert erklärt. + +## Schritt 1 – Aspose OCR installieren und Lizenz anwenden + +Fügen Sie zunächst die Aspose OCR‑Abhängigkeit zu Ihrer `pom.xml` hinzu, wenn Sie Maven verwenden: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Laden Sie nun in Ihrem Java‑Code die Lizenz. Dieser Schritt ist essenziell; ohne Lizenz läuft die Bibliothek im Evaluationsmodus und kann Wasserzeichen in die Ausgabe einbetten. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Warum das wichtig ist:** Das `License`‑Objekt teilt der OCR‑Engine mit, dass Sie berechtigt sind, das volle Funktionsspektrum zu nutzen, einschließlich hochpräziser Erkennung und JSON‑Export. Wird dieser Schritt übersprungen, können Sie weiterhin **Text aus Bild** erkennen, aber die Ergebnisse können gedrosselt sein. + +## Schritt 2 – OCR‑Engine‑Instanz erstellen + +Die Klasse `OcrEngine` ist der Einstiegspunkt für alle OCR‑Operationen. Denken Sie an sie als das „Gehirn“, das die Pixel liest und entscheidet, welche Zeichen sie darstellen. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Sie können die Engine später anpassen (z. B. Sprache setzen, Deskew aktivieren), falls Ihre Belege nicht‑lateinische Schriften enthalten oder schräg gescannt wurden. Für die meisten US‑basierten Belege funktionieren die Standardeinstellungen einwandfrei. + +## Schritt 3 – Bild laden, das verarbeitet werden soll + +Jetzt weisen wir die OCR‑Engine auf die Datei, die den Beleg enthält. Die Klasse `OcrInput` kann mehrere Bilder aufnehmen, aber für dieses Tutorial halten wir es bei einem einzigen PNG einfach. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Falls Sie jemals **Text aus PNG**‑Dateien massenhaft **extrahieren** müssen, rufen Sie einfach wiederholt `input.add()` auf oder übergeben Sie eine Liste von Dateipfaden. + +## Schritt 4 – Text erkennen und Beleg in JSON konvertieren + +Hier kommt das Herzstück des Tutorials. Wir lassen die Engine den Text erkennen und fordern das Ergebnis im JSON‑Format an. Das Flag `ResultFormat.JSON` erledigt die schwere Arbeit für uns. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Das JSON‑Payload enthält jede erkannte Zeile, deren Begrenzungsrahmen, den Vertrauenswert und den Rohtext. Diese Struktur macht es trivial, **Beleg in JSON** zu konvertieren und anschließend in jede nachgelagerte API zu speisen. + +## Schritt 5 – Alles zusammenfügen und das Programm ausführen + +Unten finden Sie die komplette, sofort ausführbare Java‑Klasse, die alles zusammenbringt. Speichern Sie sie als `JsonExportDemo.java` (oder wie Sie möchten) und führen Sie sie in Ihrer IDE oder über die Kommandozeile aus. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Erwartete Ausgabe + +Beim Ausführen des Programms wird ein JSON‑String ähnlich dem folgenden ausgegeben (der genaue Inhalt hängt von Ihrem Beleg ab): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Sie können dieses JSON nun in eine Datenbank, einen REST‑Endpoint oder eine Datenanalyse‑Pipeline einspeisen. Der **Beleg‑zu‑JSON**‑Schritt ist bereits für Sie erledigt. + +## Häufige Fragen und Sonderfälle + +### Was, wenn das Bild gedreht ist? + +Aspose OCR erkennt und korrigiert leichte Rotationen automatisch. Bei stark verzerrten Bildern rufen Sie vor der Erkennung `engine.getImagePreprocessingOptions().setDeskew(true)` auf. + +### Wie gehe ich mit mehreren Sprachen um? + +Verwenden Sie `engine.getLanguage()`, um die gewünschte Sprache zu setzen, z. B. `engine.setLanguage(Language.FRENCH)`. Das ist praktisch, wenn Sie **Text aus Bild** erkennen müssen, das mehrsprachige Belege enthält. + +### Kann ich reinen Text statt JSON ausgeben? + +Natürlich. Ersetzen Sie `ResultFormat.JSON` durch `ResultFormat.TEXT` und rufen Sie `result.getText()` auf. + +### Gibt es eine Möglichkeit, die OCR auf einen bestimmten Bereich zu beschränken? + +Ja – nutzen Sie `ocrInput.add(imagePath, new Rectangle(x, y, width, height))`, um sich auf den Beleg‑Bereich zu fokussieren. Das kann Geschwindigkeit und Genauigkeit verbessern. + +## Pro‑Tipps für produktionsreifes OCR + +- **Lizenz‑Objekt cachen**, wenn Sie viele Dateien in einer Schleife verarbeiten; das wiederholte Erzeugen verursacht Overhead. +- **Batch‑Verarbeitung**: Laden Sie alle Beleg‑Pfade in ein einziges `OcrInput` und rufen Sie einmal `recognize` auf. Das JSON enthält dann ein Array von Seiten, jede mit ihren Zeilen. +- **JSON validieren**: Parsen Sie den String nach dem Erhalt mit einer Bibliothek wie Jackson, um sicherzustellen, dass er wohlgeformt ist, bevor Sie ihn speichern. +- **Vertrauenswerte überwachen**: Das JSON enthält ein Feld `confidence` pro Zeile. Filtern Sie Zeilen unter einem Schwellenwert (z. B. 0,85) heraus, um Mülldaten zu vermeiden. +- **Lizenz sichern**: Lagern Sie `Aspose.OCR.lic` in einem sicheren Tresor oder einer Umgebungsvariable, besonders bei Cloud‑Deployments. + +## Fazit + +Wir haben behandelt, **wie man OCR** in Java nutzt, um **Text aus Bild** zu **erkennen**, **Text aus PNG**‑Belegen zu **extrahieren** und **Beleg in JSON** zu **konvertieren** – alles mit einem knappen, End‑to‑End‑Beispiel. Die Schritte sind unkompliziert, der Code vollständig ausführbar, und die JSON‑Ausgabe liefert Ihnen eine strukturierte Darstellung, die für jedes nachgelagerte System bereitsteht. + +Als Nächstes könnten Sie fortgeschrittene Szenarien erkunden: das JSON in Apache Kafka für Echtzeit‑Verarbeitung einspeisen, Regex‑Muster anwenden, um Zeilen‑Summen herauszufiltern, oder eine Cloud‑OCR‑Service‑Lösung für Skalierbarkeit integrieren. Was immer Sie wählen, die Grundlagen, die Sie gerade gelernt haben, bleiben gleich. + +Haben Sie Fragen oder sind Sie beim Ausprobieren auf ein Problem gestoßen? Hinterlassen Sie einen Kommentar unten, und wir helfen gern beim Troubleshooting. Viel Spaß beim Coden und beim Umwandeln dieser unordentlichen Beleg‑Bilder in saubere, durchsuchbare Daten! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/german/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..af4d68dc6 --- /dev/null +++ b/ocr/german/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,191 @@ +--- +category: general +date: 2026-02-17 +description: 'Bild-zu-Text Java‑Tutorial: Erfahren Sie, wie Sie Urdu‑Text aus einem + Bild mit Aspose OCR extrahieren. Vollständiges Java‑OCR‑Beispiel enthalten.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: de +og_description: Das Bild‑zu‑Text‑Java‑Tutorial zeigt, wie man Urdu‑Text aus einem + Bild mit Aspose OCR extrahiert. Folgen Sie dem vollständigen Java‑OCR‑Beispiel Schritt + für Schritt. +og_title: 'Bild-zu-Text Java: Urdu-Text mit Aspose OCR extrahieren' +tags: +- OCR +- Java +- Aspose +title: 'Bild zu Text Java: Urdu-Text mit Aspose OCR extrahieren' +url: /de/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +The same principles—**how to extract text**, **load image o". The original ends abruptly. We'll translate the part up to that point. + +Translate: "Als Nächstes können Sie mit größeren PDFs, verschiedenen Schriften experimentieren oder sogar den OCR‑Schritt in einen Spring‑Boot‑REST‑Endpoint integrieren. Die gleichen Prinzipien – **how to extract text**, **load image o**". The last phrase is incomplete; keep as is. + +Then closing shortcodes. + +Now ensure we keep all shortcodes exactly. + +Let's assemble final output. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Bild-zu-Text Java: Urdu-Text mit Aspose OCR extrahieren + +Wenn Sie eine **image to text java**-Konvertierung für Urdu-Dokumente benötigen, sind Sie hier genau richtig. Haben Sie sich jemals gefragt, *wie man Text* aus einem Bild einer handschriftlichen Notiz oder einer gescannten Zeitungsseite extrahiert? Dieser Leitfaden führt Sie durch ein **java ocr example**, das Urdu‑Zeichen direkt aus einem Bild mit Aspose OCR extrahiert. + +Wir behandeln alles von der Lizenzierung der Bibliothek bis zum Ausgeben des Ergebnisses in der Konsole. Am Ende können Sie **load image ocr**‑Dateien laden, die Sprache auf Urdu einstellen und saubere Unicode‑Ausgabe erhalten – ohne zusätzliche Werkzeuge. + +## Was Sie benötigen + +- **Java Development Kit (JDK) 8+** – der Code funktioniert mit jedem aktuellen JDK. +- **Aspose.OCR for Java** JAR (von der Aspose-Website herunterladen). +- Eine gültige **Aspose OCR license**‑Datei (`Aspose.OCR.lic`). +- Ein Bild, das Urdu‑Text enthält, z. B. `urdu-sample.png`. + +Wenn Sie diese Grundlagen haben, können Sie direkt zum Code springen, ohne nach fehlenden Abhängigkeiten zu suchen. + +## image to text java – Einrichtung von Aspose OCR + +Zuerst müssen wir Aspose mitteilen, dass wir eine Lizenz besitzen. Ohne diese läuft die Bibliothek im Evaluierungsmodus und fügt dem Ergebnis Wasserzeichen hinzu. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** Lizenzierung entfernt das 5‑Sekunden‑Verarbeitungslimit und schaltet das komplette Urdu‑Sprachpaket frei, das im 2025‑Q3 hinzugefügt wurde. Wenn Sie diesen Schritt überspringen, funktioniert die OCR‑Engine zwar weiter, aber Sie sehen ein kleines „Evaluation“-Tag in den Ergebnissen. + +## Wie man Text extrahiert – Initialisierung der OCR‑Engine + +Jetzt erstellen wir die Engine und teilen ihr ausdrücklich mit, dass wir an Urdu interessiert sind. Die Konstante `OcrLanguage.URDU` aktiviert den richtigen Zeichensatz und die Segmentierungsregeln. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** Wenn Sie jemals mehrere Sprachen in einem Durchlauf verarbeiten müssen, können Sie eine kommagetrennte Liste übergeben, z. B. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Die Engine erkennt jede Region automatisch. + +## Bild‑OCR laden – Vorbereitung der Eingabe + +Aspose arbeitet mit einem `OcrInput`‑Objekt, das ein oder mehrere Bilder enthalten kann. Hier **load image ocr**‑Daten aus einer lokalen Datei laden. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Ersetzen Sie `YOUR_DIRECTORY` durch den absoluten Pfad oder einen relativen Pfad von Ihrem Projektstamm aus. Wenn die Datei nicht gefunden wird, wirft Aspose eine `FileNotFoundException`. Eine schnelle Prüfung mit `new File(path).exists()` kann Ihnen viel Debugging‑Zeit sparen. + +## Text erkennen – Ausführen des OCR‑Prozesses + +Nachdem die Engine konfiguriert und das Bild geladen ist, rufen wir schließlich `recognize` auf. Die Methode gibt ein `OcrResult` zurück, das die extrahierte Zeichenkette enthält. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** Die OCR‑Engine teilt das Bild in Zeilen und dann in Zeichen, wobei urdu‑spezifische Formungsregeln (wie verbindende Formen) angewendet werden. Deshalb ist das frühe Setzen der Sprache entscheidend; andernfalls erhalten Sie verzerrte lateinische Platzhalter. + +## Erkannten Urdu‑Text ausgeben + +Der letzte Schritt besteht einfach darin, das Ergebnis auszugeben. Da Urdu ein Rechts‑nach‑Links‑Schriftsystem verwendet, stellen Sie sicher, dass Ihre Konsole Unicode unterstützt (die meisten modernen Terminals tun das). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Wenn Sie Fragezeichen oder leere Zeichenketten sehen, überprüfen Sie, ob die Konsolencodierung auf UTF‑8 eingestellt ist (`chcp 65001` unter Windows oder führen Sie Java mit `-Dfile.encoding=UTF-8` aus). + +## Vollständiges funktionierendes Beispiel – Alle Schritte an einem Ort + +Unten finden Sie das vollständige, copy‑and‑paste‑bereite Programm. Keine externen Referenzen, nur eine einzelne Java‑Datei. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Führen Sie es aus mit: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Ersetzen Sie die JAR‑Version (`23.10`) durch die von Ihnen heruntergeladene Version. Die Konsole sollte den aus Ihrer PNG extrahierten Urdu‑Satz anzeigen. + +## Häufige Fallstricke & Randfälle + +| Problem | Warum es passiert | Wie zu beheben | +|---------|-------------------|----------------| +| **Leere Ausgabe** | Bild ist zu dunkel oder von niedriger Auflösung. | Bild vorverarbeiten (Kontrast erhöhen, binarisieren) mit `BufferedImage`, bevor es an Aspose übergeben wird. | +| **Fehlerhafte Zeichen** | Falsche Sprache eingestellt (Standard ist Englisch). | Sicherstellen, dass `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` vor `recognize` aufgerufen wird. | +| **Lizenz nicht gefunden** | Pfadfehler oder fehlende Datei. | Verwenden Sie einen absoluten Pfad oder legen Sie die `.lic`‑Datei in den Klassenpfad und rufen Sie `license.setLicense("Aspose.OCR.lic");` auf. | +| **Speicherüberlauf bei großen Bildern** | Große PNGs verbrauchen den Heap. | Rufen Sie `ocrEngine.setMaxImageSize(2000);` auf, um intern herunterzuskalieren, oder skalieren Sie das Bild selbst. | + +## Demo erweitern + +- **Batch-Verarbeitung:** Durchlaufen Sie einen Ordner, fügen Sie jede Datei dem gleichen `OcrInput` hinzu und sammeln Sie die Ergebnisse in einer CSV. +- **Verschiedene Sprachen:** Ersetzen Sie `OcrLanguage.URDU` durch `OcrLanguage.ARABIC` oder kombinieren Sie mehrere Sprachen. +- **In Datei speichern:** Verwenden Sie `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +All diese Ideen basieren auf dem **java ocr example**, das wir gerade erstellt haben, und ermöglichen es Ihnen, die Lösung an reale Projekte anzupassen. + +## Fazit + +Sie haben nun einen soliden **image to text java**‑Workflow, der Urdu‑Zeichen aus einem Bild mit Aspose OCR extrahiert. Das Tutorial behandelte jeden Schritt – von der Lizenzierung und Sprachauswahl über das Laden des Bildes bis hin zur Ausgabe des Ergebnisses – sodass Sie den Code in jedes Java‑Projekt einfügen und ihn funktionieren sehen können. + +Als Nächstes können Sie mit größeren PDFs, verschiedenen Schriften experimentieren oder sogar den OCR‑Schritt in einen Spring‑Boot‑REST‑Endpoint integrieren. Die gleichen Prinzipien – **how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/german/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/german/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..ba0f5ba1f --- /dev/null +++ b/ocr/german/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Erfahren Sie, wie Sie Text aus einem Bild erkennen und ein Bild für OCR + mit der Aspose OCR Java‑Bibliothek laden. Schritt‑für‑Schritt‑Anleitung mit Rechtschreibkorrektur. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: de +og_description: Texterkennung aus Bildern mit Aspose OCR Java. Dieses Tutorial zeigt, + wie man ein Bild für OCR lädt, die Rechtschreibkorrektur aktiviert und bereinigten + Text ausgibt. +og_title: Text aus Bild erkennen – Vollständiger Aspose OCR Java Leitfaden +tags: +- Java +- OCR +- Aspose +title: Text aus Bild mit Aspose OCR erkennen – Java‑Tutorial +url: /de/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Text aus Bild mit Aspose OCR erkennen – Java‑Tutorial + +Haben Sie jemals **Text aus Bild erkennen** müssen, waren sich aber nicht sicher, welche Bibliothek Sie wählen sollen? Sie sind nicht allein. In vielen realen Projekten – denken Sie an das Scannen von Rechnungen, das Digitalisieren handschriftlicher Notizen oder das Extrahieren von Bildunterschriften aus Screenshots – ist das Erzielen genauer OCR‑Ergebnisse entscheidend. + +In diesem Leitfaden führen wir Sie durch das Laden eines Bildes für OCR, das Aktivieren des integrierten Rechtschreibkorrektors von Aspose OCR und schließlich das Ausgeben des bereinigten Textes. Am Ende haben Sie ein sofort ausführbares Java‑Programm, das **Text aus Bild erkennt** mit nur wenigen Codezeilen. + +## Was dieses Tutorial abdeckt + +- Wie Sie Ihre Aspose OCR‑Lizenz anwenden (damit die Demo ohne Wasserzeichen läuft) +- Erstellen einer `OcrEngine`‑Instanz und Auswahl von Englisch als Erkennungssprache +- **Bild für OCR laden** using `OcrInput` and point it at a PNG that contains misspelled words +- Aktivieren des Rechtschreibkorrektors, optional mit Verweis auf ein benutzerdefiniertes Wörterbuch +- Durchführen der Erkennung und Ausgeben des korrigierten Ergebnisses + +Keine externen Dienste, keine versteckten Konfigurationsdateien – nur reines Java und das Aspose OCR‑JAR. + +> **Profi‑Tipp:** Wenn Sie neu bei Aspose sind, holen Sie sich eine kostenlose 30‑Tage‑Testlizenz von der Aspose‑Website und legen Sie die `.lic`‑Datei in einen Ordner, den Sie in Ihrem Code referenzieren können. + +## Voraussetzungen + +- Java 8 oder neuer (der Code kompiliert auch mit JDK 11) +- Aspose.OCR für Java JAR in Ihrem Klassenpfad +- Eine gültige `Aspose.OCR.lic`‑Datei (oder Sie können im Evaluierungsmodus laufen, aber die Demo fügt ein Wasserzeichen ein) +- Eine Bilddatei (`misspelled.png`), die Text mit absichtlichen Rechtschreibfehlern enthält – perfekt, um den Rechtschreibkorrektor in Aktion zu sehen + +Alles vorhanden? Großartig – lassen Sie uns eintauchen. + +## Schritt 1: Ihre Aspose OCR‑Lizenz anwenden + +Bevor die Engine irgendeine schwere Arbeit übernimmt, muss sie wissen, dass Sie lizenziert sind. Andernfalls erhalten Sie ein „Trial version“-Banner in der Ausgabe. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Warum das wichtig ist:* Die Lizenzierung deaktiviert das Testwasserzeichen und schaltet das vollständige Wörterbuch des Rechtschreibkorrektors frei. Das Überspringen dieses Schrittes funktioniert, aber Ihre Ausgabe wird mit dem Text „Aspose OCR Demo“ verschmutzt. + +## Schritt 2: Die OCR‑Engine erstellen und konfigurieren + +Jetzt starten wir die Engine und geben ihr an, welche Sprache verwendet werden soll. Englisch ist am häufigsten, aber Aspose unterstützt Dutzende. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Warum wir die Sprache festlegen:* Das Sprachmodell bestimmt den Zeichensatz und beeinflusst die Vorschläge des Rechtschreibkorrektors. Die falsche Sprache zu verwenden kann die Genauigkeit drastisch verringern. + +## Schritt 3: Rechtschreibkorrektur aktivieren und (optional) auf ein benutzerdefiniertes Wörterbuch verweisen + +Aspose OCR wird mit einem integrierten englischen Wörterbuch geliefert, aber Sie können Ihr eigenes bereitstellen, wenn Sie domänenspezifische Begriffe haben (denken Sie an medizinischen Jargon oder Produktcodes). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Was der Korrektor macht:* Wenn die OCR‑Engine ein Wort findet, das nicht im Wörterbuch steht, versucht sie, es durch die nächstgelegene Übereinstimmung zu ersetzen. Deshalb kann die Demo „recieve“ automatisch in „receive“ umwandeln. + +## Schritt 4: Bild für OCR laden + +Hier ist der Teil, der direkt **Bild für OCR laden** beantwortet. Wir erstellen ein `OcrInput`‑Objekt und fügen unsere PNG‑Datei hinzu. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Warum wir `OcrInput` verwenden:* Es abstrahiert die Dateileselogik und ermöglicht es Ihnen, später mehrere Seiten hinzuzufügen, falls Sie ein mehrseitiges PDF oder eine Reihe von Bildern verarbeiten müssen. + +## Schritt 5: Die Erkennung ausführen und korrigierten Text abrufen + +Die Engine übernimmt jetzt die schwere Arbeit – sie erkennt Zeichen, wendet das Sprachmodell an und korrigiert schließlich die Rechtschreibung. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Erwartete Ausgabe:* Angenommen, `misspelled.png` enthält den Satz „Ths is a smple test“, dann gibt die Konsole aus: + +``` +Corrected text: +This is a simple test +``` + +Beachten Sie, wie die falsch geschriebenen Wörter (`Ths`, `smple`) automatisch korrigiert wurden. + +## Vollständiges, sofort ausführbares Beispiel + +Unten finden Sie das gesamte Programm in einem Block. Kopieren‑einfügen, passen Sie die Pfade an und klicken Sie auf **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tipp:** Wenn Sie ein JPEG oder BMP anstelle von PNG verarbeiten möchten, ändern Sie einfach die Dateierweiterung – Aspose OCR unterstützt alle gängigen Rasterformate. + +## Häufige Fragen & Sonderfälle + +- **Was ist, wenn mein Bild eine niedrige Auflösung hat?** + Erhöhen Sie die DPI, bevor Sie es an Aspose übergeben, indem Sie es mit einer Bibliothek wie `java.awt.Image` neu skalieren. Höhere DPI geben der Engine mehr Pixel zum Arbeiten, was normalerweise die Genauigkeit verbessert. + +- **Kann ich mehrere Sprachen im selben Bild erkennen?** + Ja. Rufen Sie `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` auf und geben Sie optional eine Liste von Sprachen über `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` an. + +- **Mein benutzerdefiniertes Wörterbuch wird nicht verwendet – warum?** + Stellen Sie sicher, dass der Ordner Textdateien mit einem Wort pro Zeile enthält und dass der Pfad absolut oder korrekt relativ zu Ihrem Arbeitsverzeichnis ist. + +- **Wie extrahiere ich Vertrauenswerte?** + `result.getConfidence()` gibt einen Float zwischen 0 und 1 für die gesamte Seite zurück. Für Vertrauenswerte pro Zeichen schauen Sie sich `result.getWordList()` an. + +## Fazit + +Sie wissen jetzt, wie Sie **Text aus Bild erkennen** mit Aspose OCR für Java, wie Sie **Bild für OCR laden** und wie Sie den Rechtschreibkorrektor aktivieren, um gängige Tippfehler zu bereinigen. Das obige vollständige Beispiel kann in jedes Maven‑ oder Gradle‑Projekt eingefügt werden, und mit wenigen Anpassungen können Sie es skalieren, um Ordner stapelweise zu verarbeiten, es in einen Web‑Service einzubinden oder es in ein Dokumenten‑Management‑System zu integrieren. + +Bereit für den nächsten Schritt? Versuchen Sie, ein mehrseitiges PDF zu verarbeiten, experimentieren Sie mit einem benutzerdefinierten Wörterbuch für branchenspezifische Terminologie oder leiten Sie die Ausgabe an eine Übersetzungs‑API weiter. Die Möglichkeiten sind endlos, und das Kernmuster – Lizenz → Engine → Sprache → Rechtschreibkorrektor → Eingabe → Erkennung → Ausgabe – bleibt gleich. + +Viel Spaß beim Programmieren, und möge Ihre OCR‑Ergebnisse stets punktgenau sein! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/advanced-ocr-techniques/_index.md b/ocr/greek/java/advanced-ocr-techniques/_index.md index 3e7a5e306..9c87cbbdc 100644 --- a/ocr/greek/java/advanced-ocr-techniques/_index.md +++ b/ocr/greek/java/advanced-ocr-techniques/_index.md @@ -45,25 +45,21 @@ url: /el/java/advanced-ocr-techniques/ Εξάγετε εύκολα κείμενο από εικόνες καθορίζοντας επιτρεπόμενους χαρακτήρες με το Aspose.OCR για Java. Ακολουθήστε τον βήμα προς βήμα οδηγό μας για αποτελεσματική ενσωμάτωση, διασφαλίζοντας μια απρόσκοπτη εμπειρία αναγνώρισης κειμένου. Βελτιώστε τις εφαρμογές σας Java με τις δυνατότητες Aspose.OCR. -## συμπέρασμα - -Με το Aspose.OCR για Java, η εκμάθηση προηγμένων τεχνικών OCR δεν ήταν ποτέ ευκολότερη. Βουτήξτε σε αυτά τα σεμινάρια και ξεκλειδώστε το πλήρες δυναμικό της αναγνώρισης κειμένου στα έργα σας Java. Αναβαθμίστε τις εφαρμογές σας με απρόσκοπτη ενοποίηση, υψηλή ακρίβεια και ευέλικτες δυνατότητες εξαγωγής κειμένου. Κάντε λήψη τώρα και κάντε το πρώτο βήμα προς την αριστεία OCR με το Aspose.OCR για Java! -## Προηγμένα σεμινάρια Τεχνικών OCR -### [Εκτέλεση OCR στο BufferedImage στο Aspose.OCR για Java](./perform-ocr-buffered-image/) -Εκτελέστε OCR στο BufferedImage χωρίς κόπο με το Aspose.OCR για Java. Εξαγωγή κειμένου από εικόνες απρόσκοπτα. Κάντε λήψη τώρα για μια ευέλικτη εμπειρία αναγνώρισης κειμένου. -### [Εκτέλεση OCR σε Εικόνα από διεύθυνση URL στο Aspose.OCR για Java](./perform-ocr-image-from-url/) -Ξεκλειδώστε την απρόσκοπτη εξαγωγή κειμένου εικόνας σε Java με το Aspose.OCR. OCR υψηλής ακρίβειας με εύκολη ενσωμάτωση. -### [Εκτέλεση OCR σε συγκεκριμένη σελίδα στο Aspose.OCR](./perform-ocr-on-page/) -Ξεκλειδώστε τη δύναμη του Aspose.OCR για Java με τον βήμα προς βήμα οδηγό μας για την εκτέλεση OCR σε συγκεκριμένες σελίδες. Εξάγετε κείμενο χωρίς κόπο από εικόνες και βελτιώστε τα έργα σας Java. -### [Προετοιμασία ορθογωνίων για OCR στο Aspose.OCR](./prepare-rectangles-for-ocr/) -Ξεκλειδώστε τη δύναμη της αναγνώρισης κειμένου με το Aspose.OCR για Java. Ακολουθήστε τον βήμα προς βήμα οδηγό μας για απρόσκοπτη ενσωμάτωση. Βελτιώστε τις εφαρμογές σας Java με αποτελεσματικές δυνατότητες OCR. -### [Αναγνώριση γραμμών στο Aspose.OCR για Java](./recognize-lines/) -Ενισχύστε τις εφαρμογές σας Java με το Aspose.OCR για ακριβή αναγνώριση κειμένου. Εύκολη ενσωμάτωση, υψηλή ακρίβεια. -### [Καθορισμός επιτρεπόμενων χαρακτήρων στο Aspose.OCR](./specify-allowed-characters/) -Ξεκλειδώστε την εξαγωγή κειμένου από εικόνες χωρίς προβλήματα με το Aspose.OCR για Java. Ακολουθήστε τον βήμα προς βήμα οδηγό μας για αποτελεσματική ενσωμάτωση. +## [Αναγνώριση κειμένου σε εικόνα χρησιμοποιώντας Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Εκμεταλλευτείτε την ισχύ του GPU για γρήγορη αναγνώριση κειμένου σε εικόνες με Aspose OCR σε Java. + +### [Σταθερό σύνολο νημάτων Java – παράλληλο OCR για PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Εκμεταλλευτείτε ένα σταθερό σύνολο νημάτων για ταυτόχρονη επεξεργασία PNG εικόνων με Aspose OCR σε Java. + +## [Προεπεξεργασία εικόνας για OCR – Πλήρης οδηγός Java για ενίσχυση αντίθεσης & εξαγωγή κειμένου](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) + +## [Δημιουργία μηχανής OCR Java – Αναγνώριση κειμένου από μεγάλες εικόνες](./create-ocr-engine-java-recognize-text-from-large-images/) + +Μάθετε πώς να δημιουργήσετε μια μηχανή OCR σε Java για επεξεργασία μεγάλων εικόνων με υψηλή ακρίβεια και αποδοτικότητα. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/greek/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..a092893c7 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: Δημιουργήστε μηχανή OCR σε Java και διαβάστε γρήγορα αρχεία TIFF με Java. + Μάθετε πώς να αναγνωρίζετε κείμενο από μεγάλες εικόνες χρησιμοποιώντας το Aspose.OCR + σε έναν οδηγό βήμα‑βήμα. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: el +og_description: Δημιουργήστε τώρα μηχανή OCR Java. Αυτό το σεμινάριο δείχνει πώς να + διαβάσετε αρχείο TIFF με Java και να αναγνωρίσετε κείμενο από μεγάλη εικόνα χρησιμοποιώντας + το Aspose.OCR. +og_title: Δημιουργία μηχανής OCR Java – Πλήρης οδηγός για την αναγνώριση κειμένου + σε μεγάλες εικόνες +tags: +- OCR +- Java +- Aspose +title: Δημιουργία μηχανής OCR Java – Αναγνώριση κειμένου από μεγάλες εικόνες +url: /el/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Δημιουργία OCR Engine Java – Αναγνώριση Κειμένου από Μεγάλες Εικόνες + +Ever needed to **create OCR engine Java** code that can handle a massive TIFF map, but weren’t sure where to start? You’re not alone—most developers hit a wall when the image size blows past the usual memory limits. + +In this guide we’ll walk you through a complete, ready‑to‑run example that **creates an OCR engine in Java**, shows you how to **read TIFF file Java** with an `InputStream`, and finally **recognizes text from large image** files without running out of heap. By the end you’ll have a self‑contained program you can drop into any Maven or Gradle project. + +## Τι Θα Χρειαστείτε + +- **Java Development Kit (JDK) 8 or newer** – ο κώδικας χρησιμοποιεί μόνο τυπική I/O συν Aspose.OCR. +- **Aspose.OCR for Java** library (η πιο πρόσφατη έκδοση μέχρι 2026‑02) – μπορείτε να κατεβάσετε το JAR από τον ιστότοπο Aspose ή μέσω Maven Central. +- Ένα **large TIFF file** (π.χ., ένας χάρτης πολλαπλών megapixel) που θέλετε να OCR. +- Το **Aspose.OCR license file** (`Aspose.OCR.lic`). Χωρίς αυτό η μηχανή λειτουργεί σε λειτουργία αξιολόγησης, αλλά θα εμφανιστεί υδατογράφημα. + +> **Pro tip:** Κρατήστε το TIFF δίπλα στο φάκελο πηγής ή χρησιμοποιήστε απόλυτη διαδρομή· η μηχανή θα χωρίσει την εικόνα εσωτερικά, ώστε να μην χρειάζεται να τη χωρίσετε εσείς. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Διάγραμμα ροής δημιουργίας OCR Engine Java"} + +## Βήμα 1 – Εφαρμόστε την Άδεια Aspose.OCR (Create OCR Engine Java) + +Before the engine does any heavy lifting you must register the license. Skipping this step forces the evaluation mode, which limits the number of pages and adds a banner to the output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Γιατί είναι σημαντικό:* Το αντικείμενο `License` λέει στη μηχανή OCR να ξεκλειδώσει τον αλγόριθμο πλήρους ανάλυσης σε τμήματα, ο οποίος είναι απαραίτητος για την αποδοτική επεξεργασία μιας **large image**. + +## Βήμα 2 – Δημιουργία της Μηχανής OCR (Create OCR Engine Java) + +Now we spin up the core `OcrEngine`. Think of it as the brain that will later read the pixels and spit out Unicode text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Γιατί το κρατάμε απλό:* Για τις περισσότερες περιπτώσεις οι προεπιλεγμένες ρυθμίσεις περιλαμβάνουν ήδη αυτόματη ανίχνευση γλώσσας και βέλτιστη κατατμήση. Η υπερβολική διαμόρφωση μπορεί στην πραγματικότητα να επιβραδύνει την επεξεργασία μεγάλων αρχείων. + +## Βήμα 3 – Φόρτωση του Αρχείου TIFF Χρησιμοποιώντας InputStream (Read TIFF File Java) + +Large TIFFs can be several hundred megabytes. Loading the whole thing into a `BufferedImage` would explode the heap. Instead we give the engine an `InputStream`; Aspose.OCR will read and tile the image on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Περίπτωση άκρης:* Εάν το TIFF σας είναι συμπιεσμένο με CCITT Group 4, το Aspose.OCR το διαχειρίζεται, αλλά ίσως θέλετε να ορίσετε `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` για μια μικρή αύξηση ταχύτητας. + +## Βήμα 4 – Προετοιμασία του OCR Input και Υπόδειξη της Μορφής + +The `OcrInput` object can hold multiple images, but we only need one for this demo. Providing the format string (`"tif"`) helps the engine skip format sniffing, shaving off a few milliseconds. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Γιατί η υπόδειξη είναι χρήσιμη:* Όταν εργάζεστε με **large images**, κάθε χιλιοστό του δευτερολέπτου μετράει. Η υπόδειξη μορφής λέει στον parser να παρακάμψει την δαπανηρή ανάλυση κεφαλίδας. + +## Βήμα 5 – Αναγνώριση Κειμένου από τη Μεγάλη Εικόνα (Recognize Text from Large Image) + +With everything wired up, the actual OCR call is a single line. The engine returns an `OcrResult` that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Τι συμβαίνει στο παρασκήνιο:* Το Aspose.OCR χωρίζει το TIFF σε διαχειρίσιμα τμήματα (προεπιλογή 1024 × 1024 px), εκτελεί το μοντέλο νευρωνικού δικτύου σε κάθε τμήμα, και στη συνέχεια συνενώνει τα αποτελέσματα. Αυτός είναι ο λόγος που μπορείτε να **recognize text from large image** αρχεία χωρίς χειροκίνητη προεπεξεργασία. + +## Βήμα 6 – Εμφάνιση Προεπισκόπησης του Εξαγόμενου Κειμένου + +Printing the whole document to the console can be overwhelming. Let’s show just the first 200 characters, followed by an ellipsis, so you can verify the output at a glance. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Αναμενόμενη έξοδος κονσόλας:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +If you see gibberish, double‑check that the correct language is selected (default is English) and that the TIFF isn’t corrupted. + +## Πλήρες Παράδειγμα Λειτουργίας + +Putting all the pieces together gives you a single class you can compile and run: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Replace `aspose-ocr-23.12.jar` with the actual version you downloaded. + +## Συνηθισμένα Προβλήματα & Συμβουλές + +| Πρόβλημα | Γιατί συμβαίνει | Γρήγορη Διόρθωση | +|------|----------------|-----------| +| **OutOfMemoryError** | Φόρτωση του TIFF σε ένα `BufferedImage` αντί για ροή. | Πάντα χρησιμοποιήστε `InputStream` όπως φαίνεται· αφήστε το Aspose να διαχειριστεί την κατατμήση. | +| **Blank output** | Λάθος υπόδειξη επέκτασης αρχείου (`"tif"` vs `"tiff"`). | Χρησιμοποιήστε την ακριβή συμβολοσειρά που περάσατε στο `add`. | +| **Garbage characters** | Η άδεια δεν έχει εφαρμοστεί ή έχει λήξει. | Επαληθεύστε τη διαδρομή του αρχείου `.lic` και επαναεφαρμόστε την πριν δημιουργήσετε τη μηχανή. | +| **Slow recognition** | Χρήση προσαρμοσμένης `OcrConfiguration` με υψηλό DPI. | Παραμείνετε στις προεπιλογές για τις περισσότερες περιπτώσεις· τροποποιήστε μόνο αν χρειάζεστε μεγαλύτερη ακρίβεια. | + +### Πότε να Ρυθμίσετε τις Ρυθμίσεις + +- **Έγγραφα πολλαπλών γλωσσών:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Υψηλότερη ακρίβεια σε μικρές γραμματοσειρές:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Αλλά θυμηθείτε, κάθε επιπλέον επιλογή μπορεί να αυξήσει τον χρόνο CPU, ειδικά σε μια **large image**. Δοκιμάστε πρώτα με ένα μόνο τμήμα. + +## Επόμενα Βήματα + +Now that you know how to **create OCR engine Java**, **read TIFF file Java**, and **recognize text from large image**, you might want to: + +1. **Export the result to a PDF** – συνδυάστε το Aspose.PDF με το κείμενο OCR για έγγραφα με δυνατότητα αναζήτησης. +2. **Store bounding boxes** – χρησιμοποιήστε `ocrResult.getWords()` για να λάβετε τις συντεταγμένες για επισήμανση. +3. **Parallelize tile processing** – για υπερ‑μεγάλες δορυφορικές εικόνες, δημιουργήστε ένα + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/greek/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..fdde894ba --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-02-17 +description: Μάθετε πώς να χρησιμοποιείτε ένα σταθερό thread pool στη Java για την + εξαγωγή κειμένου από εικόνες PNG με παράλληλη επεξεργασία OCR και το σωστό τερματισμό + της υπηρεσίας εκτελεστή. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: el +og_description: Ανακαλύψτε πώς ένα σταθερό σύνολο νημάτων Java μπορεί να εξάγει κείμενο + από εικόνες PNG παράλληλα, να μετατρέπει το κείμενο των σαρωμένων σελίδων και να + τερματίζει με ασφάλεια την υπηρεσία εκτελεστή. +og_title: Σταθερό σύνολο νημάτων Java – παράλληλη OCR για PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Σταθερό pool νημάτων Java – Παράλληλη OCR για PNG +url: /el/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – παράλληλο OCR για PNG + +Έχετε αναρωτηθεί ποτέ πώς να επιταχύνετε το OCR σε μια σειρά αρχείων PNG χρησιμοποιώντας ένα **fixed thread pool java**; Σε αυτό το tutorial θα δούμε πώς να **extract text from PNG** εικόνες παράλληλα, **convert scanned pages text** σε επεξεργάσιμες συμβολοσειρές, και να κλείσουμε με ασφάλεια το **shut down executor service** μόλις ολοκληρωθεί η εργασία. + +Αν έχετε ποτέ κολλήσει σε έναν βρόχο μονό-νήματος που διαρκεί λεπτά, ξέρετε την απογοήτευση του να περιμένετε κάθε σελίδα να τελειώσει πριν ξεκινήσει η επόμενη. Τα καλά νέα; Με λίγες γραμμές Java και Aspose OCR μπορείτε να αξιοποιήσετε τη δύναμη όλων των πυρήνων CPU, να μετατρέψετε τις σαρωμένες σελίδες σε αναζητήσιμο κείμενο και να κρατήσετε την εφαρμογή σας ανταποκρινόμενη. + +Παρακάτω θα βρείτε ένα πλήρες, έτοιμο‑για‑εκτέλεση παράδειγμα, μαζί με εξηγήσεις για το γιατί κάθε μέρος είναι σημαντικό, κοινές παγίδες και συμβουλές που μπορείτε να εφαρμόσετε σε οποιαδήποτε βιβλιοθήκη OCR. + +--- + +## Τι Θα Χρειαστείτε + +- **Java 17** (ή οποιοδήποτε πρόσφατο JDK) – ο κώδικας χρησιμοποιεί τη σύγχρονη σύνταξη `var` περιορισμένα, αλλά λειτουργεί και σε παλαιότερες εκδόσεις. +- **Aspose.OCR for Java** library – μπορείτε να το κατεβάσετε από το Maven Central ή να κατεβάσετε μια δοκιμαστική έκδοση από το Aspose. +- Ένα σύνολο αρχείων **PNG** που θέλετε να επεξεργαστείτε – σκεφτείτε αποδείξεις, σελίδες βιβλίων ή στιγμιότυπα οθόνης. +- Βασική εξοικείωση με το Java concurrency – δεν είναι απαραίτητη, αλλά χρήσιμη. + +Αυτό είναι όλο. Χωρίς εξωτερικές υπηρεσίες, χωρίς Docker, μόνο καθαρή Java και λίγη μαγεία πολυνηματισμού. + +## Βήμα 1: Προσθήκη Εξάρτησης Aspose OCR & Άδειας (Προαιρετικό) + +Πρώτα, βεβαιωθείτε ότι το JAR του Aspose OCR βρίσκεται στο classpath σας. Αν χρησιμοποιείτε Maven, προσθέστε: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Αν δεν έχετε άδεια, η βιβλιοθήκη θα λειτουργήσει σε λειτουργία αξιολόγησης· ο κώδικας λειτουργεί με τον ίδιο τρόπο. Για να φορτώσετε μια άδεια (συνιστάται για παραγωγή), τοποθετήστε το `Aspose.OCR.lic` στον φάκελο resources και χρησιμοποιήστε: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Συμβουλή:** Κρατήστε το αρχείο άδειας εκτός ελέγχου έκδοσης για να αποφύγετε τυχαία έκθεση. + +## Βήμα 2: Δημιουργία Ένας Thread‑Safe `OcrEngine` Αντικειμένου + +Το `OcrEngine` του Aspose OCR είναι thread‑safe εφόσον επαναχρησιμοποιείτε το ίδιο αντικείμενο σε όλες τις εργασίες. Η δημιουργία του μία φορά εξοικονομεί μνήμη και αποτρέπει το κόστος επανεκκίνησης της μηχανής για κάθε εικόνα. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Γιατί η επαναχρήση; Σκεφτείτε τη μηχανή ως έναν βαρύ εργαζόμενο που φορτώνει μοντέλα γλώσσας στη μνήμη. Η δημιουργία νέας μηχανής ανά εικόνα θα ήταν σαν να προσλαμβάνετε νέο ειδικό για κάθε μικρή δουλειά – δαπανηρό και περιττό. + +## Βήμα 3: Ρύθμιση Fixed Thread Pool Java + +Τώρα έρχεται το αστέρι της παράστασης: ένα **fixed thread pool java**. Θα το διαμορφώσουμε ώστε να ταιριάζει με τον αριθμό των λογικών επεξεργαστών, ώστε κάθε πυρήνας να λαμβάνει δουλειά χωρίς υπερπλήρωση. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Η χρήση ενός *fixed* pool (αντί για cached) σας παρέχει προβλέψιμη χρήση πόρων και αποτρέπει τα φοβερά «out‑of‑memory» spikes όταν δεκάδες εικόνες φτάνουν ταυτόχρονα. + +## Βήμα 4: Καταγραφή των PNG Αρχείων που Θέλετε να Επεξεργαστείτε (Extract Text from PNG) + +Συλλέξτε τις διαδρομές προς τις εικόνες που θέλετε να OCR. Σε ένα πραγματικό έργο μπορεί να σαρώσετε έναν φάκελο ή να διαβάσετε από βάση δεδομένων· εδώ θα κωδικοποιήσουμε μερικά παραδείγματα. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Σημείωση:** Η επέκταση αρχείου **png** είναι σημαντική επειδή το Aspose OCR ανιχνεύει αυτόματα τη μορφή, αλλά μπορείτε επίσης να δώσετε JPEG ή TIFF. + +## Βήμα 5: Υποβολή OCR Εργασιών – Parallel OCR Processing + +Κάθε εικόνα γίνεται ένα callable που επιστρέφει το αναγνωρισμένο κείμενο. Επειδή το `OcrEngine` είναι κοινόχρηστο, χρειάζεται μόνο να περάσουμε τη διαδρομή του αρχείου στην εργασία. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Γιατί να το τυλίξουμε σε `Future`; Σας επιτρέπει να εκκινήσετε όλες τις εργασίες αμέσως, και στη συνέχεια να συλλέξετε τα αποτελέσματα με τη σειρά που υποβλήθηκαν – ιδανικό για τη διατήρηση της σειράς των σελίδων όταν **convert scanned pages text** ξανά σε ένα έγγραφο. + +## Βήμα 6: Ανάκτηση Αποτελεσμάτων και Εμφάνιση (Convert Scanned Pages Text) + +Τώρα περιμένουμε κάθε `Future` να ολοκληρωθεί και εκτυπώνουμε το αποτέλεσμα. Η κλήση `get()` μπλοκάρει μόνο μέχρι να ολοκληρωθεί η συγκεκριμένη εργασία, όχι ολόκληρο το pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Η τυπική έξοδος στην κονσόλα μοιάζει με: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Αν προτιμάτε να γράψετε τα αποτελέσματα σε αρχεία, αντικαταστήστε το `System.out.println` με μια κλήση `Files.writeString`. + +## Βήμα 7: Καθαρό Shut Down του Executor Service + +Όταν ολοκληρωθεί κάθε εργασία, είναι κρίσιμο να **shut down executor service**· διαφορετικά η JVM μπορεί να κρατήσει μη‑daemon νήματα ενεργά, εμποδίζοντας ομαλή έξοδο. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Το πρότυπο `awaitTermination` δίνει στο pool την ευκαιρία να τελειώσει την τρέχουσα δουλειά πριν το εξαναγκάσουμε. Η παράβλεψη αυτού του βήματος είναι κοινή πηγή διαρροών μνήμης σε εφαρμογές που τρέχουν πολύ ώρα. + +## Πλήρες Παράδειγμα Λειτουργίας + +Συνδυάζοντας όλα τα παραπάνω, εδώ είναι το πλήρες πρόγραμμα που μπορείτε να αντιγράψετε‑και‑επικολλήσετε στο `ParallelBatchDemo.java` και να τρέξετε: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/greek/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..280880265 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-02-17 +description: Προεπεξεργασία εικόνας για OCR με το Aspose OCR σε Java. Μάθετε πώς να + ενισχύετε την αντίθεση της εικόνας, να ορίζετε το επίπεδο αντίθεσης και να αναγνωρίζετε + κείμενο από την εικόνα σε λίγα μόνο λεπτά. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: el +og_description: Προεπεξεργασία εικόνας για OCR χρησιμοποιώντας το Aspose OCR Java. + Αυτός ο οδηγός δείχνει πώς να ενισχύσετε την αντίθεση της εικόνας, να ορίσετε το + επίπεδο αντίθεσης και να αναγνωρίσετε κείμενο από την εικόνα γρήγορα. +og_title: Προεπεξεργασία εικόνας για OCR – Εγχειρίδιο Java για ενίσχυση αντίθεσης + & εξαγωγή κειμένου +tags: +- Java +- OCR +- Image Processing +title: Προεπεξεργασία εικόνας για OCR – Πλήρης οδηγός Java για ενίσχυση αντίθεσης + και εξαγωγή κειμένου +url: /el/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +blocks/products/pf/tutorial-page-section >}} + +# Preprocess Image for OCR – Complete Java Guide + +Translate heading: "Προεπεξεργασία Εικόνας για OCR – Πλήρης Οδηγός Java" + +Then paragraph. + +Proceed. + +Make sure to keep **bold** formatting. + +Let's translate. + +Will produce Greek text with same markdown. + +Also tables: translate column headers and content. + +Let's do. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Προεπεξεργασία Εικόνας για OCR – Πλήρης Οδηγός Java + +Κάποτε χρειάστηκε να **προεπεξεργαστείτε μια εικόνα για OCR** αλλά δεν ήσασταν σίγουροι ποιες ρυθμίσεις κάνουν πραγματικά τη διαφορά; Δεν είστε μόνοι. Οι περισσότεροι προγραμματιστές πετούν μια εικόνα σε μια μηχανή OCR και ελπίζουν ότι θα συμβεί το μαγικό, μόνο για να πάρουν ακατάστατο αποτέλεσμα. Σε αυτό το tutorial θα περάσουμε βήμα‑βήμα από ένα πρακτικό, ολοκληρωμένο παράδειγμα που **αυξάνει την αντίθεση της εικόνας**, ρυθμίζει το **επίπεδο αντίθεσης**, και τελικά **αναγνωρίζει κείμενο από εικόνα** χρησιμοποιώντας το Aspose OCR for Java. + +Μέχρι το τέλος, θα έχετε ένα επαναχρησιμοποιήσιμο απόσπασμα κώδικα που **εξάγει κείμενο με OCR** αξιόπιστα, ακόμη και σε θορυβώδεις σαρώσεις. Χωρίς κρυφά κόλπα, μόνο σαφή βήματα και η λογική πίσω από καθένα. + +## Τι Θα Χρειαστείτε + +- Java 17 ή νεότερη (ο κώδικας μεταγλωττίζεται με οποιοδήποτε πρόσφατο JDK) +- Βιβλιοθήκη Aspose OCR for Java (λήψη από την επίσημη ιστοσελίδα Aspose) +- Ένα έγκυρο αρχείο άδειας Aspose OCR (`Aspose.OCR.lic`) +- Μια εικόνα εισόδου (`input.jpg`) που θέλετε να διαβάσετε +- Ένα αγαπημένο IDE ή απλή ρύθμιση γραμμής εντολών + +Αν έχετε ήδη όλα αυτά, τέλεια—ας βουτήξουμε κατευθείαν. + +## Βήμα 1: Φόρτωση της Άδειας Aspose OCR (Πρωτεύουσα Ρύθμιση) + +Πριν η μηχανή OCR κάνει οτιδήποτε, πρέπει να ξέρει ότι έχετε άδεια. Διαφορετικά θα εμφανιστεί υδατογράφημα δοκιμής. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Γιατί είναι σημαντικό:** Χωρίς έγκυρη άδεια, η μηχανή λειτουργεί σε λειτουργία αξιολόγησης, η οποία μπορεί να περικόψει τα αποτελέσματα ή να προσθέσει υδατογράφημα. Η ρύθμιση της άδειας νωρίς εξασφαλίζει επίσης ότι τυχόν επόμενες επιλογές προεπεξεργασίας εφαρμόζονται σε πλήρη λειτουργικότητα. + +## Βήμα 2: Αρχικοποίηση της Μηχανής OCR + +Δημιουργώντας ένα αντικείμενο `OcrEngine` αποκτάτε πρόσβαση τόσο στην αναγνώριση όσο και στις γραμμές προεπεξεργασίας. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Συμβουλή:** Κρατήστε τη μηχανή ως singleton αν σκοπεύετε να επεξεργαστείτε πολλές εικόνες σε batch· έτσι αποθηκεύει εσωτερικούς πόρους και επιταχύνει τις επόμενες κλήσεις. + +## Βήμα 3: Ρύθμιση Προεπεξεργασίας – Διόρθωση Στροφής, Αποθορυβοποίηση και Ενίσχυση Αντίθεσης + +Εδώ είναι που **προεπεξεργαζόμαστε την εικόνα για OCR**. Οι τρεις ρυθμίσεις που θα προσαρμόσουμε είναι: + +1. **Deskew** – διορθώνει ελαφρές στροφές. +2. **Denoise** – αφαιρεί στίγματα που μπερδεύουν τη διαχωριστική διαδικασία χαρακτήρων. +3. **Contrast enhancement** – κάνει το σκοτεινό κείμενο να ξεχωρίζει από το φόντο. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Γιατί να Ρυθμίσετε το Επίπεδο Αντίθεσης; + +Η αύξηση του επιπέδου αντίθεσης τεντώνει το ιστόγραμμα της εικόνας, κάνοντας τα σκοτεινά pixel πιο σκοτεινά και τα φωτεινά πιο φωτεινά. Στην πράξη, ένα **επίπεδο αντίθεσης** `1.3f` συχνά προσφέρει την καλύτερη ισορροπία για έντυπα έγγραφα, ενώ τιμή πάνω από `1.5f` μπορεί να υπερβολικά φωτίσει λεπτές γραμμές. Δοκιμάστε ελεύθερα· η ρύθμιση είναι φθηνή να αλλάξει και μπορεί να βελτιώσει δραματικά το ποσοστό **αναγνώρισης κειμένου από εικόνα**. + +## Βήμα 4: Προετοιμασία της Εικόνας Εισόδου + +Η κλάση `OcrInput` αφαιρεί την ανάγκη χειρισμού αρχείων. Μπορείτε να προσθέσετε πολλαπλές εικόνες αν χρειάζεστε επεξεργασία batch. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Ακραία περίπτωση:** Αν η εικόνα σας είναι σε μη‑τυπική μορφή (π.χ., TIFF με πολλαπλές σελίδες), μπορείτε να φορτώσετε κάθε σελίδα ξεχωριστά ή να τη μετατρέψετε πρώτα σε PNG/JPEG. + +## Βήμα 5: Εκτέλεση της Αναγνώρισης + +Τώρα η μηχανή εκτελεί τη γραμμή προεπεξεργασίας που μόλις διαμορφώσαμε, και στη συνέχεια παραδίδει την καθαρισμένη εικόνα στον πυρήνα του αλγορίθμου OCR. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Τι συμβαίνει στο παρασκήνιο;** Το Aspose OCR πρώτα εφαρμόζει τη μετασχηματιστική λειτουργία deskew, μετά τρέχει το φίλτρο denoise, και τέλος ρυθμίζει την αντίθεση πριν περάσει την εικόνα στον νευρωνικό‑δικτυακό αναγνώστη. Η σειρά είναι σκόπιμη· η αλλαγή της μπορεί να οδηγήσει σε υπο‑βέλτιστα αποτελέσματα. + +## Βήμα 6: Έξοδος του Αναγνωρισμένου Κειμένου + +Τέλος, εκτυπώνουμε το εξαγόμενο κείμενο στην κονσόλα. Σε μια πραγματική εφαρμογή ίσως το γράψετε σε αρχείο ή το στείλετε μέσω δικτύου. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Αναμενόμενη Έξοδος + +Αν το `input.jpg` περιέχει τη φράση “Hello World!”, η κονσόλα θα πρέπει να εμφανίσει: + +``` +Hello World! +``` + +Αν η έξοδος φαίνεται ακατάστατη, ελέγξτε ξανά τις τιμές προεπεξεργασίας—ιδιαίτερα το **επίπεδο αντίθεσης** και το **mode αποθορυβοποίησης**—και δοκιμάστε διαφορετική μορφή εικόνας. + +## Bonus: Οπτικοποίηση της Προεπεξεργασμένης Εικόνας (Προαιρετικό) + +Μερικές φορές θέλετε να δείτε τι βλέπει η μηχανή μετά το deskew, το denoise και την ενίσχυση αντίθεσης. Το Aspose OCR επιτρέπει την εξαγωγή του ενδιάμεσου bitmap: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Ανοίξτε το `processed.png` δίπλα-δίπλα με το αρχικό· θα παρατηρήσετε έναν πιο ευθύ ορίζοντα και πιο καθαρό κείμενο. Αυτό το βήμα είναι χρήσιμο όταν εντοπίζετε γιατί μια συγκεκριμένη σάρωση αποτυγχάνει. + +![παράδειγμα προεπεξεργασίας εικόνας για OCR](/images/ocr-preprocess-example.png "προεπεξεργασία εικόνας για OCR – πριν και μετά την ενίσχυση αντίθεσης") + +*Η παραπάνω εικόνα δείχνει πώς η ενίσχυση αντίθεσης και η αποθορυβοποίηση μετατρέπει μια θολή σάρωση σε καθαρή, έτοιμη για OCR εικόνα.* + +## Συνηθισμένα Πιθανά Σφάλματα & Πώς να τα Αποφύγετε + +| Πιθανό Σφάλμα | Γιατί Συμβαίνει | Διόρθωση | +|---------------|-----------------|----------| +| **Υπερ‑αντίθεση** (`setContrastLevel` πολύ υψηλό) | Το φόντο γίνεται λευκό, σβήνοντας αδύναμους χαρακτήρες | Κρατήστε το επίπεδο μεταξύ 1.1 και 1.4 για τα περισσότερα έντυπα | +| **Πολύ μικρή ανοχή deskew** | Μικρές στροφές παραμένουν αδιόρθωτες | Αυξήστε το `setDeskewAngleTolerance` σε 0.2 ή 0.3 για σαρωμένα βιβλία | +| **Χρήση GAUSSIAN denoise σε δυαδικές εικόνες** | Θολώνει άκρες, συγχωνεύει χαρακτήρες | Χρησιμοποιήστε `DenoiseMode.MEDIAN` για μαύρο‑άσπρες σαρώσεις | +| **Έλλειψη άδειας** | Η μηχανή επιστρέφει σε λειτουργία δοκιμής, περικόπτοντας την έξοδο | Επαληθεύστε τη διαδρομή προς το `Aspose.OCR.lic` και ότι το αρχείο είναι αναγνώσιμο | + +## Επόμενα Βήματα: Πέρα από τη Βασική Προεπεξεργασία + +Τώρα που μπορείτε να **προεπεξεργαστείτε εικόνα για OCR** και να **εξάγετε κείμενο με OCR**, σκεφτείτε τις παρακάτω επεκτάσεις: + +- **Πακέτα γλώσσας** – φορτώστε συγκεκριμένα λεξικά γλώσσας για βελτιωμένη ακρίβεια σε μη‑αγγλικά κείμενα. +- **Περικοπή περιοχής ενδιαφέροντος (ROI)** – εστιάστε σε ένα τμήμα της εικόνας αν χρειάζεστε μόνο μέρος της σελίδας. +- **Επεξεργασία batch** – επαναλάβετε πάνω σε έναν φάκελο εικόνων, επαναχρησιμοποιώντας το ίδιο αντικείμενο `OcrEngine` για ταχύτητα. +- **Ενσωμάτωση με PDF** – συνδυάστε το Aspose OCR με το Aspose PDF για μετατροπή σαρωμένων PDF σε αναζητήσιμα PDF σε μία γραμμή εργασίας. + +Κάθε ένα από αυτά τα θέματα ενσωματώνει φυσικά τις δευτερεύουσες λέξεις‑κλειδιά: θα συνεχίσετε να **αυξάνετε την αντίθεση της εικόνας**, να **ρυθμίζετε το επίπεδο αντίθεσης**, και να **αναγνωρίζετε κείμενο από εικόνα** σε πολλές περιπτώσεις. + +## Συμπέρασμα + +Καλύψαμε όλα όσα χρειάζεστε για να **προεπεξεργαστείτε εικόνα για OCR** χρησιμοποιώντας το Aspose OCR for Java: φόρτωση άδειας, ρύθμιση deskew, denoise και ενίσχυση αντίθεσης, παροχή της εικόνας, και τελικά **αναγνώριση κειμένου από εικόνα**. Με το πλήρες, εκτελέσιμο παράδειγμα παραπάνω, μπορείτε τώρα να **εξάγετε κείμενο με OCR** από οποιαδήποτε κατάλληλα προετοιμασμένη φωτογραφία. + +Δοκιμάστε τον κώδικα, προσαρμόστε το **επίπεδο αντίθεσης**, και παρακολουθήστε την ακρίβεια να ανεβαίνει. Όταν είστε έτοιμοι, εξερευνήστε μοντέλα ειδικών γλωσσών ή pipelines batch για να μετατρέψετε αυτή τη demo μίας εικόνας σε λύση παραγωγικού επιπέδου. + +*Καλό προγραμματισμό, και οι σαρώσεις σας πάντα να είναι καθαρές!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/greek/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..92a65cbe0 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Αναγνωρίστε γρήγορα κείμενο σε εικόνα με την υποστήριξη GPU του Aspose + OCR στη Java. Μάθετε πώς να εξάγετε κείμενο από εικόνα και να ορίσετε το ID της + συσκευής GPU για βέλτιστη απόδοση. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: el +og_description: Αναγνωρίστε γρήγορα κείμενο σε εικόνα με την υποστήριξη GPU του Aspose + OCR σε Java. Αυτός ο οδηγός δείχνει πώς να εξάγετε κείμενο από εικόνα και να ορίσετε + το αναγνωριστικό της συσκευής GPU. +og_title: Αναγνώριση κειμένου σε εικόνα με Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Αναγνώριση κειμένου σε εικόνα με Aspose OCR GPU – Java +url: /el/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Αναγνώριση κειμένου σε εικόνα με Aspose OCR GPU – Java + +Έχετε ποτέ χρειαστεί να **αναγνωρίσετε κείμενο σε εικόνα** σε μια εφαρμογή Java, αλλά η CPU να κολλάει με μεγάλα αρχεία; Δεν είστε μόνοι—πολλοί προγραμματιστές αντιμετωπίζουν αυτό το πρόβλημα όταν επεξεργάζονται σαρώσεις υψηλής ανάλυσης. Τα καλά νέα; Το Aspose OCR σας επιτρέπει να **εξάγετε κείμενο από εικόνα** στην GPU, μειώνοντας δραστικά το χρόνο επεξεργασίας. + +Σε αυτό το tutorial θα περάσουμε βήμα-βήμα από ένα πλήρες, έτοιμο‑για‑εκτέλεση παράδειγμα που δείχνει ακριβώς πώς να ρυθμίσετε την άδεια, να ενεργοποιήσετε την επιτάχυνση GPU και να **ορίσετε το gpu device id** όταν έχετε πολλαπλές κάρτες γραφικών. Στο τέλος θα έχετε ένα αυτόνομο πρόγραμμα που εκτυπώνει το αναγνωρισμένο κείμενο στην κονσόλα—χωρίς επιπλέον βήματα. + +## Τι Θα Χρειαστεί + +- **Java 17** ή νεότερη (το API είναι συμβατό με Java 8+, αλλά η πιο πρόσφατη LTS προσφέρει καλύτερη απόδοση). +- **Aspose OCR for Java** βιβλιοθήκη (κατεβάστε το JAR από την ιστοσελίδα Aspose). +- Ένα έγκυρο **Aspose OCR license file** (`Aspose.OCR.lic`). Η δωρεάν δοκιμή λειτουργεί, αλλά οι δυνατότητες GPU είναι κλειδωμένες πίσω από μια αδειοδοτημένη έκδοση. +- Ένα αρχείο εικόνας (`sample-image.png`) που περιέχει καθαρό, μηχανικά αναγνώσιμο κείμενο. +- Ένα περιβάλλον με ενεργοποιημένη GPU (η κάρτα NVIDIA CUDA‑compatible είναι η καλύτερη). + +Αν κάποιο από αυτά σας φαίνεται άγνωστο, μην ανησυχείτε—κάθε σημείο θα εξηγηθεί καθώς προχωράμε. + +## Βήμα 1: Προσθήκη Aspose OCR στο Έργο Σας + +Αρχικά, συμπεριλάβετε το JAR του Aspose OCR στο classpath σας. Αν χρησιμοποιείτε Maven, προσθέστε την παρακάτω εξάρτηση στο `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Για Gradle, είναι: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Αν προτιμάτε τη χειροκίνητη προσέγγιση, τοποθετήστε το JAR στον φάκελο `libs/` και προσθέστε το στη διαδρομή του module του IDE. + +> **Pro tip:** Διατηρήστε τον αριθμό έκδοσης σε συγχρονισμό με τις σημειώσεις κυκλοφορίας της βιβλιοθήκης· οι νεότερες εκδόσεις συχνά φέρνουν βελτιώσεις απόδοσης για την επεξεργασία GPU. + +## Βήμα 2: Φόρτωση της Άδειας Aspose OCR (απαιτείται για χρήση GPU) + +Χωρίς άδεια η κλήση `setEnableGpu(true)` θα επιστρέψει σιωπηλά σε λειτουργία CPU. Φορτώστε την άδεια ακριβώς στην αρχή του `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Αντικαταστήστε το `YOUR_DIRECTORY` με την απόλυτη ή σχετική διαδρομή όπου αποθηκεύσατε το αρχείο `.lic`. Αν η διαδρομή είναι λανθασμένη, το Aspose θα ρίξει ένα `FileNotFoundException`, οπότε ελέγξτε ξανά την ορθογραφία. + +## Βήμα 3: Δημιουργία του OCR engine και ενεργοποίηση επιτάχυνσης GPU + +Τώρα δημιουργούμε ένα αντικείμενο `OcrEngine` και του λέμε να χρησιμοποιήσει την GPU. Η μέθοδος `setGpuDeviceId` σας επιτρέπει να επιλέξετε μια συγκεκριμένη κάρτα όταν υπάρχουν περισσότερες από μία. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Γιατί να ασχοληθείτε με το device ID; Σε έναν server με πολλαπλές GPU μπορεί να κρατήσετε μια κάρτα για προεπεξεργασία εικόνας και άλλη για OCR. Ορίζοντας το ID εξασφαλίζετε ότι το σωστό υλικό κάνει τη βαριά δουλειά. + +## Βήμα 4: Προετοιμασία της εικόνας εισόδου + +Το Aspose OCR λειτουργεί με μια ποικιλία μορφών (PNG, JPG, BMP, TIFF). Τυλίξτε το αρχείο σας σε ένα αντικείμενο `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Αν χρειάζεται να επεξεργαστείτε ένα stream (π.χ., ένα ανεβασμένο αρχείο), χρησιμοποιήστε `ocrInput.add(InputStream)` αντί αυτού. + +## Βήμα 5: Εκτέλεση της διαδικασίας αναγνώρισης και λήψη του αποτελέσματος + +Η μέθοδος `recognize` επιστρέφει ένα `OcrResult` που περιέχει το απλό κείμενο, τις βαθμολογίες εμπιστοσύνης και ακόμη και πληροφορίες διάταξης αν τις χρειάζεστε. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Η κονσόλα θα εμφανίσει κάτι όπως: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Αν η εικόνα είναι θολή ή η γλώσσα δεν υποστηρίζεται, το αποτέλεσμα μπορεί να είναι κενό. Σε αυτή την περίπτωση, ελέγξτε την τιμή `ocrResult.getConfidence()` (0‑100) για να αποφασίσετε αν θα ξαναπροσπαθήσετε με προεπεξεργασία. + +## Πλήρες, Εκτελέσιμο Παράδειγμα + +Συνδυάζοντας όλα τα κομμάτια μαζί, παίρνετε μια μοναδική κλάση Java που μπορείτε να αντιγράψετε‑επικολλήσετε στο IDE σας: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** Η κονσόλα εκτυπώνει το ακριβές κείμενο που εμφανίζεται στο `sample-image.png`. Αν η GPU είναι ενεργή, θα παρατηρήσετε ότι ο χρόνος επεξεργασίας μειώνεται από αρκετά δευτερόλεπτα (CPU) σε κάτω από ένα δευτερόλεπτο για τυπικές σαρώσεις 300 dpi. + +## Συχνές Ερωτήσεις & Ακραίες Περιπτώσεις + +### Λειτουργεί αυτό σε headless server; + +Ναι. Ο οδηγός GPU πρέπει να είναι εγκατεστημένος, αλλά δεν απαιτείται οθόνη. Απλώς βεβαιωθείτε ότι το toolkit `CUDA` (ή το ισοδύναμο για την GPU σας) βρίσκεται στο σύστημα `PATH`. + +### Τι γίνεται αν έχω περισσότερες από μία GPU και θέλω να χρησιμοποιήσω την GPU 1; + +Αλλάξτε το device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Πώς να εξάγετε κείμενο από εικόνα σε διαφορετική γλώσσα; + +Ορίστε τη γλώσσα πριν καλέσετε `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Το Aspose υποστηρίζει πάνω από 30 γλώσσες· δείτε τα API docs για την πλήρη απαρίθμηση. + +### Τι γίνεται αν η εικόνα περιέχει πολλαπλές σελίδες (π.χ., PDF μετατρεπόμενο σε εικόνες); + +Δημιουργήστε μια ξεχωριστή καταχώρηση `OcrInput` για κάθε σελίδα, ή κάντε βρόχο πάνω στα αρχεία: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Η μηχανή θα συνενώσει τα αποτελέσματα με τη σωστή σειρά. + +### Πώς να διαχειριστείτε αποτελέσματα χαμηλής εμπιστοσύνης; + +Ελέγξτε το σκορ εμπιστοσύνης: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Τυπικά βήματα προεπεξεργασίας περιλαμβάνουν δυαδικοποίηση, μείωση θορύβου ή αλλαγή μεγέθους σε 300 dpi. + +## Συμβουλές Απόδοσης + +- **Batch processing:** Η προσθήκη πολλών εικόνων σε ένα μόνο `OcrInput` μειώνει το κόστος επανειλημμένης εκκίνησης του GPU context. +- **Warm‑up:** Εκτελέστε μια ψεύτικη αναγνώριση μία φορά μετά την εκκίνηση του JVM· η πρώτη κλήση προκαλεί καθυστέρηση αρχικοποίησης του οδηγού. +- **Memory management:** Αποδεσμεύστε μεγάλα αντικείμενα `OcrInput` (`ocrInput.clear()`) μετά τη χρήση για να ελευθερώσετε μνήμη GPU. + +## Συμπέρασμα + +Τώρα ξέρετε πώς να **αναγνωρίζετε κείμενο σε εικόνα** αποδοτικά με τη μηχανή GPU του Aspose OCR σε Java, πώς να **εξάγετε κείμενο από εικόνα** σε οποιαδήποτε υποστηριζόμενη γλώσσα, και πώς να **ορίσετε το gpu device id** όταν εργάζεστε με πολλαπλές κάρτες γραφικών. Ο πλήρης, εκτελέσιμος κώδικας παραπάνω θα λειτουργήσει αμέσως—απλώς αντικαταστήστε την άδεια και τις διαδρομές των εικόνων. + +Έτοιμοι για το επόμενο βήμα; Δοκιμάστε την επεξεργασία ενός φακέλου σαρωμένων PDF, πειραματιστείτε με διαφορετικές επιλογές `setLanguage`, ή συνδυάστε το OCR με μοντέλο μηχανικής μάθησης για μεταεπεξεργασία. Οι δυνατότητες είναι ατελείωτες, και τα κέρδη απόδοσης της επιτάχυνσης GPU κάνουν ακόμη και μεγάλης κλίμακας έργα εφικτά. + +Καλό κώδικα, και μη διστάσετε να αφήσετε ένα σχόλιο αν συναντήσετε κάποιο πρόβλημα! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/ocr-operations/_index.md b/ocr/greek/java/ocr-operations/_index.md index 6367d21ae..807f76ccd 100644 --- a/ocr/greek/java/ocr-operations/_index.md +++ b/ocr/greek/java/ocr-operations/_index.md @@ -50,8 +50,6 @@ weight: 21 Είτε πρόκειται για πολυγλωσσικά έγγραφα είτε για συγκεκριμένες απαιτήσεις γλώσσας, αυτό το tutorial σας δίνει τη δυνατότητα να εξάγετε κείμενο με ακρίβεια στόχευσης. Πείτε αντίο στην εικασία και καλωσορίστε την ακρίβεια. -[Discover Language Selection Tutorial](./perform-ocr-language-selection/) - ## OCR Αναγνώριση Εγγράφων PDF στο Aspose.OCR για Java Ανοίξτε με ευκολία τη δύναμη του OCR σε Java με το Aspose.OCR. Το tutorial μας για την αναγνώριση κειμένου σε έγγραφα PDF σας οδηγεί σε μια αδιάσπαστη ενσωμάτωση. Ενισχύστε τις εφαρμογές σας με την ακρίβεια και την ταχύτητα που απαιτούνται για τη διαχείριση κειμένου σε PDF. @@ -77,10 +75,20 @@ weight: 21 Αποκτήστε ακριβή εξαγωγή κειμένου από εικόνες με το Aspose.OCR για Java. Ακολουθήστε τον βήμα‑βήμα οδηγό μας για ακριβές OCR με επιλογή γλώσσας. ### [OCR Recognizing PDF Documents in Aspose.OCR for Java](./recognize-pdf/) Αποκτήστε τη δύναμη του OCR σε Java με το Aspose.OCR. Αναγνωρίστε κείμενο σε έγγραφα PDF άψογα. Ενισχύστε τις εφαρμογές σας με ακρίβεια και ταχύτητα. +### [Πώς να χρησιμοποιήσετε το OCR σε Java – Εξαγωγή κειμένου από PDF με το Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Μάθετε πώς να εφαρμόσετε OCR σε Java για εξαγωγή κειμένου από PDF χρησιμοποιώντας το Aspose.OCR. +### [Πώς να χρησιμοποιήσετε το OCR σε Java – Αναγνωρίστε κείμενο από εικόνα γρήγορα](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Μάθετε πώς να εφαρμόσετε OCR σε Java για γρήγορη εξαγωγή κειμένου από εικόνες με απλά βήματα. +### [Δημιουργία Αναζητήσιμου PDF από Εικόνα σε Java – Οδηγός Βήμα‑βήμα](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Μάθετε πώς να μετατρέψετε εικόνες σε αναζητήσιμα PDF χρησιμοποιώντας Aspose.OCR για Java, με λεπτομερείς βήμα‑βήμα οδηγίες. ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) Αποκτήστε ισχυρή αναγνώριση κειμένου σε Java με το Aspose.OCR. Αναγνωρίστε κείμενο σε εικόνες TIFF άψογα. Κατεβάστε το τώρα για μια αδιάσπαστη εμπειρία OCR. ### [recognize text image with Aspose OCR – Full Java OCR Tutorial](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Αποκτήστε πλήρη καθοδήγηση για την αναγνώριση κειμένου από εικόνες με το Aspose OCR σε Java. +### [Αναγνώριση κειμένου από εικόνα με Aspose OCR – Java Tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Μάθετε πώς να εξάγετε κείμενο από εικόνες χρησιμοποιώντας Aspose OCR σε Java με βήμα‑βήμα οδηγίες. +### [image to text java: Εξαγωγή κειμένου Urdu με Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Μάθετε πώς να εξάγετε κείμενο Urdu από εικόνες με το Aspose OCR σε Java. ## Συχνές Ερωτήσεις diff --git a/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..e422ea538 --- /dev/null +++ b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Δημιουργήστε γρήγορα PDF με δυνατότητα αναζήτησης: μάθετε πώς να δημιουργήσετε + PDF από εικόνα χρησιμοποιώντας το Aspose OCR, τις επιλογές αποθήκευσης PDF και να + μετατρέψετε την εικόνα σε PDF με δυνατότητα αναζήτησης σε λίγα λεπτά.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: el +og_description: Δημιουργήστε αναζητήσιμο PDF σε Java χρησιμοποιώντας το Aspose OCR. + Αυτός ο οδηγός δείχνει πώς να δημιουργήσετε PDF από μια εικόνα, να διαμορφώσετε + τις επιλογές αποθήκευσης PDF και να αποκτήσετε ένα πλήρως αναζητήσιμο έγγραφο. +og_title: Δημιουργία Αναζητήσιμου PDF από Εικόνα σε Java – Πλήρης Οδηγός +tags: +- Aspose OCR +- Java +- PDF generation +title: Δημιουργία Αναζητήσιμου PDF από Εικόνα σε Java – Οδηγός Βήμα‑βήμα +url: /el/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Δημιουργία PDF με δυνατότητα αναζήτησης από εικόνα σε Java – Οδηγός βήμα προς βήμα + +Έχετε ποτέ χρειαστεί να **δημιουργήσετε PDF με δυνατότητα αναζήτησης** από μια σαρωμένη εικόνα αλλά δεν ήξερες ποιο API να επιλέξεις; Δεν είστε μόνοι—πολλοί προγραμματιστές αντιμετωπίζουν αυτό το πρόβλημα όταν προσπαθούν για πρώτη φορά να μετατρέψουν ένα bitmap σε PDF που μπορείτε πραγματικά να αναζητήσετε. Τα καλά νέα; Με το Aspose OCR μπορείτε να το κάνετε σε λίγες γραμμές, και το αποτέλεσμα φαίνεται ακριβώς όπως η αρχική εικόνα ενώ παραμένει αναζητήσιμο κείμενο. + +Σε αυτό το tutorial θα περάσουμε από όλη τη διαδικασία: φόρτωση της άδειας, παροχή μιας εικόνας (ή ενός πολυσελιδικού TIFF) στη μηχανή OCR, ρύθμιση των **pdf save options**, και τελικά εγγραφή ενός **image to searchable pdf**. Στο τέλος θα έχετε ένα έτοιμο πρόγραμμα Java που δημιουργεί ένα searchable PDF σε δευτερόλεπτα. Χωρίς μυστήριο, χωρίς συντομεύσεις “δείτε τα docs”—απλώς ένα πλήρες, εκτελέσιμο παράδειγμα. + +## Τι θα μάθετε + +- Πώς να **convert image to pdf** και να ενσωματώσετε ένα κρυφό επίπεδο κειμένου για αναζήτηση. +- Ποιες **pdf save options** πρέπει να ενεργοποιήσετε για την καλύτερη ισορροπία μεγέθους και ακρίβειας. +- Συνηθισμένα προβλήματα (π.χ. έλλειψη άδειας, μη υποστηριζόμενες μορφές εικόνας) και πώς να τα αποφύγετε. +- Πώς να επαληθεύσετε ότι το αποτέλεσμα είναι πραγματικά searchable (γρήγορο τεστ με Adobe Reader). + +**Prerequisites:** Java 8 ή νεότερη, Maven ή Gradle για λήψη του Aspose OCR JAR, και ένα έγκυρο αρχείο άδειας Aspose OCR. Αν δεν έχετε ακόμα άδεια, μπορείτε να ζητήσετε δωρεάν δοκιμή από την ιστοσελίδα της Aspose. + +--- + +## Βήμα 1 – Φόρτωση της άδειας Aspose OCR (Πώς να δημιουργήσετε PDF με ασφάλεια) + +Πριν η μηχανή OCR κάνει οποιαδήποτε εργασία χρειάζεται μια άδεια· διαφορετικά θα λάβετε σελίδες με υδατογράφημα. Τοποθετήστε το `Aspose.OCR.lic` κάπου προσβάσιμο, έπειτα κατευθύνετε την κλάση `License` σε αυτό. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Κρατήστε το αρχείο άδειας εκτός του καταλόγου ελέγχου εκδόσεων για να αποφύγετε τυχαίες δεσμεύσεις. + +--- + +## Βήμα 2 – Προετοιμασία της εισόδου OCR (Μετατροπή εικόνας σε PDF) + +Το Aspose OCR δέχεται ένα αντικείμενο `OcrInput` που μπορεί να κρατήσει μία ή πολλές εικόνες. Εδώ προσθέτουμε ένα μόνο PNG, αλλά μπορείτε επίσης να δώσετε ένα πολυσελιδικό TIFF για επεξεργασία παρτίδας. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** Η προσθήκη της εικόνας στο `OcrInput` αποσυνδέει τη διαχείριση αρχείων από τη μηχανή, επιτρέποντάς σας να επαναχρησιμοποιήσετε τον ίδιο κώδικα για σενάρια μονής ή πολλαπλών σελίδων. + +--- + +## Βήμα 3 – Διαμόρφωση επιλογών αποθήκευσης PDF (Εξήγηση επιλογών αποθήκευσης PDF) + +Η κλάση `PdfSaveOptions` ελέγχει πώς θα δημιουργηθεί το τελικό PDF. Δύο σημαίες είναι κρίσιμες για ένα **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – λέει στη μηχανή να ενσωματώσει ένα κρυφό επίπεδο κειμένου βασισμένο στα αποτελέσματα OCR. +2. `setEmbedImages(true)` – διατηρεί την αρχική raster εικόνα ώστε η οπτική εμφάνιση να παραμένει αμετάβλητη. + +Μπορείτε επίσης να ρυθμίσετε DPI, συμπίεση ή προστασία με κωδικό πρόσβασης αν χρειάζεται. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** Αν ορίσετε `setCreateSearchablePdf(false)`, το αποτέλεσμα θα είναι ένα απλό PDF μόνο με εικόνα—τίποτα που μπορείτε να αναζητήσετε. Ελέγξτε πάντα αυτή τη σημαία όταν αυτοματοποιείτε μεγάλες παρτίδες. + +--- + +## Βήμα 4 – Εκτέλεση OCR και εγγραφή του PDF με δυνατότητα αναζήτησης (Η κύρια λογική “Πώς να δημιουργήσετε PDF”) + +Τώρα φέρνουμε όλα μαζί. Η μέθοδος `recognize` εκτελεί OCR στην παρεχόμενη `OcrInput`, εφαρμόζει τις `PdfSaveOptions`, και ρέει το αποτέλεσμα σε αρχείο. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Αναμενόμενο Αποτέλεσμα + +Μετά την εκτέλεση του προγράμματος, ανοίξτε το `output-searchable.pdf` σε οποιονδήποτε προβολέα PDF (Adobe Reader, Foxit κ.λπ.) και δοκιμάστε να επιλέξετε κείμενο ή να χρησιμοποιήσετε το πλαίσιο αναζήτησης. Θα πρέπει να μπορείτε να βρείτε λέξεις που αρχικά ήταν μόνο μέρος της εικόνας. Αυτό είναι το χαρακτηριστικό ενός **searchable PDF**. + +--- + +## Βήμα 5 – Επαλήθευση του επιπέδου αναζήτησης (Γρήγορη QA) + +Μερικές φορές η εμπιστοσύνη του OCR μπορεί να είναι χαμηλή, ειδικά σε σαρώσεις χαμηλής ανάλυσης. Ένας γρήγορος τρόπος επαλήθευσης είναι: + +1. Ανοίξτε το PDF στο Adobe Reader. +2. Πατήστε **Ctrl + F** και πληκτρολογήστε μια λέξη που γνωρίζετε ότι εμφανίζεται στην εικόνα. +3. Αν η λέξη επισημαίνεται, το κρυφό επίπεδο κειμένου λειτουργεί. + +Αν η αναζήτηση αποτύχει, σκεφτείτε να αυξήσετε το DPI της πηγαίας εικόνας ή να ενεργοποιήσετε λεξικά συγκεκριμένων γλωσσών μέσω `ocrEngine.getLanguage().add("eng")`. + +--- + +## Συχνές Ερωτήσεις & Προβλήματα + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Ναι—απλώς προσθέστε κάθε σελίδα στο ίδιο `OcrInput` (`ocrInput.add(tiffPath)`). Το Aspose OCR θα αντιμετωπίσει κάθε καρέ ως ξεχωριστή σελίδα. | +| **What if I don’t have a license?** | Η δωρεάν δοκιμή λειτουργεί αλλά προσθέτει υδατογράφημα σε κάθε σελίδα. Ο κώδικας παραμένει ίδιος· απλώς χρησιμοποιήστε το αρχείο `.lic` της δοκιμής. | +| **How large will the PDF be?** | Με `setEmbedImages(true)` το μέγεθος του αρχείου είναι περίπου το μέγεθος της αρχικής εικόνας συν μερικά kilobytes για το κρυφό κείμενο. Μπορείτε να συμπιέσετε τις εικόνες μέσω `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | Από προεπιλογή το Aspose OCR χρησιμοποιεί Αγγλικά. Για άλλες γλώσσες καλέστε `ocrEngine.getLanguage().add("spa")` πριν το `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Απόλυτα—οι περισσότεροι κινητοί προβολείς PDF σέβονται το κρυφό επίπεδο κειμένου. | + +--- + +## Μπόνους: Μετατροπή του demo σε επαναχρησιμοποιήσιμη βοηθητική λειτουργία + +Αν προβλέπετε ότι θα χρειάζεστε αυτή τη λειτουργικότητα σε πολλαπλά έργα, τυλίξτε τη λογική σε μια static helper μέθοδο: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Τώρα μπορείτε να καλέσετε `PdfSearchableUtil.convert(...)` από οποιοδήποτε μέρος του κώδικά σας, μετατρέποντας το **convert image to pdf** σε μια γραμμή κώδικα. + +--- + +## Συμπέρασμα + +Καλύψαμε όλα όσα χρειάζεστε για να **create searchable pdf** αρχεία από εικόνες σε Java χρησιμοποιώντας το Aspose OCR. Από τη φόρτωση της άδειας, τη δημιουργία της εισόδου OCR, τη ρύθμιση των **pdf save options**, μέχρι την τελική εγγραφή ενός **image to searchable pdf**, το tutorial παρέχει μια πλήρη, αντιγραφή‑και‑επικόλληση λύση. + +Κάντε το επόμενο βήμα πειραματιζόμενοι με διαφορετικές μορφές εικόνας, ρυθμίζοντας DPI ή προσθέτοντας προστασία κωδικού μέσω `PdfSaveOptions`. Μπορείτε επίσης να εξερευνήσετε επεξεργασία παρτίδας—να κάνετε βρόχο σε έναν φάκελο σαρώσεων και να δημιουργήσετε ένα searchable PDF για κάθε μία. + +Αν βρήκατε αυτόν τον οδηγό χρήσιμο, δώστε του αστέρι στο GitHub ή αφήστε ένα σχόλιο παρακάτω. Καλή κωδικοποίηση, και απολαύστε τη μετατροπή αυτών των βαρετών σαρώσεων σε πλήρως αναζητήσιμα έγγραφα! + +![Δημιουργία παραδείγματος PDF με δυνατότητα αναζήτησης](placeholder-image.png "παράδειγμα δημιουργίας PDF με δυνατότητα αναζήτησης") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..e471250d6 --- /dev/null +++ b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-02-17 +description: Πώς να χρησιμοποιήσετε OCR σε Java για την εξαγωγή κειμένου από PDF, + τη μετατροπή PDF σε εικόνες και την εκτέλεση OCR σε σαρωμένα αρχεία PDF χρησιμοποιώντας + το Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: el +og_description: Πώς να χρησιμοποιήσετε OCR στη Java για να εξάγετε κείμενο από αρχεία + PDF. Μάθετε πώς να μετατρέπετε PDF σε εικόνες και να αναγνωρίζετε σαρωμένα PDF με + το Aspose.OCR. +og_title: Πώς να χρησιμοποιήσετε OCR στη Java – Πλήρης οδηγός +tags: +- OCR +- Java +- Aspose +title: Πώς να χρησιμοποιήσετε OCR στη Java – Εξαγωγή κειμένου από PDF με το Aspose.OCR +url: /el/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Πώς να Χρησιμοποιήσετε OCR σε Java – Εξαγωγή Κειμένου από PDF με Aspose.OCR + +Έχετε αναρωτηθεί ποτέ **πώς να χρησιμοποιήσετε OCR** για να μετατρέψετε ένα σκαναρισμένο PDF σε κείμενο που μπορεί να αναζητηθεί; Δεν είστε οι μόνοι. Οι περισσότεροι προγραμματιστές συναντούν πρόβλημα όταν ένα PDF εμφανίζεται ως μια σειρά εικόνων, και οι συνήθεις εξαγωγείς κειμένου δεν επιστρέφουν τίποτα. Τα καλά νέα; Με λίγες γραμμές Java και Aspose.OCR μπορείτε να **εξάγετε κείμενο από PDF**, **μετατρέψετε PDF σε εικόνες**, και **αναγνωρίσετε σκαναρισμένο PDF** σε μια ενιαία, χωρίς κόπο διαδικασία. + +Σε αυτό το tutorial θα περάσουμε από όλα όσα χρειάζεται να γνωρίζετε — από την αδειοδότηση της βιβλιοθήκης μέχρι την εκτύπωση του τελικού αποτελέσματος. Στο τέλος θα έχετε ένα έτοιμο‑για‑εκτέλεση πρόγραμμα που εξάγει απλό κείμενο από οποιαδήποτε σκαναρισμένη αναφορά, τιμολόγιο ή ebook. Χωρίς εξωτερικές υπηρεσίες, χωρίς μαγεία — μόνο καθαρός κώδικας Java που ελέγχετε εσείς. + +## Τι Θα Χρειαστείτε + +- **Java Development Kit (JDK) 8+** – οποιαδήποτε πρόσφατη έκδοση λειτουργεί. +- **Aspose.OCR for Java** JAR (λήψη από την ιστοσελίδα της Aspose). +- Ένα **έγκυρο αρχείο άδειας Aspose.OCR** (`Aspose.OCR.lic`). Η δωρεάν δοκιμή λειτουργεί, αλλά μια άδεια ξεκλειδώνει πλήρη ακρίβεια. +- Ένα **δείγμα σκαναρισμένου PDF** (π.χ., `scanned-report.pdf`). +- Ένα IDE ή απλός επεξεργαστής κειμένου συν τερματικό. + +Αυτό είναι όλο. Χωρίς Maven, χωρίς Gradle, χωρίς επιπλέον εξαρτήσεις — μόνο το Aspose.OCR JAR στο classpath σας. + +![πώς να χρησιμοποιήσετε OCR παράδειγμα](image-placeholder.png "πώς να χρησιμοποιήσετε OCR παράδειγμα") + +## Βήμα 1 – Φορτώστε την Άδεια Aspose.OCR (Γιατί Είναι Σημαντικό) + +Πριν η μηχανή λειτουργήσει με πλήρη ταχύτητα, πρέπει να της πείτε πού βρίσκεται η άδειά σας. Η παράλειψη αυτού του βήματος θέτει τη βιβλιοθήκη σε λειτουργία αξιολόγησης, η οποία προσθέτει υδατογραφήματα στο αποτέλεσμα και μπορεί να περιορίσει την ακρίβεια. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Γιατί λειτουργεί αυτό:** Η κλάση `License` διαβάζει το αρχείο `.lic` και το καταχωρεί παγκοσμίως. Μόλις οριστεί, κάθε `OcrEngine` που δημιουργείτε θα χρησιμοποιεί αυτόματα τις αδειοδοτημένες δυνατότητες. + +## Βήμα 2 – Δημιουργήστε τη Μηχανή OCR (Η Μηχανή Πίσω από τη Μαγεία) + +Μια παρουσία `OcrEngine` είναι ο εργαζόμενος που σαρώνει εικόνες και παράγει κείμενο. Σκεφτείτε το ως τον εγκέφαλο που ερμηνεύει τα μοτίβα των pixel. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** Μπορείτε να ρυθμίσετε τη γλώσσα, τα όρια εμπιστοσύνης, ή ακόμη και να ενεργοποιήσετε επιτάχυνση GPU μέσω των ιδιοτήτων της μηχανής. Για τα περισσότερα αγγλικά PDF, οι προεπιλογές είναι επαρκείς. + +## Βήμα 3 – Προετοιμάστε την Είσοδο: Προσθέστε το PDF Σας (Μετατροπή PDF σε Εικόνες στο Παρασκήνιο) + +Το Aspose.OCR αντιμετωπίζει κάθε σελίδα ενός PDF ως εικόνα. Όταν καλείτε `addPdf`, η βιβλιοθήκη σιωπηρά rasterizes κάθε σελίδα, που είναι ακριβώς ό,τι χρειάζεστε για **μετατροπή PDF σε εικόνες** πριν από την αναγνώριση. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Τι συμβαίνει:** +- Το PDF ανοίγει. +- Κάθε σελίδα αποδίδεται στα 300 dpi (προεπιλογή) για να διατηρηθεί η λεπτομέρεια των χαρακτήρων. +- Τα αντικείμενα bitmap αποθηκεύονται στη συλλογή `OcrInput`. + +Αν χρειαστείτε τις ακατέργαστες εικόνες (για αποσφαλμάτωση ή προεπεξεργασία), καλέστε `ocrInput.getPages()` μετά από αυτό το βήμα. + +## Βήμα 4 – Εκτελέστε τη Διαδικασία OCR (Εκτέλεση OCR σε PDF) + +Τώρα αρχίζει η βαριά δουλειά. Η μέθοδος `recognize` επαναλαμβάνει κάθε εικόνα, τρέχει τον αλγόριθμο αναγνώρισης, και συγκεντρώνει τα αποτελέσματα σε ένα `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Γιατί σας ενδιαφέρει:** Το `OcrResult` περιέχει όχι μόνο απλό κείμενο, αλλά και βαθμολογίες εμπιστοσύνης, περιοριστικά πλαίσια, και την αρχική αναφορά εικόνας. Για τις περισσότερες περιπτώσεις, θα χρειαστείτε μόνο το `getText()`. + +## Βήμα 5 – Ανακτήστε και Εμφανίστε το Εξαγόμενο Κείμενο + +Τέλος, εξάγετε τη συμβολοσειρά κειμένου από το αποτέλεσμα και την εκτυπώστε. Μπορείτε επίσης να τη γράψετε σε αρχείο, να τη στείλετε σε ευρετήριο αναζήτησης, ή να τη δώσετε σε μια επόμενη διαδικασία NLP. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Αναμενόμενο Αποτέλεσμα + +Αν το `scanned-report.pdf` περιέχει μια απλή παράγραφο, θα δείτε κάτι σαν: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Η ακριβής μορφοποίηση αντικατοπτρίζει την αρχική διάταξη, διατηρώντας τις αλλαγές γραμμής όπου είναι δυνατόν. + +## Διαχείριση Συνηθισμένων Περιπτώσεων + +### 1. PDF Πολλαπλών Γλωσσών + +Αν το έγγραφό σας περιέχει κείμενο στα Γαλλικά ή Ισπανικά, ορίστε τη γλώσσα πριν καλέσετε `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Μπορείτε να παρέχετε έναν πίνακα γλωσσών ώστε η μηχανή να εντοπίζει αυτόματα. + +### 2. Σαρώσεις Χαμηλής Ανάλυσης + +Για σαρώσεις 150 dpi, αυξήστε το εσωτερικό DPI απόδοσης: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Υψηλότερο DPI βελτιώνει την ευκρίνεια των χαρακτήρων αλλά καταναλώνει περισσότερη μνήμη. + +### 3. Μεγάλα PDF (Διαχείριση Μνήμης) + +Για PDF με δεκάδες σελίδες, επεξεργαστείτε τα σε παρτίδες: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Αυτή η προσέγγιση αποτρέπει την υπερφόρτωση του heap της JVM. + +## Πλήρες, Έτοιμο‑για‑Εκτέλεση Παράδειγμα + +Παρακάτω βρίσκεται το πλήρες πρόγραμμα — συμπεριλαμβανομένων των imports και της διαχείρισης άδειας — ώστε να το αντιγράψετε‑και‑εκτελέσετε αμέσως. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Τρέξτε το με: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Θα πρέπει να δείτε το εξαγόμενο κείμενο να εκτυπώνεται στην κονσόλα. + +## Ανακεφαλαίωση – Τι Καλύψαμε + +- **Πώς να χρησιμοποιήσετε OCR** σε Java με Aspose.OCR. +- Η ροή εργασίας για **εξαγωγή κειμένου από PDF**. +- Εσωτερικά, η βιβλιοθήκη **μετατρέπει PDF σε εικόνες** πριν αναγνωρίσει χαρακτήρες. +- Συμβουλές για **εκτέλεση OCR σε PDF** με πολλαπλές γλώσσες, σαρώσεις χαμηλής ανάλυσης, και μεγάλα έγγραφα. +- Ένα πλήρες, εκτελέσιμο δείγμα κώδικα που μπορείτε να ενσωματώσετε σε οποιοδήποτε έργο Java. + +## Επόμενα Βήματα & Σχετικά Θέματα + +Τώρα που μπορείτε να **αναγνωρίσετε σκαναρισμένο PDF**, σκεφτείτε τις παρακάτω ιδέες: + +- **Δημιουργία Αναζητήσιμου PDF** – επικάλυψη του κειμένου OCR πάνω στο αρχικό PDF για δημιουργία εγγράφου αναζητήσιμου. +- **Υπηρεσία Μαζικής Επεξεργασίας** – τυλίξτε τον κώδικα σε μικροϋπηρεσία Spring Boot που δέχεται PDF μέσω REST. +- **Ενσωμάτωση με Elasticsearch** – ευρετηρίαση του εξαγόμενου κειμένου για γρήγορη πλήρη αναζήτηση κειμένου στο αποθετήριο εγγράφων σας. +- **Προεπεξεργασία Εικόνας** – χρήση OpenCV για διόρθωση κλίσης ή μείωση θορύβου των σελίδων πριν το OCR για ακόμη μεγαλύτερη ακρίβεια. + +Κάθε ένα από αυτά τα θέματα βασίζεται στις βασικές έννοιες που εξερευνήσαμε, οπότε μη διστάσετε να πειραματιστείτε και να αφήσετε τη μηχανή OCR να κάνει το σκληρό έργο. + +--- + +*Καλή προγραμματιστική! Αν αντιμετωπίσετε προβλήματα — όπως σφάλματα άδειας ή απροσδόκητα null αποτελέσματα — αφήστε ένα σχόλιο παρακάτω. Είμαι πάντα διαθέσιμος για μια συνεδρία αποσφαλμάτωσης.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..e8b15b7e2 --- /dev/null +++ b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: Μάθετε πώς να χρησιμοποιείτε OCR στην Java για να αναγνωρίζετε κείμενο + από αρχεία εικόνας, να εξάγετε κείμενο από αποδείξεις PNG και να μετατρέπετε την + απόδειξη σε JSON με το Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: el +og_description: Οδηγός βήμα‑προς‑βήμα για το πώς να χρησιμοποιήσετε OCR σε Java για + την αναγνώριση κειμένου από εικόνα, την εξαγωγή κειμένου από αποδείξεις PNG και + τη μετατροπή της απόδειξης σε JSON. +og_title: Πώς να χρησιμοποιήσετε OCR στη Java – Αναγνωρίστε κείμενο από εικόνα +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Πώς να χρησιμοποιήσετε OCR στη Java – Αναγνωρίστε κείμενο από εικόνα γρήγορα +url: /el/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Πώς να Χρησιμοποιήσετε OCR σε Java – Αναγνώριση Κειμένου από Εικόνα Γρήγορα + +Έχετε αναρωτηθεί **πώς να χρησιμοποιήσετε OCR** για να εξάγετε κείμενο από μια φωτογραφία απόδειξης; Ίσως έχετε δοκιμάσει μερικά διαδικτυακά εργαλεία, μόνο για να καταλήξετε με ακατάληπτους χαρακτήρες ή μορφή που δεν μπορείτε να επεξεργαστείτε. Τα καλά νέα είναι ότι με λίγες γραμμές κώδικα Java μπορείτε **να αναγνωρίσετε κείμενο από εικόνα**, **να εξάγετε κείμενο από PNG** αποδείξεις, και ακόμη **να μετατρέψετε την απόδειξη σε JSON** για επεξεργασία downstream. + +Σε αυτό το tutorial θα περάσουμε από την πλήρη ροή εργασίας — από την αδειοδότηση της βιβλιοθήκης Aspose OCR μέχρι την απόκτηση ενός καθαρού JSON payload που μπορείτε να τροφοδοτήσετε σε μια βάση δεδομένων ή σε ένα μοντέλο μηχανικής μάθησης. Χωρίς περιττές πληροφορίες, μόνο ένα πρακτικό, εκτελέσιμο παράδειγμα που μπορείτε να αντιγράψετε‑επικολλήσετε στο IDE σας. Στο τέλος θα έχετε ένα αυτόνομο πρόγραμμα που παίρνει το `receipt.png` και παράγει ένα έτοιμο‑για‑χρήση JSON string. + +## Τι Θα Χρειαστεί + +- **Java Development Kit (JDK) 8+** — οποιαδήποτε πρόσφατη έκδοση λειτουργεί. +- **Aspose OCR for Java** βιβλιοθήκη (το Maven artifact είναι `com.aspose:aspose-ocr`). +- Ένα **έγκυρο αρχείο άδειας Aspose OCR** (`Aspose.OCR.lic`). Η δωρεάν δοκιμή λειτουργεί για δοκιμές, αλλά μια πλήρης άδεια αφαιρεί τους περιορισμούς αξιολόγησης. +- Ένα αρχείο εικόνας (PNG, JPEG, κλπ.) που περιέχει το κείμενο που θέλετε να διαβάσετε — ας το ονομάσουμε `receipt.png` και τοποθετήστε το σε γνωστό φάκελο. +- Το αγαπημένο σας IDE (IntelliJ IDEA, Eclipse, VS Code…) — εσείς διαλέγετε. + +> **Pro tip:** Κρατήστε το αρχείο άδειας εκτός του φακέλου πηγαίου κώδικα και αναφέρετέ το μέσω απόλυτης ή σχετικής διαδρομής για να αποφύγετε την καταχώρηση του σε σύστημα ελέγχου εκδόσεων. + +Τώρα που τα προαπαιτούμενα είναι ξεκάθαρα, ας βουτήξουμε στον πραγματικό κώδικα. + +## Πώς να Χρησιμοποιήσετε OCR – Κύρια Βήματα + +Παρακάτω είναι μια υψηλού επιπέδου επισκόπηση των ενεργειών που θα εκτελέσουμε: + +1. **Φορτώστε τη βιβλιοθήκη Aspose OCR** και εφαρμόστε την άδειά σας. +2. **Δημιουργήστε ένα αντικείμενο `OcrEngine`** — αυτό είναι το μηχάνημα που κάνει το σκληρό έργο. +3. **Προετοιμάστε ένα αντικείμενο `OcrInput`** που δείχνει στην εικόνα που θέλετε να επεξεργαστείτε. +4. **Καλέστε `recognize` με `ResultFormat.JSON`** για να λάβετε μια JSON αναπαράσταση του εξαγόμενου κειμένου. +5. **Διαχειριστείτε το JSON output** — εκτυπώστε το, γράψτε το σε αρχείο ή επεξεργαστείτε το περαιτέρω. + +Κάθε βήμα εξηγείται λεπτομερώς στις ενότητες που ακολουθούν. + +## Βήμα 1 – Εγκατάσταση Aspose OCR και Εφαρμογή Άδειας + +Πρώτα, προσθέστε την εξάρτηση Aspose OCR στο `pom.xml` αν χρησιμοποιείτε Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Τώρα, στον κώδικα Java, φορτώστε την άδεια. Αυτό το βήμα είναι κρίσιμο· χωρίς αυτό η βιβλιοθήκη λειτουργεί σε λειτουργία αξιολόγησης και μπορεί να ενσωματώνει υδατογραφήματα στο αποτέλεσμα. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Γιατί είναι σημαντικό:** Το αντικείμενο `License` ενημερώνει τη μηχανή OCR ότι έχετε εξουσιοδότηση για χρήση του πλήρους συνόλου λειτουργιών, που περιλαμβάνει υψηλής ακρίβειας αναγνώριση και εξαγωγή JSON. Παραλείποντας αυτό το βήμα θα μπορείτε ακόμα **να αναγνωρίσετε κείμενο από εικόνα**, αλλά τα αποτελέσματα μπορεί να είναι περιορισμένα. + +## Βήμα 2 – Δημιουργία του Αντικειμένου OCR Engine + +Η κλάση `OcrEngine` είναι το σημείο εισόδου για όλες τις λειτουργίες OCR. Σκεφτείτε το ως το «εγκέφαλο» που διαβάζει τα pixel και αποφασίζει ποιοι χαρακτήρες αντιστοιχούν. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Μπορείτε να προσαρμόσετε τη μηχανή (π.χ., να ορίσετε γλώσσα, να ενεργοποιήσετε deskew) αργότερα αν οι αποδείξεις σας περιέχουν μη‑λατινικά σενάρια ή είναι σαρωμένες με κλίση. Για τις περισσότερες αποδείξεις των ΗΠΑ, οι προεπιλογές λειτουργούν τέλεια. + +## Βήμα 3 – Φόρτωση της Εικόνας που Θέλετε να Επεξεργαστείτε + +Τώρα θα κατευθύνουμε τη μηχανή OCR στο αρχείο που περιέχει την απόδειξη. Η κλάση `OcrInput` μπορεί να δεχτεί πολλαπλές εικόνες, αλλά για αυτό το tutorial θα το κρατήσουμε απλό με ένα μόνο PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Αν ποτέ χρειαστεί να **εξάγετε κείμενο από PNG** σε μαζική κλίμακα, απλώς καλέστε επανειλημμένα `input.add()` ή περάστε μια λίστα διαδρομών αρχείων. + +## Βήμα 4 – Αναγνώριση Κειμένου και Μετατροπή Απόδειξης σε JSON + +Αυτή είναι η καρδιά του tutorial. Ζητάμε από τη μηχανή να αναγνωρίσει το κείμενο και ζητάμε το αποτέλεσμα σε μορφή JSON. Η σημαία `ResultFormat.JSON` κάνει όλη τη σκληρή δουλειά για εμάς. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Το JSON payload περιλαμβάνει κάθε αναγνωρισμένη γραμμή, το bounding box της, το confidence score και το ακατέργαστο κείμενο. Αυτή η δομή το καθιστά εξαιρετικά εύκολο να **μετατρέψετε την απόδειξη σε JSON** και να το τροφοδοτήσετε σε οποιοδήποτε downstream API. + +## Βήμα 5 – Συνδυάστε Όλα και Εκτελέστε το Πρόγραμμα + +Παρακάτω είναι η πλήρης, έτοιμη‑για‑εκτέλεση κλάση Java που ενώνει όλα τα παραπάνω. Αποθηκεύστε την ως `JsonExportDemo.java` (ή όποιο όνομα θέλετε) και τρέξτε την από το IDE ή τη γραμμή εντολών. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Αναμενόμενο Αποτέλεσμα + +Η εκτέλεση του προγράμματος εκτυπώνει ένα JSON string παρόμοιο με το παρακάτω (το ακριβές περιεχόμενο εξαρτάται από την απόδειξή σας): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Τώρα μπορείτε να τροφοδοτήσετε αυτό το JSON σε μια βάση δεδομένων, ένα REST endpoint ή μια pipeline ανάλυσης δεδομένων. Το βήμα **μετατροπής απόδειξης σε JSON** είναι ήδη ολοκληρωμένο. + +## Συχνές Ερωτήσεις και Ακραίες Περιπτώσεις + +### Τι γίνεται αν η εικόνα είναι περιστραμμένη; + +Το Aspose OCR ανιχνεύει αυτόματα και διορθώνει ήπιες περιστροφές. Για σοβαρά παραμορφωμένες εικόνες, καλέστε `engine.getImagePreprocessingOptions().setDeskew(true)` πριν από την αναγνώριση. + +### Πώς διαχειρίζομαι πολλαπλές γλώσσες; + +Χρησιμοποιήστε `engine.getLanguage()` για να ορίσετε τη γλώσσα, π.χ., `engine.setLanguage(Language.FRENCH)`. Αυτό είναι χρήσιμο όταν πρέπει να **αναγνωρίσετε κείμενο από εικόνα** που περιέχει πολύγλωσσες αποδείξεις. + +### Μπορώ να εξάγω απλό κείμενο αντί για JSON; + +Απολύτως. Αντικαταστήστε το `ResultFormat.JSON` με `ResultFormat.TEXT` και καλέστε `result.getText()`. + +### Υπάρχει τρόπος να περιορίσω το OCR σε συγκεκριμένη περιοχή; + +Ναι — χρησιμοποιήστε `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` για να εστιάσετε στην περιοχή της απόδειξης, κάτι που μπορεί να βελτιώσει την ταχύτητα και την ακρίβεια. + +## Pro Tips για Παραγωγική OCR + +- **Cache το αντικείμενο άδειας** αν επεξεργάζεστε πολλά αρχεία σε βρόχο· η δημιουργία του επανειλημμένα προσθέτει overhead. +- **Batch processing**: φορτώστε όλες τις διαδρομές αποδείξεων σε ένα `OcrInput` και καλέστε `recognize` μία φορά. Το JSON θα περιέχει έναν πίνακα σελίδων, η κάθε μία με τις δικές της γραμμές. +- **Επαληθεύστε το JSON**: μετά τη λήψη του string, αναλύστε το με βιβλιοθήκη όπως η Jackson για να βεβαιωθείτε ότι είναι καλά σχηματισμένο πριν το αποθηκεύσετε. +- **Παρακολουθήστε το confidence**: το JSON περιλαμβάνει πεδίο `confidence` ανά γραμμή. Φιλτράρετε γραμμές κάτω από ένα όριο (π.χ., 0.85) για να αποφύγετε ακατάλληλα δεδομένα. +- **Ασφαλίστε την άδειά σας**: αποθηκεύστε το `Aspose.OCR.lic` σε ασφαλές vault ή μεταβλητή περιβάλλοντος, ειδικά σε cloud deployments. + +## Συμπέρασμα + +Καλύψαμε **πώς να χρησιμοποιήσετε OCR** σε Java για **αναγνώριση κειμένου από εικόνα**, **εξαγωγή κειμένου από PNG** αποδείξεις, και **μετατροπή απόδειξης σε JSON** — όλα με ένα σύντομο, ολοκληρωμένο παράδειγμα. Τα βήματα είναι απλά, ο κώδικας εκτελέσιμος, και το JSON output σας δίνει μια δομημένη αναπαράσταση έτοιμη για οποιοδήποτε downstream σύστημα. + +Στη συνέχεια, μπορείτε να εξερευνήσετε πιο προχωρημένα σενάρια: τροφοδοσία του JSON σε Apache Kafka για real‑time επεξεργασία, εφαρμογή regex για εξαγωγή συνολικών τιμών, ή ενσωμάτωση με cloud OCR υπηρεσία για κλιμακωσιμότητα. Ό,τι και αν επιλέξετε, τα θεμέλια που μόλις μάθατε θα παραμείνουν τα ίδια. + +Έχετε ερωτήσεις ή αντιμετωπίσατε κάποιο πρόβλημα κατά την υλοποίηση; Αφήστε ένα σχόλιο παρακάτω και ας το λύσουμε μαζί. Καλό coding, και απολαύστε τη μετατροπή των ακατάστατων εικόνων αποδείξεων σε καθαρά, αναζητήσιμα δεδομένα! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/greek/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..1b4a87d23 --- /dev/null +++ b/ocr/greek/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,182 @@ +--- +category: general +date: 2026-02-17 +description: 'Εκπαίδευση Java για μετατροπή εικόνας σε κείμενο: μάθετε πώς να εξάγετε + κείμενο Urdu από μια εικόνα χρησιμοποιώντας το Aspose OCR. Συμπεριλαμβάνεται πλήρες + παράδειγμα Java OCR.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: el +og_description: Το tutorial image to text java δείχνει πώς να εξάγετε κείμενο Urdu + από μια εικόνα χρησιμοποιώντας το Aspose OCR. Ακολουθήστε το πλήρες παράδειγμα Java + OCR βήμα‑βήμα. +og_title: 'εικόνα σε κείμενο java: Εξαγωγή κειμένου Urdu με Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'Από εικόνα σε κείμενο Java: Εξαγωγή κειμένου Urdu με Aspose OCR' +url: /el/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Εξαγωγή κειμένου Urdu με Aspose OCR + +Αν χρειάζεστε μετατροπή **image to text java** για έγγραφα Urdu, βρίσκεστε στο σωστό μέρος. Αναρωτηθήκατε ποτέ *πώς να εξάγετε κείμενο* από μια εικόνα χειρόγραφης σημείωσης ή από μια σαρωμένη σελίδα εφημερίδας; Αυτός ο οδηγός θα σας καθοδηγήσει μέσα από ένα **java ocr example** που εξάγει χαρακτήρες Urdu απευθείας από μια εικόνα χρησιμοποιώντας το Aspose OCR. + +Θα καλύψουμε τα πάντα, από την αδειοδότηση της βιβλιοθήκης μέχρι την εκτύπωση του αποτελέσματος στην κονσόλα. Στο τέλος θα μπορείτε να **load image ocr** αρχεία, να ορίσετε τη γλώσσα σε Urdu και να λάβετε καθαρή έξοδο Unicode — χωρίς επιπλέον εργαλεία. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – ο κώδικας λειτουργεί σε οποιοδήποτε πρόσφατο JDK. +- **Aspose.OCR for Java** JAR (κατεβάστε από την ιστοσελίδα Aspose). +- Ένα έγκυρο αρχείο **Aspose OCR license** (`Aspose.OCR.lic`). +- Μια εικόνα που περιέχει κείμενο Urdu, π.χ. `urdu-sample.png`. + +Αν έχετε αυτά τα βασικά, μπορείτε να περάσετε κατευθείαν στον κώδικα χωρίς να ψάχνετε για ελλιπείς εξαρτήσεις. + +## image to text java – Setting Up Aspose OCR + +Πρώτα, πρέπει να ενημερώσουμε το Aspose ότι διαθέτουμε άδεια. Χωρίς αυτήν η βιβλιοθήκη λειτουργεί σε λειτουργία αξιολόγησης και προσθέτει υδατογράμματα στο αποτέλεσμα. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Γιατί είναι σημαντικό:** Η αδειοδότηση αφαιρεί το όριο επεξεργασίας των 5 δευτερολέπτων και ξεκλειδώνει το πλήρες πακέτο γλώσσας Urdu που προστέθηκε το 2025‑Q3. Αν παραλείψετε αυτό το βήμα, η μηχανή OCR θα λειτουργήσει, αλλά θα δείτε μια μικρή ετικέτα “Evaluation” στα αποτελέσματα. + +## How to Extract Text – Initialize the OCR Engine + +Τώρα δημιουργούμε τη μηχανή και δηλώνουμε ρητά ότι μας ενδιαφέρει η Urdu. Η σταθερά `OcrLanguage.URDU` ενεργοποιεί το σωστό σύνολο χαρακτήρων και τους κανόνες τμηματοποίησης. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** Αν χρειαστεί ποτέ να επεξεργαστείτε πολλές γλώσσες σε μία εκτέλεση, μπορείτε να περάσετε μια λίστα χωρισμένη με κόμμα, π.χ. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Η μηχανή θα εντοπίσει αυτόματα κάθε περιοχή. + +## Load Image OCR – Preparing the Input + +Το Aspose δουλεύει με ένα αντικείμενο `OcrInput` που μπορεί να κρατήσει μία ή πολλές εικόνες. Εδώ **load image ocr** δεδομένα από τοπικό αρχείο. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Αντικαταστήστε το `YOUR_DIRECTORY` με την απόλυτη διαδρομή ή μια σχετική διαδρομή από τη ρίζα του έργου σας. Αν το αρχείο δεν βρεθεί, το Aspose ρίχνει `FileNotFoundException`. Μια γρήγορη έλεγχος με `new File(path).exists()` μπορεί να σας εξοικονομήσει πολύ χρόνο εντοπισμού σφαλμάτων. + +## Recognize the Text – Running the OCR Process + +Με τη μηχανή ρυθμισμένη και την εικόνα φορτωμένη, καλούμε τελικά τη μέθοδο `recognize`. Η μέθοδος επιστρέφει ένα `OcrResult` που περιέχει το εξαγόμενο κείμενο. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Τι συμβαίνει στο παρασκήνιο;** Η μηχανή OCR χωρίζει την εικόνα σε γραμμές, έπειτα σε χαρακτήρες, εφαρμόζοντας κανόνες σχηματισμού ειδικούς για Urdu (όπως η σύνδεση μορφών). Γι’ αυτό η προηγόρική ρύθμιση της γλώσσας είναι κρίσιμη· διαφορετικά θα λάβετε ακατάστατα λατινικά σύμβολα. + +## Print the Recognized Urdu Text + +Το τελευταίο βήμα είναι απλώς η εκτύπωση του αποτελέσματος. Επειδή η Urdu χρησιμοποιεί δεξιά‑προς‑αριστερό σενάριο, βεβαιωθείτε ότι η κονσόλα σας υποστηρίζει Unicode (τα περισσότερα σύγχρονα τερματικά το κάνουν). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Αναμενόμενη έξοδος (παράδειγμα):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Αν δείτε ερωτηματικά ή κενές συμβολοσειρές, ελέγξτε ξανά ότι η κωδικοποίηση της κονσόλας είναι UTF‑8 (`chcp 65001` στα Windows, ή εκτελέστε τη Java με `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +Παρακάτω βρίσκεται το πλήρες, έτοιμο για αντιγραφή‑και‑επικόλληση πρόγραμμα. Δεν απαιτούνται εξωτερικές αναφορές, μόνο ένα αρχείο Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Τρέξτε το με: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Αντικαταστήστε την έκδοση του JAR (`23.10`) με αυτήν που κατεβάσατε. Η κονσόλα θα πρέπει να εμφανίσει την πρόταση Urdu που εξήχθη από το PNG σας. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | Η εικόνα είναι πολύ σκοτεινή ή χαμηλής ανάλυσης. | Προεπεξεργαστείτε την εικόνα (αυξήστε την αντίθεση, δυαδικοποιήστε) χρησιμοποιώντας `BufferedImage` πριν τη δώσετε στο Aspose. | +| **Garbage characters** | Λάθος γλώσσα ορισμένη (η προεπιλογή είναι Αγγλικά). | Βεβαιωθείτε ότι καλείται `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` πριν το `recognize`. | +| **License not found** | Λάθος διαδρομή ή λείπει το αρχείο. | Χρησιμοποιήστε απόλυτη διαδρομή ή τοποθετήστε το αρχείο `.lic` στο classpath και καλέστε `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | Μεγάλες PNG καταναλώνουν heap. | Καλέστε `ocrEngine.setMaxImageSize(2000);` για εσωτερική σμίκρυνση, ή αλλάξτε το μέγεθος της εικόνας εσείς. | + +## Extending the Demo + +- **Batch processing:** Επανάληψη σε φάκελο, προσθήκη κάθε αρχείου στο ίδιο `OcrInput` και συλλογή αποτελεσμάτων σε CSV. +- **Different languages:** Αντικαταστήστε το `OcrLanguage.URDU` με `OcrLanguage.ARABIC` ή συνδυάστε πολλαπλές γλώσσες. +- **Saving to file:** Χρησιμοποιήστε `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Όλες αυτές οι ιδέες βασίζονται στο **java ocr example** που μόλις δημιουργήσαμε, επιτρέποντάς σας να προσαρμόσετε τη λύση σε πραγματικά έργα. + +## Conclusion + +Τώρα έχετε μια σταθερή ροή εργασίας **image to text java** που εξάγει χαρακτήρες Urdu από μια εικόνα χρησιμοποιώντας το Aspose OCR. Το tutorial κάλυψε κάθε βήμα — από την αδειοδότηση και την επιλογή γλώσσας μέχρι τη φόρτωση της εικόνας και την εκτύπωση του αποτελέσματος — ώστε να μπορείτε να επικολλήσετε τον κώδικα σε οποιοδήποτε έργο Java και να δείτε τη λειτουργία του. + +Στη συνέχεια, δοκιμάστε να πειραματιστείτε με μεγαλύτερα PDF, διαφορετικά σενάρια ή ακόμη και να ενσωματώσετε το βήμα OCR σε ένα Spring Boot REST endpoint. Οι ίδιες αρχές—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/greek/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/greek/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..b65d10571 --- /dev/null +++ b/ocr/greek/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-02-17 +description: Μάθετε πώς να αναγνωρίζετε κείμενο από εικόνα και να φορτώνετε εικόνα + για OCR χρησιμοποιώντας τη βιβλιοθήκη Aspose OCR Java. Οδηγός βήμα‑προς‑βήμα με + διορθωτή ορθογραφίας. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: el +og_description: Αναγνώριση κειμένου από εικόνα με χρήση Aspose OCR Java. Αυτό το σεμινάριο + δείχνει πώς να φορτώσετε εικόνα για OCR, να ενεργοποιήσετε τη διόρθωση ορθογραφίας + και να εξάγετε καθαρό κείμενο. +og_title: Αναγνώριση κειμένου από εικόνα – Πλήρης Οδηγός Aspose OCR για Java +tags: +- Java +- OCR +- Aspose +title: Αναγνώριση κειμένου από εικόνα με το Aspose OCR – Εγχειρίδιο Java +url: /el/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Αναγνώριση κειμένου από εικόνα με Aspose OCR – Java Tutorial + +Έχετε χρειαστεί ποτέ να **αναγνωρίσετε κείμενο από εικόνα** αλλά δεν ήξερατε ποια βιβλιοθήκη να επιλέξετε; Δεν είστε μόνοι. Σε πολλά πραγματικά έργα—π.χ. σάρωση τιμολογίων, ψηφιοποίηση χειρόγραφων σημειώσεων ή εξαγωγή λεζάντων από στιγμιότυπα—η ακριβής απόδοση του OCR είναι κρίσιμη. + +Σε αυτόν τον οδηγό θα δούμε πώς να φορτώσουμε μια εικόνα για OCR, να ενεργοποιήσουμε τον ενσωματωμένο διορθωτή ορθογραφίας του Aspose OCR και, τέλος, να εκτυπώσουμε το καθαρισμένο κείμενο. Στο τέλος θα έχετε ένα έτοιμο πρόγραμμα Java που **αναγνωρίζει κείμενο από εικόνα** με λίγες μόνο γραμμές κώδικα. + +## What This Tutorial Covers + +- Πώς να εφαρμόσετε την άδεια Aspose OCR (ώστε η demo να τρέχει χωρίς υδατογράφημα) +- Δημιουργία ενός αντικειμένου `OcrEngine` και επιλογή της αγγλικής ως γλώσσα αναγνώρισης +- **Load image for OCR** χρησιμοποιώντας `OcrInput` και δείχνοντας σε ένα PNG που περιέχει λανθασμένες λέξεις +- Ενεργοποίηση του διορθωτή ορθογραφίας, προαιρετικά με δικό σας λεξικό +- Εκτέλεση της αναγνώρισης και εκτύπωση του διορθωμένου αποτελέσματος + +Χωρίς εξωτερικές υπηρεσίες, χωρίς κρυφά αρχεία ρυθμίσεων—απλώς καθαρή Java και το Aspose OCR JAR. + +> **Pro tip:** Αν είστε νέοι στο Aspose, κατεβάστε μια δωρεάν άδεια δοκιμής 30 ημέρων από τον ιστότοπο του Aspose και τοποθετήστε το αρχείο `.lic` σε έναν φάκελο που μπορείτε να αναφέρετε από τον κώδικά σας. + +## Prerequisites + +- Java 8 ή νεότερη (ο κώδικας συντάσσεται επίσης με JDK 11) +- Aspose.OCR for Java JAR στο classpath σας +- Ένα έγκυρο αρχείο `Aspose.OCR.lic` (ή μπορείτε να τρέξετε σε λειτουργία αξιολόγησης, αλλά η demo θα προσθέσει υδατογράφημα) +- Ένα αρχείο εικόνας (`misspelled.png`) που περιέχει κείμενο με σκόπιμα ορθογραφικά λάθη—ιδανικό για να δείτε τον διορθωτή ορθογραφίας σε δράση + +Τα έχετε όλα; Τέλεια—ας βουτήξουμε. + +## Step 1: Apply Your Aspose OCR License + +Πριν η μηχανή κάνει οποιαδήποτε βαριά δουλειά, πρέπει να ξέρει ότι έχετε άδεια. Διαφορετικά θα εμφανιστεί ένα banner “Trial version” στην έξοδο. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Γιατί είναι σημαντικό:* Η άδεια αφαιρεί το υδατογράφημα δοκιμής και ξεκλειδώνει το πλήρες λεξικό του διορθωτή ορθογραφίας. Η παράλειψη αυτού του βήματος λειτουργεί, αλλά η έξοδός σας θα μολύνεται με κείμενο “Aspose OCR Demo”. + +## Step 2: Create and Configure the OCR Engine + +Τώρα ξεκινάμε τη μηχανή και της λέμε ποια γλώσσα να χρησιμοποιήσει. Τα αγγλικά είναι η πιο κοινή, αλλά το Aspose υποστηρίζει δεκάδες. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Γιατί ορίζουμε τη γλώσσα:* Το μοντέλο γλώσσας καθορίζει το σύνολο χαρακτήρων και επηρεάζει τις προτάσεις του διορθωτή ορθογραφίας. Η χρήση λανθασμένης γλώσσας μπορεί να μειώσει δραστικά την ακρίβεια. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Το Aspose OCR περιλαμβάνει ενσωματωμένο αγγλικό λεξικό, αλλά μπορείτε να προσθέσετε δικό σας αν έχετε όρους ειδικού τομέα (π.χ. ιατρική ορολογία ή κωδικούς προϊόντων). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Τι κάνει ο διορθωτής:* Όταν η μηχανή OCR εντοπίζει μια λέξη που δεν υπάρχει στο λεξικό, προσπαθεί να την αντικαταστήσει με την πιο κοντινή αντιστοιχία. Αυτός είναι ο λόγος που η demo μπορεί να μετατρέψει το “recieve” σε “receive” αυτόματα. + +## Step 4: Load the Image for OCR + +Αυτή είναι η ενότητα που απαντά άμεσα στο **load image for OCR**. Δημιουργούμε ένα αντικείμενο `OcrInput` και προσθέτουμε το αρχείο PNG μας. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Γιατί χρησιμοποιούμε το `OcrInput`:* Απομονώνει τη λογική ανάγνωσης αρχείων και σας επιτρέπει να προσθέσετε πολλαπλές σελίδες αργότερα, αν χρειαστεί να επεξεργαστείτε ένα PDF πολλαπλών σελίδων ή ένα σύνολο εικόνων. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +Τώρα η μηχανή κάνει τη βαριά δουλειά—αναγνωρίζει χαρακτήρες, εφαρμόζει το μοντέλο γλώσσας και τέλος διορθώνει την ορθογραφία. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Αναμενόμενη έξοδος:* Υποθέτοντας ότι το `misspelled.png` περιέχει τη φράση “Ths is a smple test”, η κονσόλα θα εκτυπώσει: + +``` +Corrected text: +This is a simple test +``` + +Παρατηρήστε πώς οι λανθασμένες λέξεις (`Ths`, `smple`) έχουν διορθωθεί αυτόματα. + +## Full, Ready‑to‑Run Example + +Παρακάτω βρίσκεται ολόκληρο το πρόγραμμα σε ένα μπλοκ. Αντιγράψτε‑και‑επικολλήστε, προσαρμόστε τις διαδρομές και πατήστε **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** Αν θέλετε να επεξεργαστείτε JPEG ή BMP αντί για PNG, απλώς αλλάξτε την επέκταση του αρχείου—το Aspose OCR υποστηρίζει όλες τις κοινές μορφές raster. + +## Common Questions & Edge Cases + +- **Τι γίνεται αν η εικόνα μου είναι χαμηλής ανάλυσης;** + Αυξήστε το DPI πριν το δώσετε στο Aspose, επανακλιμακώνοντας με μια βιβλιοθήκη όπως `java.awt.Image`. Υψηλότερο DPI δίνει στη μηχανή περισσότερα pixel, κάτι που συνήθως βελτιώνει την ακρίβεια. + +- **Μπορώ να αναγνωρίσω πολλαπλές γλώσσες στην ίδια εικόνα;** + Ναι. Καλέστε `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` και προαιρετικά προσθέστε λίστα γλωσσών με `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Το προσαρμοσμένο λεξικό μου δεν χρησιμοποιείται—γιατί;** + Βεβαιωθείτε ότι ο φάκελος περιέχει αρχεία κειμένου με μία λέξη ανά γραμμή και ότι η διαδρομή είναι απόλυτη ή σωστά σχετική με το τρέχον φάκελο εργασίας. + +- **Πώς εξάγω τις βαθμολογίες εμπιστοσύνης;** + `result.getConfidence()` επιστρέφει ένα float μεταξύ 0 και 1 για ολόκληρη τη σελίδα. Για εμπιστοσύνη ανά χαρακτήρα, εξερευνήστε `result.getWordList()`. + +## Conclusion + +Τώρα ξέρετε πώς να **αναγνωρίζετε κείμενο από εικόνα** χρησιμοποιώντας το Aspose OCR για Java, πώς να **φορτώνετε εικόνα για OCR**, και πώς να ενεργοποιείτε τον διορθωτή ορθογραφίας για να καθαρίζετε συνηθισμένα τυπογραφικά λάθη. Το πλήρες παράδειγμα παραπάνω είναι έτοιμο να ενσωματωθεί σε οποιοδήποτε έργο Maven ή Gradle, και με λίγες προσαρμογές μπορείτε να το κλιμακώσετε για επεξεργασία φακέλων, ενσωμάτωση σε web service ή σύνδεση με σύστημα διαχείρισης εγγράφων. + +Έτοιμοι για το επόμενο βήμα; Δοκιμάστε να τροφοδοτήσετε ένα PDF πολλαπλών σελίδων, πειραματιστείτε με προσαρμοσμένο λεξικό για ειδική ορολογία, ή συνδέστε την έξοδο με ένα API μετάφρασης. Οι δυνατότητες είναι ατελείωτες, και το βασικό μοτίβο—license → engine → language → spell‑corrector → input → recognize → output—παραμένει το ίδιο. + +Καλή προγραμματιστική δουλειά, και οι OCR αποτελέσματά σας να είναι πάντα ακριβή! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/advanced-ocr-techniques/_index.md b/ocr/hindi/java/advanced-ocr-techniques/_index.md index dc2312198..cb2d751e4 100644 --- a/ocr/hindi/java/advanced-ocr-techniques/_index.md +++ b/ocr/hindi/java/advanced-ocr-techniques/_index.md @@ -54,16 +54,25 @@ url: /hi/java/advanced-ocr-techniques/ ### [जावा के लिए Aspose.OCR में URL से छवि पर OCR निष्पादित करना](./perform-ocr-image-from-url/) Aspose.OCR के साथ जावा में निर्बाध छवि पाठ निष्कर्षण अनलॉक करें। आसान एकीकरण के साथ उच्च सटीकता ओसीआर। ### [Aspose.OCR में विशिष्ट पृष्ठ पर OCR निष्पादित करना](./perform-ocr-on-page/) -विशिष्ट पृष्ठों पर ओसीआर निष्पादित करने के बारे में हमारी चरण-दर-चरण मार्गदर्शिका के साथ जावा के लिए Aspose.OCR की शक्ति को अनलॉक करें। छवियों से सहजता से टेक्स्ट निकालें और अपने जावा प्रोजेक्ट्स को बेहतर बनाएं। +विशिष्ट पृष्ठों पर OCR निष्पादित करने के बारे में हमारी चरण-दर-चरण मार्गदर्शिका के साथ जावा के लिए Aspose.OCR की शक्ति को अनलॉक करें। छवियों से सहजता से टेक्स्ट निकालें और अपने जावा प्रोजेक्ट्स को बेहतर बनाएं। ### [Aspose.OCR में OCR के लिए आयत तैयार करना](./prepare-rectangles-for-ocr/) जावा के लिए Aspose.OCR के साथ टेक्स्ट पहचान की शक्ति को अनलॉक करें। निर्बाध एकीकरण के लिए हमारी चरण-दर-चरण मार्गदर्शिका का पालन करें। कुशल ओसीआर क्षमताओं के साथ अपने जावा एप्लिकेशन को बेहतर बनाएं। ### [जावा के लिए Aspose.OCR में लाइनों को पहचानना](./recognize-lines/) सटीक पाठ पहचान के लिए Aspose.OCR के साथ अपने जावा एप्लिकेशन को सशक्त बनाएं। आसान एकीकरण, उच्च सटीकता। ### [Aspose.OCR में अनुमत वर्ण निर्दिष्ट करना](./specify-allowed-characters/) जावा के लिए Aspose.OCR के साथ छवियों से पाठ निष्कर्षण को सहजता से अनलॉक करें। कुशल एकीकरण के लिए हमारी चरण-दर-चरण मार्गदर्शिका का पालन करें। +### [जावा में Aspose OCR GPU का उपयोग करके टेक्स्ट इमेज पहचान](./recognize-text-image-using-aspose-ocr-gpu-java/) +जावा में Aspose OCR GPU के साथ तेज़ और सटीक टेक्स्ट इमेज पहचान करें। उच्च प्रदर्शन के लिए चरण-दर-शरण मार्गदर्शिका। +### [फ़िक्स्ड थ्रेड पूल जावा – PNG के लिए समानांतर OCR](./fixed-thread-pool-java-parallel-ocr-for-png/) +फ़िक्स्ड थ्रेड पूल का उपयोग करके जावा में PNG छवियों पर समानांतर OCR लागू करें। +### [OCR के लिए छवि को पूर्व-प्रसंस्करण – कंट्रास्ट बढ़ाने और टेक्स्ट निकालने के लिए जावा में पूर्ण गाइड](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +जावा में छवियों को पूर्व-प्रसंस्करण करके कंट्रास्ट बढ़ाएँ और OCR की सटीकता सुधारें। चरण-दर-शरण मार्गदर्शिका। +### [जावा में OCR इंजन बनाएं – बड़े चित्रों से टेक्स्ट पहचानें](./create-ocr-engine-java-recognize-text-from-large-images/) +जावा में Aspose.OCR का उपयोग करके बड़े आकार की छवियों से तेज़ और सटीक टेक्स्ट निकालें। चरण‑दर‑चरण मार्गदर्शिका। + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/hindi/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..fe8347b4b --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,260 @@ +--- +category: general +date: 2026-02-17 +description: जावा में OCR इंजन बनाएं और तेज़ी से TIFF फ़ाइल पढ़ें। Aspose.OCR का उपयोग + करके बड़े चित्र से टेक्स्ट पहचानने के लिए चरण‑दर‑चरण गाइड सीखें। +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: hi +og_description: अब जावा में OCR इंजन बनाएं। यह ट्यूटोरियल दिखाता है कि जावा में TIFF + फ़ाइल को कैसे पढ़ें और Aspose.OCR का उपयोग करके बड़े चित्र से टेक्स्ट को कैसे पहचानें। +og_title: जावा में OCR इंजन बनाएं – बड़े‑इमेज टेक्स्ट पहचान के लिए पूर्ण गाइड +tags: +- OCR +- Java +- Aspose +title: OCR इंजन जावा बनाएं – बड़े चित्रों से टेक्स्ट पहचानें +url: /hi/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +content with translations. + +Be careful to keep markdown formatting exactly. + +Let's craft final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR इंजन जावा बनाएं – बड़े चित्रों से टेक्स्ट पहचानें + +क्या आपको कभी **create OCR engine Java** कोड चाहिए था जो बड़े TIFF मानचित्र को संभाल सके, लेकिन शुरुआत नहीं पता थी? आप अकेले नहीं हैं—अधिकांश डेवलपर्स को तब समस्या आती है जब चित्र का आकार सामान्य मेमोरी सीमाओं से अधिक हो जाता है। + +इस गाइड में हम आपको एक पूर्ण, तैयार‑चलाने‑योग्य उदाहरण के माध्यम से ले जाएंगे जो **creates an OCR engine in Java** बनाता है, दिखाता है कि **read TIFF file Java** को `InputStream` के साथ कैसे पढ़ें, और अंत में **recognizes text from large image** फ़ाइलों को बिना हीप समाप्त हुए पहचानता है। अंत तक आपके पास एक स्व-निहित प्रोग्राम होगा जिसे आप किसी भी Maven या Gradle प्रोजेक्ट में डाल सकते हैं। + +## आपको क्या चाहिए + +- **Java Development Kit (JDK) 8 या नया** – कोड केवल मानक I/O और Aspose.OCR का उपयोग करता है। +- **Aspose.OCR for Java** लाइब्रेरी (2026‑02 तक का नवीनतम संस्करण) – आप JAR को Aspose साइट से या Maven Central से प्राप्त कर सकते हैं। +- एक **बड़ा TIFF फ़ाइल** (जैसे, मल्टी‑मेगापिक्सेल मानचित्र) जिसे आप OCR करना चाहते हैं। +- आपका **Aspose.OCR लाइसेंस फ़ाइल** (`Aspose.OCR.lic`). बिना लाइसेंस के इंजन इवैल्यूएशन मोड में चलता है, लेकिन आपको वॉटरमार्क मिलेगा। + +> **Pro tip:** TIFF को अपने स्रोत फ़ोल्डर के पास रखें या पूर्ण पथ (absolute path) उपयोग करें; इंजन आंतरिक रूप से चित्र को टाइल करेगा, इसलिए आपको स्वयं इसे विभाजित करने की जरूरत नहीं है। + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="OCR इंजन जावा वर्कफ़्लो आरेख"} + +## Step 1 – Apply Your Aspose.OCR License (Create OCR Engine Java) + +इंजन कोई भी भारी कार्य करने से पहले आपको लाइसेंस रजिस्टर करना होगा। इस चरण को छोड़ने से इवैल्यूएशन मोड सक्रिय हो जाता है, जो पृष्ठों की संख्या सीमित करता है और आउटपुट में बैनर जोड़ता है। + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* `License` ऑब्जेक्ट OCR इंजन को पूर्ण‑रिज़ॉल्यूशन टाइलिंग एल्गोरिद्म अनलॉक करने के लिए बताता है, जो **large image** को कुशलता से प्रोसेस करने के लिए आवश्यक है। + +## Step 2 – Instantiate the OCR Engine (Create OCR Engine Java) + +अब हम कोर `OcrEngine` को स्पिन अप करते हैं। इसे ऐसे समझें जैसे वह दिमाग है जो बाद में पिक्सेल पढ़ेगा और यूनिकोड टेक्स्ट आउटपुट करेगा। + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* अधिकांश परिदृश्यों में डिफ़ॉल्ट सेटिंग्स में पहले से ही ऑटोमैटिक भाषा पहचान और इष्टतम टाइलिंग शामिल है। अधिक कॉन्फ़िगरेशन वास्तव में बड़े फ़ाइलों पर गति को धीमा कर सकता है। + +## Step 3 – Load the TIFF File Using an InputStream (Read TIFF File Java) + +बड़े TIFF कई सौ मेगाबाइट तक हो सकते हैं। पूरे फ़ाइल को `BufferedImage` में लोड करने से हीप फट जाएगा। इसके बजाय हम इंजन को `InputStream` देते हैं; Aspose.OCR उड़ते‑उड़ते चित्र को पढ़ेगा और टाइल करेगा। + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* यदि आपका TIFF CCITT Group 4 से कंप्रेस्ड है, तो भी Aspose.OCR इसे संभालता है, लेकिन आप `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` सेट करके थोड़ा गति बढ़ा सकते हैं। + +## Step 4 – Prepare the OCR Input and Hint the Format + +`OcrInput` ऑब्जेक्ट कई चित्र रख सकता है, लेकिन इस डेमो के लिए हमें केवल एक चाहिए। फ़ॉर्मेट स्ट्रिंग (`"tif"`) प्रदान करने से इंजन फ़ॉर्मेट स्निफ़िंग को छोड़ देता है, जिससे कुछ मिलीसेकंड बचते हैं। + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* जब आप **large images** के साथ काम कर रहे हों, हर मिलीसेकंड मायने रखता है। फ़ॉर्मेट हिंट पार्सर को महंगे हेडर विश्लेषण को बायपास करने का निर्देश देता है। + +## Step 5 – Recognize Text from the Large Image (Recognize Text from Large Image) + +सब कुछ सेट हो जाने पर, वास्तविक OCR कॉल एक ही लाइन में है। इंजन एक `OcrResult` लौटाता है जिसमें प्लेन टेक्स्ट, कॉन्फिडेंस स्कोर, और यदि आवश्यकता हो तो बाउंडिंग बॉक्स भी शामिल होते हैं। + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR TIFF को प्रबंधनीय टाइल्स (डिफ़ॉल्ट 1024 × 1024 px) में विभाजित करता है, प्रत्येक टाइल पर न्यूरल‑नेट मॉडल चलाता है, और फिर परिणामों को जोड़ता है। यही कारण है कि आप **recognize text from large image** फ़ाइलों को मैनुअल प्री‑प्रोसेसिंग के बिना पहचान सकते हैं। + +## Step 6 – Display a Preview of the Extracted Text + +पूरे दस्तावेज़ को कंसोल पर प्रिंट करना भारी हो सकता है। चलिए पहले 200 अक्षर दिखाते हैं, उसके बाद एलिप्सिस, ताकि आप एक नज़र में आउटपुट की पुष्टि कर सकें। + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +यदि आपको गड़बड़ टेक्स्ट दिखे, तो दोबारा जांचें कि सही भाषा चयनित है (डिफ़ॉल्ट इंग्लिश है) और TIFF भ्रष्ट नहीं है। + +## Full Working Example + +सभी हिस्सों को जोड़ने से आपको एक सिंगल क्लास मिलती है जिसे आप कंपाइल और रन कर सकते हैं: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +`aspose-ocr-23.12.jar` को उस वास्तविक संस्करण से बदलें जिसे आपने डाउनलोड किया है। + +## Common Pitfalls & Tips + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | `BufferedImage` में TIFF लोड करने के बजाय स्ट्रीमिंग न करने से। | हमेशा दिखाए गए अनुसार `InputStream` उपयोग करें; टाइलिंग को Aspose को सौंपें। | +| **Blank output** | फ़ाइल एक्सटेंशन हिंट गलत (`"tif"` बनाम `"tiff"`)। | वही स्ट्रिंग उपयोग करें जो आपने `add` में पास की थी। | +| **Garbage characters** | लाइसेंस लागू नहीं हुआ या समाप्त हो गया। | `.lic` फ़ाइल पथ सत्यापित करें और इंजन बनाने से पहले पुनः लागू करें। | +| **Slow recognition** | उच्च DPI के साथ कस्टम `OcrConfiguration` उपयोग करने से। | अधिकांश मामलों में डिफ़ॉल्ट रखें; केवल तब ट्यून करें जब उच्च सटीकता की आवश्यकता हो। | + +### When to Adjust Settings + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +लेकिन याद रखें, प्रत्येक अतिरिक्त विकल्प CPU समय बढ़ा सकता है, विशेषकर **large image** पर। पहले एक सिंगल टाइल के साथ परीक्षण करें। + +## Next Steps + +अब जब आप **create OCR engine Java**, **read TIFF file Java**, और **recognize text from large image** करना जानते हैं, तो आप चाह सकते हैं: + +1. **Export the result to a PDF** – खोज योग्य दस्तावेज़ों के लिए OCR टेक्स्ट के साथ Aspose.PDF को संयोजित करें। +2. **Store bounding boxes** – हाइलाइट करने के लिए कॉर्डिनेट्स प्राप्त करने हेतु `ocrResult.getWords()` उपयोग करें। +3. **Parallelize tile processing** – अल्ट्रा‑बड़े सैटेलाइट इमेजरी के लिए, एक + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/hindi/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..8dd113d8e --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-02-17 +description: जानेँ कि कैसे फिक्स्ड थ्रेड पूल जावा का उपयोग करके PNG इमेजेज़ से टेक्स्ट + निकाला जाए, पैरलल OCR प्रोसेसिंग के साथ, और एक्ज़ीक्यूटर सर्विस को सही तरीके से + बंद किया जाए। +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: hi +og_description: जाने कैसे एक फिक्स्ड थ्रेड पूल जावा समानांतर में PNG इमेजेज़ से टेक्स्ट + निकाल सकता है, स्कैन किए गए पृष्ठों का टेक्स्ट बदल सकता है, और एक्ज़ीक्यूटर सर्विस + को सुरक्षित रूप से बंद कर सकता है। +og_title: स्थिर थ्रेड पूल जावा – PNG के लिए समानांतर OCR +tags: +- java +- ocr +- multithreading +- aspose +title: स्थिर थ्रेड पूल जावा – PNG के लिए समानांतर OCR +url: /hi/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# फ़िक्स्ड थ्रेड पूल जावा – PNG के लिए समानांतर OCR + +क्या आपने कभी सोचा है कि कई PNG फ़ाइलों पर OCR को **fixed thread pool java** का उपयोग करके कैसे तेज़ किया जाए? इस ट्यूटोरियल में हम **extract text from PNG** इमेजेज़ को समानांतर रूप से प्रोसेस करेंगे, **convert scanned pages text** को संपादन योग्य स्ट्रिंग्स में बदलेंगे, और काम पूरा होने पर **shut down executor service** को सुरक्षित रूप से बंद करेंगे। + +यदि आप कभी एक सिंगल‑थ्रेडेड लूप को देखते रहे हैं जो मिनटों तक चलता रहता है, तो आप प्रत्येक पेज के समाप्त होने का इंतज़ार करने की निराशा को समझते हैं, इससे पहले कि अगला शुरू भी हो। अच्छी खबर? कुछ ही लाइनों के जावा और Aspose OCR के साथ आप अपने सभी CPU कोर की शक्ति को उजागर कर सकते हैं, स्कैन किए गए पेज़ को खोज योग्य टेक्स्ट में बदल सकते हैं, और अपना एप्लिकेशन रिस्पॉन्सिव रख सकते हैं। + +नीचे आपको एक पूर्ण, तैयार‑चलाने योग्य उदाहरण मिलेगा, साथ ही यह समझाने के लिए कि प्रत्येक भाग क्यों महत्वपूर्ण है, सामान्य गड़बड़ियों और टिप्स के बारे में जो आप किसी भी OCR लाइब्रेरी पर लागू कर सकते हैं। + +--- + +## आपको क्या चाहिए + +- **Java 17** (या कोई भी हालिया JDK) – कोड आधुनिक `var` सिंटैक्स का थोड़ा उपयोग करता है, लेकिन पुराने संस्करणों पर भी काम करता है। +- **Aspose.OCR for Java** लाइब्रेरी – आप इसे Maven Central से प्राप्त कर सकते हैं या Aspose से ट्रायल डाउनलोड कर सकते हैं। +- उन **PNG** फ़ाइलों का सेट जिन्हें आप प्रोसेस करना चाहते हैं – जैसे स्कैन किए हुए रसीदें, किताब के पेज़, या स्क्रीनशॉट। +- जावा कन्करेंसी की बुनियादी जानकारी – आवश्यक नहीं, लेकिन मददगार है। + +बस इतना ही। कोई बाहरी सर्विस नहीं, कोई Docker नहीं, सिर्फ़ साधारण जावा और थोड़ा मल्टीथ्रेडिंग जादू। + +## चरण 1: Aspose OCR निर्भरता और लाइसेंस जोड़ें (वैकल्पिक) + +सबसे पहले, सुनिश्चित करें कि Aspose OCR JAR आपके क्लासपाथ पर है। यदि आप Maven उपयोग करते हैं, तो जोड़ें: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +यदि आपके पास लाइसेंस नहीं है, तो लाइब्रेरी इवैल्यूएशन मोड में चलेगी; कोड वही काम करेगा। लाइसेंस लोड करने के लिए (प्रोडक्शन के लिए अनुशंसित), `Aspose.OCR.lic` को अपने resources फ़ोल्डर में रखें और उपयोग करें: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **प्रो टिप:** लाइसेंस फ़ाइल को संस्करण नियंत्रण के बाहर रखें ताकि आकस्मिक एक्सपोज़र से बचा जा सके। + +## चरण 2: एक थ्रेड‑सेफ़ `OcrEngine` इंस्टेंस बनाएं + +Aspose OCR का `OcrEngine` थ्रेड‑सेफ़ है जब तक आप उसी इंस्टेंस को टास्क्स के बीच पुनः उपयोग करते हैं। इसे एक बार बनाना मेमोरी बचाता है और हर इमेज के लिए इंजन को पुनः‑इनिशियलाइज़ करने के ओवरहेड से बचाता है। + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +क्यों पुनः उपयोग? इंजन को एक भारी‑वज़न वाले कार्यकर्ता के रूप में सोचें जो भाषा मॉडल्स को मेमोरी में लोड करता है। हर इमेज के लिए नया इंजन बनाना ऐसे होगा जैसे हर छोटे काम के लिए नया विशेषज्ञ नियुक्त करना – महँगा और अनावश्यक। + +## चरण 3: एक Fixed Thread Pool Java सेट अप करें + +अब आता है शो का स्टार: एक **fixed thread pool java**। हम इसे लॉजिकल प्रोसेसर की संख्या के अनुसार आकार देंगे ताकि हर कोर को काम मिले बिना ओवर‑सब्सक्राइब किए। + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +*फ़िक्स्ड* पूल (कैश्ड के बजाय) उपयोग करने से आपको संसाधनों का पूर्वानुमेय उपयोग मिलता है और जब सैकड़ों इमेज एक साथ आते हैं तो “out‑of‑memory” स्पाइक्स से बचाव होता है। + +## चरण 4: उन PNG फ़ाइलों की सूची बनाएं जिन्हें आप प्रोसेस करना चाहते हैं (Extract Text from PNG) + +उन इमेजों के पाथ एकत्र करें जिन्हें आप OCR करना चाहते हैं। वास्तविक प्रोजेक्ट में आप डायरेक्टरी स्कैन कर सकते हैं या डेटाबेस से पढ़ सकते हैं; यहाँ हम कुछ उदाहरण हार्ड‑कोड करेंगे। + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **नोट:** फ़ाइल एक्सटेंशन **png** महत्वपूर्ण है क्योंकि Aspose OCR स्वचालित रूप से फ़ॉर्मेट पहचान लेता है, लेकिन आप JPEG या TIFF भी फीड कर सकते हैं। + +## चरण 5: OCR टास्क सबमिट करें – Parallel OCR Processing + +हर इमेज एक callable बन जाती है जो पहचानित टेक्स्ट लौटाती है। चूँकि `OcrEngine` साझा किया गया है, हमें केवल फ़ाइल पाथ टास्क में पास करना है। + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +क्यों `Future` में रैप करें? यह हमें सभी जॉब्स तुरंत फायर करने देता है, फिर बाद में परिणामों को उसी क्रम में एकत्र करने की सुविधा देता है जिसमें वे सबमिट किए गए थे – जब **convert scanned pages text** को फिर से डॉक्यूमेंट में डालना हो तो पेज क्रम बनाए रखने के लिए यह परफ़ेक्ट है। + +## चरण 6: परिणाम प्राप्त करें और प्रदर्शित करें (Convert Scanned Pages Text) + +अब हम प्रत्येक `Future` के समाप्त होने का इंतज़ार करते हैं और आउटपुट प्रिंट करते हैं। `get()` कॉल केवल उस विशिष्ट टास्क के पूरा होने तक ब्लॉक करता है, पूरे पूल के नहीं। + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +सामान्य कंसोल आउटपुट इस प्रकार दिखता है: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +यदि आप परिणाम फ़ाइलों में लिखना पसंद करते हैं, तो `System.out.println` को `Files.writeString` कॉल से बदल दें। + +## चरण 7: Executor Service को साफ़-सुथरे ढंग से बंद करें + +जब सभी टास्क समाप्त हो जाएँ, तो **shut down executor service** करना अत्यंत महत्वपूर्ण है; अन्यथा आपका JVM नॉन‑डेमन थ्रेड्स को जीवित रखेगा, जिससे ग्रेसफ़ुल एग्ज़िट नहीं हो पाएगा। + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +`awaitTermination` पैटर्न पूल को मौजूदा कार्य समाप्त करने का मौका देता है इससे पहले कि हम ज़बरदस्ती बंद करें। इस चरण को नजरअंदाज़ करना लंबे‑चलाने वाले एप्लिकेशन्स में मेमोरी लीक्स का आम स्रोत है। + +## पूर्ण कार्यशील उदाहरण + +सब कुछ एक साथ मिलाकर, यहाँ पूरा प्रोग्राम है जिसे आप `ParallelBatchDemo.java` में कॉपी‑पेस्ट करके चला सकते हैं: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/hindi/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..c9adb02a1 --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR के साथ जावा में OCR के लिए छवि को प्रीप्रोसेस करें। छवि का + कंट्रास्ट बढ़ाना, कंट्रास्ट स्तर सेट करना, और कुछ ही मिनटों में छवि से पाठ पहचानना + सीखें। +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: hi +og_description: Aspose OCR Java का उपयोग करके OCR के लिए छवि को पूर्व-प्रसंस्करण करें। + यह गाइड दिखाता है कि कैसे छवि का कंट्रास्ट बढ़ाया जाए, कंट्रास्ट स्तर सेट किया जाए, + और छवि से तेज़ी से टेक्स्ट पहचाना जाए। +og_title: OCR के लिए छवि को पूर्व-प्रसंस्करण करें – कंट्रास्ट बढ़ाने और टेक्स्ट निकालने + के लिए जावा ट्यूटोरियल +tags: +- Java +- OCR +- Image Processing +title: OCR के लिए छवि पूर्व-प्रसंस्करण – कंट्रास्ट बढ़ाने और टेक्स्ट निकालने के लिए + पूर्ण जावा गाइड +url: /hi/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR के लिए इमेज प्री‑प्रोसेस – पूर्ण Java गाइड + +क्या आपको कभी **OCR के लिए इमेज प्री‑प्रोसेस** करने की ज़रूरत पड़ी, लेकिन यह नहीं पता था कि कौन‑से सेटिंग्स वास्तव में फर्क डालते हैं? आप अकेले नहीं हैं। अधिकांश डेवलपर्स इमेज को OCR इंजन में फेंक देते हैं और उम्मीद करते हैं कि जादू होगा, पर अक्सर गड़बड़ आउटपुट मिलता है। इस ट्यूटोरियल में हम एक व्यावहारिक, एंड‑टू‑एंड उदाहरण के माध्यम से दिखाएंगे कि कैसे **इमेज कॉन्ट्रास्ट बढ़ाएँ**, **कॉन्ट्रास्ट लेवल** को ट्यून करें, और अंत में **इमेज से टेक्स्ट रेकग्नाइज़** करें Aspose OCR for Java का उपयोग करके। + +जब आप इसे पूरा कर लेंगे, आपके पास एक पुन: उपयोग योग्य कोड स्निपेट होगा जो **OCR के ज़रिए टेक्स्ट निकालता** है, यहाँ तक कि शोरयुक्त स्कैन पर भी। कोई छिपे हुए ट्रिक नहीं, सिर्फ स्पष्ट कदम और प्रत्येक कदम के पीछे का तर्क। + +## आपको क्या चाहिए + +- Java 17 या उससे नया (कोड किसी भी हालिया JDK पर कम्पाइल होता है) +- Aspose OCR for Java लाइब्रेरी (आधिकारिक Aspose साइट से डाउनलोड करें) +- एक वैध Aspose OCR लाइसेंस फ़ाइल (`Aspose.OCR.lic`) +- वह इनपुट इमेज (`input.jpg`) जिसे आप पढ़ना चाहते हैं +- आपका पसंदीदा IDE या साधारण कमांड‑लाइन सेटअप + +अगर आपके पास ये सब है, तो चलिए शुरू करते हैं। + +## चरण 1: Aspose OCR लाइसेंस लोड करें (प्राथमिक सेटअप) + +OCR इंजन कुछ भी करने से पहले यह जानना चाहिए कि आप लाइसेंसधारी हैं। नहीं तो आपको ट्रायल वॉटरमार्क मिलेगा। + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**यह क्यों महत्वपूर्ण है:** सही लाइसेंस के बिना, इंजन इवैल्यूएशन मोड में चलता है, जिससे परिणाम कट सकते हैं या वॉटरमार्क जुड़ सकता है। लाइसेंस को जल्दी सेट करने से यह भी सुनिश्चित होता है कि बाद में लागू होने वाले सभी प्री‑प्रोसेस विकल्प पूरी‑फ़ीचर मोड में काम करें। + +## चरण 2: OCR इंजन को इनिशियलाइज़ करें + +`OcrEngine` का एक इंस्टेंस बनाकर आप रेकग्निशन और प्री‑प्रोसेस दोनों पाइपलाइन तक पहुँच प्राप्त करते हैं। + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**प्रो टिप:** यदि आप बैच में कई इमेज प्रोसेस करने वाले हैं तो इंजन को सिंगलटन रखें; यह आंतरिक रिसोर्सेज़ को कैश करता है और बाद के कॉल्स को तेज़ बनाता है। + +## चरण 3: प्री‑प्रोसेसिंग कॉन्फ़िगर करें – डेस्क्यू, डीनॉइज़, और कॉन्ट्रास्ट एन्हांसमेंट + +यहीं पर हम **OCR के लिए इमेज प्री‑प्रोसेस** करते हैं। तीन मुख्य नॉब्स जिन्हें हम ट्यून करेंगे: + +1. **डेस्क्यू** – हल्की रोटेशन को ठीक करता है। +2. **डीनॉइज़** – उन स्पीकल्स को हटाता है जो कैरेक्टर सेगमेंटेशन को भ्रमित करते हैं। +3. **कॉन्ट्रास्ट एन्हांसमेंट** – डार्क टेक्स्ट को बैकग्राउंड के खिलाफ उभारा जाता है। + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### कॉन्ट्रास्ट लेवल क्यों एडजस्ट करें? + +कॉन्ट्रास्ट लेवल बढ़ाने से इमेज का हिस्टोग्राम स्ट्रेच होता है, जिससे डार्क पिक्सेल और डार्क हो जाते हैं और ब्राइट पिक्सेल और ब्राइट। व्यावहारिक रूप से, `1.3f` का **कॉन्ट्रास्ट लेवल** प्रिंटेड डॉक्यूमेंट्स के लिए सबसे अच्छा बैलेंस देता है, जबकि `1.5f` से ऊपर का मान पतली स्ट्रोक्स को ओवर‑एक्सपोज़ कर सकता है। बेझिझक प्रयोग करें; यह सेटिंग बदलने में महँगी नहीं है और **इमेज से टेक्स्ट रेकग्नाइज़** की सफलता दर को काफी बढ़ा सकती है। + +## चरण 4: इनपुट इमेज तैयार करें + +`OcrInput` क्लास फ़ाइल हैंडलिंग को एब्स्ट्रैक्ट करती है। यदि आपको बैच प्रोसेसिंग करनी है तो आप कई इमेज जोड़ सकते हैं। + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**एज केस:** यदि आपकी इमेज गैर‑स्टैंडर्ड फ़ॉर्मेट (जैसे, मल्टी‑पेज TIFF) में है, तो आप प्रत्येक पेज को अलग‑अलग लोड कर सकते हैं या पहले उसे PNG/JPEG में कनवर्ट कर लें। + +## चरण 5: रेकग्निशन चलाएँ + +अब इंजन हमने अभी कॉन्फ़िगर किया हुआ प्री‑प्रोसेस पाइपलाइन चलाता है, फिर साफ़ की गई इमेज को कोर OCR एल्गोरिद्म को देता है। + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**अंदर क्या हो रहा है?** Aspose OCR पहले डेस्क्यू ट्रांसफ़ॉर्मेशन लागू करता है, फिर डीनॉइज़ फ़िल्टर चलाता है, और अंत में कॉन्ट्रास्ट एडजस्ट करता है, इससे पहले कि इमेज को उसके न्यूरल‑नेटवर्क‑आधारित रेकग्नाइज़र को फीड किया जाए। क्रम जानबूझकर रखा गया है; इसे बदलने से परिणाम अध‑ऑप्टिमल हो सकते हैं। + +## चरण 6: रेकग्नाइज़्ड टेक्स्ट आउटपुट करें + +अंत में, हम निकाले गए स्ट्रिंग को कंसोल पर प्रिंट करते हैं। वास्तविक एप्लिकेशन में आप इसे फ़ाइल में लिख सकते हैं या नेटवर्क पर भेज सकते हैं। + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### अपेक्षित आउटपुट + +यदि `input.jpg` में “Hello World!” वाक्य है, तो कंसोल पर यह दिखना चाहिए: + +``` +Hello World! +``` + +यदि आउटपुट गड़बड़ दिखे, तो प्री‑प्रोसेस वैल्यूज़ – विशेषकर **कॉन्ट्रास्ट लेवल** और **डीनॉइज़ मोड** – को दोबारा चेक करें और अलग फ़ॉर्मेट की इमेज आज़माएँ। + +## बोनस: प्री‑प्रोसेस्ड इमेज को विज़ुअलाइज़ करना (वैकल्पिक) + +कभी‑कभी आप देखना चाहते हैं कि डेस्क्यू, डीनॉइज़, और कॉन्ट्रास्ट एन्हांसमेंट के बाद इंजन क्या देख रहा है। Aspose OCR आपको इंटरमीडिएट बिटमैप एक्सपोर्ट करने देता है: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +`processed.png` को मूल इमेज के साथ साइड‑बाय‑साइड खोलें; आपको एक सीधी हॉरिज़न और स्पष्ट टेक्स्ट दिखाई देगा। यह स्टेप तब उपयोगी होता है जब आप यह ट्रबलशूट कर रहे हों कि कोई विशेष स्कैन क्यों फेल हो रहा है। + +![preprocess image for OCR example](/images/ocr-preprocess-example.png "preprocess image for OCR – before and after contrast boost") + +*ऊपर की इमेज दिखाती है कि कॉन्ट्रास्ट बढ़ाने और डीनॉइज़ करने से धुंधली स्कैन कैसे एक साफ़, OCR‑रेडी पिक्चर में बदल जाती है।* + +## सामान्य गलतियाँ और उनका समाधान + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` बहुत हाई) | लाइट बैकग्राउंड सफ़ेद हो जाता है, फेड कैरेक्टर्स मिट जाते हैं | अधिकांश प्रिंटेड टेक्स्ट के लिए लेवल को 1.1 से 1.4 के बीच रखें | +| **Deskew tolerance बहुत लो** | छोटी रोटेशन अनकरेक्टेड रहती हैं | `setDeskewAngleTolerance` को 0.2 या 0.3 तक बढ़ाएँ, खासकर स्कैन्ड बुक्स के लिए | +| **बाइनरी इमेज पर GAUSSIAN डीनॉइज़** | एज ब्लर हो जाते हैं, कैरेक्टर्स मिल जाते हैं | ब्लैक‑एंड‑व्हाइट स्कैन के लिए `DenoiseMode.MEDIAN` इस्तेमाल करें | +| **लाइसेंस मिसिंग** | इंजन ट्रायल मोड में फॉल्ट हो जाता है, आउटपुट कट जाता है | `Aspose.OCR.lic` का पाथ वेरिफ़ाई करें और फ़ाइल रीडेबल है यह सुनिश्चित करें | + +## अगले कदम: बेसिक प्री‑प्रोसेसिंग से आगे + +अब जब आप **OCR के लिए इमेज प्री‑प्रोसेस** और **OCR के ज़रिए टेक्स्ट एक्सट्रैक्ट** कर सकते हैं, तो इन एक्सटेंशन पर विचार करें: + +- **Language packs** – गैर‑इंग्लिश टेक्स्ट की एक्यूरेसी बढ़ाने के लिए स्पेसिफिक लैंग्वेज डिक्शनरी लोड करें। +- **Region‑of‑interest (ROI) cropping** – यदि आपको पेज का केवल एक हिस्सा चाहिए तो इमेज के उस हिस्से को क्रॉप करें। +- **Batch processing** – इमेज की डायरेक्टरी पर लूप चलाएँ, तेज़ी के लिए वही `OcrEngine` इंस्टेंस री‑यूज़ करें। +- **PDF के साथ इंटीग्रेशन** – Aspose OCR को Aspose PDF के साथ मिलाकर स्कैन्ड PDFs को सर्चेबल PDFs में एक ही पाइपलाइन में बदलें। + +इन सभी टॉपिक्स में हमारे सेकेंडरी कीवर्ड्स स्वाभाविक रूप से शामिल होंगे: आप अभी भी **इमेज कॉन्ट्रास्ट बूस्ट**, **कॉन्ट्रास्ट लेवल सेट**, और कई परिदृश्यों में **इमेज से टेक्स्ट रेकग्नाइज़** करेंगे। + +## निष्कर्ष + +हमने वह सब कवर किया जो आपको **OCR के लिए इमेज प्री‑प्रोसेस** करने के लिए चाहिए था Aspose OCR for Java के साथ: लाइसेंस लोड करना, डेस्क्यू, डीनॉइज़, और कॉन्ट्रास्ट एन्हांसमेंट कॉन्फ़िगर करना, इमेज फीड करना, और अंत में **इमेज से टेक्स्ट रेकग्नाइज़** करना। ऊपर दिया गया पूरा, रन‑एबल उदाहरण अब आपको किसी भी उपयुक्त इमेज से **OCR के ज़रिए टेक्स्ट एक्सट्रैक्ट** करने में सक्षम बनाता है। + +कोड को चलाएँ, **कॉन्ट्रास्ट लेवल** को ट्यून करें, और एक्यूरेसी में छलांग देखें। जब आप तैयार हों, तो लैंग्वेज‑स्पेसिफिक मॉडल या बैच पाइपलाइन एक्सप्लोर करें ताकि इस सिंगल‑इमेज डेमो को प्रोडक्शन‑ग्रेड सॉल्यूशन में बदल सकें। + +*हैप्पी कोडिंग, और आपकी स्कैन हमेशा क्रिस्प रहें!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/hindi/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..2808445a2 --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR GPU समर्थन के साथ जावा में टेक्स्ट इमेज को जल्दी पहचानें। + इमेज से टेक्स्ट निकालना सीखें और इष्टतम प्रदर्शन के लिए GPU डिवाइस आईडी सेट करें। +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: hi +og_description: Aspose OCR GPU समर्थन के साथ जावा में टेक्स्ट इमेज को जल्दी पहचानें। + यह गाइड दिखाता है कि इमेज से टेक्स्ट कैसे निकालें और GPU डिवाइस आईडी कैसे सेट करें। +og_title: Aspose OCR GPU का उपयोग करके टेक्स्ट छवि को पहचानें – जावा +tags: +- Java +- OCR +- Aspose +- GPU +title: Aspose OCR GPU का उपयोग करके टेक्स्ट इमेज को पहचानें – जावा +url: /hi/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR GPU – Java का उपयोग करके टेक्स्ट इमेज को पहचानें + +क्या आपको कभी Java एप्लिकेशन में **recognize text image** करने की ज़रूरत पड़ी, लेकिन बड़े फ़ाइलों पर CPU धीमा हो रहा था? आप अकेले नहीं हैं—कई डेवलपर्स हाई‑रिज़ॉल्यूशन स्कैन प्रोसेस करते समय इस समस्या से जूझते हैं। अच्छी खबर? Aspose OCR आपको GPU पर **extract text from image** करने देता है, जिससे प्रोसेसिंग समय में काफी कमी आती है। + +इस ट्यूटोरियल में हम एक पूर्ण, तैयार‑चलाने योग्य उदाहरण के माध्यम से दिखाएंगे कि लाइसेंस कैसे सेट करें, GPU एक्सेलेरेशन कैसे सक्षम करें, और जब आपके पास कई ग्राफ़िक्स कार्ड हों तो **set gpu device id** कैसे सेट करें। अंत तक आपके पास एक स्व-समाहित प्रोग्राम होगा जो पहचानित टेक्स्ट को कंसोल पर प्रिंट करेगा—कोई अतिरिक्त कदम नहीं। + +## आपको क्या चाहिए + +- **Java 17** या नया (API Java 8+ के साथ संगत है, लेकिन नवीनतम LTS बेहतर प्रदर्शन देता है)। +- **Aspose OCR for Java** लाइब्रेरी (Aspose वेबसाइट से JAR डाउनलोड करें)। +- एक वैध **Aspose OCR license file** (`Aspose.OCR.lic`). फ्री ट्रायल काम करता है, लेकिन GPU फीचर लाइसेंस वाले संस्करण में ही उपलब्ध हैं। +- एक इमेज फ़ाइल (`sample-image.png`) जिसमें स्पष्ट, मशीन‑रीडेबल टेक्स्ट हो। +- एक GPU‑सक्षम वातावरण (NVIDIA CUDA‑संगत कार्ड सबसे अच्छा काम करता है)। + +यदि इनमें से कोई भी चीज़ अपरिचित लग रही हो, चिंता न करें—प्रत्येक बुलेट पॉइंट को आगे समझाया जाएगा। + +## चरण 1: अपने प्रोजेक्ट में Aspose OCR जोड़ें + +सबसे पहले, Aspose OCR JAR को अपने क्लासपाथ में शामिल करें। यदि आप Maven उपयोग कर रहे हैं, तो `pom.xml` में निम्नलिखित डिपेंडेंसी जोड़ें: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle के लिए, यह है: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +यदि आप मैन्युअल तरीका पसंद करते हैं, तो JAR को अपने `libs/` फ़ोल्डर में डालें और इसे IDE के मॉड्यूल पाथ में जोड़ें। + +> **Pro tip:** लाइब्रेरी के रिलीज़ नोट्स के साथ संस्करण संख्या को सिंक में रखें; नए संस्करण अक्सर GPU प्रोसेसिंग के लिए प्रदर्शन सुधार लाते हैं। + +## चरण 2: Aspose OCR लाइसेंस लोड करें (GPU उपयोग के लिए आवश्यक) + +लाइसेंस के बिना `setEnableGpu(true)` कॉल चुपचाप CPU मोड पर वापस आ जाएगा। लाइसेंस को `main` की शुरुआत में लोड करें: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +`YOUR_DIRECTORY` को उस फ़ोल्डर के पूर्ण या सापेक्ष पाथ से बदलें जहाँ आपने `.lic` फ़ाइल रखी है। यदि पाथ गलत है, तो Aspose `FileNotFoundException` फेंकेगा, इसलिए वर्तनी दोबारा जांचें। + +## चरण 3: OCR इंजन बनाएं और GPU एक्सेलेरेशन सक्षम करें + +अब हम `OcrEngine` को इंस्टैंशिएट करते हैं और उसे GPU उपयोग करने के लिए बताते हैं। `setGpuDeviceId` मेथड आपको कई कार्ड मौजूद होने पर एक विशिष्ट कार्ड चुनने की अनुमति देता है। + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +डिवाइस आईडी की ज़रूरत क्यों? मल्टी‑GPU सर्वर में आप एक कार्ड को इमेज प्री‑प्रोसेसिंग के लिए और दूसरे को OCR के लिए आरक्षित कर सकते हैं। आईडी सेट करने से सही हार्डवेयर भारी काम संभालता है। + +## चरण 4: इनपुट इमेज तैयार करें + +Aspose OCR विभिन्न फ़ॉर्मैट (PNG, JPG, BMP, TIFF) को सपोर्ट करता है। अपनी फ़ाइल को `OcrInput` ऑब्जेक्ट में रैप करें: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +यदि आपको स्ट्रीम प्रोसेस करनी है (जैसे अपलोड की गई फ़ाइल), तो `ocrInput.add(InputStream)` का उपयोग करें। + +## चरण 5: पहचान प्रक्रिया चलाएँ और परिणाम प्राप्त करें + +`recognize` मेथड एक `OcrResult` लौटाता है जिसमें प्लेन टेक्स्ट, कॉन्फिडेंस स्कोर, और यदि आवश्यक हो तो लेआउट जानकारी भी होती है। + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +कंसोल कुछ इस तरह दिखेगा: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +यदि इमेज धुंधली है या भाषा समर्थित नहीं है, तो परिणाम खाली हो सकता है। ऐसे में `ocrResult.getConfidence()` वैल्यू (0‑100) जांचें और प्री‑प्रोसेसिंग के साथ फिर से प्रयास करने का निर्णय लें। + +## पूर्ण, चलाने योग्य उदाहरण + +सभी हिस्सों को मिलाकर आपको एक सिंगल Java क्लास मिलेगा जिसे आप अपने IDE में कॉपी‑पेस्ट कर सकते हैं: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** कंसोल `sample-image.png` में दिखाई देने वाला सटीक टेक्स्ट प्रिंट करेगा। यदि GPU सक्रिय है, तो आप देखेंगे कि प्रोसेसिंग समय सामान्य 300 dpi स्कैन के लिए कई सेकंड (CPU) से घटकर एक सेकंड से भी कम हो जाता है। + +## सामान्य प्रश्न और किनारे के मामलों + +### क्या यह हेडलेस सर्वर पर काम करता है? + +हां। GPU ड्राइवर इंस्टॉल होना चाहिए, लेकिन डिस्प्ले की ज़रूरत नहीं है। बस सुनिश्चित करें कि `CUDA` टूलकिट (या आपके GPU के लिए समकक्ष) सिस्टम `PATH` में हो। + +### अगर मेरे पास एक से अधिक GPU हैं और मैं GPU 1 उपयोग करना चाहता हूँ तो क्या करें? + +डिवाइस आईडी बदलें: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### अलग भाषा में इमेज से टेक्स्ट निकालने के लिए कैसे करें? + +`recognize` कॉल करने से पहले भाषा सेट करें: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose 30 से अधिक भाषाओं को सपोर्ट करता है; पूरी सूची के लिए API डॉक्यूमेंटेशन देखें। + +### अगर इमेज में कई पेज हैं (जैसे PDF को इमेज में बदला गया हो) तो क्या करें? + +प्रत्येक पेज के लिए एक अलग `OcrInput` एंट्री बनाएं, या फ़ाइलों पर लूप चलाएँ: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +इंजन क्रम में परिणामों को जोड़ देगा। + +### कम‑विश्वास वाले परिणामों को कैसे संभालें? + +कॉन्फिडेंस स्कोर जांचें: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +आम प्री‑प्रोसेसिंग स्टेप्स में बाइनराइज़ेशन, नॉइज़ रिडक्शन, या 300 dpi पर रिसाइज़िंग शामिल हैं। + +## प्रदर्शन टिप्स + +- **Batch processing:** कई इमेज को एक ही `OcrInput` में जोड़ने से GPU कॉन्टेक्स्ट को बार‑बार इनिशियलाइज़ करने का ओवरहेड कम होता है। +- **Warm‑up:** JVM शुरू करने के बाद एक डमी रिकग्निशन चलाएँ; पहला कॉल ड्राइवर इनिशियलाइज़ेशन लेटेंसी लाता है। +- **Memory management:** बड़े `OcrInput` ऑब्जेक्ट्स (`ocrInput.clear()`) को उपयोग के बाद डिस्पोज़ करें ताकि GPU मेमोरी मुक्त हो सके। + +## निष्कर्ष + +आप अब जानते हैं कि Java में Aspose OCR के GPU इंजन के साथ **recognize text image** को प्रभावी ढंग से कैसे किया जाए, किसी भी समर्थित भाषा में **extract text from image** कैसे किया जाए, और कई ग्राफ़िक्स कार्ड के साथ काम करते समय **set gpu device id** कैसे सेट किया जाए। ऊपर दिया गया पूर्ण, चलाने योग्य कोड बॉक्स‑आउट‑ऑफ़‑द‑बॉक्स काम करेगा—बस अपनी लाइसेंस और इमेज पाथ बदलें। + +अगले कदम के लिए तैयार हैं? स्कैन किए गए PDFs के फ़ोल्डर को प्रोसेस करने की कोशिश करें, विभिन्न `setLanguage` विकल्पों के साथ प्रयोग करें, या OCR को पोस्ट‑प्रोसेसिंग के लिए मशीन‑लर्निंग मॉडल के साथ मिलाएँ। संभावनाएँ असीमित हैं, और GPU एक्सेलेरेशन से मिलने वाले प्रदर्शन लाभ बड़े‑पैमाने के प्रोजेक्ट्स को भी संभव बनाते हैं। + +हैप्पी कोडिंग, और यदि कोई समस्या आए तो टिप्पणी करके बताएं! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/ocr-operations/_index.md b/ocr/hindi/java/ocr-operations/_index.md index 468e52add..8c9efecb5 100644 --- a/ocr/hindi/java/ocr-operations/_index.md +++ b/ocr/hindi/java/ocr-operations/_index.md @@ -80,6 +80,16 @@ Java में OCR की शक्ति को Aspose.OCR के साथ अ Java में Aspose.OCR के साथ शक्तिशाली टेक्स्ट पहचान को अनलॉक करें। TIFF इमेजेज में टेक्स्ट को सहजता से पहचानें। एक सहज OCR अनुभव के लिए अभी डाउनलोड करें। ### [Aspose OCR के साथ इमेज टेक्स्ट को पहचानें – पूर्ण Java OCR ट्यूटोरियल](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Aspose OCR का उपयोग करके इमेज से टेक्स्ट निकालने की पूरी प्रक्रिया, Java कोड उदाहरणों के साथ। +### [Aspose OCR के साथ इमेज से टेक्स्ट को पहचानें – Java ट्यूटोरियल](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +इमेज से टेक्स्ट निकालने के लिए Aspose OCR को Java में कैसे लागू करें, चरण‑बद्ध गाइड। +### [इमेज‑टू‑टेक्स्ट जावा: Aspose OCR के साथ उर्दू टेक्स्ट निकालें](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Aspose OCR का उपयोग करके जावा में इमेज से उर्दू टेक्स्ट निकालने की पूरी प्रक्रिया। +### [जावा में इमेज से सर्चेबल PDF बनाएं – चरण‑बद्ध गाइड](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +इमेज को सर्चेबल PDF में बदलने के लिए Aspose.OCR for Java का उपयोग करके पूर्ण चरण‑बद्ध प्रक्रिया। +### [जावा में OCR का उपयोग कैसे करें – Aspose.OCR के साथ PDF से टेक्स्ट निकालें](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Aspose.OCR के साथ जावा में PDF फ़ाइलों से टेक्स्ट निकालने की चरण‑बद्ध गाइड। तेज़ और सटीक OCR लागू करें। +### [जावा में OCR का उपयोग कैसे करें – इमेज से तेज़ी से टेक्स्ट पहचानें](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Aspose.OCR for Java का उपयोग करके इमेज से तेज़ी से टेक्स्ट निकालें। चरण‑बद्ध गाइड और कोड उदाहरण। ## अक्सर पूछे जाने वाले सवाल diff --git a/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..ba21ad40b --- /dev/null +++ b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: 'तेज़ी से सर्चेबल PDF बनाएं: Aspose OCR, PDF सहेजने के विकल्पों का उपयोग + करके इमेज से PDF बनाना सीखें, और केवल कुछ मिनटों में इमेज को सर्चेबल PDF में बदलें।' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: hi +og_description: Aspose OCR का उपयोग करके जावा में सर्चेबल PDF बनाएं। यह गाइड दिखाता + है कि कैसे एक इमेज से PDF बनाएं, PDF सहेजने के विकल्प कॉन्फ़िगर करें, और एक पूरी + तरह सर्चेबल दस्तावेज़ प्राप्त करें। +og_title: जावा में इमेज से खोज योग्य PDF बनाएं – पूर्ण ट्यूटोरियल +tags: +- Aspose OCR +- Java +- PDF generation +title: जावा में इमेज से सर्चेबल PDF बनाएं – चरण‑दर‑चरण गाइड +url: /hi/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज से जावा में सर्चेबल PDF बनाएं – चरण‑दर‑चरण गाइड + +क्या आपको कभी स्कैन की गई तस्वीर से **searchable pdf** बनाना पड़ा लेकिन यह नहीं पता चला कि कौन सा API चुनें? आप अकेले नहीं हैं—कई डेवलपर्स को यह समस्या तब आती है जब वे पहली बार बिटमैप को ऐसे PDF में बदलने की कोशिश करते हैं जिसे आप वास्तव में खोज सकें। अच्छी खबर? Aspose OCR के साथ आप यह कुछ ही लाइनों में कर सकते हैं, और परिणाम मूल इमेज जैसा ही दिखता है जबकि टेक्स्ट‑सर्चेबल रहता है। + +इस ट्यूटोरियल में हम पूरे प्रोसेस को देखेंगे: आपका लाइसेंस लोड करना, एक इमेज (या मल्टी‑पेज TIFF) को OCR इंजन में फीड करना, **pdf save options** को ट्यून करना, और अंत में **image to searchable pdf** लिखना। अंत तक आपके पास एक तैयार‑से‑उपयोग जावा प्रोग्राम होगा जो कुछ सेकंड में सर्चेबल PDF बनाता है। कोई रहस्य नहीं, कोई “डॉक्यूमेंट देखें” शॉर्टकट नहीं—सिर्फ एक पूरा, चलाने योग्य उदाहरण। + +## आप क्या सीखेंगे + +- कैसे **convert image to pdf** करें और सर्चिंग के लिए एक हिडन टेक्स्ट लेयर एम्बेड करें। +- कौन से **pdf save options** आपको साइज और एक्यूरेसी के बेहतरीन बैलेंस के लिए एनेबल करने चाहिए। +- आम समस्याएँ (जैसे, लाइसेंस गायब होना, असमर्थित इमेज फॉर्मेट) और उन्हें कैसे टालें। +- कैसे वेरिफाई करें कि आउटपुट वास्तव में सर्चेबल है (Adobe Reader के साथ तेज़ टेस्ट)। + +**Prerequisites:** Java 8 या नया, Maven या Gradle जिससे Aspose OCR JAR प्राप्त हो, और एक वैध Aspose OCR लाइसेंस फ़ाइल। यदि आपके पास अभी लाइसेंस नहीं है, तो आप Aspose की वेबसाइट से फ्री ट्रायल का अनुरोध कर सकते हैं। + +--- + +## चरण 1 – Aspose OCR लाइसेंस लोड करें (सुरक्षित PDF बनाने का तरीका) + +OCR इंजन को काम करने से पहले एक लाइसेंस चाहिए; अन्यथा आपको वाटरमार्क वाले पेज मिलेंगे। अपने `Aspose.OCR.lic` को कहीं सुलभ जगह रखें, फिर `License` क्लास को उस पर पॉइंट करें। + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** लाइसेंस फ़ाइल को अपने सोर्स‑कंट्रोल डायरेक्टरी के बाहर रखें ताकि अनजाने में कमिट न हो जाए। + +--- + +## चरण 2 – OCR इनपुट तैयार करें (इमेज को PDF में बदलें) + +Aspose OCR एक `OcrInput` ऑब्जेक्ट स्वीकार करता है जो एक या कई इमेज रख सकता है। यहाँ हम एक सिंगल PNG जोड़ते हैं, लेकिन आप बैच प्रोसेसिंग के लिए मल्टी‑पेज TIFF भी फीड कर सकते हैं। + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** इमेज को `OcrInput` में जोड़ने से फ़ाइल हैंडलिंग इंजन से अलग हो जाती है, जिससे आप सिंगल‑पेज या मल्टी‑पेज दोनों परिदृश्यों के लिए वही कोड री‑यूज़ कर सकते हैं। + +--- + +## चरण 3 – PDF Save Options कॉन्फ़िगर करें (PDF Save Options की व्याख्या) + +`PdfSaveOptions` क्लास नियंत्रित करता है कि अंतिम PDF कैसे बनाया जाता है। दो फ़्लैग्स **searchable pdf** के लिए महत्वपूर्ण हैं: + +1. `setCreateSearchablePdf(true)` – इंजन को OCR परिणामों के आधार पर एक हिडन टेक्स्ट लेयर एम्बेड करने के लिए बताता है। +2. `setEmbedImages(true)` – मूल रास्टर इमेज को संरक्षित रखता है ताकि विज़ुअल अपीयरेंस वैसा ही रहे। + +यदि आवश्यक हो तो आप DPI, कॉम्प्रेशन, या पासवर्ड प्रोटेक्शन भी ट्यून कर सकते हैं। + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** यदि आप `setCreateSearchablePdf(false)` सेट करते हैं, तो आउटपुट एक साधा इमेज‑ओनली PDF होगा—जिसमें आप कुछ भी खोज नहीं पाएंगे। बड़े बैचों को ऑटोमेट करते समय हमेशा इस फ़्लैग को दोबारा चेक करें। + +--- + +## चरण 4 – OCR चलाएँ और सर्चेबल PDF लिखें (कोर “PDF कैसे बनाएं” लॉजिक) + +अब हम सब कुछ एक साथ लाते हैं। `recognize` मेथड प्रदान किए गए `OcrInput` पर OCR करता है, `PdfSaveOptions` लागू करता है, और परिणाम को फ़ाइल में स्ट्रीम करता है। + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### अपेक्षित परिणाम + +प्रोग्राम चलाने के बाद, `output-searchable.pdf` को किसी भी PDF व्यूअर (Adobe Reader, Foxit, आदि) में खोलें और टेक्स्ट सिलेक्ट करने या सर्च बॉक्स का उपयोग करने की कोशिश करें। आपको उन शब्दों को खोजने में सक्षम होना चाहिए जो मूल रूप से इमेज का हिस्सा थे। यही **searchable PDF** की पहचान है। + +--- + +## चरण 5 – सर्चेबल लेयर वेरिफाई करें (त्वरित QA) + +कभी‑कभी OCR कॉन्फिडेंस कम हो सकता है, विशेषकर लो‑रेज़ोल्यूशन स्कैन पर। वेरिफाई करने का तेज़ तरीका है: + +1. PDF को Adobe Reader में खोलें। +2. **Ctrl + F** दबाएँ और वह शब्द टाइप करें जो आपको पता है इमेज में मौजूद है। +3. यदि शब्द हाइलाइट हो जाता है, तो हिडन टेक्स्ट लेयर काम कर रही है। + +यदि सर्च फेल हो जाता है, तो स्रोत इमेज DPI बढ़ाने या `ocrEngine.getLanguage().add("eng")` के माध्यम से भाषा‑विशिष्ट डिक्शनरी एनेबल करने पर विचार करें। + +--- + +## सामान्य प्रश्न और गड़बड़ियां + +| Question | Answer | +|----------|--------| +| **क्या मैं मल्टी‑पेज TIFF प्रोसेस कर सकता हूँ?** | हाँ—सिर्फ प्रत्येक पेज को उसी `OcrInput` में जोड़ें (`ocrInput.add(tiffPath)`)। Aspose OCR प्रत्येक फ्रेम को अलग पेज के रूप में लेगा। | +| **अगर मेरे पास लाइसेंस नहीं है तो?** | फ्री ट्रायल काम करता है लेकिन हर पेज पर वाटरमार्क जोड़ता है। कोड वही रहता है; बस ट्रायल `.lic` फ़ाइल उपयोग करें। | +| **PDF का आकार कितना होगा?** | `setEmbedImages(true)` के साथ फ़ाइल साइज मूल इमेज के आकार के बराबर होता है, साथ ही हिडन टेक्स्ट के लिए कुछ किलोबाइट्स जोड़ते हैं। आप इमेज को `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)` से कॉम्प्रेस कर सकते हैं। | +| **क्या मुझे OCR के लिए भाषा सेट करनी चाहिए?** | डिफ़ॉल्ट रूप से Aspose OCR अंग्रेज़ी उपयोग करता है। अन्य भाषाओं के लिए `recognize` से पहले `ocrEngine.getLanguage().add("spa")` कॉल करें। | +| **क्या आउटपुट PDF मोबाइल डिवाइस पर सर्चेबल है?** | बिल्कुल—ज्यादातर मोबाइल PDF व्यूअर हिडन टेक्स्ट लेयर को मानते हैं। | + +--- + +## बोनस: डेमो को री‑यूज़ेबल यूटिलिटी में बदलना + +यदि आप इस फ़ंक्शनैलिटी को कई प्रोजेक्ट्स में उपयोग करने की उम्मीद रखते हैं, तो लॉजिक को एक स्टैटिक हेल्पर मेथड में रैप करें: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +अब आप अपने कोडबेस के किसी भी हिस्से से `PdfSearchableUtil.convert(...)` कॉल कर सकते हैं, जिससे **convert image to pdf** एक‑लाइनर बन जाता है। + +--- + +## निष्कर्ष + +हमने वह सब कवर किया है जो आपको Aspose OCR का उपयोग करके जावा में इमेज से **searchable pdf** फ़ाइलें बनाने के लिए चाहिए। लाइसेंस लोड करने, OCR इनपुट बनाने, **pdf save options** को ट्यून करने, और अंत में **image to searchable pdf** लिखने तक, यह ट्यूटोरियल एक पूरा, कॉपी‑एंड‑पेस्ट समाधान प्रदान करता है। + +अगला कदम उठाएँ विभिन्न इमेज फॉर्मेट्स के साथ प्रयोग करके, DPI समायोजित करके, या `PdfSaveOptions` के माध्यम से पासवर्ड प्रोटेक्शन जोड़कर। आप बैच प्रोसेसिंग भी देख सकते हैं—स्कैन की फ़ोल्डर पर लूप चलाएँ और प्रत्येक के लिए सर्चेबल PDF जेनरेट करें। + +यदि आपको यह गाइड उपयोगी लगा, तो इसे GitHub पर स्टार दें या नीचे कमेंट छोड़ें। कोडिंग का आनंद लें, और उन बोरिंग स्कैन को पूरी तरह सर्चेबल डॉक्यूमेंट्स में बदलने का मज़ा लें! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..9ca729eb4 --- /dev/null +++ b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: जावा में OCR का उपयोग करके PDF से टेक्स्ट निकालना, PDF को इमेज में बदलना, + और Aspose.OCR का उपयोग करके स्कैन किए गए PDF फ़ाइलों पर OCR करना। +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: hi +og_description: जावा में OCR का उपयोग करके PDF फ़ाइलों से टेक्स्ट निकालने का तरीका। + PDF को इमेज में बदलना सीखें और Aspose.OCR के साथ स्कैन किए गए PDF को पहचानें। +og_title: जावा में OCR का उपयोग कैसे करें – पूर्ण गाइड +tags: +- OCR +- Java +- Aspose +title: जावा में OCR का उपयोग कैसे करें – Aspose.OCR के साथ PDF से टेक्स्ट निकालें +url: /hi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# जावा में OCR का उपयोग कैसे करें – Aspose.OCR के साथ PDF से टेक्स्ट निकालें + +क्या आपने कभी सोचा है **OCR का उपयोग कैसे करें** ताकि स्कैन किया गया PDF खोज योग्य टेक्स्ट में बदल सके? आप अकेले नहीं हैं। अधिकांश डेवलपर्स को तब रुकावट आती है जब PDF कई छवियों के रूप में आता है, और सामान्य टेक्स्ट‑एक्सट्रैक्टर्स कुछ भी नहीं लौटाते। अच्छी खबर? कुछ ही जावा लाइनों और Aspose.OCR के साथ आप **PDF से टेक्स्ट निकाल सकते हैं**, **PDF को छवियों में बदल सकते हैं**, और **स्कैन किए गए PDF को पहचान सकते हैं** एक ही सरल वर्कफ़्लो में। + +इस ट्यूटोरियल में हम सब कुछ चरण‑दर‑चरण देखेंगे—लाइब्रेरी को लाइसेंस करने से लेकर अंतिम परिणाम प्रिंट करने तक। अंत तक आपके पास एक तैयार‑चलाने‑योग्य प्रोग्राम होगा जो किसी भी स्कैन किए गए रिपोर्ट, इनवॉइस, या ई‑बुक से प्लेन‑टेक्स्ट निकाल देगा। कोई बाहरी सर्विस नहीं, कोई जादू नहीं—सिर्फ वह शुद्ध जावा कोड जो आप नियंत्रित करते हैं। + +## आपको क्या चाहिए + +- **Java Development Kit (JDK) 8+** – कोई भी हालिया संस्करण काम करेगा। +- **Aspose.OCR for Java** JAR (Aspose वेबसाइट से डाउनलोड करें)। +- एक **वैध Aspose.OCR लाइसेंस फ़ाइल** (`Aspose.OCR.lic`)। फ्री ट्रायल चलती है, लेकिन लाइसेंस पूरी सटीकता अनलॉक करता है। +- एक **सैंपल स्कैन किया गया PDF** (जैसे `scanned-report.pdf`)। +- एक IDE या साधारण टेक्स्ट एडिटर प्लस टर्मिनल। + +बस इतना ही। कोई Maven, कोई Gradle, कोई अतिरिक्त डिपेंडेंसी नहीं—सिर्फ आपके क्लासपाथ में Aspose.OCR JAR। + +![OCR उपयोग करने का उदाहरण](image-placeholder.png "OCR उपयोग करने का उदाहरण") + +## चरण 1 – अपना Aspose.OCR लाइसेंस लोड करें (यह क्यों महत्वपूर्ण है) + +इंजन को पूरी गति से चलाने से पहले आपको बताना होगा कि आपका लाइसेंस कहाँ स्थित है। इस चरण को छोड़ने से लाइब्रेरी इवैल्यूएशन मोड में चली जाती है, जिससे आउटपुट पर वॉटरमार्क लगते हैं और सटीकता सीमित हो सकती है। + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**यह क्यों काम करता है:** `License` क्लास `.lic` फ़ाइल को पढ़ती है और उसे ग्लोबली रजिस्टर करती है। एक बार सेट होने पर, आप जितने भी `OcrEngine` बनाते हैं, वे सभी लाइसेंस्ड फीचर्स को स्वचालित रूप से उपयोग करेंगे। + +## चरण 2 – OCR इंजन बनाएं (जादू के पीछे का इंजन) + +`OcrEngine` इंस्टेंस वह कार्यकर्ता है जो छवियों को स्कैन करता है और टेक्स्ट आउटपुट देता है। इसे वह दिमाग समझें जो पिक्सेल पैटर्न को समझता है। + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**प्रो टिप:** आप भाषा, कॉन्फिडेंस थ्रेशहोल्ड, या यहाँ तक कि GPU एक्सेलेरेशन को इंजन की प्रॉपर्टीज़ के माध्यम से ट्यून कर सकते हैं। अधिकांश अंग्रेज़ी PDFs के लिए डिफ़ॉल्ट सेटिंग्स ठीक रहती हैं। + +## चरण 3 – इनपुट तैयार करें: अपना PDF जोड़ें (PDF को छवियों में बदलना) + +Aspose.OCR PDF के हर पेज को एक छवि के रूप में ट्रीट करता है। जब आप `addPdf` कॉल करते हैं, लाइब्रेरी चुपचाप प्रत्येक पेज को रास्टराइज़ कर देती है, जो कि **PDF को छवियों में बदलने** के लिए बिल्कुल आवश्यक है। + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**क्या हो रहा है:** +- PDF खुलता है। +- प्रत्येक पेज को 300 dpi (डिफ़ॉल्ट) पर रेंडर किया जाता है ताकि कैरेक्टर डिटेल बनी रहे। +- रेंडर की गई बिटमैप ऑब्जेक्ट्स `OcrInput` कलेक्शन में स्टोर हो जाती हैं। + +यदि आपको डिबगिंग या कस्टम प्री‑प्रोसेसिंग के लिए रॉ इमेज चाहिए, तो इस चरण के बाद `ocrInput.getPages()` कॉल करें। + +## चरण 4 – OCR प्रक्रिया चलाएँ (PDF पर OCR करें) + +अब असली काम शुरू होता है। `recognize` मेथड हर इमेज पर लूप करता है, पहचान एल्गोरिद्म चलाता है, और परिणामों को `OcrResult` में इकट्ठा करता है। + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**क्यों यह महत्वपूर्ण है:** `OcrResult` केवल प्लेन टेक्स्ट ही नहीं, बल्कि कॉन्फिडेंस स्कोर, बाउंडिंग बॉक्स, और मूल इमेज रेफ़रेंस भी रखता है। अधिकांश उपयोग‑केस में आपको सिर्फ `getText()` की ज़रूरत पड़ेगी। + +## चरण 5 – निकाले गए टेक्स्ट को प्राप्त करें और प्रदर्शित करें + +अंत में, परिणाम से प्लेन‑टेक्स्ट स्ट्रिंग निकालें और प्रिंट करें। आप इसे फ़ाइल में भी लिख सकते हैं, सर्च इंडेक्स में फीड कर सकते हैं, या किसी डाउनस्ट्रीम NLP पाइपलाइन में पास कर सकते हैं। + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### अपेक्षित आउटपुट + +यदि `scanned-report.pdf` में एक साधारण पैराग्राफ है, तो आपको कुछ इस तरह दिखेगा: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +फ़ॉर्मेटिंग मूल लेआउट को प्रतिबिंबित करती है, जहाँ संभव हो लाइन ब्रेक्स को संरक्षित रखती है। + +## सामान्य किनारे के मामलों को संभालना + +### 1. मल्टी‑लैंग्वेज PDFs + +यदि आपके दस्तावेज़ में फ़्रेंच या स्पेनिश टेक्स्ट है, तो `recognize` कॉल करने से पहले भाषा सेट करें: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +आप भाषा की एक एरे दे सकते हैं ताकि इंजन ऑटो‑डिटेक्ट कर सके। + +### 2. लो‑रेज़ोल्यूशन स्कैन + +150 dpi स्कैन के साथ काम करते समय, इंटर्नल रेंडरिंग DPI बढ़ाएँ: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +उच्च DPI कैरेक्टर क्लैरिटी को बेहतर बनाता है लेकिन मेमोरी की खपत बढ़ाता है। + +### 3. बड़े PDFs (मेमोरी मैनेजमेंट) + +यदि PDF में दर्जनों पेज हैं, तो उन्हें बैच में प्रोसेस करें: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +यह तरीका JVM हीप को बबलिंग से बचाता है। + +## पूर्ण, तैयार‑चलाने‑योग्य उदाहरण + +नीचे पूरा प्रोग्राम दिया गया है—इम्पोर्ट्स और लाइसेंस हैंडलिंग सहित—ताकि आप कॉपी‑पेस्ट करके तुरंत चला सकें। + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +इसे इस तरह चलाएँ: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +आपको कंसोल में निकाला गया टेक्स्ट दिखेगा। + +## सारांश – हमने क्या कवर किया + +- जावा में **OCR का उपयोग कैसे करें** Aspose.OCR के साथ। +- **PDF से टेक्स्ट निकालने** की पूरी वर्कफ़्लो। +- लाइब्रेरी आंतरिक रूप से **PDF को छवियों में बदलती** है, फिर कैरेक्टर पहचान करती है। +- **PDF पर OCR** करते समय मल्टी‑लैंग्वेज, लो‑रेज़ोल्यूशन स्कैन, और बड़े दस्तावेज़ों के लिए टिप्स। +- एक पूर्ण, रन‑एबल कोड सैंपल जिसे आप किसी भी जावा प्रोजेक्ट में डाल सकते हैं। + +## अगले कदम और संबंधित विषय + +अब जब आप **स्कैन किए गए PDF को पहचान** सकते हैं, तो इन फॉलो‑अप आइडियाज़ पर विचार करें: + +- **सर्चेबल PDF जेनरेशन** – OCR टेक्स्ट को मूल PDF पर ओवरले करके सर्चेबल डॉक्यूमेंट बनाएं। +- **बैच प्रोसेसिंग सर्विस** – कोड को Spring Boot माइक्रोसर्विस में रैप करें जो REST के ज़रिए PDFs स्वीकार करे। +- **Elasticsearch के साथ इंटीग्रेशन** – निकाले गए टेक्स्ट को फास्ट फुल‑टेक्स्ट सर्च के लिए इंडेक्स करें। +- **इमेज प्री‑प्रोसेसिंग** – OpenCV का उपयोग करके पेजेज़ को डेस्क्यू या डीनॉइज़ करें, जिससे OCR की सटीकता और बढ़े। + +इनमें से प्रत्येक विषय हमने अभी तक कवर किए गए कोर कॉन्सेप्ट्स पर आधारित है, इसलिए प्रयोग करें और OCR इंजन को भारी काम करने दें। + +--- + +*हैप्पी कोडिंग! अगर आपको लाइसेंस एरर या अनपेक्षित null रिजल्ट जैसी कोई समस्या आती है, तो नीचे कमेंट करें। मैं हमेशा डिबगिंग सेशन के लिए तैयार हूँ।* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..9fda8644f --- /dev/null +++ b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,252 @@ +--- +category: general +date: 2026-02-17 +description: जावा में OCR का उपयोग करके इमेज फ़ाइलों से टेक्स्ट पहचानना, PNG रसीदों + से टेक्स्ट निकालना और Aspose OCR के साथ रसीद को JSON में बदलना सीखें। +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: hi +og_description: जावा में OCR का उपयोग करके इमेज से टेक्स्ट पहचानने, PNG रसीदों से + टेक्स्ट निकालने और रसीद को JSON में बदलने के लिए चरण‑दर‑चरण गाइड। +og_title: जावा में OCR का उपयोग कैसे करें – छवि से टेक्स्ट पहचानें +tags: +- OCR +- Java +- Aspose +- Image Processing +title: जावा में OCR का उपयोग कैसे करें – छवि से तेज़ी से टेक्स्ट पहचानें +url: /hi/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +from Image Quickly" => "Java में OCR कैसे उपयोग करें – छवि से टेक्स्ट जल्दी पहचानें". We'll translate. + +Proceed paragraph. + +We'll translate each paragraph. + +Let's produce final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java में OCR कैसे उपयोग करें – छवि से टेक्स्ट जल्दी पहचानें + +क्या आपने कभी **OCR का उपयोग करके** रसीद की फोटो से टेक्स्ट निकालने के बारे में सोचा है? शायद आपने कुछ ऑनलाइन टूल आज़माए, लेकिन गड़बड़ अक्षर या ऐसे फॉर्मेट मिले जिन्हें आप प्रोसेस नहीं कर पाए। अच्छी खबर यह है कि कुछ ही लाइनों के Java कोड से आप **छवि से टेक्स्ट पहचान** सकते हैं, **PNG रसीदों से टेक्स्ट निकाल** सकते हैं, और यहाँ तक कि **रसीद को JSON में बदल** सकते हैं ताकि आगे की प्रोसेसिंग आसान हो जाए। + +इस ट्यूटोरियल में हम पूरी वर्कफ़्लो को कवर करेंगे—Aspose OCR लाइब्रेरी को लाइसेंस करने से लेकर एक साफ़ JSON पेलोड प्राप्त करने तक, जिसे आप डेटाबेस या मशीन‑लर्निंग मॉडल में फीड कर सकते हैं। कोई फालतू बातें नहीं, सिर्फ एक प्रैक्टिकल, रन‑एबल उदाहरण जो आप अपने IDE में कॉपी‑पेस्ट कर सकते हैं। अंत तक आपके पास एक सेल्फ‑कंटेन्ड प्रोग्राम होगा जो `receipt.png` लेगा और तैयार‑to‑use JSON स्ट्रिंग आउटपुट करेगा। + +## आपको क्या चाहिए + +- **Java Development Kit (JDK) 8+** – कोई भी हालिया संस्करण चलेगा। +- **Aspose OCR for Java** लाइब्रेरी (Maven आर्टिफैक्ट `com.aspose:aspose-ocr`)। +- एक **वैध Aspose OCR लाइसेंस फ़ाइल** (`Aspose.OCR.lic`)। फ्री ट्रायल टेस्टिंग के लिए चलती है, लेकिन उचित लाइसेंस मूल्यांकन सीमाओं को हटाता है। +- एक इमेज फ़ाइल (PNG, JPEG, आदि) जिसमें वह टेक्स्ट हो जिसे आप पढ़ना चाहते हैं—इसे हम `receipt.png` कहेंगे और इसे किसी ज्ञात फ़ोल्डर में रखें। +- आपका पसंदीदा IDE (IntelliJ IDEA, Eclipse, VS Code…) – आप जो चाहें चुन सकते हैं। + +> **Pro tip:** लाइसेंस फ़ाइल को सोर्स फ़ोल्डर के बाहर रखें और इसे एब्सोल्यूट या रिलेटिव पाथ से रेफ़रेंस करें ताकि वह वर्ज़न कंट्रोल में कमिट न हो। + +अब जब प्री‑रिक्विज़िट स्पष्ट हैं, चलिए असली कोड की ओर बढ़ते हैं। + +## OCR का उपयोग कैसे करें – मुख्य चरण + +नीचे उन कार्यों का हाई‑लेवल ओवरव्यू दिया गया है जो हम करेंगे: + +1. **Aspose OCR लाइब्रेरी लोड** करें और अपना लाइसेंस लागू करें। +2. **`OcrEngine` इंस्टेंस बनाएं** – यह वही इंजन है जो भारी काम करता है। +3. **`OcrInput` ऑब्जेक्ट तैयार करें** जो उस इमेज की ओर इशारा करता है जिसे आप प्रोसेस करना चाहते हैं। +4. **`recognize` को `ResultFormat.JSON` के साथ कॉल** करें ताकि निकाले गए टेक्स्ट का JSON प्रतिनिधित्व मिल सके। +5. **JSON आउटपुट को हैंडल करें** – प्रिंट करें, फ़ाइल में लिखें, या आगे पार्स करें। + +इन चरणों की विस्तृत व्याख्या आगे के सेक्शन में दी गई है। + +## चरण 1 – Aspose OCR इंस्टॉल करें और लाइसेंस लागू करें + +पहले, यदि आप Maven उपयोग कर रहे हैं तो अपने `pom.xml` में Aspose OCR डिपेंडेंसी जोड़ें: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +अब, अपने Java कोड में लाइसेंस लोड करें। यह कदम अत्यंत महत्वपूर्ण है; बिना लाइसेंस के लाइब्रेरी इवैल्यूएशन मोड में चलती है और आउटपुट में वॉटरमार्क जोड़ सकती है। + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **यह क्यों महत्वपूर्ण है:** `License` ऑब्जेक्ट OCR इंजन को बताता है कि आप पूरी फीचर सेट (हाई‑एक्यूरेसी रिकग्निशन और JSON एक्सपोर्ट सहित) का उपयोग करने के लिए अधिकृत हैं। इस स्टेप को स्किप करने से आप **छवि से टेक्स्ट पहचान** पाएँगे, लेकिन परिणाम थ्रॉटल हो सकते हैं। + +## चरण 2 – OCR इंजन इंस्टेंस बनाएं + +`OcrEngine` क्लास सभी OCR ऑपरेशन्स का एंट्री पॉइंट है। इसे आप “ब्रेन” समझ सकते हैं जो पिक्सेल पढ़ता है और तय करता है कि कौन से कैरेक्टर हैं। + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +बाद में आप इंजन को कस्टमाइज़ कर सकते हैं (जैसे भाषा सेट करना, डेस्क्यू एनेबल करना) अगर आपकी रसीदें नॉन‑लैटिन स्क्रिप्ट्स वाली हों या कोण पर स्कैन की गई हों। अधिकांश US‑बेस्ड रसीदों के लिए डिफॉल्ट सेटिंग्स ठीक रहती हैं। + +## चरण 3 – वह इमेज लोड करें जिसे आप प्रोसेस करना चाहते हैं + +अब हम OCR इंजन को उस फ़ाइल की ओर इशारा करेंगे जिसमें रसीद है। `OcrInput` क्लास कई इमेजेज़ को स्वीकार कर सकता है, लेकिन इस ट्यूटोरियल में हम एक ही PNG को सरलता से उपयोग करेंगे। + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +यदि आपको **PNG फ़ाइलों से टेक्स्ट निकाल**ना बड़े पैमाने पर करना है, तो बस `input.add()` को बार‑बार कॉल करें या फ़ाइल पाथ की लिस्ट पास करें। + +## चरण 4 – टेक्स्ट पहचानें और रसीद को JSON में बदलें + +यह ट्यूटोरियल का मुख्य भाग है। हम इंजन को टेक्स्ट पहचानने और परिणाम को JSON फॉर्मेट में देने के लिए कहते हैं। `ResultFormat.JSON` फ़्लैग हमारे लिए सारी मेहनत कर देता है। + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON पेलोड में प्रत्येक पहचानी गई लाइन, उसका बाउंडिंग बॉक्स, कॉन्फिडेंस स्कोर, और रॉ टेक्स्ट शामिल होता है। यह स्ट्रक्चर **रसीद को JSON में बदल**ना बेहद आसान बनाता है, जिससे आप इसे किसी भी डाउनस्ट्रीम API में फीड कर सकते हैं। + +## चरण 5 – सब कुछ मिलाकर प्रोग्राम चलाएँ + +नीचे पूरा, तैयार‑to‑run Java क्लास दिया गया है जो सभी चीज़ों को जोड़ता है। इसे `JsonExportDemo.java` (या अपनी पसंद का कोई नाम) के रूप में सेव करें और अपने IDE या कमांड लाइन से रन करें। + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### अपेक्षित आउटपुट + +प्रोग्राम चलाने पर एक JSON स्ट्रिंग प्रिंट होगी जो नीचे दिखाए गए जैसा होगा (सटीक सामग्री आपकी रसीद पर निर्भर करेगी): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +अब आप इस JSON को डेटाबेस, REST एन्डपॉइंट, या डेटा‑एनालिसिस पाइपलाइन में फीड कर सकते हैं। **रसीद को JSON में बदल**ने का कदम पहले ही पूरा हो चुका है। + +## सामान्य प्रश्न और एज केस + +### अगर इमेज घुमा हुआ हो तो क्या करें? + +Aspose OCR हल्की घुमाव को ऑटोमैटिकली डिटेक्ट और करेक्ट कर लेता है। बहुत ज़्यादा स्क्यूड इमेज के लिए, पहचान से पहले `engine.getImagePreprocessingOptions().setDeskew(true)` कॉल करें। + +### कई भाषाओं को कैसे हैंडल करें? + +`engine.getLanguage()` का उपयोग करके इच्छित भाषा सेट करें, उदाहरण के लिए `engine.setLanguage(Language.FRENCH)`। यह तब उपयोगी है जब आपको **छवि से टेक्स्ट पहचान**ना हो जिसमें मल्टी‑लैंग्वेज रसीदें हों। + +### क्या मैं JSON की बजाय प्लेन टेक्स्ट आउटपुट कर सकता हूँ? + +बिल्कुल। `ResultFormat.JSON` को `ResultFormat.TEXT` से बदलें और `result.getText()` कॉल करें। + +### क्या OCR को किसी विशेष रीजन तक सीमित किया जा सकता है? + +हां—`ocrInput.add(imagePath, new Rectangle(x, y, width, height))` का उपयोग करके आप रसीद के क्षेत्र पर फोकस कर सकते हैं, जिससे स्पीड और एक्यूरेसी दोनों बेहतर होते हैं। + +## प्रोडक्शन‑रेडी OCR के लिए प्रो टिप्स + +- **लाइसेंस ऑब्जेक्ट को कैश करें** यदि आप लूप में कई फ़ाइलें प्रोसेस कर रहे हैं; बार‑बार बनाना ओवरहेड बढ़ाता है। +- **बैच प्रोसेस**: सभी रसीद पाथ को एक ही `OcrInput` में लोड करें और एक बार `recognize` कॉल करें। JSON में पेजेज़ की एरे होगी, प्रत्येक में अपनी लाइन्स होंगी। +- **JSON वैलिडेट करें**: स्ट्रिंग मिलने के बाद, Jackson जैसी लाइब्रेरी से पार्स करके सुनिश्चित करें कि वह वैध है, फिर स्टोर करें। +- **कॉन्फिडेंस मॉनिटर करें**: JSON में प्रत्येक लाइन के साथ `confidence` फ़ील्ड आता है। 0.85 जैसे थ्रेशोल्ड से नीचे की लाइन्स को फ़िल्टर करें ताकि गड़बड़ डेटा न आए। +- **लाइसेंस को सुरक्षित रखें**: `Aspose.OCR.lic` को सुरक्षित वॉल्ट या एनवायरनमेंट वैरिएबल में रखें, खासकर क्लाउड डिप्लॉयमेंट में। + +## निष्कर्ष + +हमने **Java में OCR कैसे उपयोग करें** को कवर किया—**छवि से टेक्स्ट पहचान**, **PNG रसीदों से टेक्स्ट निकाल**, और **रसीद को JSON में बदल**—सब एक संक्षिप्त, एंड‑टू‑एंड उदाहरण के साथ। चरण सरल हैं, कोड पूरी तरह रन‑एबल है, और JSON आउटपुट आपको किसी भी डाउनस्ट्रीम सिस्टम के लिए तैयार स्ट्रक्चर देता है। + +अगले कदम में आप अधिक एडवांस्ड परिदृश्यों को एक्सप्लोर कर सकते हैं: JSON को Apache Kafka में रियल‑टाइम प्रोसेसिंग के लिए फीड करना, रेगेक्स पैटर्न से लाइन‑आइटम टोटल निकालना, या स्केलेबिलिटी के लिए क्लाउड OCR सर्विस इंटीग्रेट करना। चाहे जो भी चुनें, आज आपने जो बुनियादी बातें सीखी हैं, वे हमेशा समान रहेंगी। + +कोई सवाल है या लागू करते समय कोई समस्या आई? नीचे कमेंट करें, हम साथ मिलकर ट्रबलशूट करेंगे। Happy coding, और उन गंदे रसीद इमेजेज़ को साफ़, सर्चेबल डेटा में बदलने का आनंद लें! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/hindi/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..bfd633b67 --- /dev/null +++ b/ocr/hindi/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,181 @@ +--- +category: general +date: 2026-02-17 +description: 'इमेज‑टू‑टेक्स्ट जावा ट्यूटोरियल: Aspose OCR का उपयोग करके छवि से उर्दू + टेक्स्ट निकालना सीखें। पूर्ण जावा OCR उदाहरण शामिल है।' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: hi +og_description: इमेज‑टू‑टेक्स्ट जावा ट्यूटोरियल दिखाता है कि Aspose OCR का उपयोग करके + छवि से उर्दू टेक्स्ट कैसे निकाला जाए। पूर्ण जावा OCR उदाहरण को चरण‑दर‑चरण अनुसरण + करें। +og_title: 'इमेज‑टू‑टेक्स्ट जावा: Aspose OCR के साथ उर्दू टेक्स्ट निकालें' +tags: +- OCR +- Java +- Aspose +title: 'इमेज टू टेक्स्ट जावा: Aspose OCR के साथ उर्दू टेक्स्ट निकालें' +url: /hi/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज टू टेक्स्ट जावा: Aspose OCR के साथ उर्दू टेक्स्ट निकालें + +यदि आपको उर्दू दस्तावेज़ों के लिए **image to text java** रूपांतरण करने की आवश्यकता है, तो आप सही जगह पर हैं। कभी सोचा है *कैसे टेक्स्ट निकालें* एक हाथ से लिखे नोट या स्कैन किए हुए समाचार पत्र के पृष्ठ की तस्वीर से? यह गाइड आपको एक **java ocr example** के माध्यम से दिखाएगा जो Aspose OCR का उपयोग करके इमेज से सीधे उर्दू अक्षर निकालता है। + +हम लाइब्रेरी को लाइसेंस करने से लेकर कंसोल पर परिणाम प्रिंट करने तक सब कुछ कवर करेंगे। अंत तक आप **load image ocr** फ़ाइलें लोड कर सकेंगे, भाषा को उर्दू सेट कर सकेंगे, और साफ़ Unicode आउटपुट प्राप्त कर सकेंगे—कोई अतिरिक्त टूल्स की आवश्यकता नहीं। + +## आपको क्या चाहिए + +- **Java Development Kit (JDK) 8+** – कोड किसी भी नवीनतम JDK पर काम करता है। +- **Aspose.OCR for Java** JAR (Aspose वेबसाइट से डाउनलोड करें)। +- एक वैध **Aspose OCR license** फ़ाइल (`Aspose.OCR.lic`)। +- एक इमेज जिसमें उर्दू टेक्स्ट हो, उदाहरण के लिए `urdu-sample.png`। + +इन बुनियादी चीज़ों के होने से आप सीधे कोड में कूद सकते हैं बिना किसी गायब निर्भरताओं की खोज किए। + +## image to text java – Aspose OCR सेटअप + +सबसे पहले, हमें Aspose को बताना होगा कि हमारे पास लाइसेंस है। बिना लाइसेंस के लाइब्रेरी इवैल्यूएशन मोड में चलती है और आउटपुट में वॉटरमार्क जोड़ देती है। + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** लाइसेंसिंग 5‑सेकंड की प्रोसेसिंग सीमा को हटाता है और 2025‑Q3 में जोड़ा गया पूरा उर्दू भाषा पैक अनलॉक करता है। यदि आप इस चरण को छोड़ देते हैं, तो OCR इंजन अभी भी काम करेगा, लेकिन परिणामों में एक छोटा “Evaluation” टैग दिखेगा। + +## टेक्स्ट निकालें – OCR इंजन को इनिशियलाइज़ करें + +अब हम इंजन बनाते हैं और स्पष्ट रूप से बताते हैं कि हमें उर्दू में रुचि है। `OcrLanguage.URDU` कॉन्स्टेंट सही कैरेक्टर सेट और सेगमेंटेशन नियम सक्रिय करता है। + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** यदि आपको एक ही रन में कई भाषाओं को प्रोसेस करना हो, तो आप कॉमा‑सेपरेटेड सूची पास कर सकते हैं, जैसे `OcrLanguage.ENGLISH, OcrLanguage.URDU`। इंजन प्रत्येक क्षेत्र को ऑटो‑डिटेक्ट करेगा। + +## इमेज OCR लोड करें – इनपुट तैयार करना + +Aspose एक `OcrInput` ऑब्जेक्ट के साथ काम करता है जो एक या कई इमेज रख सकता है। यहाँ हम स्थानीय फ़ाइल से **load image ocr** डेटा लोड करते हैं। + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** `YOUR_DIRECTORY` को अपने प्रोजेक्ट रूट से पूर्ण पाथ या रिलेटिव पाथ से बदलें। यदि फ़ाइल नहीं मिलती, तो Aspose `FileNotFoundException` फेंकेगा। `new File(path).exists()` के साथ एक त्वरित जांच बहुत समय बचा सकती है। + +## टेक्स्ट को पहचानें – OCR प्रोसेस चलाना + +इंजन को कॉन्फ़िगर करने और इमेज लोड करने के बाद, हम अंत में `recognize` कॉल करते हैं। यह मेथड एक `OcrResult` लौटाता है जिसमें निकाली गई स्ट्रिंग होती है। + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** OCR इंजन इमेज को लाइनों में, फिर कैरेक्टर्स में विभाजित करता है, उर्दू‑विशिष्ट शेपिंग नियम (जैसे जॉइनिंग फॉर्म) लागू करता है। इसलिए भाषा को पहले सेट करना महत्वपूर्ण है; अन्यथा आपको गड़बड़ लैटिन प्लेसहोल्डर मिलेंगे। + +## पहचाने गए उर्दू टेक्स्ट को प्रिंट करें + +अंतिम चरण बस परिणाम को प्रिंट करना है। क्योंकि उर्दू दाएँ‑से‑बाएँ स्क्रिप्ट उपयोग करता है, सुनिश्चित करें कि आपका कंसोल Unicode सपोर्ट करता हो (अधिकांश आधुनिक टर्मिनल करते हैं)। + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +यदि आपको प्रश्न चिह्न या खाली स्ट्रिंग्स दिखें, तो दोबारा जांचें कि आपका कंसोल एन्कोडिंग UTF‑8 पर सेट है (`chcp 65001` विंडोज़ पर, या Java को `-Dfile.encoding=UTF-8` के साथ चलाएँ)। + +## पूर्ण कार्यशील उदाहरण – सभी चरण एक जगह + +नीचे पूरा, कॉपी‑एंड‑पेस्ट‑तैयार प्रोग्राम है। कोई बाहरी रेफ़रेंस नहीं, सिर्फ एक ही Java फ़ाइल। + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +इसे चलाएँ: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +`JAR` संस्करण (`23.10`) को अपने डाउनलोड किए हुए संस्करण से बदलें। कंसोल आपके PNG से निकाली गई उर्दू वाक्य दिखाएगा। + +## सामान्य समस्याएँ और किनारे के केस + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | इमेज बहुत डार्क या कम‑रिज़ॉल्यूशन है। | `BufferedImage` का उपयोग करके इमेज को प्री‑प्रोसेस करें (कॉन्ट्रास्ट बढ़ाएँ, बाइनराइज़ करें) Aspose को फीड करने से पहले। | +| **Garbage characters** | गलत भाषा सेट की गई है (डिफ़ॉल्ट अंग्रेज़ी है)। | सुनिश्चित करें कि `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` को `recognize` से पहले कॉल किया गया है। | +| **License not found** | पाथ में टाइपो या फ़ाइल गायब है। | एक एब्सोल्यूट पाथ उपयोग करें या `.lic` फ़ाइल को क्लासपाथ में रखें और `license.setLicense("Aspose.OCR.lic");` कॉल करें। | +| **Out‑of‑memory on large images** | बड़ी PNG फ़ाइलें हीप को खा लेती हैं। | आंतरिक रूप से डाउनस्केल करने के लिए `ocrEngine.setMaxImageSize(2000);` कॉल करें, या स्वयं इमेज का आकार बदलें। | + +## डेमो का विस्तार + +- **Batch processing:** फ़ोल्डर पर लूप करें, प्रत्येक फ़ाइल को उसी `OcrInput` में जोड़ें, और परिणाम CSV में एकत्र करें। +- **Different languages:** `OcrLanguage.URDU` को `OcrLanguage.ARABIC` से बदलें या कई भाषाओं को मिलाएँ। +- **Saving to file:** `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` का उपयोग करें। + +इन सभी विचारों का निर्माण हमने अभी बनाए **java ocr example** पर आधारित है, जिससे आप समाधान को वास्तविक‑दुनिया के प्रोजेक्ट्स के अनुसार अनुकूलित कर सकते हैं। + +## निष्कर्ष + +अब आपके पास एक ठोस **image to text java** वर्कफ़्लो है जो Aspose OCR का उपयोग करके इमेज से उर्दू अक्षर निकालता है। ट्यूटोरियल ने हर चरण को कवर किया—लाइसेंसिंग और भाषा चयन से लेकर इमेज लोड करने और परिणाम प्रिंट करने तक—ताकि आप कोड को किसी भी Java प्रोजेक्ट में पेस्ट कर सकें और इसका कार्य देख सकें। + +अगला, बड़े PDFs, विभिन्न स्क्रिप्ट्स के साथ प्रयोग करें, या OCR चरण को Spring Boot REST एंडपॉइंट में इंटीग्रेट करने की कोशिश करें। वही सिद्धांत—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hindi/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/hindi/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..51da8727a --- /dev/null +++ b/ocr/hindi/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR Java लाइब्रेरी का उपयोग करके छवि से टेक्स्ट पहचानना और OCR + के लिए छवि लोड करना सीखें। स्पेल‑करेक्टर के साथ चरण‑दर‑चरण मार्गदर्शिका। +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: hi +og_description: Aspose OCR Java का उपयोग करके छवि से पाठ पहचानें। यह ट्यूटोरियल दिखाता + है कि OCR के लिए छवि कैसे लोड करें, वर्तनी सुधार सक्षम करें, और साफ़ पाठ आउटपुट + करें। +og_title: छवि से पाठ पहचानें – पूर्ण Aspose OCR जावा गाइड +tags: +- Java +- OCR +- Aspose +title: Aspose OCR के साथ इमेज से टेक्स्ट पहचानें – जावा ट्यूटोरियल +url: /hi/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज से टेक्स्ट पहचानें Aspose OCR – Java ट्यूटोरियल + +क्या आपको कभी **इमेज से टेक्स्ट पहचानने** की ज़रूरत पड़ी, लेकिन यह तय नहीं कर पाए कि कौन सी लाइब्रेरी चुनें? आप अकेले नहीं हैं। कई वास्तविक‑दुनिया प्रोजेक्ट्स में—जैसे इनवॉइस स्कैन करना, हाथ से लिखे नोट्स को डिजिटल बनाना, या स्क्रीनशॉट से कैप्शन निकालना—सटीक OCR परिणाम प्राप्त करना बहुत महत्वपूर्ण है। + +इस गाइड में हम OCR के लिए इमेज लोड करने, Aspose OCR के बिल्ट‑इन स्पेल करेक्टर को चालू करने, और अंत में साफ़ किया गया टेक्स्ट प्रिंट करने की प्रक्रिया देखेंगे। अंत तक आपके पास एक तैयार‑चलाने‑योग्य Java प्रोग्राम होगा जो कुछ ही लाइनों के कोड से **इमेज से टेक्स्ट पहचानता** है। + +## इस ट्यूटोरियल में क्या कवर किया गया है + +- अपने Aspose OCR लाइसेंस को कैसे लागू करें (ताकि डेमो वॉटरमार्क के बिना चले) +- `OcrEngine` इंस्टेंस बनाना और पहचान भाषा के रूप में English चुनना +- `OcrInput` का उपयोग करके **OCR के लिए इमेज लोड** करें और उसे उन PNG फ़ाइल की ओर इंगित करें जिसमें गलत शब्द हैं +- स्पेल‑करेक्टर को सक्षम करना, वैकल्पिक रूप से एक कस्टम डिक्शनरी की ओर इंगित करना +- पहचान चलाना और सुधारित परिणाम प्रिंट करना + +कोई बाहरी सर्विस नहीं, कोई छिपी हुई कॉन्फ़िगरेशन फ़ाइल नहीं—सिर्फ साधारण Java और Aspose OCR JAR। + +> **Pro tip:** यदि आप Aspose में नए हैं, तो Aspose वेबसाइट से एक मुफ्त 30‑दिन का ट्रायल लाइसेंस प्राप्त करें और `.lic` फ़ाइल को उस फ़ोल्डर में रखें जिसे आप अपने कोड से रेफ़र कर सकते हैं। + +## आवश्यकताएँ + +- Java 8 या उससे नया (कोड JDK 11 के साथ भी कम्पाइल होता है) +- आपके क्लासपाथ में Aspose.OCR for Java JAR +- एक वैध `Aspose.OCR.lic` फ़ाइल (या आप इवैल्यूएशन मोड में चला सकते हैं, लेकिन डेमो में वॉटरमार्क जुड़ जाएगा) +- एक इमेज फ़ाइल (`misspelled.png`) जिसमें जानबूझकर स्पेलिंग त्रुटियों के साथ कुछ टेक्स्ट हो—स्पेल करेक्टर को काम में देखते हुए एकदम सही + +सब कुछ तैयार है? बढ़िया—चलिए शुरू करते हैं। + +## चरण 1: अपना Aspose OCR लाइसेंस लागू करें + +इंजन किसी भी भारी काम को करने से पहले, इसे पता होना चाहिए कि आप लाइसेंसधारी हैं। अन्यथा आउटपुट में आपको “Trial version” बैनर मिलेगा। + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*क्यों यह महत्वपूर्ण है:* लाइसेंसिंग ट्रायल वॉटरमार्क को निष्क्रिय करती है और पूर्ण स्पेल‑करेक्टर डिक्शनरी को अनलॉक करती है। इस चरण को छोड़ने से प्रोग्राम चलेगा, लेकिन आपका आउटपुट “Aspose OCR Demo” टेक्स्ट से भर जाएगा। + +## चरण 2: OCR इंजन बनाएं और कॉन्फ़िगर करें + +अब हम इंजन को शुरू करते हैं और उसे बताते हैं कि कौन सी भाषा उपयोग करनी है। English सबसे सामान्य है, लेकिन Aspose कई भाषाओं को सपोर्ट करता है। + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*हमने भाषा क्यों सेट की:* भाषा मॉडल कैरेक्टर सेट निर्धारित करता है और स्पेल‑करेक्टर के सुझावों को प्रभावित करता है। गलत भाषा का उपयोग करने से सटीकता में काफी गिरावट आ सकती है। + +## चरण 3: स्पेल करेक्शन सक्षम करें और (वैकल्पिक रूप से) कस्टम डिक्शनरी की ओर इंगित करें + +Aspose OCR एक बिल्ट‑इन English डिक्शनरी के साथ आता है, लेकिन यदि आपके पास डोमेन‑स्पेसिफिक शब्द हैं (जैसे मेडिकल जार्गन या प्रोडक्ट कोड), तो आप अपनी खुद की डिक्शनरी प्रदान कर सकते हैं। + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*करेक्टर क्या करता है:* जब OCR इंजन कोई ऐसा शब्द देखता है जो डिक्शनरी में नहीं है, तो वह सबसे नज़दीकी मिलते‑जुलते शब्द से बदलने की कोशिश करता है। इसलिए डेमो “recieve” को स्वचालित रूप से “receive” में बदल सकता है। + +## चरण 4: OCR के लिए इमेज लोड करें + +यह वह भाग है जो सीधे **OCR के लिए इमेज लोड** करने का उत्तर देता है। हम एक `OcrInput` ऑब्जेक्ट बनाते हैं और अपनी PNG फ़ाइल जोड़ते हैं। + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*हम `OcrInput` क्यों उपयोग करते हैं:* यह फ़ाइल‑रीडिंग लॉजिक को एब्स्ट्रैक्ट करता है और आपको बाद में कई पेज़ जोड़ने की सुविधा देता है यदि आपको मल्टी‑पेज PDF या इमेज सेट प्रोसेस करना हो। + +## चरण 5: पहचान चलाएँ और सुधारित टेक्स्ट प्राप्त करें + +इंजन अब भारी काम करता है—कैरेक्टर पहचानना, भाषा मॉडल लागू करना, और अंत में स्पेलिंग सुधारना। + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*अपेक्षित आउटपुट:* मान लीजिए `misspelled.png` में वाक्य “Ths is a smple test” है, तो कंसोल प्रिंट करेगा: + +``` +Corrected text: +This is a simple test +``` + +ध्यान दें कि गलत शब्द (`Ths`, `smple`) स्वचालित रूप से ठीक हो गए हैं। + +## पूर्ण, तैयार‑चलाने‑योग्य उदाहरण + +नीचे पूरा प्रोग्राम एक ब्लॉक में दिया गया है। कॉपी‑पेस्ट करें, पाथ समायोजित करें, और **Run** दबाएँ। + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** यदि आप PNG के बजाय JPEG या BMP प्रोसेस करना चाहते हैं, तो बस फ़ाइल एक्सटेंशन बदल दें—Aspose OCR सभी सामान्य रास्टर फ़ॉर्मेट्स को सपोर्ट करता है। + +## सामान्य प्रश्न एवं किनारे के मामलों + +- **अगर मेरी इमेज लो‑रेज़ोल्यूशन है तो क्या करें?** + Aspose को फीड करने से पहले DPI बढ़ाएँ, जैसे `java.awt.Image` जैसी लाइब्रेरी से री‑स्केल करके। उच्च DPI इंजन को अधिक पिक्सेल देता है, जिससे आमतौर पर सटीकता बेहतर होती है। + +- **क्या मैं एक ही इमेज में कई भाषाएँ पहचान सकता हूँ?** + हाँ। `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` कॉल करें और वैकल्पिक रूप से `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` के माध्यम से भाषाओं की सूची प्रदान करें। + +- **मेरी कस्टम डिक्शनरी उपयोग नहीं हो रही—क्यों?** + सुनिश्चित करें कि फ़ोल्डर में सादा‑टेक्स्ट फ़ाइलें हों, प्रत्येक पंक्ति में एक शब्द हो, और पाथ पूर्ण (absolute) या आपके वर्किंग डायरेक्टरी के सापेक्ष सही हो। + +- **मैं कॉन्फिडेंस स्कोर कैसे निकालूँ?** + `result.getConfidence()` पूरे पेज के लिए 0 और 1 के बीच का फ्लोट रिटर्न करता है। प्रति‑कैरेक्टर कॉन्फिडेंस के लिए `result.getWordList()` देखें। + +## निष्कर्ष + +अब आप जानते हैं कि Aspose OCR for Java का उपयोग करके **इमेज से टेक्स्ट कैसे पहचानें**, **OCR के लिए इमेज कैसे लोड करें**, और सामान्य टाइपो को साफ़ करने के लिए स्पेल‑करेक्टर को कैसे सक्षम करें। ऊपर दिया गया पूर्ण उदाहरण किसी भी Maven या Gradle प्रोजेक्ट में डालने के लिए तैयार है, और कुछ छोटे बदलावों से आप इसे फ़ोल्डर बैच‑प्रोसेसिंग, वेब सर्विस में इंटीग्रेट करने, या डॉक्यूमेंट‑मैनेजमेंट सिस्टम के साथ जोड़ने के लिए स्केल कर सकते हैं। + +अगले कदम के लिए तैयार हैं? मल्टी‑पेज PDF फीड करने की कोशिश करें, उद्योग‑विशिष्ट शब्दावली के लिए कस्टम डिक्शनरी के साथ प्रयोग करें, या आउटपुट को ट्रांसलेशन API में जोड़ें। संभावनाएँ अनंत हैं, और मुख्य पैटर्न—license → engine → language → spell‑corrector → input → recognize → output—वही रहता है। + +कोडिंग का आनंद लें, और आपकी OCR परिणाम हमेशा सटीक रहें! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/advanced-ocr-techniques/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/_index.md index afe12fd84..c7959aaca 100644 --- a/ocr/hongkong/java/advanced-ocr-techniques/_index.md +++ b/ocr/hongkong/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Aspose.OCR for Java 是光學字元辨識 (OCR) 方面的遊戲規則改變者 使用 Aspose.OCR 為您的 Java 應用程式提供精確的文字辨識功能。集成方便，精度高。 ### [在 Aspose.OCR 中指定允許的字符](./specify-allowed-characters/) 使用 Aspose.OCR for Java 無縫解鎖圖片中的文字擷取。請遵循我們的逐步指南以實現高效整合。 +### [在 Aspose OCR GPU 中使用 Java 辨識文字影像](./recognize-text-image-using-aspose-ocr-gpu-java/) +利用 Aspose OCR GPU 加速 Java 應用程式的文字影像辨識，實現高效能與高精度的 OCR 處理。 +### [在 Java 中使用固定執行緒池進行 PNG 並行 OCR](./fixed-thread-pool-java-parallel-ocr-for-png/) +利用固定執行緒池在 Java 中同時處理多個 PNG 圖像的 OCR，提高辨識效能。 +### [預處理影像以進行 OCR – 完整的 Java 指南提升對比度與文字提取](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +透過本完整 Java 教程，學習如何預處理影像、提升對比度，從而改善 OCR 效能與文字提取準確度。 +### [在 Java 中建立 OCR 引擎 – 從大型影像辨識文字](./create-ocr-engine-java-recognize-text-from-large-images/) +使用 Aspose.OCR for Java 建立自訂 OCR 引擎，處理大型影像並高效辨識文字，提升您的應用效能。 + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..0b85de42e --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,254 @@ +--- +category: general +date: 2026-02-17 +description: 建立 OCR 引擎（Java）並快速讀取 TIFF 檔案。學習如何使用 Aspose.OCR 逐步辨識大型影像中的文字。 +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: zh-hant +og_description: 立即建立 OCR 引擎 Java。本教學示範如何在 Java 中讀取 TIFF 檔案，並使用 Aspose.OCR 從大型圖像中辨識文字。 +og_title: 創建 OCR 引擎 Java – 大型圖像文字辨識完整指南 +tags: +- OCR +- Java +- Aspose +title: 建立 OCR 引擎 Java – 從大型圖像辨識文字 +url: /zh-hant/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 建立 OCR 引擎 Java – 從大型圖像辨識文字 + +曾經需要 **create OCR engine Java** 程式碼來處理巨大的 TIFF 地圖，但不知從何入手嗎？你並不孤單——大多數開發者在圖像尺寸超過一般記憶體限制時都會卡住。 + +在本指南中，我們將逐步說明一個完整、可直接執行的範例，該範例 **creates an OCR engine in Java**、示範如何使用 `InputStream` **read TIFF file Java**，最後在不耗盡堆積記憶體的情況下 **recognizes text from large image** 檔案。完成後，你將擁有一個可直接放入任何 Maven 或 Gradle 專案的獨立程式。 + +## 你需要的條件 + +- **Java Development Kit (JDK) 8 or newer** – 程式碼僅使用標準 I/O 以及 Aspose.OCR。 +- **Aspose.OCR for Java** library（截至 2026‑02 的最新版本）– 你可以從 Aspose 官方網站或 Maven Central 取得 JAR。 +- 一個 **large TIFF file**（例如多百萬像素的地圖），你想要進行 OCR。 +- 你的 **Aspose.OCR license file** (`Aspose.OCR.lic`)。若未提供授權檔，引擎會以評估模式運作，且會出現浮水印。 + +> **Pro tip:** 將 TIFF 放在來源資料夾旁邊或使用絕對路徑；引擎會在內部自動切割圖像，無需自行分割。 + +![建立 OCR 引擎 Java 工作流程](ocr-workflow.png){alt="建立 OCR 引擎 Java 工作流程圖"} + +## Step 1 – 套用你的 Aspose.OCR 授權 (Create OCR Engine Java) + +在引擎執行任何繁重工作之前，你必須註冊授權。跳過此步驟會強制使用評估模式，限制頁數並在輸出中加入水印。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* `License` 物件告訴 OCR 引擎解鎖完整解析度的切割演算法，這對有效處理 **large image** 極為重要。 + +## Step 2 – 建立 OCR 引擎實例 (Create OCR Engine Java) + +現在我們啟動核心的 `OcrEngine`。可將其視為稍後讀取像素並輸出 Unicode 文字的大腦。 + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* 對於大多數情況，預設設定已包含自動語言偵測與最佳切割。過度設定反而會在處理巨型檔案時降低速度。 + +## Step 3 – 使用 InputStream 載入 TIFF 檔案 (Read TIFF File Java) + +大型 TIFF 可能高達數百 MB。將整個檔案載入 `BufferedImage` 會使堆積記憶體爆炸。相反地，我們將 `InputStream` 提供給引擎；Aspose.OCR 會即時讀取並切割圖像。 + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* 若你的 TIFF 使用 CCITT Group 4 壓縮，Aspose.OCR 仍能處理，但可設定 `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` 以獲得微幅加速。 + +## Step 4 – 準備 OCR 輸入並提示格式 + +`OcrInput` 物件可容納多張圖像，但本示範僅需一張。提供格式字串 (`"tif"`) 可協助引擎跳過格式偵測，省下數毫秒。 + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* 處理 **large images** 時，每毫秒都很重要。格式提示讓解析器略過昂貴的標頭分析。 + +## Step 5 – 從大型圖像辨識文字 (Recognize Text from Large Image) + +完成所有設定後，實際的 OCR 呼叫只需一行程式碼。引擎會回傳 `OcrResult`，其中包含純文字、信心分數，若需要亦可取得文字框的座標。 + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR 會將 TIFF 分割成可管理的切片（預設 1024 × 1024 px），對每個切片執行神經網路模型，最後將結果拼接。這就是為何你能 **recognize text from large image** 檔案而不需手動前處理。 + +## Step 6 – 顯示擷取文字的預覽 + +將整份文件印到主控台可能會太多。這裡只顯示前 200 個字元，並加上省略號，讓你能快速驗證輸出。 + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*預期的主控台輸出:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +如果看到亂碼，請再次確認已選擇正確的語言（預設為 English）且 TIFF 檔未損毀。 + +## 完整範例 + +將所有部件組合起來，即可得到一個可編譯執行的單一類別： + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +編譯指令： + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +將 `aspose-ocr-23.12.jar` 替換為你實際下載的版本。 + +## 常見問題與技巧 + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | 將 TIFF 載入 `BufferedImage` 而非以串流方式讀取。 | 始終如範例使用 `InputStream`；讓 Aspose 處理切割。 | +| **Blank output** | 檔案副檔名提示錯誤（`"tif"` 與 `"tiff"`）。 | 使用傳給 `add` 的完全相同字串。 | +| **Garbage characters** | 授權未套用或已過期。 | 確認 `.lic` 檔案路徑，並在建立引擎前重新套用授權。 | +| **Slow recognition** | 使用自訂的 `OcrConfiguration` 且設定高 DPI。 | 大多數情況下使用預設值；僅在需要更高精度時才調整。 | + +### 何時調整設定 + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +但請記住，每增加一個選項都可能增加 CPU 時間，尤其在 **large image** 上。請先以單一切片測試。 + +## 後續步驟 + +既然你已了解如何 **create OCR engine Java**、**read TIFF file Java**，以及 **recognize text from large image**，接下來可能想要： + +1. **Export the result to a PDF** – 結合 Aspose.PDF 與 OCR 文字，以產生可搜尋的文件。 +2. **Store bounding boxes** – 使用 `ocrResult.getWords()` 取得座標以進行標示。 +3. **Parallelize tile processing** – 針對超大型衛星影像，啟動多執行緒… + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..858a568ff --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: 學習如何使用 Java 的固定執行緒池，對 PNG 圖像進行平行 OCR 辨識以提取文字，並正確關閉執行服務。 +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: zh-hant +og_description: 了解如何使用固定執行緒池的 Java 並行從 PNG 圖像提取文字、轉換掃描頁面的文字，並安全關閉執行服務。 +og_title: 固定執行緒池 Java – PNG 平行 OCR +tags: +- java +- ocr +- multithreading +- aspose +title: 固定執行緒池 Java – PNG 並行 OCR +url: /zh-hant/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +. + +Let's assemble.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 固定執行緒池 Java – PNG 並行 OCR + +有沒有想過如何使用 **fixed thread pool java** 加速大量 PNG 檔案的 OCR？在本教學中，我們將逐步說明如何並行 **extract text from PNG** 圖片、將 **convert scanned pages text** 轉換為可編輯的字串，並在工作完成後安全地 **shut down executor service**。 + +如果你曾經盯著一個單執行緒的迴圈耗費數分鐘，你一定了解在每頁完成之前必須等待的沮喪。好消息是，只要幾行 Java 程式碼加上 Aspose OCR，你就能釋放所有 CPU 核心的效能，將掃描頁面轉換為可搜尋的文字，並保持應用程式的回應性。 + +以下你會找到一個完整、可直接執行的範例，並附上每個部分重要性的說明、常見陷阱，以及可套用於任何 OCR 函式庫的技巧。 + +--- + +## 你需要的條件 + +- **Java 17**（或任何較新的 JDK）——程式碼僅少量使用現代的 `var` 語法，但在較舊版本上亦可運作。 +- **Aspose.OCR for Java** 函式庫——你可以從 Maven Central 取得，或從 Aspose 下載試用版。 +- 一組你想要處理的 **PNG** 檔案——例如掃描收據、書本頁面或螢幕截圖。 +- 對 Java 並發有基本了解——非必須，但會有幫助。 + +就是這樣。無需外部服務、無需 Docker，只要純粹的 Java 加上一點多執行緒的魔法。 + +--- + +## 步驟 1：新增 Aspose OCR 相依性與授權（可選） + +首先，確保 Aspose OCR JAR 已加入你的 classpath。若使用 Maven，請加入以下內容： + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +如果沒有授權，函式庫會以評估模式執行；程式碼仍可正常運作。若要載入授權（建議於正式環境使用），請將 `Aspose.OCR.lic` 放置於 resources 資料夾，並使用以下程式碼： + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **專業提示：** 請將授權檔案置於版本控制系統之外，以免意外洩漏。 + +--- + +## 步驟 2：建立執行緒安全的 `OcrEngine` 實例 + +只要在各任務間重複使用同一個實例，Aspose OCR 的 `OcrEngine` 即為執行緒安全。只建立一次即可節省記憶體，並避免每張影像都重新初始化引擎的開銷。 + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +為什麼要重複使用？可以把引擎想像成一位需要載入語言模型到記憶體的重量級工作者。每張影像都產生一個新引擎，就像為每個小任務都聘請一位新專家——既昂貴又沒必要。 + +--- + +## 步驟 3：設定 Fixed Thread Pool Java + +現在登場的是本教學的主角：**fixed thread pool java**。我們會將其大小設定為邏輯處理器的數量，讓每個核心都有工作而不會過度分配。 + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +使用 *fixed*（固定）池（而非 cached）可讓資源使用更可預測，並避免在一次收到數百張影像時出現可怕的「記憶體不足」尖峰。 + +--- + +## 步驟 4：列出要處理的 PNG 檔案（Extract Text from PNG） + +收集想要 OCR 的影像路徑。在實際專案中，你可能會掃描目錄或從資料庫讀取；此處我們直接硬編碼幾個範例。 + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **注意：** 檔案副檔名 **png** 很重要，因為 Aspose OCR 會自動偵測格式，但你也可以提供 JPEG 或 TIFF。 + +--- + +## 步驟 5：提交 OCR 任務 – Parallel OCR Processing + +每張影像會變成一個 Callable，回傳辨識出的文字。由於 `OcrEngine` 為共享實例，我們只需將檔案路徑傳入任務即可。 + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +為什麼要用 `Future` 包起來？它讓我們能立即發送所有工作，之後再依提交順序收集結果——在 **convert scanned pages text** 回到文件時，能完美保留頁面順序。 + +--- + +## 步驟 6：取得結果並顯示（Convert Scanned Pages Text） + +現在我們等待每個 `Future` 完成並印出結果。`get()` 呼叫只會阻塞至該任務完成，而不會阻塞整個執行緒池。 + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +典型的主控台輸出如下： + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +如果你想將結果寫入檔案，只需將 `System.out.println` 改為 `Files.writeString` 呼叫即可。 + +--- + +## 步驟 7：乾淨地關閉 Executor Service + +當所有任務完成後，務必 **shut down executor service**；否則 JVM 可能會保留非 daemon 執行緒，導致無法正常結束。 + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +`awaitTermination` 模式讓執行緒池有機會在被強制關閉前完成未完成的工作。忽略此步驟是長時間執行的應用程式常見的記憶體泄漏來源。 + +--- + +## 完整範例程式 + +將上述所有步驟整合起來，以下是完整程式碼，你可以直接複製貼上到 `ParallelBatchDemo.java` 並執行： + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..ebbe31a2f --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,191 @@ +--- +category: general +date: 2026-02-17 +description: 使用 Aspose OCR 在 Java 中預處理圖像以進行 OCR。學習如何提升圖像對比度、設定對比度水平，並在短短幾分鐘內從圖像中辨識文字。 +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: zh-hant +og_description: 使用 Aspose OCR Java 進行影像預處理以供 OCR。本指南說明如何提升影像對比度、設定對比度等級，並快速辨識影像中的文字。 +og_title: 圖像前處理（OCR）– Java 教學：提升對比度與擷取文字 +tags: +- Java +- OCR +- Image Processing +title: OCR 圖像預處理 – 完整 Java 指南：提升對比度與提取文字 +url: /zh-hant/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 預處理影像以進行 OCR – 完整 Java 指南 + +有沒有過想要 **預處理影像以進行 OCR**，卻不清楚哪些設定真的會產生差異？你並不孤單。大多數開發者會把影像直接丟給 OCR 引擎，期待奇蹟發生，結果卻得到雜亂的輸出。在本教學中，我們將一步步示範一個實用的端對端範例，**提升影像對比度**、調整 **對比度等級**，最後使用 Aspose OCR for Java **從影像辨識文字**。 + +完成後，你將擁有一段可重複使用的程式碼片段，能在噪點較多的掃描檔上 **可靠地使用 OCR 抽取文字**。沒有隱藏技巧，只有清晰的步驟與背後的原理說明。 + +## 你需要的環境 + +- Java 17 或更新版本（程式碼可在任何近期 JDK 上編譯） +- Aspose OCR for Java 套件（從官方 Aspose 網站下載） +- 有效的 Aspose OCR 授權檔 (`Aspose.OCR.lic`) +- 想要讀取的輸入影像 (`input.jpg`) +- 喜愛的 IDE 或簡易的命令列環境 + +如果你已備妥上述項目，太好了——直接進入下一步。 + +## 步驟 1：載入 Aspose OCR 授權（主要設定） + +在 OCR 引擎執行任何操作之前，必須先告訴它你已取得授權，否則會看到試用水印。 + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**為什麼這很重要：** 若未正確設定授權，引擎會以評估模式運作，可能會截斷結果或加入水印。提前設定授權也能確保之後的所有預處理選項都在完整功能模式下生效。 + +## 步驟 2：初始化 OCR 引擎 + +建立 `OcrEngine` 實例即可同時取得辨識與預處理管線的存取權。 + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**小技巧：** 若你計畫一次處理大量影像，建議將引擎作為 singleton 使用；它會快取內部資源，提升後續呼叫的速度。 + +## 步驟 3：設定預處理 – 旋轉校正、去噪與對比度增強 + +這裡就是 **預處理影像以進行 OCR** 的關鍵。我們要調整的三個參數如下： + +1. **旋轉校正（Deskew）** – 修正輕微的旋轉角度。 +2. **去噪（Denoise）** – 移除會干擾字元分割的斑點。 +3. **對比度增強（Contrast enhancement）** – 讓深色文字在背景上更突出。 + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### 為什麼要調整對比度等級？ + +提升對比度等級會拉伸影像的直方圖，使暗像素更暗、亮像素更亮。實務上，`1.3f` 的 **對比度等級** 常能在印刷文件上取得最佳平衡；若超過 `1.5f`，則可能使細線條過曝。隨意嘗試即可，因為此設定改變成本低，卻能顯著提升 **從影像辨識文字** 的成功率。 + +## 步驟 4：準備輸入影像 + +`OcrInput` 類別抽象化了檔案處理。如果需要批次處理，你甚至可以一次加入多張影像。 + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**邊緣情況：** 若影像是非標準格式（例如多頁 TIFF），可分別載入每一頁，或先轉換成 PNG/JPEG。 + +## 步驟 5：執行辨識 + +現在引擎會先跑我們剛設定好的預處理管線，然後把清理過的影像交給核心 OCR 演算法。 + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**底層發生了什麼？** Aspose OCR 會先套用旋轉校正，接著執行去噪濾鏡，最後調整對比度，然後將影像送入基於神經網路的辨識器。此順序是刻意設計的，若改變順序可能會導致次佳結果。 + +## 步驟 6：輸出辨識文字 + +最後，我們把抽取出的字串印到主控台。實際應用中，你可能會寫入檔案或傳送至網路。 + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### 預期輸出 + +若 `input.jpg` 內含文字 “Hello World!”，主控台應顯示： + +``` +Hello World! +``` + +如果輸出雜亂，請再次檢查預處理參數——尤其是 **對比度等級** 與 **去噪模式**，並嘗試不同的影像格式。 + +## 加分項目：視覺化預處理後的影像（可選） + +有時你想看看引擎在旋轉校正、去噪與對比度增強之後看到的畫面。Aspose OCR 允許匯出中間位圖： + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +將 `processed.png` 與原始檔並排開啟；你會注意到水平線更直、文字更清晰。這步驟在排除特定掃描失敗原因時相當有用。 + +![預處理影像以進行 OCR 範例](/images/ocr-preprocess-example.png "預處理影像以進行 OCR – 對比度提升前後比較") + +*上圖說明了透過提升對比度與去噪，如何將模糊掃描轉變為乾淨、適合 OCR 的圖片。* + +## 常見陷阱與避免方式 + +| 陷阱 | 為什麼會發生 | 解決方法 | +|------|--------------|----------| +| **過度對比**（`setContrastLevel` 設定過高） | 背景變白，導致細微字元消失 | 大多數印刷文字的對比度等級保持在 **1.1** 到 **1.4** 之間 | +| **旋轉容差過低** | 小幅旋轉未被校正 | 將 `setDeskewAngleTolerance` 提升至 **0.2** 或 **0.3**（適用於掃描書本） | +| **在二值影像上使用 GAUSSIAN 去噪** | 模糊邊緣，導致字元合併 | 對黑白掃描使用 `DenoiseMode.MEDIAN` | +| **缺少授權** | 引擎退回試用模式，結果被截斷 | 確認 `Aspose.OCR.lic` 的路徑正確且檔案可讀取 | + +## 往後的方向：超越基礎預處理 + +既然已能 **預處理影像以進行 OCR** 並 **使用 OCR 抽取文字**，可以考慮以下延伸： + +- **語言套件** – 載入特定語言字典，提升非英文文字的辨識準確度。 +- **感興趣區域（ROI）裁切** – 若只需要頁面的一部分，可只處理該子區域。 +- **批次處理** – 迴圈遍歷資料夾內的多張影像，重複使用同一個 `OcrEngine` 實例以加速。 +- **與 PDF 結合** – 結合 Aspose OCR 與 Aspose PDF，將掃描 PDF 直接轉換為可搜尋的 PDF，形成一條完整管線。 + +上述每個主題都自然包含我們的次要關鍵字：你仍會 **提升影像對比度**、**設定對比度等級**，並在各種情境下 **從影像辨識文字**。 + +## 結論 + +我們已完整說明如何使用 Aspose OCR for Java **預處理影像以進行 OCR**：載入授權、設定旋轉校正、去噪與對比度增強、送入影像，最後 **從影像辨識文字**。有了上述可直接執行的範例，你現在可以在任何適當處理過的圖片上 **使用 OCR 抽取文字**。 + +試著執行程式碼、調整 **對比度等級**，觀察準確度的提升。準備好之後，可探索語言特定模型或批次管線，將單張影像示範升級為生產等級的解決方案。 + +*祝程式開發順利，願你的掃描永遠清晰！* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..72a825571 --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: 使用 Aspose OCR 的 GPU 支援在 Java 中快速辨識文字影像。了解如何從影像提取文字，並設定 GPU 裝置 ID 以獲得最佳效能。 +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: zh-hant +og_description: 在 Java 中使用 Aspose OCR GPU 支援快速辨識文字圖像。本指南說明如何從圖像中提取文字並設定 GPU 裝置 ID。 +og_title: 使用 Aspose OCR GPU 進行文字圖像辨識 – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: 使用 Aspose OCR GPU 進行文字圖像辨識 – Java +url: /zh-hant/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +## Performance Tips" we translated. + +Make sure to keep markdown formatting. + +Now output.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Aspose OCR GPU – Java 識別文字圖像 + +曾經需要在 Java 應用程式中 **recognize text image**，但 CPU 在處理大型檔案時吃緊嗎？你並非唯一遭遇此問題的人——許多開發者在處理高解析度掃描時都會碰到這個瓶頸。好消息是，Aspose OCR 讓你可以在 GPU 上 **extract text from image**，大幅縮短處理時間。 + +在本教學中，我們將逐步示範一個完整、可直接執行的範例，說明如何設定授權、啟用 GPU 加速，以及在擁有多張顯示卡時 **set gpu device id**。完成後，你將擁有一個獨立的程式，能將識別出的文字印到主控台——無需其他步驟。 + +## 需要的條件 + +- **Java 17** 或更新版本（API 相容於 Java 8+，但最新的 LTS 版提供更佳效能）。 +- **Aspose OCR for Java** 函式庫（從 Aspose 官方網站下載 JAR）。 +- 有效的 **Aspose OCR license file**（`Aspose.OCR.lic`）。免費試用版可用，但 GPU 功能需授權版才能啟用。 +- 一個包含清晰機器可讀文字的影像檔（`sample-image.png`）。 +- 支援 GPU 的環境（以相容 NVIDIA CUDA 的顯示卡為佳）。 + +如果上述項目聽起來陌生，別擔心——我們會在教學中逐一說明。 + +## 步驟 1：將 Aspose OCR 加入專案 + +首先，將 Aspose OCR 的 JAR 加入 classpath。若使用 Maven，請在 `pom.xml` 中加入以下相依性： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle 的寫法如下： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +如果偏好手動方式，請將 JAR 放入 `libs/` 資料夾，並在 IDE 中加入模組路徑。 + +> **小技巧：** 請保持版本號與函式庫的發行說明同步；較新版本通常會帶來 GPU 處理效能的優化。 + +## 步驟 2：載入 Aspose OCR 授權（GPU 使用必須） + +若未載入授權，`setEnableGpu(true)` 會默默退回至 CPU 模式。請在 `main` 方法開始時載入授權： + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +將 `YOUR_DIRECTORY` 替換為存放 `.lic` 檔案的絕對或相對路徑。若路徑錯誤，Aspose 會拋出 `FileNotFoundException`，請務必檢查拼寫。 + +## 步驟 3：建立 OCR 引擎並啟用 GPU 加速 + +現在我們實例化 `OcrEngine`，並指示其使用 GPU。`setGpuDeviceId` 方法可在多張顯示卡時選擇特定的卡片。 + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +為什麼需要設定裝置 ID？在多 GPU 伺服器上，你可能會將一張卡片保留給影像前處理，另一張給 OCR。設定 ID 可確保正確的硬體負責繁重運算。 + +## 步驟 4：準備輸入影像 + +Aspose OCR 支援多種格式（PNG、JPG、BMP、TIFF）。將檔案包裝成 `OcrInput` 物件： + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +若需處理串流（例如上傳的檔案），請改用 `ocrInput.add(InputStream)`。 + +## 步驟 5：執行識別程序並取得結果 + +`recognize` 方法會回傳 `OcrResult`，其中包含純文字、信心分數，若需要亦可取得版面資訊。 + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +主控台會顯示類似以下內容： + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +若影像模糊或語言不受支援，結果可能為空。此時請檢查 `ocrResult.getConfidence()`（0‑100）的值，以決定是否需透過前處理重新嘗試。 + +## 完整、可執行範例 + +將上述所有程式碼組合起來，即可得到一個可直接貼到 IDE 中的單一 Java 類別： + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **預期輸出：** 主控台會印出 `sample-image.png` 中的完整文字。若 GPU 已啟用，你會發現處理時間從數秒（CPU）下降至典型 300 dpi 掃描的不到一秒。 + +## 常見問題與特殊情況 + +### 這能在無頭伺服器上運作嗎？ + +可以。只要安裝 GPU 驅動即可，無需顯示器。請確保 `CUDA` 工具組（或相應的 GPU 工具）已加入系統 `PATH`。 + +### 如果有多於一張 GPU，想使用 GPU 1 該怎麼做？ + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### 如何在不同語言下從影像中提取文字？ + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose 支援超過 30 種語言；完整列表請參考 API 文件。 + +### 如果影像包含多頁（例如 PDF 轉成多張影像）該怎麼辦？ + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +引擎會依序串接各頁的結果。 + +### 如何處理低信心的結果？ + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +常見的前處理步驟包括二值化、降噪或調整至 300 dpi。 + +## 效能優化建議 + +- **批次處理：** 將多張影像加入同一個 `OcrInput` 可減少重複初始化 GPU 內容的開銷。 +- **預熱：** JVM 啟動後先執行一次測試識別；首次呼叫會因驅動程式初始化而產生延遲。 +- **記憶體管理：** 完成後釋放大型 `OcrInput` 物件（`ocrInput.clear()`），以釋放 GPU 記憶體。 + +## 結論 + +現在你已了解如何在 Java 中使用 Aspose OCR 的 GPU 引擎高效 **recognize text image**、如何在任何支援的語言中 **extract text from image**，以及在多張顯示卡環境下如何 **set gpu device id**。上述完整可執行的程式碼應可直接使用，只需替換你的授權檔與影像路徑即可。 + +準備好進一步了嗎？試著處理整個掃描 PDF 資料夾、實驗不同的 `setLanguage` 設定，或將 OCR 與機器學習模型結合進行後處理。可能性無窮，而 GPU 加速帶來的效能提升更讓大型專案變得可行。 + +祝開發順利，若遇到任何問題，歡迎留下評論！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/ocr-operations/_index.md b/ocr/hongkong/java/ocr-operations/_index.md index 136197d3a..d084d6e9f 100644 --- a/ocr/hongkong/java/ocr-operations/_index.md +++ b/ocr/hongkong/java/ocr-operations/_index.md @@ -82,6 +82,16 @@ weight: 21 釋放 Aspose.OCR 在 Java 中的強大文字識別。輕鬆識別 TIFF 圖片中的文字。立即下載，獲得無縫的 OCR 體驗。 ### [使用 Aspose OCR 識別圖像文字 – 完整 Java OCR 教學](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) 完整的 Java OCR 教學，示範如何使用 Aspose OCR 識別圖像文字。 +### [使用 Aspose OCR 識別圖像文字 – Java 教學](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +示範如何使用 Aspose OCR 在 Java 中識別圖像文字。 +### [使用 Aspose OCR 於 Java 影像文字提取：提取烏爾都文字](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +示範如何在 Java 中使用 Aspose OCR 從影像中提取烏爾都語文字，提升多語言 OCR 能力。 +### [在 Aspose.OCR for Java 中從圖像建立可搜尋 PDF – 步驟指南](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +示範如何使用 Aspose.OCR for Java 將圖像轉換為可搜尋的 PDF，提供完整步驟與程式碼範例。 +### [如何在 Java 中使用 OCR – 使用 Aspose.OCR 從 PDF 提取文字](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +示範在 Java 中使用 Aspose.OCR 提取 PDF 文字的完整教學與範例程式碼。 +### [如何在 Java 中使用 OCR – 快速識別圖像文字](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +示範如何在 Java 中快速使用 Aspose.OCR 識別圖像文字，提升開發效率。 ## 常見問題 diff --git a/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..4efea44f6 --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: 快速建立可搜尋 PDF：學習如何使用 Aspose OCR 從影像建立 PDF、PDF 儲存選項，並在數分鐘內將影像轉換為可搜尋的 PDF。 +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: zh-hant +og_description: 使用 Aspose OCR 在 Java 中建立可搜尋的 PDF。本指南說明如何從圖像建立 PDF、設定 PDF 儲存選項，以及取得完整可搜尋的文件。 +og_title: 使用 Java 從圖像建立可搜尋 PDF – 完整教學 +tags: +- Aspose OCR +- Java +- PDF generation +title: 在 Java 中從圖像建立可搜尋 PDF – 步驟指南 +url: /zh-hant/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +範例") + +Then closing shortcodes. + +Add remaining shortcodes unchanged. + +Now produce final content with all translations. + +Check for any leftover English text not to translate: code placeholders, class names, method names remain. + +Make sure to keep markdown formatting. + +Proceed.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 在 Java 中從圖像建立可搜尋 PDF – 步驟指南 + +是否曾需要從掃描的圖片**建立可搜尋的 PDF**，卻不確定該選擇哪個 API？你並不孤單——許多開發者在首次嘗試將位圖轉換成可實際搜尋的 PDF 時，都會碰到這個問題。好消息是？使用 Aspose OCR 只需幾行程式碼，即可完成，而且結果與原始圖像完全相同，同時具備文字搜尋功能。 + +在本教學中，我們將逐步說明整個流程：載入授權、將圖像（或多頁 TIFF）輸入 OCR 引擎、調整 **pdf save options**，最後輸出 **image to searchable pdf**。完成後，你將擁有一個即時可用的 Java 程式，能在數秒內產生可搜尋的 PDF。沒有神祕，也不需要「參考文件」的捷徑——只是一個完整、可執行的範例。 + +## 你將學到 + +- 如何**將圖像轉換為 PDF** 並嵌入隱藏的文字層以供搜尋。 +- 應啟用哪些 **pdf save options** 以在檔案大小與辨識精度之間取得最佳平衡。 +- 常見陷阱（例如缺少授權、圖像格式不支援）以及如何避免。 +- 如何驗證輸出確實可搜尋（使用 Adobe Reader 的快速測試）。 + +**Prerequisites:** Java 8 或更新版本、使用 Maven 或 Gradle 取得 Aspose OCR JAR，並具備有效的 Aspose OCR 授權檔案。若尚未取得授權，可於 Aspose 官方網站申請免費試用。 + +--- + +## 步驟 1 – 載入 Aspose OCR 授權（安全建立 PDF 的方式） + +在 OCR 引擎執行任何工作之前，需要先載入授權；否則會得到帶有浮水印的頁面。將你的 `Aspose.OCR.lic` 放在可存取的位置，然後讓 `License` 類別指向它。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **專業提示：** 請將授權檔案放在來源控制目錄之外，以避免意外提交。 + +--- + +## 步驟 2 – 準備 OCR 輸入（將圖像轉換為 PDF） + +Aspose OCR 接受一個 `OcrInput` 物件，可容納一張或多張圖像。此處我們加入單一 PNG，但也可以輸入多頁 TIFF 以進行批次處理。 + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **為什麼重要：** 將圖像加入 `OcrInput` 可將檔案處理與引擎解耦，讓你在單頁或多頁情境下都能重複使用相同程式碼。 + +--- + +## 步驟 3 – 設定 PDF 儲存選項（PDF Save Options 說明） + +`PdfSaveOptions` 類別控制最終 PDF 的建構方式。兩個旗標對於 **searchable pdf** 至關重要： + +1. `setCreateSearchablePdf(true)` – 告訴引擎根據 OCR 結果嵌入隱藏的文字層。 +2. `setEmbedImages(true)` – 保留原始點陣圖，使視覺外觀保持完整。 + +如有需要，你也可以調整 DPI、壓縮或密碼保護等設定。 + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **邊緣情況：** 若將 `setCreateSearchablePdf(false)` 設為 false，輸出將僅為純圖像 PDF——無法搜尋。自動化大量批次時務必再次確認此旗標。 + +--- + +## 步驟 4 – 執行 OCR 並寫入可搜尋 PDF（核心「如何建立 PDF」邏輯） + +現在把所有步驟整合起來。`recognize` 方法對提供的 `OcrInput` 執行 OCR，套用 `PdfSaveOptions`，並將結果串流寫入檔案。 + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### 預期結果 + +執行程式後，使用任何 PDF 檢視器（Adobe Reader、Foxit 等）開啟 `output-searchable.pdf`，嘗試選取文字或使用搜尋框。你應該能找到原本只在圖像中的文字。這就是 **searchable PDF** 的特徵。 + +--- + +## 步驟 5 – 驗證可搜尋層（快速 QA） + +有時 OCR 的信心度可能偏低，特別是低解析度的掃描。快速驗證方法如下： + +1. 在 Adobe Reader 中開啟 PDF。 +2. 按 **Ctrl + F**，輸入你知道在圖像中出現的字詞。 +3. 若字詞被標示，表示隱藏文字層正常運作。 + +若搜尋失敗，請考慮提升來源圖像的 DPI，或透過 `ocrEngine.getLanguage().add("eng")` 啟用特定語言字典。 + +--- + +## 常見問題與注意事項 + +| Question | Answer | +|----------|--------| +| **我可以處理多頁 TIFF 嗎？** | 可以——只需將每一頁加入同一個 `OcrInput`（`ocrInput.add(tiffPath)`）。Aspose OCR 會將每個影格視為獨立頁面。 | +| **如果我沒有授權呢？** | 免費試用版仍可使用，但會在每頁加上浮水印。程式碼保持不變，只需使用試用的 `.lic` 檔案。 | +| **PDF 檔案大小會是多少？** | 啟用 `setEmbedImages(true)` 時，檔案大小大致等於原始圖像大小，加上幾 KB 的隱藏文字。可透過 `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)` 壓縮圖像。 | +| **我需要為 OCR 設定語言嗎？** | 預設 Aspose OCR 使用英文。若需其他語言，請在 `recognize` 前呼叫 `ocrEngine.getLanguage().add("spa")`。 | +| **輸出的 PDF 在行動裝置上可搜尋嗎？** | 絕對可以——大多數行動裝置的 PDF 檢視器都會支援隱藏文字層。 | + +--- + +## 加分項：將示範轉為可重複使用的工具 + +如果你預期在多個專案中需要此功能，請將邏輯封裝成靜態輔助方法： + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +現在你可以在程式碼的任何位置呼叫 `PdfSearchableUtil.convert(...)`，將 **convert image to pdf** 簡化為一行程式碼。 + +--- + +## 結論 + +我們已完整說明如何使用 Aspose OCR 在 Java 中從圖像**建立可搜尋的 PDF**。從載入授權、建立 OCR 輸入、調整 **pdf save options**，到最終寫出 **image to searchable pdf**，本教學提供一個完整、可直接複製貼上的解決方案。 + +接下來可嘗試不同的圖像格式、調整 DPI，或透過 `PdfSaveOptions` 加入密碼保護。你也可以探索批次處理——遍歷掃描資料夾，為每個檔案產生可搜尋的 PDF。 + +如果你覺得本指南有幫助，請在 GitHub 上給予星標或在下方留下評論。祝開發愉快，盡情將枯燥的掃描檔轉變為完整可搜尋的文件！ + +![建立可搜尋 PDF 範例截圖](placeholder-image.png "建立可搜尋 PDF 範例") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..6d9a9a056 --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,231 @@ +--- +category: general +date: 2026-02-17 +description: 如何在 Java 中使用 OCR 從 PDF 提取文字、將 PDF 轉換為圖像，並使用 Aspose.OCR 對掃描的 PDF 檔案執行 + OCR。 +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: zh-hant +og_description: 如何在 Java 中使用 OCR 從 PDF 檔案提取文字。學習將 PDF 轉換為影像，並使用 Aspose.OCR 辨識掃描 PDF。 +og_title: 如何在 Java 中使用 OCR – 完整指南 +tags: +- OCR +- Java +- Aspose +title: 如何在 Java 中使用 OCR – 使用 Aspose.OCR 從 PDF 提取文字 +url: /zh-hant/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何在 Java 中使用 OCR – 使用 Aspose.OCR 從 PDF 提取文字 + +有沒有想過 **如何使用 OCR** 把掃描的 PDF 轉換成可搜尋的文字？你並非唯一遇到這個問題的人。大多數開發者在 PDF 只是一堆影像時會卡住，常見的文字提取工具根本什麼也抓不到。好消息是？只要幾行 Java 程式碼加上 Aspose.OCR，你就能 **從 PDF 提取文字**、**將 PDF 轉換為影像**，以及 **辨識掃描的 PDF**，一次完成，輕鬆無痛。 + +在本教學中，我們將一步步說明你需要了解的所有內容——從授權函式庫到列印最終結果。完成後，你將擁有一個可直接執行的程式，能從任何掃描的報告、發票或電子書中抽取純文字。無需外部服務，無需魔法——只有你掌控的純 Java 程式碼。 + +## 你需要的環境 + +- **Java Development Kit (JDK) 8+** – 任何較新的版本皆可。 +- **Aspose.OCR for Java** JAR（從 Aspose 官方網站下載）。 +- 一個 **有效的 Aspose.OCR 授權檔** (`Aspose.OCR.lic`)。免費試用版可用，但授權可解鎖完整精度。 +- 一個 **範例掃描 PDF**（例如 `scanned-report.pdf`）。 +- IDE 或簡易文字編輯器加上終端機。 + +就這樣。無需 Maven、無需 Gradle、無需額外相依套件——只要把 Aspose.OCR JAR 放在 classpath 上即可。 + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## 步驟 1 – 載入 Aspose.OCR 授權（為何重要） + +在引擎能全速運作之前，你必須告訴它授權檔的位置。跳過此步驟會使函式庫進入評估模式，輸出會加上浮水印，且可能限制精度。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**為何這樣有效：** `License` 類別會讀取 `.lic` 檔並全域註冊。設定完成後，你建立的每個 `OcrEngine` 都會自動使用授權功能。 + +## 步驟 2 – 建立 OCR 引擎（魔法背後的引擎） + +`OcrEngine` 實例是負責掃描影像並輸出文字的主力。可將它視為解讀像素模式的大腦。 + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**小技巧：** 你可以透過引擎屬性調整語言、信心門檻，甚至啟用 GPU 加速。對於大多數英文 PDF，預設值已足夠。 + +## 步驟 3 – 準備輸入：加入 PDF（在背後將 PDF 轉換為影像） + +Aspose.OCR 會把 PDF 的每一頁視為影像。當你呼叫 `addPdf` 時，函式庫會悄悄將每頁光柵化，這正是你在辨識前需要 **將 PDF 轉換為影像** 的步驟。 + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**發生的事：** +- PDF 被開啟。 +- 每頁以 300 dpi（預設）渲染，以保留字元細節。 +- 渲染出的 bitmap 物件被存入 `OcrInput` 集合。 + +如果你需要原始影像（用於除錯或自訂前處理），可在此步驟後呼叫 `ocrInput.getPages()`。 + +## 步驟 4 – 執行 OCR 程序（對 PDF 進行 OCR） + +現在開始進行繁重的運算。`recognize` 方法會遍歷每張影像，執行辨識演算法，並將結果彙總至 `OcrResult`。 + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**為何你需要關注：** `OcrResult` 不僅包含純文字，還有信心分數、邊界框以及原始影像參考。對於大多數使用情境，你只需要 `getText()` 即可。 + +## 步驟 5 – 取得並顯示擷取的文字 + +最後，從結果中取出純文字字串並印出。你也可以將它寫入檔案、送入搜尋索引，或作為下游 NLP 流程的輸入。 + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### 預期輸出 + +如果 `scanned-report.pdf` 包含一段簡單的段落，你會看到類似以下的結果： + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +精確的格式會映射原始版面，盡可能保留換行。 + +## 處理常見的邊緣情況 + +### 1. 多語言 PDF + +如果文件包含法文或西班牙文，請在呼叫 `recognize` 前設定語言： + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +你可以提供語言陣列讓引擎自動偵測。 + +### 2. 低解析度掃描 + +處理 150 dpi 掃描時，請提升內部渲染 DPI： + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +較高的 DPI 能提升字元清晰度，但會佔用更多記憶體。 + +### 3. 大型 PDF（記憶體管理） + +對於頁數多達數十頁的 PDF，請分批處理： + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +此方法可防止 JVM 堆積過大。 + +## 完整、可直接執行的範例 + +以下是完整程式碼——包括匯入與授權處理——你可以直接複製貼上並立即執行。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +使用以下指令執行： + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +你應該會在主控台看到擷取的文字。 + +## 重點回顧 – 我們涵蓋了什麼 + +- **如何在 Java 中使用 OCR** 搭配 Aspose.OCR。 +- **從 PDF 提取文字** 的工作流程。 +- 在內部，函式庫會 **將 PDF 轉換為影像** 再進行字元辨識。 +- **在 PDF 上執行 OCR** 的技巧，包括多語言、低解析度掃描與大型文件。 +- 完整、可執行的程式碼範例，可直接放入任何 Java 專案。 + +## 往後步驟與相關主題 + +既然你已能 **辨識掃描的 PDF**，可以考慮以下後續想法： + +- **可搜尋 PDF 產生** – 將 OCR 文字覆蓋回原始 PDF，生成可搜尋的文件。 +- **批次處理服務** – 把程式碼包裝成 Spring Boot 微服務，透過 REST 接收 PDF。 +- **與 Elasticsearch 整合** – 將擷取的文字建立索引，以在文件庫中快速全文搜尋。 +- **影像前處理** – 使用 OpenCV 在 OCR 前校正或去噪頁面，以提升精度。 + +上述每個主題皆建立在我們探討的核心概念上，歡迎自行實驗，讓 OCR 引擎負責繁重的工作。 + +--- + +*祝程式開發愉快！如果遇到任何問題——例如授權錯誤或意外的 null 結果——歡迎在下方留言。我隨時樂於協助除錯。* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..b60cfce6d --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,262 @@ +--- +category: general +date: 2026-02-17 +description: 學習如何在 Java 中使用 OCR 從圖像檔案識別文字、從 PNG 收據提取文字，並使用 Aspose OCR 將收據轉換為 JSON。 +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: zh-hant +og_description: 一步一步的指南，教你如何在 Java 中使用 OCR 辨識圖像文字、從 PNG 收據中提取文字，並將收據轉換為 JSON。 +og_title: 在 Java 中使用 OCR 的方法 – 從圖像辨識文字 +tags: +- OCR +- Java +- Aspose +- Image Processing +title: 如何在 Java 中使用 OCR – 快速辨識圖像文字 +url: /zh-hant/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +Kong) uses Traditional characters, possibly with some Cantonese style but standard Traditional Chinese is fine. + +Let's translate. + +Also note: "Pro tip:" -> "專業提示：" maybe. + +"Expected Output" -> "預期輸出". + +"Common Questions and Edge Cases" -> "常見問題與邊緣情況". + +"Pro Tips for Production‑Ready OCR" -> "生產環境 OCR 的專業提示". + +"Conclusion" -> "結論". + +Make sure to keep code block placeholders unchanged. + +Now produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何在 Java 中使用 OCR – 快速辨識影像文字 + +有沒有想過 **如何使用 OCR** 從收據照片中抽取文字？也許你已經試過一些線上工具，卻只得到亂碼或是無法解析的格式。好消息是，只要幾行 Java 程式碼，你就能 **辨識影像中的文字**、**從 PNG 收據抽取文字**，甚至 **將收據轉換為 JSON** 供後續處理。 + +在本教學中，我們將一步步走過完整流程——從取得 Aspose OCR 函式庫授權，到產生可直接寫入資料庫或機器學習模型的乾淨 JSON 資料。沒有多餘的說明，只有可直接複製貼上到 IDE 的實作範例。完成後，你將擁有一個獨立程式，能將 `receipt.png` 轉換成可直接使用的 JSON 字串。 + +## 需要的環境 + +- **Java Development Kit (JDK) 8+** – 任意較新的版本皆可。 +- **Aspose OCR for Java** 函式庫（Maven 套件為 `com.aspose:aspose-ocr`）。 +- 一個 **有效的 Aspose OCR 授權檔**（`Aspose.OCR.lic`）。免費試用版可用於測試，但正式授權可移除評估限制。 +- 一張包含欲辨識文字的影像檔（PNG、JPEG 等），假設檔名為 `receipt.png`，並放置於已知資料夾。 +- 你慣用的 IDE（IntelliJ IDEA、Eclipse、VS Code…）——自行選擇即可。 + +> **專業提示：** 請將授權檔放在來源碼資料夾之外，並以絕對或相對路徑引用，避免將授權檔提交至版本控制系統。 + +前置條件說明完畢，接下來直接進入程式碼實作。 + +## 如何使用 OCR – 核心步驟 + +以下是我們將執行的高階步驟概覽： + +1. **載入 Aspose OCR 函式庫** 並套用授權。 +2. **建立 `OcrEngine` 實例** ─ 這是執行 OCR 的核心引擎。 +3. **建立指向欲處理影像的 `OcrInput` 物件**。 +4. **以 `ResultFormat.JSON` 呼叫 `recognize`**，取得抽取文字的 JSON 表示。 +5. **處理 JSON 輸出** ─ 列印、寫入檔案，或進一步解析。 + +每個步驟的詳細說明會在以下章節中展開。 + +## 步驟 1 – 安裝 Aspose OCR 並套用授權 + +若使用 Maven，先在 `pom.xml` 中加入 Aspose OCR 相依性： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +接著在 Java 程式碼中載入授權檔。此步驟必不可少，未授權時函式庫會以評估模式執行，且可能在輸出中加入浮水印。 + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **為什麼重要：** `License` 物件告訴 OCR 引擎你已取得完整功能授權，包含高精度辨識與 JSON 匯出。若省略此步驟仍能 **辨識影像中的文字**，但結果可能受到限制。 + +## 步驟 2 – 建立 OCR 引擎實例 + +`OcrEngine` 類別是所有 OCR 操作的入口點。它就像「大腦」一樣，負責讀取像素並判斷對應的字元。 + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +之後你可以自行客製化引擎（例如設定語言、啟用去斜）以因應收據使用非拉丁文字或掃描角度偏斜的情況。對於大多數美國收據，預設值已足夠。 + +## 步驟 3 – 載入欲處理的影像 + +現在把 OCR 引擎指向保存收據的檔案。`OcrInput` 類別可以接受多張影像，但本教學僅示範單一 PNG。 + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +若需要批次 **從 PNG 抽取文字**，只要重複呼叫 `input.add()` 或傳入檔案路徑清單即可。 + +## 步驟 4 – 辨識文字並將收據轉換為 JSON + +以下程式碼是本教學的核心。我們要求引擎辨識文字，並以 JSON 格式回傳結果。`ResultFormat.JSON` 旗標會自動完成所有轉換工作。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON 內容包含每一行的文字、邊界框、信心分數以及原始文字。這樣的結構讓 **將收據轉換為 JSON** 變得非常簡單，之後即可送入任何下游 API。 + +## 步驟 5 – 整合程式並執行 + +以下是完整、可直接執行的 Java 類別，將前面的步驟串起來。將檔案存為 `JsonExportDemo.java`（或自行命名），然後在 IDE 或命令列執行。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### 預期輸出 + +執行程式後會印出類似下列的 JSON 字串（實際內容取決於你的收據）： + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +現在你可以把這段 JSON 輸入資料庫、REST 端點，或資料分析管線。**將收據轉換為 JSON** 的步驟已為你完成。 + +## 常見問題與邊緣情況 + +### 影像如果被旋轉該怎麼辦？ + +Aspose OCR 會自動偵測並校正輕微的旋轉。若影像嚴重傾斜，可在辨識前呼叫 `engine.getImagePreprocessingOptions().setDeskew(true)`。 + +### 如何處理多語言？ + +使用 `engine.getLanguage()` 設定目標語言，例如 `engine.setLanguage(Language.FRENCH)`。當收據包含多語言文字時，這對 **辨識影像中的文字** 特別有用。 + +### 能否輸出純文字而非 JSON？ + +當然可以。將 `ResultFormat.JSON` 改為 `ResultFormat.TEXT`，然後呼叫 `result.getText()` 即可。 + +### 能否限制 OCR 只辨識特定區域？ + +可以──使用 `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` 只聚焦於收據區域，這樣可提升速度與準確度。 + +## 生產環境 OCR 的專業提示 + +- **快取 License 物件**：若在迴圈中處理大量檔案，重複建立 License 會增加開銷。 +- **批次處理**：將所有收據路徑加入同一個 `OcrInput`，一次呼叫 `recognize`。JSON 會包含每頁的陣列。 +- **驗證 JSON**：取得字串後，使用 Jackson 等函式庫解析，確保格式正確再寫入。 +- **監控信心分數**：JSON 中的 `confidence` 欄位可用來過濾低於門檻（例如 0.85）的行，避免雜訊資料。 +- **保護授權檔**：將 `Aspose.OCR.lic` 存放於安全金庫或環境變數，特別是在雲端部署時。 + +## 結論 + +我們已說明 **如何在 Java 中使用 OCR** 來 **辨識影像中的文字**、**從 PNG 收據抽取文字**，以及 **將收據轉換為 JSON**，全部透過簡潔的端到端範例。步驟清晰、程式可直接執行，且 JSON 輸出提供結構化資料，方便任何下游系統使用。 + +接下來，你可以探索更進階的情境：將 JSON 丟入 Apache Kafka 進行即時處理、使用正規表達式抽取項目金額，或整合雲端 OCR 服務以提升可擴充性。無論選擇哪條路，今天學到的基礎都將是堅實的根基。 + +有任何問題，或在實作過程中遇到卡關，歡迎在下方留言，我們一起排除故障。祝開發順利，玩得開心，將雜亂的收據影像轉變為乾淨、可搜尋的資料吧！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/hongkong/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..a9de26e67 --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,178 @@ +--- +category: general +date: 2026-02-17 +description: 圖像轉文字 Java 教學：學習如何使用 Aspose OCR 從圖像中提取烏爾都文字。附帶完整的 Java OCR 範例。 +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: zh-hant +og_description: 圖像轉文字 Java 教程展示如何使用 Aspose OCR 從圖像中提取烏爾都文。請按照完整的 Java OCR 範例逐步操作。 +og_title: 圖像轉文字 Java：使用 Aspose OCR 提取烏爾都文 +tags: +- OCR +- Java +- Aspose +title: 圖像轉文字 Java：使用 Aspose OCR 提取烏爾都文 +url: /zh-hant/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java：使用 Aspose OCR 提取烏爾都文字 + +如果你需要將烏爾都文文件進行 **image to text java** 轉換，你來對地方了。是否曾好奇過 *如何從手寫筆記或掃描的報紙頁面圖片中提取文字*？本指南將帶你一步步完成一個 **java ocr example**，使用 Aspose OCR 從圖片中直接提取烏爾都字符。 + +我們將從授權庫到在主控台列印結果全部說明。完成後，你將能夠 **load image ocr** 檔案、將語言設定為 Urdu，並取得乾淨的 Unicode 輸出——不需要額外工具。 + +## 需要的條件 + +- **Java Development Kit (JDK) 8+** – 此程式碼可在任何較新的 JDK 上執行。 +- **Aspose.OCR for Java** JAR（從 Aspose 官方網站下載）。 +- 有效的 **Aspose OCR license** 檔案 (`Aspose.OCR.lic`)。 +- 包含烏爾都文字的圖片，例如 `urdu-sample.png`。 + +具備以上基礎後，你就可以直接進入程式碼，無需再搜尋缺少的相依套件。 + +## image to text java – 設定 Aspose OCR + +首先，我們需要告訴 Aspose 我們已有授權。若未設定授權，函式庫會以評估模式執行，並在輸出中加入浮水印。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** 授權會移除 5 秒的處理限制，並解鎖 2025‑Q3 新增的完整 Urdu 語言套件。若跳過此步驟，OCR 引擎仍能運作，但結果中會出現微小的「Evaluation」標記。 + +## How to Extract Text – Initialize the OCR Engine + +現在我們建立引擎，並明確告訴它我們要處理 Urdu。`OcrLanguage.URDU` 常數會啟用正確的字元集與分割規則。 + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** 若需要在一次執行中處理多種語言，可傳入以逗號分隔的清單，例如 `OcrLanguage.ENGLISH, OcrLanguage.URDU`。引擎會自動偵測每個區域的語言。 + +## Load Image OCR – Preparing the Input + +Aspose 使用 `OcrInput` 物件來保存一張或多張圖片。此處我們 **load image ocr** 資料自本機檔案。 + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Replace `YOUR_DIRECTORY` with the absolute path or a relative path from your project root. If the file isn’t found, Aspose throws a `FileNotFoundException`. A quick check with `new File(path).exists()` can save you a lot of debugging time. + +## Recognize the Text – Running the OCR Process + +在引擎配置完成且圖片載入後，我們最終呼叫 `recognize`。此方法會回傳包含擷取字串的 `OcrResult`。 + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** OCR 引擎會先將圖片切割成行，再切割成字元，並套用 Urdu 專屬的形狀規則（如連字形）。因此提前設定語言相當重要，否則會得到亂碼的拉丁字元佔位符。 + +## Print the Recognized Urdu Text + +最後一步只需要將結果印出。因為 Urdu 採用從右至左的書寫方向，請確保你的主控台支援 Unicode（大多數現代終端機皆支援）。 + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +如果看到問號或空字串，請再次確認主控台編碼已設定為 UTF‑8（Windows 上使用 `chcp 65001`，或以 `-Dfile.encoding=UTF-8` 參數執行 Java）。 + +## Full Working Example – All Steps in One Place + +以下是完整、可直接複製貼上的程式。沒有外部參考，只需單一 Java 檔案。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +將 JAR 版本（`23.10`）換成你下載的版本即可。執行後，主控台應顯示從 PNG 中擷取出的 Urdu 句子。 + +## Common Pitfalls & Edge Cases + +| 問題 | 發生原因 | 解決方法 | +|------|----------|----------| +| **Empty output** | 圖片過暗或解析度太低。 | 在送入 Aspose 前使用 `BufferedImage` 進行前處理（提升對比、二值化）。 | +| **Garbage characters** | 語言設定錯誤（預設為 English）。 | 確保在 `recognize` 之前呼叫 `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);`。 | +| **License not found** | 路徑拼寫錯誤或檔案遺失。 | 使用絕對路徑，或將 `.lic` 檔放入 classpath，並呼叫 `license.setLicense("Aspose.OCR.lic");`。 | +| **Out‑of‑memory on large images** | 大型 PNG 佔用過多記憶體。 | 呼叫 `ocrEngine.setMaxImageSize(2000);` 讓引擎內部縮小，或自行調整圖片大小。 | + +## Extending the Demo + +- **Batch processing:** 迴圈遍歷資料夾，將每個檔案加入同一個 `OcrInput`，並將結果匯出為 CSV。 +- **Different languages:** 將 `OcrLanguage.URDU` 換成 `OcrLanguage.ARABIC`，或同時加入多種語言。 +- **Saving to file:** 使用 `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` 將結果寫入檔案。 + +所有這些想法皆基於我們剛完成的 **java ocr example**，讓你能依實際專案需求客製化解決方案。 + +## Conclusion + +你現在已擁有一套完整的 **image to text java** 工作流程，能使用 Aspose OCR 從圖片中提取 Urdu 字元。本文從授權、語言選擇、載入圖片到列印結果逐步說明，讓你可以直接把程式碼貼入任何 Java 專案並看到效果。 + +接下來，試著對較大的 PDF、不同的文字系統，或將 OCR 步驟整合到 Spring Boot REST 端點中進行實驗。相同的原則——**how to extract text**、**load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hongkong/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/hongkong/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..90d04f10a --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,196 @@ +--- +category: general +date: 2026-02-17 +description: 學習如何使用 Aspose OCR Java 函式庫辨識圖像中的文字並載入圖像進行 OCR。一步步指南，包含拼寫校正功能。 +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: zh-hant +og_description: 使用 Aspose OCR Java 從圖像識別文字。本教程展示如何載入圖像進行 OCR、啟用拼寫校正，並輸出乾淨的文字。 +og_title: 從圖像辨識文字 – 完整 Aspose OCR Java 指南 +tags: +- Java +- OCR +- Aspose +title: 使用 Aspose OCR 從圖像辨識文字 – Java 教學 +url: /zh-hant/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Aspose OCR 進行影像文字辨識 – Java 教學 + +曾經需要 **從影像中辨識文字**，卻不確定該選哪個函式庫嗎？你並不孤單。在許多實務專案中——例如掃描發票、數位化手寫筆記，或從螢幕截圖中抽取說明文字——取得精確的 OCR 結果相當關鍵。 + +本教學將示範如何載入影像供 OCR 使用、開啟 Aspose OCR 內建的拼字校正功能，最後印出已清理過的文字。完成後，你將擁有一個可直接執行的 Java 程式，只需幾行程式碼即可 **從影像中辨識文字**。 + +## 本教學涵蓋內容 + +- 如何套用 Aspose OCR 授權（讓示範執行時不會出現浮水印） +- 建立 `OcrEngine` 實例並選擇英文作為辨識語言 +- 使用 `OcrInput` **載入影像供 OCR**，指向含有拼寫錯誤的 PNG 檔案 +- 開啟拼字校正器，並可選擇自訂字典 +- 執行辨識並印出校正後的結果 + +全程不需外部服務、也不需要隱藏的設定檔——只要純 Java 加上 Aspose OCR JAR。 + +> **專業提示：** 若你是第一次接觸 Aspose，請前往 Aspose 官方網站取得 30 天免費試用授權，並將 `.lic` 檔案放入程式碼可參考的資料夾中。 + +## 前置需求 + +- Java 8 或更新版本（程式碼同樣可在 JDK 11 上編譯） +- Aspose.OCR for Java JAR 已加入 classpath +- 有效的 `Aspose.OCR.lic` 檔案（或以評估模式執行，但示範會加上浮水印） +- 一張名為 `misspelled.png` 的影像檔，內含刻意拼寫錯誤的文字——非常適合觀察拼字校正器的效果 + +都準備好了嗎？好，讓我們開始吧。 + +## 第 1 步：套用 Aspose OCR 授權 + +在引擎開始任何繁重工作之前，必須先告訴它你已取得授權。否則輸出畫面會出現「Trial version」標語。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*為什麼這一步很重要：* 授權會關閉試用版浮水印，並解鎖完整的拼字校正字典。跳過此步驟雖然可以執行，但輸出會被「Aspose OCR Demo」文字污染。 + +## 第 2 步：建立並設定 OCR 引擎 + +現在我們啟動引擎，並告訴它要使用哪種語言。英文是最常見的選擇，但 Aspose 支援數十種語言。 + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*為什麼要設定語言：* 語言模型決定字元集合，並影響拼字校正的建議。使用錯誤的語言會大幅降低辨識準確度。 + +## 第 3 步：啟用拼字校正並（可選）指定自訂字典 + +Aspose OCR 內建英文字典，但若你有領域專屬詞彙（例如醫學術語或產品代碼），也可以自行提供。 + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*校正器的功能：* 當 OCR 引擎發現字典中不存在的單字時，會嘗試以最相近的詞彙取代。這就是為什麼示範能自動把「recieve」改成「receive」的原因。 + +## 第 4 步：載入影像供 OCR + +以下程式碼直接回應 **載入影像供 OCR** 的需求。我們建立 `OcrInput` 物件，並加入 PNG 檔案。 + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*為什麼使用 `OcrInput`：* 它抽象化了檔案讀取的細節，未來若需處理多頁 PDF 或多張影像，只要再加入頁面即可。 + +## 第 5 步：執行辨識並取得校正後文字 + +現在引擎開始正式工作——辨識字元、套用語言模型，最後進行拼字校正。 + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*預期輸出：* 假設 `misspelled.png` 內的文字為「Ths is a smple test」，控制台會印出： + +``` +Corrected text: +This is a simple test +``` + +可看到錯誤的單字（`Ths`、`smple`）已自動被修正。 + +## 完整、可直接執行的範例 + +以下是一次寫好的完整程式碼。直接複製、調整路徑後即可 **執行**。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**小技巧：** 若想改用 JPEG 或 BMP 而非 PNG，只要更改檔案副檔名即可——Aspose OCR 支援所有常見的點陣圖格式。 + +## 常見問題與進階情境 + +- **影像解析度太低怎麼辦？** + 在送給 Aspose 之前先以 `java.awt.Image` 等函式庫提升 DPI（重新縮放）。較高的 DPI 會提供更多像素給引擎，通常能提升準確度。 + +- **同一張影像想辨識多種語言可以嗎？** + 可以。呼叫 `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);`，並可透過 `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` 追加其他語言。 + +- **自訂字典沒被使用，原因是？** + 請確認資料夾內的檔案為純文字、每行一個單字，且路徑為絕對路徑或相對於工作目錄正確。 + +- **如何取得信心分數？** + `result.getConfidence()` 會回傳 0 到 1 之間的浮點數，代表整頁的信心分數。若要取得每個字元的信心，可探索 `result.getWordList()`。 + +## 結論 + +現在你已掌握如何使用 Aspose OCR for Java **從影像中辨識文字**、**載入影像供 OCR**，以及啟用拼字校正器來修正常見錯字。上方的完整範例可直接放入任何 Maven 或 Gradle 專案，稍作調整即可批次處理資料夾、串接成 Web 服務，或整合至文件管理系統。 + +準備好進一步挑戰了嗎？試著處理多頁 PDF、為特定產業建立自訂字典，或將輸出串接至翻譯 API。可能性無限，而核心流程——授權 → 引擎 → 語言 → 拼字校正 → 輸入 → 辨識 → 輸出——始終如一。 + +祝開發順利，願你的 OCR 結果永遠精準無誤！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/advanced-ocr-techniques/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/_index.md index 622639535..0ffac0a94 100644 --- a/ocr/hungarian/java/advanced-ocr-techniques/_index.md +++ b/ocr/hungarian/java/advanced-ocr-techniques/_index.md @@ -43,27 +43,22 @@ Engedélyezze Java-alkalmazásait az Aspose.OCR segítségével a pontos szöveg ## [Engedélyezett karakterek megadása az Aspose.OCR-ben](./specify-allowed-characters/) -Könnyedén kivonhatja a szöveget a képekből az engedélyezett karakterek megadásával az Aspose.OCR for Java segítségével. Kövesse lépésről lépésre szóló útmutatónkat a hatékony integráció érdekében, biztosítva a zökkenőmentes szövegfelismerési élményt. Bővítse Java-alkalmazásait az Aspose.OCR képességekkel. - -## Következtetés - -Az Aspose.OCR for Java segítségével a fejlett OCR technikák elsajátítása még soha nem volt ilyen egyszerű. Merüljön el ezekben az oktatóanyagokban, és aknázza ki a szövegfelismerésben rejlő lehetőségeket Java-projektjeiben. Emelje fel alkalmazásait a zökkenőmentes integrációval, nagy pontossággal és sokoldalú szövegkivonási lehetőségekkel. Töltse le most, és tegye meg az első lépést az OCR kiválóság felé az Aspose.OCR for Java segítségével! -## Speciális OCR-technikák oktatóanyagok -### [OCR végrehajtása a BufferedImage-en az Aspose.OCR for Java-ban](./perform-ocr-buffered-image/) -Végezzen OCR-t könnyedén a BufferedImage-en az Aspose.OCR for Java segítségével. Zökkenőmentesen vonja ki a szöveget a képekből. Töltse le most a sokoldalú szövegfelismerési élményért. -### [OCR végrehajtása az URL-ből származó képen az Aspose.OCR for Java-ban](./perform-ocr-image-from-url/) -Oldja fel a zökkenőmentes képszöveg-kivonást Java nyelven az Aspose.OCR segítségével. Nagy pontosságú OCR egyszerű integrációval. -### [OCR végrehajtása adott oldalon az Aspose.OCR-ben](./perform-ocr-on-page/) -Fedezze fel az Aspose.OCR for Java erejét lépésenkénti útmutatónkkal az OCR végrehajtásáról bizonyos oldalakon. Könnyedén kivonhatja a szöveget a képekből, és javíthatja Java-projektjeit. -### [Téglalapok előkészítése OCR-hez az Aspose.OCR-ben](./prepare-rectangles-for-ocr/) -Fedezze fel a szövegfelismerés erejét az Aspose.OCR for Java segítségével. Kövesse lépésenkénti útmutatónkat a zökkenőmentes integráció érdekében. Bővítse Java-alkalmazásait hatékony OCR-képességekkel. -### [Vonalak felismerése az Aspose.OCR for Java-ban](./recognize-lines/) -Engedélyezze Java-alkalmazásait az Aspose.OCR segítségével a pontos szövegfelismerés érdekében. Könnyű integráció, nagy pontosság. -### [Engedélyezett karakterek megadása az Aspose.OCR-ben](./specify-allowed-characters/) Az Aspose.OCR for Java segítségével zökkenőmentesen oldja fel a szövegkivonást a képekből. Kövesse lépésenkénti útmutatónkat a hatékony integráció érdekében. + +### [OCR motor létrehozása Java-ban – Szöveg felismerése nagy képeken](./create-ocr-engine-java-recognize-text-from-large-images/) +Ismerje meg, hogyan hozhat létre OCR motor-t Java-ban, és hogyan ismerheti fel a szöveget nagy felbontású képeken. + +## [Szöveges kép felismerése az Aspose OCR GPU-val – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Használja az Aspose OCR GPU-t a szöveges képek gyors és pontos felismeréséhez Java-ban. + +## [Fix szálú pool Java – párhuzamos OCR PNG-hez](./fixed-thread-pool-java-parallel-ocr-for-png/) + +## [Képfeldolgozás OCR-hez – Teljes Java útmutató a kontraszt növeléséhez és a szöveg kinyeréséhez](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Növelje a képek kontrasztját és javítsa a szövegfelismerést Java-ban egy átfogó előfeldolgozó útmutatóval. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..4c47a962c --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,258 @@ +--- +category: general +date: 2026-02-17 +description: Készíts OCR motor Java-ban, és gyorsan olvasd be a TIFF fájlt Java-val. + Tanulja meg, hogyan ismerje fel a szöveget nagy képről az Aspose.OCR használatával + egy lépésről‑lépésre útmutatóban. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: hu +og_description: Készítsen OCR motor Java-ban most. Ez a bemutató megmutatja, hogyan + olvassunk be TIFF fájlt Java-ban, és hogyan ismerjünk fel szöveget nagy képen az + Aspose.OCR használatával. +og_title: OCR motor létrehozása Java‑ban – Teljes útmutató a nagy képméretű szövegfelismeréshez +tags: +- OCR +- Java +- Aspose +title: OCR motor létrehozása Java-ban – Szöveg felismerése nagy képekből +url: /hu/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Create OCR Engine Java – Recognize Text from Large Images + +Szükséged volt már **create OCR engine Java** kódra, amely képes kezelni egy hatalmas TIFF térképet, de nem tudtad, hol kezdjed? Nem vagy egyedül – a legtöbb fejlesztő szembe ütközik a memóriakorlátokkal, amikor a kép mérete meghaladja a szokásos határokat. + +Ebben az útmutatóban egy teljes, azonnal futtatható példán keresztül vezetünk végig, amely **creates an OCR engine in Java**, megmutatja, hogyan **read TIFF file Java** egy `InputStream`‑mel, és végül **recognizes text from large image** fájlokból anélkül, hogy a heap kimerülne. A végére egy önálló programod lesz, amelyet bármely Maven vagy Gradle projektbe beilleszthetsz. + +## What You’ll Need + +- **Java Development Kit (JDK) 8 vagy újabb** – a kód csak standard I/O‑t és az Aspose.OCR‑t használja. +- **Aspose.OCR for Java** könyvtár (a legújabb verzió 2026‑02‑ig) – a JAR‑t letöltheted az Aspose weboldaláról vagy a Maven Central‑ról. +- Egy **large TIFF file** (pl. többmegapixeles térkép), amelyet OCR‑ölni szeretnél. +- A **Aspose.OCR license file** (`Aspose.OCR.lic`). Enélkül a motor értékelő módban működik, és vízjelet ad a kimenethez. + +> **Pro tip:** Tedd a TIFF‑et a forrásmappád mellé, vagy használj abszolút elérési utat; a motor belsőleg csempészi a képet, így neked nem kell manuálisan felosztani. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java workflow diagram"} + +## Step 1 – Apply Your Aspose.OCR License (Create OCR Engine Java) + +Mielőtt a motor bármilyen nehéz feladatot végezne, regisztrálnod kell a licencet. Ennek kihagyása értékelő módot aktivál, amely korlátozza az oldalak számát és bannert ad a kimenethez. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* A `License` objektum azt mondja az OCR motornak, hogy oldja fel a teljes felbontású csempézési algoritmust, ami elengedhetetlen a **large image** hatékony feldolgozásához. + +## Step 2 – Instantiate the OCR Engine (Create OCR Engine Java) + +Most felállítjuk a központi `OcrEngine`‑t. Gondolj rá úgy, mint egy agyra, amely később beolvassa a pixeleket és Unicode szöveget ad vissza. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* A legtöbb esetben az alapbeállítások már tartalmazzák az automatikus nyelvfelismerést és az optimális csempézést. A túlzott konfigurálás valójában lelassíthatja a folyamatot hatalmas fájlok esetén. + +## Step 3 – Load the TIFF File Using an InputStream (Read TIFF File Java) + +A nagy TIFF‑ek több száz megabájtot is elérhetnek. Az egész fájl betöltése egy `BufferedImage`‑be a heap‑et felrobbantaná. Ehelyett egy `InputStream`‑et adunk a motornak; az Aspose.OCR a repülőben olvassa és csempészi a képet. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* Ha a TIFF‑ed CCITT Group 4‑gyel van tömörítve, az Aspose.OCR még mindig kezeli, de érdemes beállítani `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` a kis sebességnövekedésért. + +## Step 4 – Prepare the OCR Input and Hint the Format + +Az `OcrInput` objektum több képet is tárolhat, de ebben a demóban csak egyre van szükségünk. A formátum string (`"tif"`) megadása segíti a motort, hogy kihagyja a formátum felismerést, így néhány ezredmásodpercet spórolhatunk. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* **Large images** esetén minden ezredmásodperc számít. A formátum tippje azt mondja a parsernek, hogy hagyja ki a költséges fejléc‑elemzést. + +## Step 5 – Recognize Text from the Large Image (Recognize Text from Large Image) + +Miután minden összekapcsolódott, az OCR hívás egyetlen sor. A motor egy `OcrResult`‑et ad vissza, amely tartalmazza a sima szöveget, a biztonsági pontszámokat, és akár a körülhatároló dobozokat is, ha később szükséged van rájuk. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Az Aspose.OCR a TIFF‑et kezelhető csempékre bontja (alapértelmezett 1024 × 1024 px), minden csempén lefuttatja a neurális háló modellt, majd összefűzi az eredményeket. Ezért tudsz **recognize text from large image** fájlokból anélkül, hogy manuális előfeldolgozást végeznél. + +## Step 6 – Display a Preview of the Extracted Text + +Az egész dokumentum kiírása a konzolra elboríthat. Mutassuk csak az első 200 karaktert, egy hárompontos jelzéssel, hogy egy pillantással ellenőrizhesd a kimenetet. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Ha értelmetlen karaktereket látsz, ellenőrizd, hogy a megfelelő nyelv van‑e kiválasztva (alapértelmezett az angol) és hogy a TIFF nem sérült. + +## Full Working Example + +Az összes darab összeillesztésével egyetlen osztályt kapsz, amelyet lefordíthatsz és futtathatsz: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Cseréld le a `aspose-ocr-23.12.jar`‑t a letöltött tényleges verzióra. + +## Common Pitfalls & Tips + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | A TIFF betöltése `BufferedImage`‑be a streaming helyett. | Mindig használd a `InputStream`‑et, ahogy mutattuk; hagyd, hogy az Aspose a csempézést végezze. | +| **Blank output** | Rossz fájlkiterjesztés tipp (`"tif"` vs `"tiff"`). | Használd pontosan azt a stringet, amelyet az `add`‑hoz adtál. | +| **Garbage characters** | Licenc nincs alkalmazva vagy lejárt. | Ellenőrizd a `.lic` fájl útvonalát és regisztráld újra a motor létrehozása előtt. | +| **Slow recognition** | Egyedi `OcrConfiguration` magas DPI‑val. | Maradj az alapértelmezéseknél a legtöbb esetben; csak akkor módosíts, ha nagyobb pontosságra van szükség. | + +### When to Adjust Settings + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +De ne feledd, minden extra opció növelheti a CPU‑időt, különösen egy **large image** esetén. Először egyetlen csempével tesztelj. + +## Next Steps + +Most, hogy tudod, hogyan **create OCR engine Java**, **read TIFF file Java**, és **recognize text from large image**, érdemes lehet: + +1. **Export the result to a PDF** – kombináld az Aspose.PDF‑et az OCR‑szöveggel kereshető dokumentumokhoz. +2. **Store bounding boxes** – használd a `ocrResult.getWords()`‑t a koordináták lekéréséhez kiemeléshez. +3. **Parallelize tile processing** – ultra‑nagy műholdképek esetén indíts egy + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..d8ee45903 --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,243 @@ +--- +category: general +date: 2026-02-17 +description: Tanulja meg, hogyan használjon fix szálkészletet Java-ban a PNG képek + szövegének párhuzamos OCR feldolgozással történő kinyeréséhez, és hogyan állítsa + le megfelelően az executor szolgáltatást. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: hu +og_description: Fedezze fel, hogyan tud egy fix szálkészletű Java párhuzamosan szöveget + kinyerni PNG képekből, átalakítani a beolvasott oldalak szövegét, és biztonságosan + leállítani az executor szolgáltatást. +og_title: fix szálkészlet Java – párhuzamos OCR PNG-hez +tags: +- java +- ocr +- multithreading +- aspose +title: Fix szálkészlet Java – párhuzamos OCR PNG-hez +url: /hu/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fix szálkészlet Java – párhuzamos OCR PNG-hez + +Valaha is elgondolkodtál, hogyan lehet felgyorsítani az OCR-t egy csomó PNG fájlon a **fixed thread pool java** használatával? Ebben az útmutatóban végigvezetünk a **extract text from PNG** képek párhuzamos feldolgozásán, a **convert scanned pages text** szerkeszthető karakterláncokká alakításán, és biztonságosan **shut down executor service** a munka befejezése után. + +Ha már valaha egy egy‑szálas ciklusra bámultál, amely perceken át húzódik, ismered azt a frusztrációt, amikor minden oldal befejezésére vársz, mielőtt a következő elindulna. A jó hír? Néhány Java‑sorral és az Aspose OCR‑rel kiaknázhatod az összes CPU‑magod erejét, a beolvasott oldalakat kereshető szöveggé alakíthatod, és az alkalmazásod továbbra is reagálékony marad. + +Alább egy teljes, azonnal futtatható példát találsz, valamint magyarázatot arra, hogy miért fontos minden rész, gyakori buktatókat és tippeket, amelyeket bármely OCR‑könyvtárra alkalmazhatsz. + +--- + +## Amire szükséged lesz + +- **Java 17** (vagy bármely újabb JDK) – a kód csak néhány helyen használja a modern `var` szintaxist, de régebbi verziókon is működik. +- **Aspose.OCR for Java** könyvtár – letöltheted a Maven Central‑ról vagy egy próbaverziót az Aspose‑tól. +- Egy sor **PNG** fájl, amelyet feldolgozni szeretnél – gondolj beolvasott nyugtákra, könyvlapokra vagy képernyőképekre. +- Alapvető ismeretek a Java párhuzamosságról – nem kötelező, de hasznos. + +Ennyi. Nincs külső szolgáltatás, nincs Docker, csak tiszta Java és egy kis multithreading varázslat. + +--- + +## 1. lépés: Aspose OCR függőség és licenc hozzáadása (opcionális) + +Először győződj meg róla, hogy az Aspose OCR JAR a classpath‑odban van. Maven‑t használva add hozzá: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Ha nincs licenced, a könyvtár értékelő módban fog futni; a kód ugyanúgy működik. Licenc betöltéséhez (ajánlott éles környezetben) helyezd az `Aspose.OCR.lic` fájlt a resources mappádba, és használd: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Tartsd a licencfájlt a verziókezelésen kívül, hogy elkerüld a véletlen kiszivárgást. + +--- + +## 2. lépés: Hozz létre egy szálbiztos `OcrEngine` példányt + +Az Aspose OCR `OcrEngine` szálbiztos, amíg ugyanazt a példányt használod a feladatok között. Egyszeri létrehozása memóriát takarít meg és elkerüli a motor minden egyes képhez való újra‑inicializálásának költségét. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Miért újrahasználni? Gondolj a motorra, mint egy nehéz súlyú munkásra, amely a nyelvi modelleket memóriába tölti. Minden képhez új motor indítása olyan lenne, mintha minden apró feladathoz új szakértőt alkalmaznál – költséges és szükségtelen. + +--- + +## 3. lépés: Állíts be egy fix szálkészletet Java‑ban + +Most jön a főszereplő: egy **fixed thread pool java**. Méretét a logikai processzorok számához igazítjuk, így minden mag kap munkát anélkül, hogy túlterhelnénk őket. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Egy *fix* pool (a cache‑elt helyett) kiszámítható erőforrás‑használatot biztosít, és megakadályozza a rettenetes „out‑of‑memory” csúcsokat, amikor egyszerre több száz kép érkezik. + +--- + +## 4. lépés: Listázd a feldolgozni kívánt PNG fájlokat (Extract Text from PNG) + +Gyűjtsd össze azoknak a képeknek az elérési útját, amelyeket OCR‑elni szeretnél. Egy valódi projektben egy könyvtár beolvasásával vagy adatbázisból olvasással oldanád meg; itt néhány példát hard‑code‑olunk. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Megjegyzés:** A **png** fájlkiterjesztés fontos, mert az Aspose OCR automatikusan felismeri a formátumot, de JPEG‑et vagy TIFF‑et is megadhatsz. + +--- + +## 5. lépés: Küldd el az OCR feladatokat – párhuzamos OCR feldolgozás + +Minden kép egy callable‑t kap, amely a felismert szöveget adja vissza. Mivel az `OcrEngine` megosztott, csak a fájlútvonalat kell átadni a feladatnak. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Miért csomagoljuk `Future`‑ba? Lehetővé teszi, hogy az összes feladatot azonnal elindítsuk, majd később a benyújtási sorrendben gyűjtsük össze az eredményeket – tökéletes a lapok sorrendjének megőrzéséhez, amikor **convert scanned pages text** vissza egy dokumentumba. + +--- + +## 6. lépés: Eredmények lekérése és megjelenítés (Convert Scanned Pages Text) + +Most várunk minden `Future` befejezésére, és kiírjuk a kimenetet. A `get()` hívás csak a konkrét feladat befejezéséig blokkol, nem az egész pool‑t. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +A tipikus konzolkimenet például: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Ha inkább fájlokba írnád az eredményeket, cseréld le a `System.out.println`‑t egy `Files.writeString` hívásra. + +--- + +## 7. lépés: A Executor Service tiszta leállítása + +Amikor minden feladat befejeződött, elengedhetetlen a **shut down executor service**, különben a JVM nem‑daemon szálak miatt nem tud rendesen kilépni. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Az `awaitTermination` minta lehetőséget ad a pool‑nak, hogy befejezze a futó munkákat, mielőtt kényszerítenénk a leállítást. Ennek a lépésnek a kihagyása gyakori memória‑szivárgáshoz vezet hosszú‑futású alkalmazásokban. + +--- + +## Teljes működő példa + +Összeállítva, itt a teljes program, amelyet bemásolhatsz a `ParallelBatchDemo.java` fájlba és futtathatsz: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..ab9f4f0bb --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Készíts elő képet az OCR-hez az Aspose OCR Java használatával. Tanulja + meg, hogyan növelheti a kép kontrasztját, állíthatja be a kontraszt szintjét, és + percek alatt felismerheti a szöveget a képen. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: hu +og_description: Képek előfeldolgozása OCR-hez az Aspose OCR Java használatával. Ez + az útmutató bemutatja, hogyan lehet növelni a kép kontrasztját, beállítani a kontraszt + szintjét, és gyorsan felismerni a szöveget a képről. +og_title: Kép előfeldolgozása OCR-hez – Java útmutató a kontraszt növeléséhez és a + szöveg kinyeréséhez +tags: +- Java +- OCR +- Image Processing +title: Kép előfeldolgozása OCR-hez – Teljes Java útmutató a kontraszt növeléséhez + és a szöveg kinyeréséhez +url: /hu/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR-hez előfeldolgozott kép – Teljes Java útmutató + +Valaha is szükséged volt **preprocess image for OCR**-ra, de nem tudtad, mely beállítások hoznak valódi különbséget? Nem vagy egyedül. A legtöbb fejlesztő csak rátesz egy képet az OCR motorra, és reméli, hogy varázslat történik, csak hogy összekuszálódott kimenetet kapjon. Ebben az útmutatóban egy gyakorlati, vég‑től‑végig példán keresztül mutatjuk be, hogyan **boosts image contrast**, módosítjuk a **contrast level**‑t, és végül **recognizes text from image**‑t használva az Aspose OCR for Java-t. + +Amikor befejezed, egy újrahasználható kódrészletet kapsz, amely megbízhatóan **extracts text using OCR**, még zajos szkenneléseknél is. Nincsenek rejtett trükkök, csak tiszta lépések és a mögöttük álló érvelés. + +## Amire szükséged lesz + +- Java 17 vagy újabb (a kód bármely friss JDK-val fordítható) +- Aspose OCR for Java könyvtár (letölthető a hivatalos Aspose weboldalról) +- Érvényes Aspose OCR licencfájl (`Aspose.OCR.lic`) +- Bemeneti kép (`input.jpg`), amelyet be szeretnél olvasni +- Kedvenc IDE vagy egyszerű parancssori beállítás + +Ha már megvannak ezek, nagyszerű—merüljünk el azonnal. + +## 1. lépés: Az Aspose OCR licenc betöltése (Alapbeállítás) + +Mielőtt az OCR motor bármit tenne, tudnia kell, hogy licencelt vagy. Ellenkező esetben egy próba‑vízjelet kapsz. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Miért fontos:** Megfelelő licenc nélkül a motor értékelő módban fut, ami lerövidítheti az eredményeket vagy vízjeleket ad hozzá. A licenc korai beállítása biztosítja, hogy a későbbi előfeldolgozási beállítások teljes funkciókészlettel legyenek alkalmazva. + +## 2. lépés: Az OCR motor inicializálása + +Egy `OcrEngine` példány létrehozása hozzáférést biztosít a felismerési és az előfeldolgozási folyamatokhoz egyaránt. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tipp:** Tartsd a motort singletonként, ha sok képet szeretnél kötegben feldolgozni; ez belső erőforrásokat cache-el és felgyorsítja a későbbi hívásokat. + +## 3. lépés: Az előfeldolgozás beállítása – Deskew, Denoise és kontrasztnövelés + +Itt történik a **preprocess image for OCR**. A három beállítás, amelyet módosítunk: + +1. **Deskew** – korrigálja a kisebb elforgatásokat. +2. **Denoise** – eltávolítja azokat a szemcséket, amelyek megzavarják a karakterek szegmentálását. +3. **Contrast enhancement** – a sötét szöveget kiemeli a háttérből. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Miért állítsuk be a kontrasztszintet? + +A kontrasztszint növelése kinyújtja a kép hisztogramját, sötét pixeleket sötétebbé, világos pixeleket világosabbá téve. Gyakorlatban egy **contrast level** érték `1.3f` gyakran a legjobb egyensúlyt adja nyomtatott dokumentumoknál, míg a `1.5f` feletti érték túlzottan kiemelheti a vékony vonalakat. Nyugodtan kísérletezz; a beállítás olcsó módosítani, és drámaian javíthatja a **recognize text from image** sikerességét. + +## 4. lépés: A bemeneti kép előkészítése + +Az `OcrInput` osztály elrejti a fájlkezelést. Több képet is hozzáadhatsz, ha kötegelt feldolgozásra van szükség. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Edge case:** Ha a képed nem szabványos formátumban van (pl. többoldalas TIFF), akkor minden oldalt külön betölthetsz, vagy először PNG/JPEG formátumba konvertálhatod. + +## 5. lépés: A felismerés végrehajtása + +Most a motor lefuttatja a korábban beállított előfeldolgozási csővezetéket, majd a tisztított képet átadja a fő OCR algoritmusnak. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Mi történik a háttérben?** Az Aspose OCR először alkalmazza a deskew transzformációt, majd futtatja a denoise szűrőt, végül állítja be a kontrasztot, mielőtt a képet a neurális‑hálózaton alapuló felismerőnek adná. A sorrend szándékos; a módosítása alacsonyabb eredményekhez vezethet. + +## 6. lépés: A felismert szöveg kiírása + +Végül kiírjuk a kinyert karakterláncot a konzolra. Egy valódi alkalmazásban fájlba írhatod vagy hálózaton keresztül küldheted. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Várható kimenet + +Ha a `input.jpg` a “Hello World!” kifejezést tartalmazza, a konzolnak a következőt kell mutatnia: + +``` +Hello World! +``` + +Ha a kimenet összekuszáltnak tűnik, ellenőrizd újra az előfeldolgozási értékeket – különösen a **contrast level**‑t és a **denoise mode**‑t – és próbálj ki másik képformátumot. + +## Bónusz: Az előfeldolgozott kép megjelenítése (opcionális) + +Néha szeretnéd látni, hogy a motor mit lát a deskew, denoise és kontrasztnövelés után. Az Aspose OCR lehetővé teszi a köztes bitmap exportálását: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Nyisd meg a `processed.png`-t az eredetivel egymás mellett; észre fogod venni a egyenesebb vízszintet és a tisztább szöveget. Ez a lépés hasznos, ha azt vizsgálod, miért hibás egy adott szken. + +![OCR-hez előfeldolgozott kép példája](/images/ocr-preprocess-example.png "OCR előfeldolgozása – kontraszt növelése előtte és után") + +*A fenti kép azt mutatja, hogyan alakítja a kontraszt növelése és a zajszűrés egy homályos szkennelt képet tiszta, OCR‑kész képpé.* + +## Gyakori buktatók és elkerülésük módjai + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` túl magas) | A világos háttér fehérre vált, és elhalványuló karaktereket töröl | Tartsd a szintet 1.1 és 1.4 között a legtöbb nyomtatott szöveghez | +| **Deskew tolerance too low** | A kis elforgatások nem kerülnek korrigálásra | `setDeskewAngleTolerance` értékét emeld 0.2‑re vagy 0.3‑ra a beolvasott könyvekhez | +| **Using GAUSSIAN denoise on binary images** | Elmosódik a szélek, és a karakterek egyesülnek | Használd a `DenoiseMode.MEDIAN`‑t fekete‑fehér szkenneléseknél | +| **Missing license** | A motor próba‑módra vált, és a kimenetet lerövidíti | Ellenőrizd az `Aspose.OCR.lic` elérési útját, és hogy a fájl olvasható‑e | + +## Következő lépések: Alapvető előfeldolgozáson túl + +Most, hogy képes vagy **preprocess image for OCR**‑ra és **extract text using OCR**‑ra, fontold meg ezeket a kiterjesztéseket: + +- **Language packs** – tölts be specifikus nyelvi szótárakat a nem‑angol szövegek pontosságának javításához. +- **Region‑of‑interest (ROI) cropping** – a kép egy részére fókuszálj, ha csak az oldal egy részére van szükség. +- **Batch processing** – egy könyvtár képeit iteráld, ugyanazt a `OcrEngine` példányt újrahasználva a sebességért. +- **Integrate with PDF** – kombináld az Aspose OCR‑t az Aspose PDF‑el, hogy a beolvasott PDF‑eket egy lépésben kereshető PDF‑vé alakítsd. + +Ezek a témák természetesen tartalmazzák a másodlagos kulcsszavainkat: továbbra is **boosts image contrast**, **set contrast level**, és **recognize text from image**‑t fogsz használni számos szituációban. + +## Összegzés + +Mindezt lefedtük, ami a **preprocess image for OCR**‑hoz szükséges az Aspose OCR for Java használatával: a licenc betöltése, a deskew, denoise és kontrasztnövelés beállítása, a kép betáplálása, és végül a **recognize text from image**. A fenti teljes, futtatható példával most már **extract text using OCR**‑t hajthatsz végre bármely megfelelően előkészített képen. + +Próbáld ki a kódot, állítsd be a **contrast level**‑t, és figyeld, ahogy a pontosság növekszik. Amikor készen állsz, fedezd fel a nyelvspecifikus modelleket vagy a kötegelt folyamatokat, hogy ezt az egyképes demót termelés‑kész megoldássá alakítsd. + +*Boldog kódolást, és legyenek a szkenneléseid mindig élesek!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..b53febf1f --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Ismerje fel gyorsan a szöveget a képen az Aspose OCR GPU támogatással + Java-ban. Tanulja meg, hogyan nyerjen ki szöveget a képből, és állítsa be a GPU + eszközazonosítót az optimális teljesítmény érdekében. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: hu +og_description: Ismerje fel gyorsan a szöveges képet az Aspose OCR GPU támogatással + Java-ban. Ez az útmutató bemutatja, hogyan lehet szöveget kinyerni a képből, és + beállítani a GPU eszközazonosítót. +og_title: Szöveges kép felismerése Aspose OCR GPU-val – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Szövegkép felismerése Aspose OCR GPU-val – Java +url: /hu/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# szövegkép felismerése Aspose OCR GPU-val – Java + +Valaha szükséged volt **szövegkép felismerésére** egy Java alkalmazásban, de a CPU elakadt a nagy fájloknál? Nem vagy egyedül – sok fejlesztő szembesül ezzel a problémával, amikor nagy felbontású beolvasásokat dolgoz fel. A jó hír? az Aspose OCR lehetővé teszi, hogy **szöveget nyerjünk ki képből** a GPU-n, drámaian lerövidítve a feldolgozási időt. + +Ebben az útmutatóban végigvezetünk egy teljes, azonnal futtatható példán, amely pontosan bemutatja, hogyan állítsuk be a licencet, engedélyezzük a GPU gyorsítást, és **set gpu device id**-t, ha több grafikus kártyád van. A végére egy önálló programod lesz, amely kiírja a felismert szöveget a konzolra – további lépések nélkül. + +## Amire szükséged lesz + +- **Java 17** vagy újabb (az API kompatibilis a Java 8+-val, de a legújabb LTS jobb teljesítményt nyújt). +- **Aspose OCR for Java** könyvtár (töltsd le a JAR-t az Aspose weboldaláról). +- Érvényes **Aspose OCR licencfájl** (`Aspose.OCR.lic`). Az ingyenes próba működik, de a GPU funkciók licencelt verzió mögött vannak. +- Egy képfájl (`sample-image.png`), amely tiszta, géppel olvasható szöveget tartalmaz. +- GPU‑t támogató környezet (a NVIDIA CUDA‑kompatibilis kártya a legjobb). + +Ha valamelyik ismeretlennek tűnik, ne aggódj – minden pontot részletesen kifejtünk. + +## 1. lépés: Aspose OCR hozzáadása a projekthez + +Először is, add hozzá az Aspose OCR JAR-t a classpath-hoz. Ha Maven-t használsz, add hozzá a következő függőséget a `pom.xml`-hez: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle-hez ez a következő: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Ha a kézi megoldást részesíted előnyben, helyezd a JAR-t a `libs/` mappádba, és add hozzá az IDE modulútvonalához. + +> **Hasznos tipp:** Tartsd szinkronban a verziószámot a könyvtár kiadási jegyzékeivel; az újabb verziók gyakran hoznak teljesítményjavításokat a GPU feldolgozáshoz. + +## 2. lépés: Aspose OCR licenc betöltése (szükséges a GPU használatához) + +Licenc nélkül a `setEnableGpu(true)` hívás csendben visszaesik CPU módra. Töltsd be a licencet a `main` elején: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Cseréld le a `YOUR_DIRECTORY`-t arra az abszolút vagy relatív útvonalra, ahol a `.lic` fájlt tárolod. Ha az útvonal hibás, az Aspose `FileNotFoundException`-t dob, ezért ellenőrizd a helyesírást. + +## 3. lépés: OCR motor létrehozása és GPU gyorsítás engedélyezése + +Most példányosítjuk a `OcrEngine`-t, és megadjuk, hogy a GPU-t használja. A `setGpuDeviceId` metódus lehetővé teszi, hogy egy konkrét kártyát válassz, ha több is jelen van. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Miért kell a device ID? Egy több‑GPU-s szerveren egy kártyát fenntarthatsz képelőfeldolgozásra, a másikat OCR-re. Az ID beállítása biztosítja, hogy a megfelelő hardver végezze a nehéz munkát. + +## 4. lépés: Bemeneti kép előkészítése + +Az Aspose OCR számos formátummal működik (PNG, JPG, BMP, TIFF). Csomagold be a fájlodat egy `OcrInput` objektumba: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Ha egy stream-et kell feldolgoznod (pl. feltöltött fájl), használd a `ocrInput.add(InputStream)`-et helyette. + +## 5. lépés: A felismerési folyamat futtatása és az eredmény lekérése + +A `recognize` metódus egy `OcrResult`-ot ad vissza, amely tartalmazza a sima szöveget, a megbízhatósági pontszámokat, és akár az elrendezési információkat is, ha szükséged van rá. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +A konzol valami ilyesmit fog megjeleníteni: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Ha a kép elmosódott vagy a nyelv nem támogatott, az eredmény üres lehet. Ebben az esetben ellenőrizd a `ocrResult.getConfidence()` értékét (0‑100), hogy eldöntsd, szükséges‑e újrapróbálkozni előfeldolgozással. + +## Teljes, futtatható példa + +Az összes részegység összeillesztésével egyetlen Java osztályt kapsz, amelyet kimásolhatsz az IDE-dbe: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Várható kimenet:** A konzol kiírja a `sample-image.png`-ben megjelenő pontos szöveget. Ha a GPU aktív, észre fogod venni, hogy a feldolgozási idő több másodpercről (CPU) kevesebb mint egy másodpercre csökken a tipikus 300 dpi-s beolvasásoknál. + +## Gyakori kérdések és speciális esetek + +### Működik ez egy headless szerveren? + +Igen. A GPU drivernek telepítve kell lennie, de kijelző nem szükséges. Csak győződj meg róla, hogy a `CUDA` eszközkészlet (vagy a GPU-dnak megfelelő ekvivalens) a rendszer `PATH`-jában van. + +### Mi van, ha több GPU-m van, és a GPU 1-et szeretném használni? + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Hogyan nyerjünk ki szöveget képből más nyelven? + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Az Aspose több mint 30 nyelvet támogat; lásd az API dokumentációt a teljes felsoroláshoz. + +### Mi van, ha a kép több oldalt tartalmaz (pl. PDF képekké konvertálva)? + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +A motor a találatokat sorrendben fűzi össze. + +### Hogyan kezeljük az alacsony megbízhatóságú eredményeket? + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +A tipikus előfeldolgozási lépések közé tartozik a binarizálás, zajcsökkentés vagy 300 dpi-re való átméretezés. + +## Teljesítmény tippek + +- **Kötegelt feldolgozás:** Sok kép hozzáadása egyetlen `OcrInput`-hoz csökkenti a GPU kontextus újra‑inicializálásának terhelését. +- **Bemelegítés:** Futtass egy dummy felismerést egyszer a JVM indítása után; az első hívás a driver inicializálási késleltetését okozza. +- **Memóriakezelés:** Szabadítsd fel a nagy `OcrInput` objektumokat (`ocrInput.clear()`) a használat után, hogy GPU memóriát szabadíts fel. + +## Összegzés + +Most már tudod, hogyan **szövegképet ismerjünk fel** hatékonyan az Aspose OCR GPU motorjával Java-ban, hogyan **szöveget nyerjünk ki képből** bármely támogatott nyelven, és hogyan **set gpu device id**-t állítsunk be több grafikus kártya használata esetén. A fenti teljes, futtatható kódnak azonnal működnie kell – csak cseréld ki a licencet és a kép útvonalakat. + +Készen állsz a következő lépésre? Próbáld meg feldolgozni egy mappa beolvasott PDF-jét, kísérletezz különböző `setLanguage` beállításokkal, vagy kombináld az OCR-t egy gépi‑tanulási modellel az utófeldolgozáshoz. A lehetőségek végtelenek, és a GPU gyorsításból származó teljesítménynyereség még a nagyméretű projektek számára is megvalósíthatóvá teszi. + +Boldog kódolást, és nyugodtan hagyj megjegyzést, ha elakadsz! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/ocr-operations/_index.md b/ocr/hungarian/java/ocr-operations/_index.md index 078f684ae..d2a59ad8e 100644 --- a/ocr/hungarian/java/ocr-operations/_index.md +++ b/ocr/hungarian/java/ocr-operations/_index.md @@ -70,8 +70,6 @@ Búcsúzz el a TIFF képek manuális szövegkinyerésétől. Hagyd, hogy az Aspo [TIFF Recognition Tutorial](./recognize-tiff/) -Összegzésként, az Aspose.OCR for Java tutorialok listájával megvan a kulcsod az OCR műveletek teljes potenciáljának feloldásához. Merülj el minden tutorialban, fedezd fel a funkciókat, és emeld szövegkinyerési képességeidet. Búcsúzz el a manuális erőfeszítésektől, és fogadd el az Aspose.OCR for Java által kínált pontosságot és hatékonyságot! - ## OCR műveletek tutorialok ### [Performing OCR with Detect Areas Mode in Aspose.OCR](./perform-ocr-detect-areas-mode/) Szabadítsd fel a képekből történő szövegkinyerés erejét az Aspose.OCR for Java segítségével. Átfogó tutorial a Detect Areas Mode OCR-hoz. @@ -83,6 +81,16 @@ Szabadítsd fel az OCR erejét Java-ban az Aspose.OCR segítségével. Könnyed Szabadítsd fel a hatékony szövegfelismerést Java-ban az Aspose.OCR segítségével. Könnyedén ismerd fel a szöveget TIFF képekben. Töltsd le most a zökkenőmentes OCR élményért. ### [Szövegkép felismerése Aspose OCR-rel – Teljes Java OCR útmutató](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Fedezd fel, hogyan ismerheted fel a képeken lévő szöveget az Aspose OCR segítségével Java-ban, lépésről lépésre útmutató. +### [Képről szöveg felismerése Aspose OCR-rel – Java útmutató](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Ismerd fel a képen lévő szöveget Aspose OCR-rel Java-ban, részletes lépésről-lépésre útmutató. +### [Hogyan használjuk az OCR-t Java-ban – Gyors képszöveg felismerés](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Ismerd meg, hogyan használhatod az OCR-t Java-ban a képek gyors szövegkinyeréséhez. +### [Kép‑szöveg Java: Urdu szöveg kinyerése Aspose OCR-rel](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Fedezd fel, hogyan nyerheted ki az Urdu nyelvű szöveget képekből Aspose OCR Java használatával. +### [Kereshető PDF létrehozása képből Java‑ban – Lépésről lépésre útmutató](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Lépésről lépésre útmutató a képből kereshető PDF létrehozásához Java‑ban az Aspose.OCR használatával. +### [Hogyan használjuk az OCR-t Java-ban – Szöveg kinyerése PDF-ből az Aspose.OCR-rel](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Ismerd meg, hogyan nyerheted ki a PDF-ek szövegét Java-ban az Aspose.OCR segítségével. ## Gyakran Ismételt Kérdések diff --git a/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..9a6bf1ec8 --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: 'Készítsen kereshető PDF-et gyorsan: tanulja meg, hogyan hozhat létre + PDF-et egy képből az Aspose OCR, PDF mentési beállítások segítségével, és konvertálja + a képet kereshető PDF-be néhány perc alatt.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: hu +og_description: Kereshető PDF létrehozása Java-ban az Aspose OCR-rel. Ez az útmutató + bemutatja, hogyan lehet képből PDF-et készíteni, beállítani a PDF mentési opciókat, + és teljesen kereshető dokumentumot kapni. +og_title: Kereshető PDF létrehozása képből Java-ban – Teljes útmutató +tags: +- Aspose OCR +- Java +- PDF generation +title: Kereshető PDF létrehozása képből Java‑ban – Lépésről‑lépésre útmutató +url: /hu/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +content. So yes. + +Also list items. + +Proceed. + +Will produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Kereshető PDF létrehozása képből Java‑ban – Lépésről‑lépésre útmutató + +Valaha is szükséged volt **create searchable pdf** létrehozására egy beolvasott képről, de nem tudtad, melyik API‑t válaszd? Nem vagy egyedül – sok fejlesztő szembesül ezzel a problémával, amikor először próbálja a bitmapet PDF‑vé alakítani, amely tényleg kereshető. A jó hír? Az Aspose OCR‑rel néhány sor kóddal megoldható, és az eredmény pontosan úgy néz ki, mint az eredeti kép, miközben szöveg‑kereshető marad. + +Ebben a bemutatóban végigvezetünk a teljes folyamaton: a licenc betöltése, egy kép (vagy többoldalas TIFF) betáplálása az OCR motorba, a **pdf save options** finomhangolása, és végül egy **image to searchable pdf** írása. A végére egy kész Java programod lesz, amely másodpercek alatt kereshető PDF‑et hoz létre. Nincs rejtély, nincs „lásd a dokumentációt” rövidítés – csak egy teljes, futtatható példa. + +## Mit tanulhatsz meg + +- Hogyan **convert image to pdf** és hogyan ágyazz be egy rejtett szövegréteget a kereséshez. +- Mely **pdf save options** beállításokat érdemes engedélyezni a méret‑ és pontosság legjobb egyensúlya érdekében. +- Gyakori buktatók (pl. hiányzó licenc, nem támogatott képfájlformátumok) és azok elkerülése. +- Hogyan ellenőrizheted, hogy a kimenet valóban kereshető‑e (gyors teszt Adobe Readerrel). + +**Előfeltételek:** Java 8 vagy újabb, Maven vagy Gradle az Aspose OCR JAR letöltéséhez, és egy érvényes Aspose OCR licencfájl. Ha még nincs licenced, kérhetsz ingyenes próbaverziót az Aspose weboldaláról. + +--- + +## 1. lépés – Az Aspose OCR licenc betöltése (Hogyan hozhatsz létre PDF‑et biztonságosan) + +Mielőtt az OCR motor bármit is csinál, szüksége van egy licencre; különben vízjelezett oldalakat kapsz. Helyezd el az `Aspose.OCR.lic` fájlt egy elérhető helyen, majd mutasd rá a `License` osztályra. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tipp:** Tartsd a licencfájlt a forrás‑kód verziókezelésen kívül, hogy elkerüld a véletlen commit‑ot. + +--- + +## 2. lépés – Az OCR bemenet előkészítése (Kép konvertálása PDF‑be) + +Az Aspose OCR egy `OcrInput` objektumot fogad, amely egy vagy több képet is tárolhat. Itt egyetlen PNG‑t adunk hozzá, de akár többoldalas TIFF‑et is betáplálhatsz kötegelt feldolgozáshoz. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Miért fontos:** A kép `OcrInput`‑ba való felvétele leválasztja a fájlkezelést a motorról, így ugyanaz a kód használható egy‑ vagy többoldalas esetekben is. + +--- + +## 3. lépés – PDF mentési beállítások konfigurálása (PDF Save Options magyarázata) + +A `PdfSaveOptions` osztály szabályozza, hogyan épül fel a végleges PDF. Két zászló kulcsfontosságú egy **searchable pdf** esetén: + +1. `setCreateSearchablePdf(true)` – azt mondja a motornak, hogy ágyazzon be egy rejtett szövegréteget az OCR eredmények alapján. +2. `setEmbedImages(true)` – megőrzi az eredeti raszteres képet, így a vizuális megjelenés változatlan marad. + +Továbbá finomhangolhatod a DPI‑t, tömörítést vagy jelszóvédelmet is, ha szükséges. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Szélsőséges eset:** Ha `setCreateSearchablePdf(false)`‑t állítasz be, a kimenet egy egyszerű csak kép‑PDF lesz – semmi kereshető nem lesz benne. Mindig ellenőrizd ezt a flag‑et nagy kötegelt feldolgozás esetén. + +--- + +## 4. lépés – OCR futtatása és a kereshető PDF írása (A „Hogyan hozhatsz létre PDF‑et” logika) + +Most mindent összehozzuk. A `recognize` metódus elvégzi az OCR‑t a megadott `OcrInput`‑on, alkalmazza a `PdfSaveOptions`‑t, és a eredményt egy fájlba streameli. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Várható eredmény + +A program futtatása után nyisd meg az `output-searchable.pdf`‑et bármely PDF‑olvasóval (Adobe Reader, Foxit, stb.) és próbáld ki a szöveg kijelölését vagy a keresőmezőt. Képesnek kell lennie megtalálni azokat a szavakat, amelyek eredetileg csak a képen szerepeltek. Ez a **searchable PDF** jellegzetessége. + +--- + +## 5. lépés – A kereshető réteg ellenőrzése (Gyors QA) + +Az OCR pontossága néha alacsony lehet, különösen alacsony felbontású beolvasásoknál. Egy gyors ellenőrzés módja: + +1. Nyisd meg a PDF‑et Adobe Readerben. +2. Nyomd meg a **Ctrl + F**‑et, és írd be egy olyan szót, amely biztosan szerepel a képen. +3. Ha a szó kiemelésre kerül, a rejtett szövegréteg működik. + +Ha a keresés nem talál, fontold meg a forráskép DPI‑jének növelését vagy nyelvspecifikus szótárak engedélyezését a `ocrEngine.getLanguage().add("eng")` hívással. + +--- + +## Gyakori kérdések és buktatók + +| Kérdés | Válasz | +|----------|--------| +| **Feldolgozhatok többoldalas TIFF‑et?** | Igen – csak add hozzá minden oldalt ugyanahhoz az `OcrInput`‑hoz (`ocrInput.add(tiffPath)`). Az Aspose OCR minden keretet külön oldalként kezel. | +| **Mi van, ha nincs licencem?** | A ingyenes próba verzió működik, de minden oldalra vízjelet helyez. A kód változatlan marad; csak a próba `.lic` fájlt használd. | +| **Mekkora lesz a PDF?** | `setEmbedImages(true)` esetén a fájlméret nagyjából az eredeti kép mérete plusz néhány kilobyte a rejtett szövegnek. A képeket tömörítheted a `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`‑nel. | +| **Kell-e nyelvet beállítani az OCR‑hez?** | Alapértelmezés szerint az Aspose OCR angolt használ. Más nyelvekhez hívd a `ocrEngine.getLanguage().add("spa")`‑t a `recognize` előtt. | +| **A kimeneti PDF kereshető mobil eszközökön is?** | Teljesen – a legtöbb mobil PDF‑olvasó tiszteletben tartja a rejtett szövegréteget. | + +--- + +## Bónusz: A demó átalakítása újrahasználható segédfüggvénnyé + +Ha több projektben is szükséged lesz erre a funkcióra, csomagold a logikát egy statikus segédfüggvénybe: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Ezután bárhonnan meghívhatod a `PdfSearchableUtil.convert(...)`‑t, így a **convert image to pdf** egyetlen sorba sűrűsödik. + +--- + +## Összegzés + +Mindent átbeszéltünk, ami ahhoz kell, hogy **create searchable pdf** fájlokat hozz létre képekből Java‑ban az Aspose OCR segítségével. A licenc betöltésétől, az OCR bemenet felépítésén, a **pdf save options** finomhangolásán át a **image to searchable pdf** írásáig a bemutató egy teljes, másol‑és‑beilleszt megoldást nyújt. + +Tedd meg a következő lépést: kísérletezz különböző képformátumokkal, állítsd be a DPI‑t, vagy adj hozzá jelszóvédelmet a `PdfSaveOptions`‑on keresztül. Érdemes lehet kötegelt feldolgozást is kipróbálni – egy mappában lévő beolvasásokat ciklusba véve minden fájlhoz generálj kereshető PDF‑et. + +Ha hasznosnak találtad ezt az útmutatót, csillagozd a GitHub‑on vagy hagyj megjegyzést alul. Boldog kódolást, és élvezd, ahogy a unalmas beolvasások teljesen kereshető dokumentumokká válnak! + +![Kereshető PDF példakép képernyőképe](placeholder-image.png "kereshető pdf példa") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..80b6b446a --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-02-17 +description: Hogyan használjuk az OCR-t Java-ban a PDF-ből szöveg kinyeréséhez, a + PDF képekké konvertálásához, és a beolvasott PDF-fájlokon OCR végrehajtásához az + Aspose.OCR segítségével. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: hu +og_description: Hogyan használjuk az OCR-t Java-ban a PDF-fájlok szövegének kinyeréséhez. + Tanulja meg, hogyan konvertálja a PDF-et képekké, és hogyan ismerje fel a beolvasott + PDF-et az Aspose.OCR segítségével. +og_title: Hogyan használjuk az OCR-t Java-ban – Teljes útmutató +tags: +- OCR +- Java +- Aspose +title: Hogyan használjunk OCR-t Java-ban – Szöveg kinyerése PDF-ből az Aspose.OCR-rel +url: /hu/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hogyan használjunk OCR-t Java-ban – Szöveg kinyerése PDF-ből az Aspose.OCR segítségével + +Gondolkodtál már azon, **hogyan használjunk OCR-t**, hogy egy beolvasott PDF-et kereshető szöveggé alakítsunk? Nem vagy egyedül. A legtöbb fejlesztő akadályba ütközik, amikor egy PDF csak képekből áll, és a szokásos szövegkinyerők semmit sem adnak vissza. A jó hír? Néhány Java sorral és az Aspose.OCR-rel **kivonhatod a szöveget PDF-ből**, **PDF-et képekké konvertálhatod**, és **felismerheted a beolvasott PDF-et** egyetlen, fájdalommentes munkafolyamatban. + +Ebben az útmutatóban végigvezetünk minden szükséges lépésen – a könyvtár licencelésétől a végső eredmény kiírásáig. A végére egy kész‑futtatható programod lesz, amely bármely beolvasott jelentésből, számlából vagy e‑könyvből kinyeri a egyszerű szöveget. Nincs külső szolgáltatás, nincs varázslat – csak tiszta Java kód, amelyet te irányítasz. + +## Amire szükséged lesz + +- **Java Development Kit (JDK) 8+** – bármely friss verzió működik. +- **Aspose.OCR for Java** JAR (letölthető az Aspose weboldaláról). +- Egy **érvényes Aspose.OCR licencfájl** (`Aspose.OCR.lic`). A ingyenes próba működik, de egy licenc teljes pontosságot biztosít. +- Egy **példa beolvasott PDF** (pl. `scanned-report.pdf`). +- Egy IDE vagy egyszerű szövegszerkesztő plusz egy terminál. + +Ennyi. Nincs Maven, nincs Gradle, nincs extra függőség – csak az Aspose.OCR JAR a classpath-odban. + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## 1. lépés – Töltsd be az Aspose.OCR licencet (Miért fontos) + +Mielőtt a motor teljes sebességgel működhet, meg kell adnod, hol található a licenc. Ennek a lépésnek a kihagyása a könyvtárat értékelési módba helyezi, ami vízjelet ad a kimenetre, és korlátozhatja a pontosságot. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Miért működik:** A `License` osztály beolvassa a `.lic` fájlt és globálisan regisztrálja. Miután beállítottad, minden általad létrehozott `OcrEngine` automatikusan a licencelt funkciókat használja. + +## 2. lépés – Hozd létre az OCR motort (A varázslat mögötti motor) + +Az `OcrEngine` példány a munkás, amely képeket szkennel és szöveget ad ki. Gondolj rá úgy, mint az agyra, amely a pixelmintákat értelmezi. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tipp:** A nyelvet, a bizalmi küszöböket vagy akár a GPU gyorsítást is módosíthatod a motor tulajdonságain keresztül. A legtöbb angol PDF esetén az alapértelmezések megfelelőek. + +## 3. lépés – Készítsd elő a bemenetet: Add hozzá a PDF-et (A PDF képekké konvertálása a háttérben) + +Az Aspose.OCR minden PDF oldalt képként kezel. Amikor meghívod az `addPdf`-t, a könyvtár csendben rasterizálja az egyes oldalakat, ami pontosan az, amire szükséged van a **PDF képekké konvertálásához** a felismerés előtt. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Mi történik:** +- A PDF megnyílik. +- Minden oldal 300 dpi (alapértelmezett) felbontással renderelődik, hogy megőrizze a karakter részleteit. +- A renderelt bitmap objektumok a `OcrInput` gyűjteményben tárolódnak. + +Ha valaha is szükséged van a nyers képekre (hibakereséshez vagy egyedi előfeldolgozáshoz), hívd meg a `ocrInput.getPages()`-t a lépés után. + +## 4. lépés – Futtasd az OCR folyamatot (OCR végrehajtása PDF-en) + +Most kezdődik a nehéz munka. A `recognize` metódus végigiterál minden képen, lefuttatja a felismerési algoritmust, és az eredményeket egy `OcrResult`-ba gyűjti. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Miért érdekelhet:** Az `OcrResult` nem csak a egyszerű szöveget tartalmazza, hanem a bizalmi pontszámokat, a határoló dobozokat és az eredeti kép hivatkozását is. A legtöbb esetben csak a `getText()`-re lesz szükséged. + +## 5. lépés – Szerezd meg és jelenítsd meg a kinyert szöveget + +Végül vedd ki a egyszerű szöveg karakterláncot az eredményből és írd ki. Írhatod fájlba, betáplálhatod egy keresőindexbe, vagy egy downstream NLP csővezetékbe. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Várt kimenet + +Ha a `scanned-report.pdf` egy egyszerű bekezdést tartalmaz, valami ilyesmit látsz majd: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +A pontos formázás tükrözi az eredeti elrendezést, ahol csak lehetséges, megőrizve a sortöréseket. + +## Gyakori edge case-ek kezelése + +### 1. Többnyelvű PDF-ek + +Ha a dokumentum francia vagy spanyol szöveget tartalmaz, állítsd be a nyelvet a `recognize` meghívása előtt: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Megadhatsz egy nyelv tömböt, hogy a motor automatikusan felismerje. + +### 2. Alacsony felbontású beolvasások + +150 dpi-s beolvasások esetén növeld a belső renderelési DPI-t: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +A magasabb DPI javítja a karakterek tisztaságát, de több memóriát igényel. + +### 3. Nagy PDF-ek (Memóriakezelés) + +Több tucat oldalas PDF-ek esetén dolgozd fel őket kötegekben: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Ez a megközelítés megakadályozza, hogy a JVM heap felrobbanjon. + +## Teljes, azonnal futtatható példa + +Alább a teljes program – importokkal és licenckezeléssel – így másolás és beillesztés után azonnal futtathatod. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +A konzolon meg kell jelennie a kinyert szövegnek. + +## Összefoglalás – Amit átfedtünk + +- **Hogyan használjunk OCR-t** Java-ban az Aspose.OCR-rel. +- A **szöveg kinyerése PDF-ből** munkafolyamat. +- Belsőleg a könyvtár **PDF-et képekké konvertál**, mielőtt a karaktereket felismeri. +- Tippek a **PDF-en történő OCR végrehajtásához** több nyelvvel, alacsony felbontású beolvasásokkal és nagy dokumentumokkal. +- Egy teljes, futtatható kódminta, amelyet bármely Java projektbe beilleszthetsz. + +## Következő lépések és kapcsolódó témák + +Most, hogy **fel tudod ismerni a beolvasott PDF-et**, fontold meg ezeket a további ötleteket: + +- **Kereshető PDF generálás** – az OCR szöveget visszahelyezni az eredeti PDF-re, hogy kereshető dokumentumot hozzunk létre. +- **Kötegelt feldolgozó szolgáltatás** – a kódot egy Spring Boot mikroservice-be csomagolni, amely REST-en keresztül fogad PDF-eket. +- **Integráció Elasticsearch-szel** – a kinyert szöveget indexelni a gyors teljes szöveges kereséshez a dokumentumtáradban. +- **Kép előfeldolgozás** – OpenCV-t használni az oldalak kiegyenesítésére vagy zajcsökkentésre az OCR előtt a még nagyobb pontosság érdekében. + +Ezek a témák az általunk feltárt alapfogalmakra épülnek, szóval nyugodtan kísérletezz, és hagyd, hogy az OCR motor végezze a nehéz munkát. + +--- + +*Boldog kódolást! Ha bármilyen gondba ütköztél – például licenc hibák vagy váratlan null eredmények – írj egy megjegyzést alább. Mindig szívesen segítek a hibakeresésben.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..79143196e --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: Tanulja meg, hogyan használhatja az OCR-t Java-ban szöveg felismerésére + képfájlokból, szöveg kinyerésére PNG nyugtákról, és a nyugtát JSON formátumba konvertálhatja + az Aspose OCR segítségével. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: hu +og_description: Lépésről lépésre útmutató arról, hogyan használjunk OCR-t Java-ban + a képről szöveg felismeréséhez, PNG nyugták szövegének kinyeréséhez és a nyugtát + JSON formátumba konvertáláshoz. +og_title: Hogyan használjunk OCR-t Java-ban – Szöveg felismerése képből +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Hogyan használjunk OCR-t Java-ban – Szöveg gyors felismerése képből +url: /hu/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hogyan használjunk OCR-t Java-ban – Szöveg felismerése képről gyorsan + +Valaha is elgondolkodtál **hogyan használjunk OCR-t**, hogy szöveget nyerjünk ki egy nyugta fényképéből? Lehet, hogy már próbáltál néhány online eszközt, csak hogy összekuszálódott karakterekkel vagy olyan formátummal állsz szemben, amit nem tudsz feldolgozni. A jó hír, hogy néhány Java sorral **szöveget felismerhetsz képfájlokból**, **szöveget nyerhetsz ki PNG** nyugtákból, és még **nyugtát konvertálhatsz JSON-re** a további feldolgozáshoz. + +Ebben az útmutatóban végigvezetünk a teljes munkafolyamaton – a Aspose OCR könyvtár licencelésétől egy tiszta JSON payload elkészítéséig, amelyet adatbázisba vagy gépi tanulási modellbe táplálhatsz. Nincs felesleges szöveg, csak egy gyakorlati, futtatható példa, amelyet egyszerűen beilleszthetsz az IDE-dbe. A végére egy önálló programod lesz, amely a `receipt.png` fájlt veszi, és egy használatra kész JSON karakterláncot ad vissza. + +## Amire szükséged lesz + +- **Java Development Kit (JDK) 8+** – bármelyik újabb verzió működik. +- **Aspose OCR for Java** könyvtár (a Maven artefakt: `com.aspose:aspose-ocr`). +- Egy **érvényes Aspose OCR licencfájl** (`Aspose.OCR.lic`). A ingyenes próba a teszteléshez működik, de egy megfelelő licenc eltávolítja a kiértékelési korlátokat. +- Egy képfájl (PNG, JPEG, stb.), amely a kívánt szöveget tartalmazza – nevezzük `receipt.png`-nek, és helyezzük egy ismert mappába. +- A kedvenc IDE-d (IntelliJ IDEA, Eclipse, VS Code…) – szabadon választható. + +> **Pro tipp:** Tartsd a licencfájlt a forrásmappán kívül, és hivatkozz rá abszolút vagy relatív úton, hogy elkerüld a verziókezelőbe való beillesztést. + +Most, hogy a követelmények egyértelműek, merüljünk el a tényleges kódban. + +## Hogyan használjunk OCR-t – Alapvető lépések + +Az alábbiakban egy magas szintű áttekintést láthatsz a végrehajtandó műveletekről: + +1. **Töltsd be az Aspose OCR könyvtárat** és alkalmazd a licencet. +2. **Hozz létre egy `OcrEngine` példányt** – ez a motor, amely a nehéz munkát végzi. +3. **Készíts egy `OcrInput` objektumot**, amely a feldolgozni kívánt képre mutat. +4. **Hívd meg a `recognize` metódust `ResultFormat.JSON` paraméterrel**, hogy JSON reprezentációt kapj a kinyert szövegről. +5. **Kezeled a JSON kimenetet** – nyomtasd ki, írd fájlba, vagy dolgozd fel tovább. + +Minden lépést részletesen kifejtünk az alábbi szakaszokban. + +## 1. lépés – Aspose OCR telepítése és a licenc alkalmazása + +Először add hozzá az Aspose OCR függőséget a `pom.xml`-hez, ha Maven-t használsz: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Most a Java kódban töltsd be a licencet. Ez a lépés elengedhetetlen; licenc nélkül a könyvtár értékelő módban fut, és vízjelet helyezhet el a kimenetben. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Miért fontos:** A `License` objektum jelzi az OCR motor számára, hogy jogosult vagy a teljes funkciókészlet használatára, beleértve a magas pontosságú felismerést és a JSON exportot. Ennek a lépésnek a kihagyása még mindig lehetővé teszi a **szöveg felismerését képről**, de az eredmények lelassulhatnak. + +## 2. lépés – OCR motor példány létrehozása + +Az `OcrEngine` osztály az összes OCR művelet belépési pontja. Gondolj rá úgy, mint egy “agyra”, amely a pixeleket olvassa, és meghatározza, milyen karaktereket képviselnek. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +A motort később testreszabhatod (például nyelv beállítása, deskew engedélyezése), ha a nyugtáid nem latin betűket tartalmaznak vagy szögben lettek beolvasva. A legtöbb US‑alapú nyugta esetén az alapértelmezett beállítások tökéletesen működnek. + +## 3. lépés – A feldolgozandó kép betöltése + +Most az OCR motort a nyugtát tartalmazó fájlra irányítjuk. Az `OcrInput` osztály több képet is elfogadhat, de ebben az útmutatóban egyetlen PNG-re korlátozódunk. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Ha valaha is **szöveget kell kinyerned PNG** fájlokból tömegesen, egyszerűen hívd meg az `input.add()` metódust többször, vagy adj át egy fájlútvonalak listáját. + +## 4. lépés – Szöveg felismerése és a nyugta JSON-re konvertálása + +Itt van a tutorial szíve. A motort arra kérjük, hogy felismerje a szöveget, és a eredményt JSON formátumban adja vissza. A `ResultFormat.JSON` jelző mindent elintéz helyettünk. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +A JSON payload tartalmazza minden felismert sort, annak keretét, a biztonsági pontszámot és a nyers szöveget. Ez a struktúra lehetővé teszi, hogy egyszerűen **nyugtát konvertálj JSON-re**, majd bármely downstream API-ba továbbítsd. + +## 5. lépés – Összeállítás és a program futtatása + +Az alábbiakban a teljes, futtatható Java osztály látható, amely mindent összekapcsol. Mentsd el `JsonExportDemo.java` néven (vagy bármilyen más néven), és futtasd az IDE‑ből vagy a parancssorból. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Várható kimenet + +A program futtatása egy a következőhöz hasonló JSON karakterláncot nyomtat (a pontos tartalom a nyugtádtól függ): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Most már ezt a JSON-t betáplálhatod egy adatbázisba, egy REST végpontra vagy egy adat‑elemzési csővezetékbe. A **nyugtát JSON-re konvertálás** lépés már el van végezve számodra. + +## Gyakori kérdések és speciális esetek + +### Mi van, ha a kép el van forgatva? + +Az Aspose OCR automatikusan felismeri és korrigálja a enyhe elfordulásokat. Súlyosan ferde képek esetén hívd meg a `engine.getImagePreprocessingOptions().setDeskew(true)` metódust a felismerés előtt. + +### Hogyan kezeljek több nyelvet? + +Használd a `engine.getLanguage()` metódust a kívánt nyelv beállításához, például `engine.setLanguage(Language.FRENCH)`. Ez akkor hasznos, ha **szöveget kell felismerned képről**, amely többnyelvű nyugtákat tartalmaz. + +### Ki tudok-e nyerni egyszerű szöveget JSON helyett? + +Természetesen. Cseréld le a `ResultFormat.JSON`-t `ResultFormat.TEXT`-re, és hívd meg a `result.getText()` metódust. + +### Van mód az OCR-t egy meghatározott területre korlátozni? + +Igen – használhatod a `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` metódust, hogy a nyugta területére fókuszálj, ami javíthatja a sebességet és a pontosságot. + +## Profi tippek a termelés‑kész OCR-hez + +- **Cache-eld a licenc** objektumot, ha sok fájlt dolgozol fel egy ciklusban; az ismételt létrehozás többletterhet jelent. +- **Kötegelt feldolgozás**: töltsd be az összes nyugta útvonalát egyetlen `OcrInput`-ba, és hívd meg egyszer a `recognize`-t. A JSON egy oldalak tömbjét tartalmazza, mindegyik saját sorokkal. +- **Validáld a JSON-t**: a karakterlánc megszerzése után parse-ld egy, például Jackson könyvtár segítségével, hogy megbizonyosodj a helyes formátumról, mielőtt tárolnád. +- **Figyeld a biztonsági pontszámot**: a JSON minden sorhoz tartalmaz egy `confidence` mezőt. Szűrd ki az alacsonyabb (pl. 0,85 alatti) pontszámú sorokat, hogy elkerüld a szemét adatot. +- **Biztosítsd a licencet**: tárold az `Aspose.OCR.lic` fájlt egy biztonságos tárolóban vagy környezeti változóban, különösen felhőalapú telepítések esetén. + +## Összegzés + +Áttekintettük, **hogyan használjunk OCR-t** Java-ban a **szöveg felismeréséhez képről**, **szöveg kinyeréséhez PNG** nyugtákból, és **nyugtát konvertáljunk JSON-re** – mindezt egy tömör, vég‑től‑végig példával. A lépések egyszerűek, a kód teljesen futtatható, és a JSON kimenet egy strukturált reprezentációt ad, amely készen áll bármely downstream rendszer számára. + +A következő lépésben érdemes lehet fejlettebb forgatókönyveket felfedezni: a JSON-t Apache Kafka-ba küldeni valós‑idő feldolgozáshoz, regex mintákat alkalmazni a tételösszegek kinyeréséhez, vagy egy felhőalapú OCR szolgáltatással integrálni a skálázhatóság érdekében. Akármit is választasz, a most megtanult alapok változatlanok maradnak. + +Van kérdésed, vagy elakadtál valahol a kipróbálás során? Hagyj egy megjegyzést alább, és együtt megoldjuk. Boldog kódolást, és élvezd, ahogy a rendezetlen nyugta képeket tiszta, kereshető adatokra változtatod! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/hungarian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..08665bf5d --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,181 @@ +--- +category: general +date: 2026-02-17 +description: 'Kép‑szöveg Java oktató: tanulja meg, hogyan lehet Urdu szöveget kinyerni + egy képből az Aspose OCR használatával. Teljes Java OCR példa mellékelve.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: hu +og_description: Az „image to text” Java oktató bemutatja, hogyan lehet Urdu szöveget + kinyerni egy képből az Aspose OCR segítségével. Kövesd a teljes Java OCR példát + lépésről lépésre. +og_title: 'kép szöveggé Java: Urdu szöveg kinyerése az Aspose OCR-rel' +tags: +- OCR +- Java +- Aspose +title: 'Kép szöveggé Java: Urdu szöveg kinyerése Aspose OCR-rel' +url: /hu/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Urdu szöveg kinyerése Aspose OCR-rel + +Ha **image to text java** konverzióra van szükséged urdu nyelvű dokumentumok esetén, jó helyen jársz. Gondolkodtál már azon, *hogyan lehet szöveget kinyerni* egy kézzel írt jegyzet vagy egy beolvasott újságoldal képből? Ez az útmutató végigvezet egy **java ocr example** példán, amely közvetlenül az Aspose OCR segítségével húzza ki az urdu karaktereket egy képről. + +Mindent lefedünk a könyvtár licencelésétől a konzolra való kiírásig. A végére képes leszel **load image ocr** fájlokat betölteni, beállítani a nyelvet urdura, és tiszta Unicode kimenetet kapni – extra eszközök nélkül. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – a kód bármely friss JDK-n működik. +- **Aspose.OCR for Java** JAR (letölthető az Aspose weboldaláról). +- Érvényes **Aspose OCR license** fájl (`Aspose.OCR.lic`). +- Egy kép, amely urdu szöveget tartalmaz, pl. `urdu-sample.png`. + +Ha ezek az alapok megvannak, egyből a kódba ugorhatsz, anélkül hogy hiányzó függőségeket keresnél. + +## image to text java – Setting Up Aspose OCR + +Először is meg kell mondanunk az Aspose-nak, hogy van licencünk. Licenc nélkül a könyvtár értékelő módban fut, és vízjelet helyez a kimenetre. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Miért fontos:** A licenc eltávolítja az 5 másodperces feldolgozási korlátot, és feloldja a 2025‑Q3‑ban hozzáadott teljes urdu nyelvi csomagot. Ha kihagyod ezt a lépést, az OCR motor még működik, de egy apró „Evaluation” feliratot látsz majd az eredményben. + +## How to Extract Text – Initialize the OCR Engine + +Most létrehozzuk a motort, és kifejezetten megadjuk, hogy urdu nyelvre vagyunk kíváncsiak. Az `OcrLanguage.URDU` konstans aktiválja a megfelelő karakterkészletet és szegmentálási szabályokat. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tipp:** Ha egyszerre több nyelvet szeretnél feldolgozni, átadhatsz egy vesszővel elválasztott listát, pl. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. A motor automatikusan felismeri az egyes régiókat. + +## Load Image OCR – Preparing the Input + +Az Aspose egy `OcrInput` objektummal dolgozik, amely egy vagy több képet is tárolhat. Itt **load image ocr** adatot töltünk be egy helyi fájlból. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Megjegyzés:** Cseréld le a `YOUR_DIRECTORY`‑t a teljes elérési útra vagy egy relatív útra a projekt gyökerétől. Ha a fájl nem található, az Aspose `FileNotFoundException`‑t dob. Egy gyors ellenőrzés a `new File(path).exists()`‑szel rengeteg hibakeresési időt spórolhat. + +## Recognize the Text – Running the OCR Process + +Miután a motor be van állítva és a kép betöltődött, végül meghívjuk a `recognize` metódust. A metódus egy `OcrResult`‑ot ad vissza, amely a kinyert szöveget tartalmazza. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Mi történik a háttérben?** Az OCR motor a képet sorokra, majd karakterekre bontja, alkalmazva az urdu‑specifikus alakformázási szabályokat (például a kapcsolódó formákat). Ezért kulcsfontosságú a nyelv korai beállítása; ellenkező esetben összezavarodott latin helyőrzőket kapsz. + +## Print the Recognized Urdu Text + +Az utolsó lépés egyszerűen a végeredmény kiírása. Mivel az urdu jobbról balra íródik, győződj meg róla, hogy a konzolod támogatja a Unicode‑ot (a legtöbb modern terminál már igen). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Várható kimenet (példa):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Ha kérdőjeleket vagy üres stringeket látsz, ellenőrizd, hogy a konzol kódolása UTF‑8‑ra van állítva (`chcp 65001` Windows‑on, vagy futtasd a Javat a `-Dfile.encoding=UTF-8` kapcsolóval). + +## Full Working Example – All Steps in One Place + +Az alábbiakban a teljes, másolásra kész program található. Nincs külső hivatkozás, csak egyetlen Java fájl. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Futtasd a következővel: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Cseréld le a JAR verziót (`23.10`) arra, amit letöltöttél. A konzolnak meg kell jelenítenie a PNG‑ből kinyert urdu mondatot. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | Image is too dark or low‑resolution. | Pre‑process the image (increase contrast, binarize) using `BufferedImage` before feeding it to Aspose. | +| **Garbage characters** | Wrong language set (default is English). | Ensure `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` is called before `recognize`. | +| **License not found** | Path typo or missing file. | Use an absolute path or place the `.lic` file in the classpath and call `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | Large PNGs consume heap. | Call `ocrEngine.setMaxImageSize(2000);` to downscale internally, or resize the image yourself. | + +## Extending the Demo + +- **Batch processing:** Loop over a folder, add each file to the same `OcrInput`, and collect results in a CSV. +- **Different languages:** Swap `OcrLanguage.URDU` with `OcrLanguage.ARABIC` or combine multiple languages. +- **Saving to file:** Use `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +All of these ideas build on the **java ocr example** we just built, letting you tailor the solution to real‑world projects. + +## Conclusion + +You now have a solid **image to text java** workflow that extracts Urdu characters from an image using Aspose OCR. The tutorial covered every step—from licensing and language selection to loading the image and printing the result—so you can paste the code into any Java project and watch it work. + +Next, try experimenting with larger PDFs, different scripts, or even integrating the OCR step into a Spring Boot REST endpoint. The same principles—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/hungarian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/hungarian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..6b7dcb3ae --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-02-17 +description: Tanulja meg, hogyan ismerje fel a szöveget képről, és hogyan töltsön + be képet OCR-hez az Aspose OCR Java könyvtár használatával. Lépésről‑lépésre útmutató + helyesírás‑javítóval. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: hu +og_description: Szöveg felismerése képről az Aspose OCR Java segítségével. Ez az útmutató + bemutatja, hogyan töltsünk be képet OCR-hez, engedélyezzük a helyesírási javítást, + és hogyan állítsunk elő tiszta szöveget. +og_title: szöveg felismerése képről – Teljes Aspose OCR Java útmutató +tags: +- Java +- OCR +- Aspose +title: Képről szöveg felismerése az Aspose OCR segítségével – Java útmutató +url: /hu/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +produce final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Szöveg felismerése képről az Aspose OCR – Java útmutató + +Valaha szükséged volt **szöveg felismerésére képről**, de nem tudtad, melyik könyvtárat válaszd? Nem vagy egyedül. Sok valós projektben—gondolj csak a számlák beolvasására, a kézírásos jegyzetek digitalizálására vagy a képernyőképek feliratainak kinyerésére—az pontos OCR‑eredmények elérése kulcsfontosságú. + +Ebben az útmutatóban végigvezetünk a kép betöltésén OCR‑hez, az Aspose OCR beépített helyesírás‑javító bekapcsolásán, és végül a megtisztított szöveg kiíratásán. A végére egy azonnal futtatható Java programod lesz, amely **szöveget felismer képről** néhány kódsorral. + +## Mit fed le ez az útmutató + +- Hogyan alkalmazd az Aspose OCR licencet (így a demó vízjel nélkül fut) +- Az `OcrEngine` példány létrehozása és az angol nyelv kiválasztása felismerési nyelvként +- **Kép betöltése OCR‑hez** a `OcrInput` használatával, és egy hibás szavakat tartalmazó PNG‑re mutatva +- A helyesírás‑javító engedélyezése, opcionálisan egy egyéni szótárra mutatva +- A felismerés futtatása és a javított eredmény kiírása + +Nincsenek külső szolgáltatások, rejtett konfigurációs fájlok—csak tiszta Java és az Aspose OCR JAR. + +> **Pro tipp:** Ha új vagy az Aspose‑ban, szerezz be egy ingyenes 30‑napos próba licencet az Aspose weboldaláról, és helyezd a `.lic` fájlt egy olyan mappába, amelyre a kódból hivatkozhatsz. + +## Előfeltételek + +- Java 8 vagy újabb (a kód JDK 11‑gyel is lefordítható) +- Aspose.OCR for Java JAR a classpath‑odban +- Érvényes `Aspose.OCR.lic` fájl (vagy futtathatod értékelő módban, de a demó vízjelet helyez be) +- Egy képfájl (`misspelled.png`), amely szándékos helyesírási hibákat tartalmazó szöveget tartalmaz—tökéletes a helyesírás‑javító működésének megtekintéséhez + +Megvan mindez? Remek—merüljünk el. + +## 1. lépés: Az Aspose OCR licenc alkalmazása + +Mielőtt a motor bármilyen nehéz feladatot végezne, tudnia kell, hogy licencelt vagy. Ellenkező esetben a kimenetben egy „Trial version” felirat jelenik meg. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Miért fontos:* A licencelt állapot kikapcsolja a próba vízjelet és feloldja a teljes helyesírás‑javító szótárat. Ennek a lépésnek a kihagyása működik, de a kimeneted „Aspose OCR Demo” szöveggel lesz szennyezve. + +## 2. lépés: OCR motor létrehozása és konfigurálása + +Most elindítjuk a motort és megadjuk, melyik nyelvet használja. Az angol a leggyakoribb, de az Aspose tucatokat támogat. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Miért állítjuk be a nyelvet:* A nyelvi modell meghatározza a karakterkészletet és befolyásolja a helyesírás‑javító javaslatait. Rossz nyelv használata drámaian csökkentheti a pontosságot. + +## 3. lépés: Helyesírás‑javítás engedélyezése és (opcionálisan) egy egyéni szótár megadása + +Az Aspose OCR egy beépített angol szótárral érkezik, de megadhatsz sajátot, ha speciális szakterületi kifejezéseid vannak (gondolj orvosi zsargonnal vagy termékkódokra). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Mit csinál a javító:* Amikor az OCR motor olyan szót talál, ami nincs a szótárban, megpróbálja a legközelebbi egyezésre cserélni. Ezért tudja a demó a „recieve” szót automatikusan „receive”‑re változtatni. + +## 4. lépés: Kép betöltése OCR‑hez + +Itt van a rész, amely közvetlenül a **kép betöltése OCR‑hez** kérdésre válaszol. Létrehozunk egy `OcrInput` objektumot és hozzáadjuk a PNG fájlt. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Miért használjuk a `OcrInput`‑t:* Elrejti a fájl‑olvasási logikát, és lehetővé teszi, hogy később több oldalt adj hozzá, ha többoldalas PDF‑et vagy képek sorozatát kell feldolgozni. + +## 5. lépés: Felismerés futtatása és a javított szöveg lekérése + +A motor most elvégzi a nehéz munkát—karakterek felismerése, a nyelvi modell alkalmazása, és végül a helyesírás javítása. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Várt kimenet:* Feltételezve, hogy a `misspelled.png` a „Ths is a smple test” kifejezést tartalmazza, a konzol a következőt írja ki: + +``` +Corrected text: +This is a simple test +``` + +Vedd észre, hogy a helytelen szavak (`Ths`, `smple`) automatikusan javítva lettek. + +## Teljes, azonnal futtatható példa + +Az alábbiakban a teljes program egy blokkban látható. Másold be, állítsd be az elérési útvonalakat, és nyomd meg a **Run** gombot. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tipp:** Ha JPEG‑et vagy BMP‑t szeretnél feldolgozni PNG helyett, csak cseréld a fájlkiterjesztést—az Aspose OCR támogatja az összes gyakori raszter formátumot. + +## Gyakori kérdések és speciális esetek + +- **Mi van, ha a kép alacsony felbontású?** + Növeld a DPI‑t, mielőtt az Aspose‑nek átadod, például a `java.awt.Image` könyvtárral átméretezve. A magasabb DPI több pixelt biztosít a motor számára, ami általában javítja a pontosságot. + +- **Felismerhetek több nyelvet ugyanabban a képen?** + Igen. Hívd a `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` metódust, és opcionálisan adj meg egy nyelvlistát a `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` segítségével. + +- **Az egyéni szótáram nem kerül felhasználásra—miért?** + Győződj meg róla, hogy a mappa egyszerű szövegfájlokat tartalmaz, soronként egy szóval, és hogy az útvonal abszolút vagy helyesen relatív a munkakönyvtáradhoz. + +- **Hogyan nyerhetem ki a megbízhatósági pontszámokat?** + A `result.getConfidence()` egy 0 és 1 közötti float értéket ad vissza az egész oldalra. Karakterenkénti megbízhatóságért vizsgáld meg a `result.getWordList()`-et. + +## Következtetés + +Most már tudod, hogyan **szöveget felismerj képről** az Aspose OCR for Java segítségével, hogyan **képet tölts be OCR‑hez**, és hogyan engedélyezd a helyesírás‑javítót a gyakori elírások tisztításához. A fenti teljes példa készen áll, hogy bármely Maven vagy Gradle projektbe beilleszd, és néhány módosítással kötegelt mappafeldolgozásra, webszolgáltatásba való integrálásra vagy dokumentumkezelő rendszerbe való beágyazásra skálázható. + +Készen állsz a következő lépésre? Próbálj meg egy többoldalas PDF‑et betáplálni, kísérletezz egy egyéni szótárral az iparágspecifikus terminológiához, vagy láncold a kimenetet egy fordítási API‑hoz. A lehetőségek végtelenek, és az alapminta—licenc → motor → nyelv → helyesírás‑javító → bemenet → felismerés → kimenet—változatlan marad. + +Boldog kódolást, és legyenek az OCR eredményeid mindig pontosak! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/advanced-ocr-techniques/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/_index.md index 8b802e033..7abde7fe8 100644 --- a/ocr/indonesian/java/advanced-ocr-techniques/_index.md +++ b/ocr/indonesian/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Buka kekuatan pengenalan teks dengan Aspose.OCR untuk Java. Ikuti panduan langka Berdayakan aplikasi Java Anda dengan Aspose.OCR untuk pengenalan teks yang tepat. Integrasi yang mudah, akurasi tinggi. ### [Menentukan Karakter yang Diizinkan di Aspose.OCR](./specify-allowed-characters/) Buka kunci ekstraksi teks dari gambar secara lancar dengan Aspose.OCR untuk Java. Ikuti panduan langkah demi langkah kami untuk integrasi yang efisien. +### [Mengenali Gambar Teks menggunakan Aspose OCR GPU untuk Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Gunakan Aspose OCR berbasis GPU untuk mengenali teks dalam gambar dengan kecepatan tinggi di Java. Tingkatkan performa OCR proyek Anda. +### [Fixed Thread Pool Java – OCR Paralel untuk PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Gunakan Fixed Thread Pool di Java untuk melakukan OCR secara paralel pada gambar PNG, meningkatkan kecepatan dan efisiensi proses. +### [Pra-pemrosesan Gambar untuk OCR – Panduan Java Lengkap untuk Meningkatkan Kontras & Mengekstrak Teks](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Pelajari cara meningkatkan kontras gambar dan menyiapkan gambar untuk OCR dengan panduan Java lengkap ini. +### [Buat Mesin OCR Java – Mengenali Teks dari Gambar Besar](./create-ocr-engine-java-recognize-text-from-large-images/) +Gunakan Aspose.OCR untuk membuat mesin OCR Java yang dapat mengenali teks pada gambar berukuran besar dengan efisiensi tinggi. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..ff442b721 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,260 @@ +--- +category: general +date: 2026-02-17 +description: Buat mesin OCR Java dan baca file TIFF dengan cepat menggunakan Java. + Pelajari cara mengenali teks dari gambar besar menggunakan Aspose.OCR dalam panduan + langkah demi langkah. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: id +og_description: Buat mesin OCR Java sekarang. Tutorial ini menunjukkan cara membaca + file TIFF dengan Java dan mengenali teks dari gambar besar menggunakan Aspose.OCR. +og_title: Buat Mesin OCR Java – Panduan Lengkap untuk Pengenalan Teks pada Gambar + Besar +tags: +- OCR +- Java +- Aspose +title: Buat Mesin OCR Java – Kenali Teks dari Gambar Besar +url: /id/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +sure alt attribute translation is correct. + +Now produce final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Buat Mesin OCR Java – Mengenali Teks dari Gambar Besar + +Pernahkah Anda perlu **create OCR engine Java** kode yang dapat menangani peta TIFF yang sangat besar, tetapi tidak yakin harus mulai dari mana? Anda tidak sendirian—kebanyakan pengembang menemui kendala ketika ukuran gambar melebihi batas memori biasanya. + +Dalam panduan ini kami akan memandu Anda melalui contoh lengkap yang siap‑jalan yang **creates an OCR engine in Java**, menunjukkan cara **read TIFF file Java** dengan `InputStream`, dan akhirnya **recognizes text from large image** file tanpa kehabisan heap. Pada akhirnya Anda akan memiliki program mandiri yang dapat Anda masukkan ke dalam proyek Maven atau Gradle apa pun. + +## Apa yang Anda Butuhkan + +- **Java Development Kit (JDK) 8 atau lebih baru** – kode hanya menggunakan I/O standar plus Aspose.OCR. +- **Aspose.OCR for Java** library (versi terbaru per 2026‑02) – Anda dapat mengunduh JAR dari situs Aspose atau melalui Maven Central. +- Sebuah **large TIFF file** (mis., peta multi‑megapiksel) yang ingin Anda OCR. +- File **Aspose.OCR license** Anda (`Aspose.OCR.lic`). Tanpa itu mesin berjalan dalam mode evaluasi, namun Anda akan melihat watermark. + +> **Pro tip:** Simpan TIFF di samping folder sumber Anda atau gunakan path absolut; mesin akan membagi gambar secara internal, sehingga Anda tidak perlu memecahnya secara manual. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagram alur Create OCR Engine Java"} + +## Langkah 1 – Terapkan Lisensi Aspose.OCR Anda (Create OCR Engine Java) + +Sebelum mesin melakukan pemrosesan berat, Anda harus mendaftarkan lisensi. Melewatkan langkah ini memaksa mode evaluasi, yang membatasi jumlah halaman dan menambahkan banner pada output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Mengapa ini penting:* Objek `License` memberi tahu mesin OCR untuk membuka algoritma tiling resolusi penuh, yang penting untuk memproses **large image** secara efisien. + +## Langkah 2 – Membuat Instance Mesin OCR (Create OCR Engine Java) + +Sekarang kita memulai `OcrEngine` inti. Anggaplah ini sebagai otak yang nanti akan membaca piksel dan menghasilkan teks Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Mengapa kami menyederhanakannya:* Untuk kebanyakan skenario, pengaturan default sudah mencakup deteksi bahasa otomatis dan tiling optimal. Mengonfigurasi berlebih justru dapat memperlambat proses pada file besar. + +## Langkah 3 – Memuat File TIFF Menggunakan InputStream (Read TIFF File Java) + +TIFF besar dapat berukuran ratusan megabyte. Memuat seluruhnya ke dalam `BufferedImage` akan meledakkan heap. Sebagai gantinya kami memberikan `InputStream` ke mesin; Aspose.OCR akan membaca dan membagi gambar secara langsung. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Kasus khusus:* Jika TIFF Anda terkompresi dengan CCITT Group 4, Aspose.OCR tetap dapat menanganinya, tetapi Anda mungkin ingin mengatur `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` untuk sedikit meningkatkan kecepatan. + +## Langkah 4 – Siapkan Input OCR dan Beri Petunjuk Format + +Objek `OcrInput` dapat menampung beberapa gambar, tetapi kami hanya membutuhkan satu untuk demo ini. Menyediakan string format (`"tif"`) membantu mesin melewatkan proses sniffing format, menghemat beberapa milidetik. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Mengapa petunjuk format berguna:* Saat menangani **large images**, setiap milidetik berharga. Petunjuk format memberi tahu parser untuk melewati analisis header yang mahal. + +## Langkah 5 – Mengenali Teks dari Gambar Besar (Recognize Text from Large Image) + +Dengan semua komponen terhubung, pemanggilan OCR sebenarnya hanya satu baris. Mesin mengembalikan `OcrResult` yang berisi teks polos, skor kepercayaan, dan bahkan bounding box jika Anda membutuhkannya nanti. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Apa yang terjadi di balik layar:* Aspose.OCR membagi TIFF menjadi ubin yang dapat dikelola (default 1024 × 1024 px), menjalankan model neural‑net pada setiap ubin, dan kemudian menyatukan hasilnya. Inilah mengapa Anda dapat **recognize text from large image** file tanpa pra‑pemrosesan manual. + +## Langkah 6 – Tampilkan Pratinjau Teks yang Diekstrak + +Mencetak seluruh dokumen ke konsol dapat membuat kewalahan. Mari tampilkan hanya 200 karakter pertama, diikuti ellipsis, sehingga Anda dapat memverifikasi output secara sekilas. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Output konsol yang diharapkan:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Jika Anda melihat teks acak, periksa kembali bahwa bahasa yang tepat dipilih (default adalah English) dan bahwa TIFF tidak rusak. + +## Contoh Lengkap yang Berfungsi + +Menggabungkan semua bagian memberi Anda satu kelas yang dapat Anda kompilasi dan jalankan: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Kompilasi dengan: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Ganti `aspose-ocr-23.12.jar` dengan versi sebenarnya yang Anda unduh. + +## Kesalahan Umum & Tips + +| Masalah | Mengapa Terjadi | Solusi Cepat | +|------|----------------|-----------| +| **OutOfMemoryError** | Memuat TIFF ke dalam `BufferedImage` alih-alih streaming. | Selalu gunakan `InputStream` seperti contoh; biarkan Aspose menangani tiling. | +| **Output kosong** | Petunjuk ekstensi file yang salah (`"tif"` vs `"tiff"`). | Gunakan string tepat yang Anda berikan ke `add`. | +| **Karakter sampah** | Lisensi tidak diterapkan atau kedaluwarsa. | Verifikasi path file `.lic` dan terapkan kembali sebelum membuat engine. | +| **Pengakuan lambat** | Menggunakan `OcrConfiguration` khusus dengan DPI tinggi. | Gunakan default untuk kebanyakan kasus; ubah hanya jika membutuhkan akurasi lebih tinggi. | + +### Kapan Menyesuaikan Pengaturan + +- **Dokumen multi‑bahasa:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Akurasi lebih tinggi pada font kecil:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Namun ingat, setiap opsi tambahan dapat meningkatkan waktu CPU, terutama pada **large image**. Uji dengan satu ubin terlebih dahulu. + +## Langkah Selanjutnya + +Sekarang Anda tahu cara **create OCR engine Java**, **read TIFF file Java**, dan **recognize text from large image**, Anda mungkin ingin: + +1. **Ekspor hasil ke PDF** – gabungkan Aspose.PDF dengan teks OCR untuk dokumen yang dapat dicari. +2. **Simpan bounding box** – gunakan `ocrResult.getWords()` untuk mendapatkan koordinat untuk penyorotan. +3. **Paralelisasi pemrosesan ubin** – untuk citra satelit ultra‑besar, spin up a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..25e71e8ee --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-02-17 +description: Pelajari cara menggunakan fixed thread pool di Java untuk mengekstrak + teks dari gambar PNG dengan pemrosesan OCR paralel dan menutup layanan executor + dengan benar. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: id +og_description: Temukan bagaimana fixed thread pool Java dapat mengekstrak teks dari + gambar PNG secara paralel, mengonversi teks halaman yang dipindai, dan mematikan + layanan executor dengan aman. +og_title: fixed thread pool java – OCR paralel untuk PNG +tags: +- java +- ocr +- multithreading +- aspose +title: fixed thread pool Java – OCR paralel untuk PNG +url: /id/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +block unchanged. + +Now produce final content. + +Let's write translation. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR paralel untuk PNG + +Pernah bertanya-tanya bagaimana cara mempercepat OCR pada sekumpulan file PNG menggunakan **fixed thread pool java**? Dalam tutorial ini kami akan membahas **extract text from PNG** gambar secara paralel, **convert scanned pages text** menjadi string yang dapat diedit, dan dengan aman **shut down executor service** setelah pekerjaan selesai. + +Jika Anda pernah menatap sebuah loop single‑threaded yang berjalan berjam‑jam, Anda pasti tahu rasa frustrasi menunggu setiap halaman selesai sebelum yang berikutnya bahkan mulai. Kabar baik? Dengan beberapa baris Java dan Aspose OCR Anda dapat memanfaatkan semua core CPU, mengubah halaman yang dipindai menjadi teks yang dapat dicari, dan menjaga aplikasi tetap responsif. + +Di bawah ini Anda akan menemukan contoh lengkap yang siap dijalankan, beserta penjelasan mengapa setiap bagian penting, jebakan umum, dan tips yang dapat diterapkan pada pustaka OCR apa pun. + +--- + +## Apa yang Anda Perlukan + +- **Java 17** (atau JDK terbaru) – kode ini menggunakan sintaks `var` secara terbatas, tetapi tetap dapat berjalan pada versi lebih lama. +- **Aspose.OCR for Java** library – dapat diunduh dari Maven Central atau coba versi trial dari Aspose. +- Sekumpulan file **PNG** yang ingin Anda proses – misalnya struk yang dipindai, halaman buku, atau screenshot. +- Familiaritas dasar dengan concurrency di Java – tidak wajib, tetapi membantu. + +Itu saja. Tanpa layanan eksternal, tanpa Docker, hanya Java biasa dan sedikit sihir multithreading. + +--- + +## Langkah 1: Tambahkan Dependensi Aspose OCR & Lisensi (Opsional) + +Pertama, pastikan JAR Aspose OCR berada di classpath Anda. Jika menggunakan Maven, tambahkan: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Jika Anda tidak memiliki lisensi, pustaka akan berjalan dalam mode evaluasi; kode tetap berfungsi sama. Untuk memuat lisensi (disarankan untuk produksi), letakkan `Aspose.OCR.lic` di folder resources Anda dan gunakan: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Simpan file lisensi di luar kontrol versi untuk menghindari paparan tidak sengaja. + +--- + +## Langkah 2: Buat Instance `OcrEngine` yang Thread‑Safe + +`OcrEngine` milik Aspose OCR bersifat thread‑safe selama Anda menggunakan instance yang sama di seluruh tugas. Membuatnya sekali saja menghemat memori dan menghindari overhead inisialisasi ulang engine untuk setiap gambar. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Mengapa reuse? Anggap engine sebagai pekerja berat yang memuat model bahasa ke memori. Membuat engine baru per gambar ibarat mempekerjakan spesialis baru untuk setiap pekerjaan kecil – mahal dan tidak perlu. + +--- + +## Langkah 3: Siapkan Fixed Thread Pool Java + +Sekarang saatnya bintang utama: **fixed thread pool java**. Kita akan menyesuaikannya dengan jumlah prosesor logis sehingga setiap core mendapatkan pekerjaan tanpa oversubscribing. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Menggunakan pool *fixed* (bukan cached) memberi Anda penggunaan sumber daya yang dapat diprediksi dan mencegah lonjakan “out‑of‑memory” ketika ratusan gambar datang sekaligus. + +--- + +## Langkah 4: Daftar File PNG yang Ingin Diproses (Extract Text from PNG) + +Kumpulkan path ke gambar yang ingin Anda OCR. Pada proyek nyata Anda mungkin memindai sebuah direktori atau membaca dari database; di sini kita akan hard‑code beberapa contoh. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Catatan:** Ekstensi file **png** penting karena Aspose OCR secara otomatis mendeteksi format, namun Anda juga dapat memberi JPEG atau TIFF. + +--- + +## Langkah 5: Submit Tugas OCR – Pemrosesan OCR Paralel + +Setiap gambar menjadi callable yang mengembalikan teks yang dikenali. Karena `OcrEngine` dibagi, kita hanya perlu mengirimkan path file ke dalam tugas. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Mengapa membungkusnya dalam `Future`? Ini memungkinkan kita meluncurkan semua pekerjaan sekaligus, lalu kemudian mengumpulkan hasil sesuai urutan pengiriman – sempurna untuk mempertahankan urutan halaman saat **convert scanned pages text** kembali ke dokumen. + +--- + +## Langkah 6: Ambil Hasil dan Tampilkan (Convert Scanned Pages Text) + +Sekarang kita menunggu setiap `Future` selesai dan mencetak output. Pemanggilan `get()` hanya memblokir sampai tugas spesifik selesai, bukan seluruh pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Output konsol tipikal terlihat seperti: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Jika Anda lebih suka menulis hasil ke file, ganti `System.out.println` dengan pemanggilan `Files.writeString`. + +--- + +## Langkah 7: Matikan Executor Service dengan Bersih + +Setelah semua tugas selesai, sangat penting untuk **shut down executor service**; bila tidak, JVM Anda mungkin tetap menjaga thread non‑daemon hidup, mencegah keluar yang elegan. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Pola `awaitTermination` memberi pool kesempatan menyelesaikan pekerjaan yang sedang berjalan sebelum dipaksa berhenti. Mengabaikan langkah ini adalah sumber umum memory leak pada aplikasi yang berjalan lama. + +--- + +## Contoh Lengkap yang Berfungsi + +Menggabungkan semuanya, berikut program lengkap yang dapat Anda salin‑tempel ke `ParallelBatchDemo.java` dan jalankan: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..dcbc69350 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Pra-proses gambar untuk OCR dengan Aspose OCR di Java. Pelajari cara + meningkatkan kontras gambar, mengatur tingkat kontras, dan mengenali teks dari gambar + dalam hitungan menit. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: id +og_description: Pra-proses gambar untuk OCR menggunakan Aspose OCR Java. Panduan ini + menunjukkan cara meningkatkan kontras gambar, mengatur tingkat kontras, dan mengenali + teks dari gambar dengan cepat. +og_title: Pra-proses Gambar untuk OCR – Tutorial Java untuk Meningkatkan Kontras & + Mengekstrak Teks +tags: +- Java +- OCR +- Image Processing +title: Pra-proses Gambar untuk OCR – Panduan Java Lengkap untuk Meningkatkan Kontras + & Mengekstrak Teks +url: /id/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Pra‑proses Gambar untuk OCR – Panduan Java Lengkap + +Pernah membutuhkan **preprocess image for OCR** tetapi tidak yakin pengaturan mana yang benar‑benar berpengaruh? Anda tidak sendirian. Kebanyakan pengembang melemparkan gambar ke mesin OCR dan berharap keajaiban terjadi, hanya untuk mendapatkan output yang berantakan. Dalam tutorial ini kami akan membahas contoh praktis end‑to‑end yang **boosts image contrast**, menyesuaikan **contrast level**, dan akhirnya **recognizes text from image** menggunakan Aspose OCR untuk Java. + +Setelah selesai, Anda akan memiliki potongan kode yang dapat digunakan kembali yang **extracts text using OCR** secara andal, bahkan pada pemindaian yang berisik. Tidak ada trik tersembunyi, hanya langkah‑langkah yang jelas dan alasan di balik masing‑masing. + +## Apa yang Anda Butuhkan + +- Java 17 atau yang lebih baru (kode dapat dikompilasi dengan JDK terbaru apa pun) +- Perpustakaan Aspose OCR untuk Java (unduh dari situs resmi Aspose) +- File lisensi Aspose OCR yang valid (`Aspose.OCR.lic`) +- Gambar input (`input.jpg`) yang ingin Anda baca +- IDE favorit atau setup baris perintah sederhana + +Jika Anda sudah memiliki semua ini, bagus—mari langsung masuk. + +## Langkah 1: Muat Lisensi Aspose OCR (Pengaturan Utama) + +Sebelum mesin OCR melakukan apa pun, ia harus mengetahui bahwa Anda memiliki lisensi. Jika tidak, Anda akan melihat watermark percobaan. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Mengapa ini penting:** Tanpa lisensi yang tepat, mesin berjalan dalam mode evaluasi, yang dapat memotong hasil atau menambahkan watermark. Menetapkan lisensi lebih awal juga memastikan bahwa opsi pra‑pemrosesan selanjutnya diterapkan dalam mode penuh‑fitur. + +## Langkah 2: Inisialisasi Mesin OCR + +Membuat instance `OcrEngine` memberi Anda akses ke pipeline pengenalan dan pra‑pemrosesan. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Tip pro:** Simpan mesin sebagai singleton jika Anda berencana memproses banyak gambar dalam satu batch; ia menyimpan cache sumber daya internal dan mempercepat panggilan berikutnya. + +## Langkah 3: Konfigurasikan Pra‑pemrosesan – Deskew, Denoise, dan Peningkatan Kontras + +Di sinilah kami **preprocess image for OCR**. Tiga pengaturan yang akan kami ubah adalah: + +1. **Deskew** – memperbaiki rotasi ringan. +2. **Denoise** – menghilangkan bintik‑bintik yang membingungkan segmentasi karakter. +3. **Contrast enhancement** – membuat teks gelap lebih menonjol dibandingkan latar belakang. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Mengapa Menyesuaikan Contrast Level? + +Menambah contrast level memperluas histogram gambar, membuat piksel gelap menjadi lebih gelap dan piksel terang menjadi lebih terang. Dalam praktiknya, **contrast level** sebesar `1.3f` sering memberikan keseimbangan terbaik untuk dokumen cetak, sementara nilai di atas `1.5f` dapat menyebabkan goresan tipis terlalu terang. Silakan bereksperimen; pengaturan ini murah untuk diubah dan dapat secara dramatis meningkatkan tingkat keberhasilan **recognize text from image**. + +## Langkah 4: Siapkan Gambar Input + +Kelas `OcrInput` menyederhanakan penanganan file. Anda dapat menambahkan beberapa gambar jika memerlukan pemrosesan batch. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Kasus khusus:** Jika gambar Anda dalam format non‑standar (mis., TIFF dengan beberapa halaman), Anda dapat memuat tiap halaman secara terpisah atau mengonversinya ke PNG/JPEG terlebih dahulu. + +## Langkah 5: Lakukan Pengenalan + +Sekarang mesin menjalankan pipeline pra‑pemrosesan yang baru saja kami konfigurasikan, kemudian menyerahkan gambar yang telah dibersihkan ke algoritma inti OCR. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Apa yang terjadi di balik layar?** Aspose OCR pertama‑tama menerapkan transformasi deskey, kemudian menjalankan filter denoise, dan akhirnya menyesuaikan kontras sebelum memberi gambar ke recognizer berbasis jaringan sarafnya. Urutan ini disengaja; mengubahnya dapat menghasilkan hasil yang kurang optimal. + +## Langkah 6: Keluarkan Teks yang Dikenali + +Akhirnya, kami mencetak string yang diekstrak ke konsol. Dalam aplikasi nyata Anda mungkin menuliskannya ke file atau mengirimnya melalui jaringan. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Output yang Diharapkan + +Jika `input.jpg` berisi frasa “Hello World!”, konsol harus menampilkan: + +``` +Hello World! +``` + +Jika output terlihat berantakan, periksa kembali nilai pra‑pemrosesan—terutama **contrast level** dan **denoise mode**—dan coba format gambar lain. + +## Bonus: Visualisasi Gambar Pra‑diproses (Opsional) + +Kadang‑kadang Anda ingin melihat apa yang dilihat mesin setelah deskew, denoise, dan peningkatan kontras. Aspose OCR memungkinkan Anda mengekspor bitmap menengah: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Buka `processed.png` berdampingan dengan yang asli; Anda akan melihat horizon yang lebih lurus dan teks yang lebih tajam. Langkah ini berguna saat Anda menelusuri mengapa pemindaian tertentu gagal. + +![contoh preprocess image for OCR](/images/ocr-preprocess-example.png "preprocess image for OCR – sebelum dan sesudah peningkatan kontras") + +*Gambar di atas menggambarkan bagaimana peningkatan kontras dan denoising mengubah pemindaian yang buram menjadi gambar bersih yang siap OCR.* + +## Kesalahan Umum & Cara Menghindarinya + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` terlalu tinggi) | Latar belakang yang terang menjadi putih, menghapus karakter yang samar | Pertahankan level antara 1.1 dan 1.4 untuk kebanyakan teks cetak | +| **Deskew tolerance terlalu rendah** | Rotasi kecil tidak terkoreksi | Naikkan `setDeskewAngleTolerance` menjadi 0.2 atau 0.3 untuk buku yang dipindai | +| **Menggunakan GAUSSIAN denoise pada gambar biner** | Memburamkan tepi, menggabungkan karakter | Gunakan `DenoiseMode.MEDIAN` untuk pemindaian hitam‑putih | +| **Lisensi hilang** | Mesin kembali ke mode percobaan, memotong output | Verifikasi jalur ke `Aspose.OCR.lic` dan pastikan file dapat dibaca | + +## Langkah Selanjutnya: Melampaui Pra‑pemrosesan Dasar + +Sekarang Anda dapat **preprocess image for OCR** dan **extract text using OCR**, pertimbangkan ekstensi berikut: + +- **Language packs** – memuat kamus bahasa spesifik untuk meningkatkan akurasi pada teks non‑English. +- **Region‑of‑interest (ROI) cropping** – memfokuskan pada sub‑bagian gambar jika Anda hanya membutuhkan bagian tertentu dari halaman. +- **Batch processing** – mengulangi direktori gambar, menggunakan kembali instance `OcrEngine` yang sama untuk kecepatan. +- **Integrate with PDF** – menggabungkan Aspose OCR dengan Aspose PDF untuk mengonversi PDF yang dipindai menjadi PDF yang dapat dicari dalam satu pipeline. + +Setiap topik ini secara alami menggabungkan kata kunci sekunder kami: Anda masih akan **boost image contrast**, **set contrast level**, dan terus **recognize text from image** dalam banyak skenario. + +## Kesimpulan + +Kami telah membahas semua yang Anda perlukan untuk **preprocess image for OCR** menggunakan Aspose OCR untuk Java: memuat lisensi, mengonfigurasi deskew, denoise, dan peningkatan kontras, memberi gambar, dan akhirnya **recognizing text from image**. Dengan contoh lengkap yang dapat dijalankan di atas, Anda kini dapat **extract text using OCR** pada gambar apa pun yang telah dipersiapkan dengan tepat. + +Jalankan kode tersebut, sesuaikan **contrast level**, dan saksikan akurasi meningkat. Saat Anda siap, jelajahi model bahasa‑spesifik atau pipeline batch untuk mengubah demo satu‑gambar ini menjadi solusi tingkat produksi. + +*Selamat coding, semoga pemindaian Anda selalu tajam!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..e213bd5cc --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Mengenali teks pada gambar dengan cepat menggunakan dukungan GPU Aspose + OCR di Java. Pelajari cara mengekstrak teks dari gambar dan mengatur ID perangkat + GPU untuk kinerja optimal. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: id +og_description: Mengenali teks gambar dengan cepat menggunakan dukungan GPU Aspose + OCR di Java. Panduan ini menunjukkan cara mengekstrak teks dari gambar dan mengatur + ID perangkat GPU. +og_title: Mengenali gambar teks menggunakan Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Mengenali gambar teks menggunakan Aspose OCR GPU – Java +url: /id/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +final output.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# mengenali gambar teks menggunakan Aspose OCR GPU – Java + +Pernah membutuhkan untuk **recognize text image** dalam aplikasi Java tetapi CPU kesulitan dengan file besar? Anda bukan satu-satunya—banyak pengembang mengalami hal yang sama saat memproses pemindaian resolusi tinggi. Kabar baik? Aspose OCR memungkinkan Anda **extract text from image** pada GPU, memotong waktu pemrosesan secara dramatis. + +Dalam tutorial ini kami akan membahas contoh lengkap yang siap dijalankan yang menunjukkan secara tepat cara menyiapkan lisensi, mengaktifkan percepatan GPU, dan **set gpu device id** ketika Anda memiliki beberapa kartu grafis. Pada akhir tutorial Anda akan memiliki program mandiri yang mencetak teks yang dikenali ke konsol—tanpa langkah tambahan. + +## Apa yang Anda Butuhkan + +- **Java 17** atau lebih baru (API kompatibel dengan Java 8+, tetapi LTS terbaru memberikan kinerja yang lebih baik). +- **Aspose OCR for Java** library (unduh JAR dari situs web Aspose). +- File lisensi **Aspose OCR** yang valid (`Aspose.OCR.lic`). Versi percobaan gratis berfungsi, tetapi fitur GPU terkunci di versi berlisensi. +- File gambar (`sample-image.png`) yang berisi teks yang jelas dan dapat dibaca mesin. +- Lingkungan yang mendukung GPU (kartu NVIDIA CUDA‑compatible bekerja paling baik). + +Jika ada yang belum familiar, jangan khawatir—setiap poin akan dijelaskan seiring berjalan. + +## Langkah 1: Tambahkan Aspose OCR ke Proyek Anda + +Pertama, sertakan Aspose OCR JAR pada classpath Anda. Jika Anda menggunakan Maven, tambahkan dependensi berikut ke `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Untuk Gradle, gunakan: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Jika Anda lebih suka cara manual, letakkan JAR ke dalam folder `libs/` dan tambahkan ke path modul IDE. + +> **Pro tip:** Jaga nomor versi tetap sinkron dengan catatan rilis library; versi yang lebih baru sering membawa perbaikan kinerja untuk pemrosesan GPU. + +## Langkah 2: Muat Lisensi Aspose OCR (diperlukan untuk penggunaan GPU) + +Tanpa lisensi pemanggilan `setEnableGpu(true)` akan diam-diam beralih ke mode CPU. Muat lisensi tepat di awal `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Ganti `YOUR_DIRECTORY` dengan path absolut atau relatif tempat Anda menyimpan file `.lic`. Jika path salah, Aspose akan melempar `FileNotFoundException`, jadi periksa kembali ejaannya. + +## Langkah 3: Buat mesin OCR dan aktifkan percepatan GPU + +Sekarang kita menginstansiasi `OcrEngine` dan memberitahukannya untuk menggunakan GPU. Metode `setGpuDeviceId` memungkinkan Anda memilih kartu tertentu ketika lebih dari satu tersedia. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Mengapa harus mengatur device ID? Pada server multi‑GPU Anda mungkin menyisihkan satu kartu untuk pra‑pemrosesan gambar dan kartu lain untuk OCR. Mengatur ID memastikan perangkat keras yang tepat melakukan pekerjaan berat. + +## Langkah 4: Siapkan gambar input + +Aspose OCR bekerja dengan berbagai format (PNG, JPG, BMP, TIFF). Bungkus file Anda dalam objek `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Jika Anda perlu memproses aliran (misalnya file yang di‑upload), gunakan `ocrInput.add(InputStream)` sebagai gantinya. + +## Langkah 5: Jalankan proses pengenalan dan ambil hasilnya + +Metode `recognize` mengembalikan `OcrResult` yang berisi teks polos, skor kepercayaan, dan bahkan informasi tata letak bila diperlukan. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Konsol akan menampilkan sesuatu seperti: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Jika gambar blur atau bahasa tidak didukung, hasilnya mungkin kosong. Dalam kasus tersebut, periksa nilai `ocrResult.getConfidence()` (0‑100) untuk memutuskan apakah harus mencoba lagi dengan pra‑pemrosesan. + +## Contoh Lengkap yang Dapat Dijalankan + +Menggabungkan semua bagian memberikan satu kelas Java yang dapat Anda salin‑tempel ke IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** Konsol mencetak teks persis yang muncul di `sample-image.png`. Jika GPU aktif, Anda akan melihat waktu pemrosesan turun dari beberapa detik (CPU) menjadi kurang dari satu detik untuk pemindaian 300 dpi tipikal. + +## Pertanyaan Umum & Kasus Tepi + +### Apakah ini bekerja pada server tanpa tampilan (headless)? + +Ya. Driver GPU harus terinstal, tetapi tidak diperlukan tampilan. Pastikan toolkit `CUDA` (atau yang setara untuk GPU Anda) berada di `PATH` sistem. + +### Bagaimana jika saya memiliki lebih dari satu GPU dan ingin menggunakan GPU 1? + +Ubah device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Bagaimana cara mengekstrak teks dari gambar dalam bahasa lain? + +Atur bahasa sebelum memanggil `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose mendukung lebih dari 30 bahasa; lihat dokumentasi API untuk enumerasi lengkapnya. + +### Bagaimana jika gambar berisi beberapa halaman (misalnya PDF yang dikonversi menjadi gambar)? + +Buat entri `OcrInput` terpisah untuk setiap halaman, atau lakukan loop pada file-file tersebut: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Mesin akan menggabungkan hasil secara berurutan. + +### Bagaimana menangani hasil dengan kepercayaan rendah? + +Periksa skor kepercayaan: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Langkah pra‑pemrosesan umum meliputi binarisasi, pengurangan noise, atau mengubah ukuran ke 300 dpi. + +## Tips Kinerja + +- **Batch processing:** Menambahkan banyak gambar ke satu `OcrInput` mengurangi overhead inisialisasi konteks GPU berulang. +- **Warm‑up:** Jalankan pengenalan tiruan sekali setelah memulai JVM; panggilan pertama menimbulkan latensi inisialisasi driver. +- **Memory management:** Buang objek `OcrInput` besar (`ocrInput.clear()`) setelah selesai untuk membebaskan memori GPU. + +## Kesimpulan + +Anda kini tahu cara **recognize text image** secara efisien dengan mesin GPU Aspose OCR di Java, cara **extract text from image** dalam bahasa apa pun yang didukung, dan cara **set gpu device id** saat bekerja dengan beberapa kartu grafis. Kode lengkap yang dapat dijalankan di atas seharusnya langsung berfungsi—cukup ganti lisensi dan path gambar Anda. + +Siap untuk langkah berikutnya? Coba proses folder PDF yang dipindai, bereksperimen dengan opsi `setLanguage` yang berbeda, atau gabungkan OCR dengan model machine‑learning untuk pasca‑pemrosesan. Kemungkinannya tak terbatas, dan peningkatan kinerja dari percepatan GPU membuat proyek berskala besar menjadi layak. + +Selamat coding, dan silakan tinggalkan komentar jika Anda mengalami kendala! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/ocr-operations/_index.md b/ocr/indonesian/java/ocr-operations/_index.md index 3baaffc48..eca0ca893 100644 --- a/ocr/indonesian/java/ocr-operations/_index.md +++ b/ocr/indonesian/java/ocr-operations/_index.md @@ -81,6 +81,16 @@ Buka kekuatan OCR di Java dengan Aspose.OCR. Mengenali teks dalam dokumen PDF de Buka pengenalan teks yang kuat di Java dengan Aspose.OCR. Mengenali teks dalam gambar TIFF dengan mudah. Unduh sekarang untuk pengalaman OCR yang mulus. ### [Mengenali Teks Gambar dengan Aspose OCR – Tutorial OCR Java Lengkap](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Panduan lengkap mengenali teks pada gambar menggunakan Aspose OCR dengan Java, mencakup langkah‑langkah detail untuk hasil akurat. +### [Mengenali Teks dari Gambar dengan Aspose OCR – Tutorial Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Panduan singkat untuk mengenali teks pada gambar menggunakan Aspose OCR dengan Java, langkah demi langkah untuk hasil akurat. +### [Ekstrak Teks Urdu dengan Aspose OCR – Tutorial Java](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Panduan singkat mengekstrak teks Urdu dari gambar menggunakan Aspose OCR dengan Java, langkah demi langkah untuk hasil akurat. +### [Buat PDF yang Dapat Dicari dari Gambar di Java – Panduan Langkah‑per‑Langkah](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Panduan langkah‑per‑langkah membuat PDF yang dapat dicari dari gambar menggunakan Aspose.OCR untuk Java. +### [Cara Menggunakan OCR di Java – Mengekstrak Teks dari PDF dengan Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Panduan langkah demi langkah menggunakan OCR di Java untuk mengekstrak teks dari file PDF dengan Aspose.OCR. +### [Cara Menggunakan OCR di Java – Mengenali Teks dari Gambar dengan Cepat](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Panduan singkat untuk mengenali teks dari gambar menggunakan Aspose OCR dengan Java secara cepat dan akurat. ## Pertanyaan yang Sering Diajukan diff --git a/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..04380f4ba --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,261 @@ +--- +category: general +date: 2026-02-17 +description: 'Buat PDF yang dapat dicari dengan cepat: pelajari cara membuat PDF dari + gambar menggunakan Aspose OCR, opsi penyimpanan PDF, dan mengonversi gambar menjadi + PDF yang dapat dicari dalam hitungan menit.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: id +og_description: Buat PDF yang dapat dicari dalam Java menggunakan Aspose OCR. Panduan + ini menunjukkan cara membuat PDF dari gambar, mengonfigurasi opsi penyimpanan PDF, + dan mendapatkan dokumen yang sepenuhnya dapat dicari. +og_title: Buat PDF yang Dapat Dicari dari Gambar di Java – Tutorial Lengkap +tags: +- Aspose OCR +- Java +- PDF generation +title: Buat PDF yang Dapat Dicari dari Gambar di Java – Panduan Langkah demi Langkah +url: /id/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +maybe in text? There's no link. + +But there is a table. + +Translate table headers and cells. + +Also translate bullet lists. + +Let's do it. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Buat PDF yang Dapat Dicari dari Gambar di Java – Panduan Langkah‑per‑Langkah + +Pernah perlu **membuat pdf yang dapat dicari** dari gambar yang dipindai tetapi tidak yakin API mana yang harus dipilih? Anda tidak sendirian—banyak pengembang mengalami kebingungan saat pertama kali mencoba mengubah bitmap menjadi PDF yang memang dapat dicari. Kabar baiknya? Dengan Aspose OCR Anda dapat melakukannya dalam beberapa baris kode, dan hasilnya terlihat persis seperti gambar asli sekaligus dapat dicari teksnya. + +Dalam tutorial ini kami akan membahas seluruh proses: memuat lisensi Anda, memberi gambar (atau TIFF multi‑halaman) ke mesin OCR, menyesuaikan **opsi penyimpanan pdf**, dan akhirnya menulis **gambar ke pdf yang dapat dicari**. Pada akhir tutorial Anda akan memiliki program Java siap pakai yang membuat PDF yang dapat dicari dalam hitungan detik. Tanpa misteri, tanpa jalan pintas “lihat dokumen”—hanya contoh lengkap yang dapat dijalankan. + +## Apa yang Akan Anda Pelajari + +- Cara **mengonversi gambar ke pdf** dan menyematkan lapisan teks tersembunyi untuk pencarian. +- **Opsi penyimpanan pdf** mana yang harus diaktifkan untuk keseimbangan terbaik antara ukuran dan akurasi. +- Jebakan umum (misalnya, lisensi hilang, format gambar tidak didukung) dan cara menghindarinya. +- Cara memverifikasi bahwa output benar‑benar dapat dicari (tes cepat dengan Adobe Reader). + +**Prasyarat:** Java 8 atau lebih baru, Maven atau Gradle untuk mengunduh JAR Aspose OCR, dan file lisensi Aspose OCR yang valid. Jika Anda belum memiliki lisensi, Anda dapat meminta percobaan gratis dari situs web Aspose. + +--- + +## Langkah 1 – Muat Lisensi Aspose OCR (Cara Membuat PDF dengan Aman) + +Sebelum mesin OCR melakukan pekerjaan apa pun, ia memerlukan lisensi; jika tidak, Anda akan mendapatkan halaman berwatermark. Letakkan `Aspose.OCR.lic` Anda di lokasi yang dapat diakses, lalu arahkan kelas `License` ke file tersebut. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Simpan file lisensi di luar direktori kontrol sumber Anda untuk menghindari commit tidak sengaja. + +--- + +## Langkah 2 – Siapkan Input OCR (Konversi Gambar ke PDF) + +Aspose OCR menerima objek `OcrInput` yang dapat menampung satu atau banyak gambar. Di sini kami menambahkan satu PNG, tetapi Anda juga dapat memberi TIFF multi‑halaman untuk pemrosesan batch. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Mengapa ini penting:** Menambahkan gambar ke `OcrInput` memisahkan penanganan file dari mesin, memungkinkan Anda menggunakan kode yang sama untuk skenario satu‑halaman atau multi‑halaman. + +--- + +## Langkah 3 – Konfigurasikan Opsi Penyimpanan PDF (Penjelasan PDF Save Options) + +Kelas `PdfSaveOptions` mengontrol cara PDF akhir dibangun. Dua flag sangat penting untuk **pdf yang dapat dicari**: + +1. `setCreateSearchablePdf(true)` – memberi tahu mesin untuk menyematkan lapisan teks tersembunyi berdasarkan hasil OCR. +2. `setEmbedImages(true)` – mempertahankan gambar raster asli sehingga tampilan visual tetap utuh. + +Anda juga dapat menyesuaikan DPI, kompresi, atau perlindungan kata sandi bila diperlukan. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Kasus tepi:** Jika Anda menetapkan `setCreateSearchablePdf(false)`, output akan menjadi PDF hanya gambar—tidak ada yang dapat dicari. Selalu periksa flag ini saat mengotomatiskan batch besar. + +--- + +## Langkah 4 – Jalankan OCR dan Tulis PDF yang Dapat Dicari (Logika Inti “Cara Membuat PDF”) + +Sekarang kita menggabungkan semuanya. Metode `recognize` melakukan OCR pada `OcrInput` yang diberikan, menerapkan `PdfSaveOptions`, dan menyalurkan hasilnya ke file. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Hasil yang Diharapkan + +Setelah menjalankan program, buka `output-searchable.pdf` di penampil PDF apa pun (Adobe Reader, Foxit, dll.) dan coba pilih teks atau gunakan kotak pencarian. Anda seharusnya dapat menemukan kata‑kata yang sebelumnya hanya ada dalam gambar. Itulah ciri khas **PDF yang dapat dicari**. + +--- + +## Langkah 5 – Verifikasi Lapisan yang Dapat Dicari (QA Cepat) + +Kadang‑kadang kepercayaan OCR dapat rendah, terutama pada pemindaian beresolusi rendah. Cara cepat untuk memverifikasi adalah: + +1. Buka PDF di Adobe Reader. +2. Tekan **Ctrl + F** dan ketik kata yang Anda tahu ada dalam gambar. +3. Jika kata tersebut disorot, lapisan teks tersembunyi berfungsi. + +Jika pencarian gagal, pertimbangkan meningkatkan DPI gambar sumber atau mengaktifkan kamus bahasa spesifik melalui `ocrEngine.getLanguage().add("eng")`. + +--- + +## Pertanyaan Umum & Hal-hal yang Perlu Diwaspadai + +| Pertanyaan | Jawaban | +|------------|---------| +| **Bisakah saya memproses TIFF multi‑halaman?** | Ya—cukup tambahkan setiap halaman ke `OcrInput` yang sama (`ocrInput.add(tiffPath)`). Aspose OCR akan memperlakukan setiap frame sebagai halaman terpisah. | +| **Bagaimana jika saya tidak memiliki lisensi?** | Versi percobaan gratis berfungsi tetapi menambahkan watermark pada setiap halaman. Kode tetap sama; cukup gunakan file `.lic` percobaan. | +| **Seberapa besar ukuran PDF nanti?** | Dengan `setEmbedImages(true)` ukuran file kira‑kira sebesar ukuran gambar asli ditambah beberapa kilobyte untuk teks tersembunyi. Anda dapat mengompres gambar melalui `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Apakah saya perlu mengatur bahasa untuk OCR?** | Secara default Aspose OCR menggunakan bahasa Inggris. Untuk bahasa lain panggil `ocrEngine.getLanguage().add("spa")` sebelum `recognize`. | +| **Apakah PDF output dapat dicari di perangkat seluler?** | Tentu—sebagian besar penampil PDF seluler menghormati lapisan teks tersembunyi. | + +--- + +## Bonus: Mengubah Demo Menjadi Utilitas yang Dapat Digunakan Kembali + +Jika Anda memperkirakan akan membutuhkan fungsionalitas ini di banyak proyek, bungkus logika ke dalam metode pembantu statis: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Sekarang Anda dapat memanggil `PdfSearchableUtil.convert(...)` dari bagian mana pun dalam basis kode Anda, menjadikan **konversi gambar ke pdf** menjadi satu baris kode. + +--- + +## Kesimpulan + +Kami telah membahas semua yang Anda perlukan untuk **membuat pdf yang dapat dicari** dari gambar di Java menggunakan Aspose OCR. Dari memuat lisensi, membangun input OCR, menyesuaikan **opsi penyimpanan pdf**, hingga akhirnya menulis **gambar ke pdf yang dapat dicari**, tutorial ini menyediakan solusi lengkap yang dapat disalin‑tempel. + +Ambil langkah selanjutnya dengan bereksperimen pada format gambar berbeda, menyesuaikan DPI, atau menambahkan perlindungan kata sandi melalui `PdfSaveOptions`. Anda juga dapat menjelajahi pemrosesan batch—mengulang folder berisi pemindaian dan menghasilkan PDF yang dapat dicari untuk masing‑masing. + +Jika Anda merasa panduan ini membantu, beri bintang di GitHub atau tinggalkan komentar di bawah. Selamat coding, dan nikmati mengubah pemindaian membosankan menjadi dokumen yang sepenuhnya dapat dicari! + +![Contoh screenshot membuat pdf yang dapat dicari](placeholder-image.png "contoh pdf yang dapat dicari") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..87ac5887a --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-02-17 +description: Cara menggunakan OCR di Java untuk mengekstrak teks dari PDF, mengonversi + PDF menjadi gambar, dan melakukan OCR pada file PDF yang dipindai menggunakan Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: id +og_description: Cara menggunakan OCR di Java untuk mengekstrak teks dari file PDF. + Pelajari cara mengonversi PDF menjadi gambar dan mengenali PDF yang dipindai dengan + Aspose.OCR. +og_title: Cara Menggunakan OCR di Java – Panduan Lengkap +tags: +- OCR +- Java +- Aspose +title: Cara Menggunakan OCR di Java – Ekstrak Teks dari PDF dengan Aspose.OCR +url: /id/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cara Menggunakan OCR di Java – Ekstrak Teks dari PDF dengan Aspose.OCR + +Pernah bertanya‑tanya **cara menggunakan OCR** untuk mengubah PDF yang dipindai menjadi teks yang dapat dicari? Anda tidak sendirian. Kebanyakan pengembang menemui kebuntuan ketika PDF datang sebagai sekumpulan gambar, dan pengekstrak teks biasa hanya mengembalikan kosong. Kabar baik? Dengan beberapa baris Java dan Aspose.OCR Anda dapat **mengekstrak teks dari PDF**, **mengonversi PDF ke gambar**, dan **mengenali PDF yang dipindai** dalam satu alur kerja yang mudah. + +Dalam tutorial ini kami akan membahas semua yang perlu Anda ketahui—dari melisensikan pustaka hingga mencetak hasil akhir. Pada akhir tutorial Anda akan memiliki program siap‑jalankan yang mengambil teks biasa dari laporan, faktur, atau ebook yang dipindai. Tanpa layanan eksternal, tanpa keajaiban—hanya kode Java murni yang Anda kendalikan. + +## Apa yang Anda Butuhkan + +- **Java Development Kit (JDK) 8+** – versi terbaru apa saja dapat dipakai. +- **Aspose.OCR for Java** JAR (unduh dari situs Aspose). +- **File lisensi Aspose.OCR yang valid** (`Aspose.OCR.lic`). Versi percobaan gratis dapat dipakai, tetapi lisensi membuka akurasi penuh. +- **Contoh PDF yang dipindai** (misalnya `scanned-report.pdf`). +- IDE atau editor teks sederhana plus terminal. + +Itu saja. Tanpa Maven, tanpa Gradle, tanpa dependensi tambahan—hanya JAR Aspose.OCR di classpath Anda. + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## Langkah 1 – Muat Lisensi Aspose.OCR Anda (Mengapa Ini Penting) + +Sebelum mesin dapat berjalan pada kecepatan penuh, Anda harus memberi tahu di mana lisensi berada. Melewatkan langkah ini memaksa pustaka masuk ke mode evaluasi, yang menambahkan watermark pada output dan mungkin membatasi akurasi. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Mengapa ini berhasil:** Kelas `License` membaca file `.lic` dan mendaftarkannya secara global. Setelah diatur, setiap `OcrEngine` yang Anda buat akan otomatis menggunakan fitur berlisensi. + +## Langkah 2 – Buat OCR Engine (Mesin di Balik Keajaiban) + +Instansi `OcrEngine` adalah pekerja keras yang memindai gambar dan menghasilkan teks. Anggaplah ini sebagai otak yang menafsirkan pola piksel. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Tips pro:** Anda dapat menyesuaikan bahasa, ambang kepercayaan, atau bahkan mengaktifkan akselerasi GPU melalui properti mesin. Untuk kebanyakan PDF berbahasa Inggris, nilai bawaan sudah cukup. + +## Langkah 3 – Siapkan Input: Tambahkan PDF Anda (Mengonversi PDF ke Gambar di Balik Layar) + +Aspose.OCR memperlakukan setiap halaman PDF sebagai gambar. Ketika Anda memanggil `addPdf`, pustaka secara diam‑diam meraster setiap halaman, yang persis diperlukan untuk **mengonversi PDF ke gambar** sebelum pengenalan. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Apa yang terjadi:** +- PDF dibuka. +- Setiap halaman dirender pada 300 dpi (default) untuk mempertahankan detail karakter. +- Objek bitmap yang dirender disimpan dalam koleksi `OcrInput`. + +Jika Anda membutuhkan gambar mentah (untuk debugging atau pra‑pemrosesan khusus), panggil `ocrInput.getPages()` setelah langkah ini. + +## Langkah 4 – Jalankan Proses OCR (Melakukan OCR pada PDF) + +Sekarang pekerjaan berat dimulai. Metode `recognize` mengulangi setiap gambar, menjalankan algoritma pengenalan, dan menggabungkan hasil ke dalam `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Mengapa ini penting:** `OcrResult` tidak hanya berisi teks biasa tetapi juga skor kepercayaan, kotak pembatas, dan referensi gambar asli. Untuk kebanyakan kasus penggunaan Anda cukup memanggil `getText()`. + +## Langkah 5 – Ambil dan Tampilkan Teks yang Diekstrak + +Akhirnya, ambil string teks biasa dari hasil dan cetak. Anda juga dapat menuliskannya ke file, memasukkannya ke indeks pencarian, atau mengalirkannya ke pipeline NLP selanjutnya. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Output yang Diharapkan + +Jika `scanned-report.pdf` berisi paragraf sederhana, Anda akan melihat sesuatu seperti: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Pemformatan persis mencerminkan tata letak asli, mempertahankan jeda baris bila memungkinkan. + +## Menangani Kasus Pinggiran Umum + +### 1. PDF Multi‑Bahasa + +Jika dokumen Anda berisi teks Prancis atau Spanyol, atur bahasa sebelum memanggil `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Anda dapat menyediakan array bahasa agar mesin dapat mendeteksi secara otomatis. + +### 2. Scan Resolusi Rendah + +Saat berhadapan dengan scan 150 dpi, tingkatkan DPI rendering internal: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +DPI yang lebih tinggi meningkatkan kejelasan karakter tetapi memakan lebih banyak memori. + +### 3. PDF Besar (Manajemen Memori) + +Untuk PDF dengan puluhan halaman, proses dalam batch: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Pendekatan ini mencegah heap JVM membengkak. + +## Contoh Lengkap yang Siap‑Jalankan + +Berikut adalah program lengkap—termasuk impor dan penanganan lisensi—sehingga Anda dapat menyalin‑tempel dan menjalankannya langsung. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Jalankan dengan: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Anda akan melihat teks yang diekstrak tercetak di konsol. + +## Ringkasan – Apa yang Telah Kita Bahas + +- **Cara menggunakan OCR** di Java dengan Aspose.OCR. +- Alur kerja untuk **mengekstrak teks dari file PDF**. +- Secara internal, pustaka **mengonversi PDF ke gambar** sebelum mengenali karakter. +- Tips untuk **melakukan OCR pada PDF** dengan banyak bahasa, scan resolusi rendah, dan dokumen besar. +- Contoh kode lengkap yang dapat dijalankan dan dapat dimasukkan ke proyek Java apa pun. + +## Langkah Selanjutnya & Topik Terkait + +Setelah Anda dapat **mengenali PDF yang dipindai**, pertimbangkan ide‑ide lanjutan berikut: + +- **Pembuatan PDF yang Dapat Dicari** – menimpa teks OCR kembali ke PDF asli untuk membuat dokumen yang dapat dicari. +- **Layanan Pemrosesan Batch** – bungkus kode dalam microservice Spring Boot yang menerima PDF melalui REST. +- **Integrasi dengan Elasticsearch** – indeks teks yang diekstrak untuk pencarian full‑text cepat di repositori dokumen Anda. +- **Pra‑Pemrosesan Gambar** – gunakan OpenCV untuk mengoreksi kemiringan atau menghilangkan noise pada halaman sebelum OCR demi akurasi yang lebih tinggi. + +Setiap topik ini membangun di atas konsep inti yang telah kita bahas, jadi silakan bereksperimen dan biarkan mesin OCR melakukan pekerjaan berat. + +--- + +*Selamat coding! Jika Anda mengalami kendala—seperti kesalahan lisensi atau hasil null yang tidak terduga—tinggalkan komentar di bawah. Saya selalu siap untuk sesi debugging.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..b2d22dba2 --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,252 @@ +--- +category: general +date: 2026-02-17 +description: Pelajari cara menggunakan OCR di Java untuk mengenali teks dari file + gambar, mengekstrak teks dari kwitansi PNG, dan mengonversi kwitansi menjadi JSON + dengan Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: id +og_description: Panduan langkah demi langkah tentang cara menggunakan OCR di Java + untuk mengenali teks dari gambar, mengekstrak teks dari kwitansi PNG, dan mengonversi + kwitansi menjadi JSON. +og_title: Cara Menggunakan OCR di Java – Mengenali Teks dari Gambar +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Cara Menggunakan OCR di Java – Mengenali Teks dari Gambar dengan Cepat +url: /id/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +preserve the shortcodes at top and bottom. + +Let's write. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cara Menggunakan OCR di Java – Mengenali Teks dari Gambar dengan Cepat + +Pernah bertanya‑tanya **cara menggunakan OCR** untuk mengekstrak teks dari foto struk? Mungkin Anda sudah mencoba beberapa alat daring, namun yang muncul hanya karakter‑karakter kacau atau format yang sulit diproses. Kabar baiknya, dengan beberapa baris kode Java Anda dapat **mengenali teks dari gambar**, **mengekstrak teks dari PNG** struk, bahkan **mengonversi struk ke JSON** untuk pemrosesan lanjutan. + +Dalam tutorial ini kami akan menelusuri alur kerja lengkap—dari melisensikan pustaka Aspose OCR hingga mendapatkan payload JSON bersih yang dapat Anda masukkan ke basis data atau model pembelajaran mesin. Tanpa basa‑basi, hanya contoh praktis yang dapat dijalankan dan Anda dapat menyalin‑tempel ke IDE. Pada akhir tutorial Anda akan memiliki program mandiri yang mengambil `receipt.png` dan menghasilkan string JSON siap pakai. + +## Apa yang Anda Butuhkan + +- **Java Development Kit (JDK) 8+** – versi terbaru apa pun dapat digunakan. +- **Aspose OCR for Java** library (artifact Maven: `com.aspose:aspose-ocr`). +- **File lisensi Aspose OCR yang valid** (`Aspose.OCR.lic`). Versi percobaan gratis cukup untuk pengujian, tetapi lisensi penuh menghilangkan batas evaluasi. +- File gambar (PNG, JPEG, dll.) yang berisi teks yang ingin Anda baca—misalnya `receipt.png` dan letakkan di folder yang diketahui. +- IDE favorit Anda (IntelliJ IDEA, Eclipse, VS Code…) – pilih sesuka hati. + +> **Pro tip:** Simpan file lisensi di luar folder sumber dan referensikan dengan path absolut atau relatif agar tidak ter‑commit ke kontrol versi. + +Setelah prasyarat jelas, mari masuk ke kode sebenarnya. + +## Cara Menggunakan OCR – Langkah‑Langkah Inti + +Berikut ikhtisar tingkat tinggi dari tindakan yang akan kami lakukan: + +1. **Muat pustaka Aspose OCR** dan terapkan lisensi Anda. +2. **Buat instance `OcrEngine`** – inilah mesin yang melakukan semua pekerjaan berat. +3. **Siapkan objek `OcrInput`** yang menunjuk ke gambar yang ingin diproses. +4. **Panggil `recognize` dengan `ResultFormat.JSON`** untuk mendapatkan representasi JSON dari teks yang diekstrak. +5. **Tangani output JSON** – cetak, simpan ke file, atau parsing lebih lanjut. + +Setiap langkah dijelaskan secara detail pada bagian berikut. + +## Langkah 1 – Instal Aspose OCR dan Terapkan Lisensi Anda + +Pertama, tambahkan dependensi Aspose OCR ke `pom.xml` jika Anda menggunakan Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Sekarang, dalam kode Java Anda, muat lisensinya. Langkah ini penting; tanpa lisensi pustaka berjalan dalam mode evaluasi dan dapat menambahkan watermark pada output. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Mengapa ini penting:** Objek `License` memberi tahu mesin OCR bahwa Anda berhak menggunakan seluruh fitur, termasuk pengenalan akurat dan ekspor JSON. Melewatkan langkah ini tetap memungkinkan Anda **mengenali teks dari gambar**, tetapi hasilnya mungkin dibatasi. + +## Langkah 2 – Buat Instance OCR Engine + +Kelas `OcrEngine` adalah titik masuk untuk semua operasi OCR. Anggaplah ini sebagai “otak” yang membaca piksel dan menentukan karakter apa yang diwakilinya. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Anda dapat menyesuaikan mesin (misalnya, mengatur bahasa, mengaktifkan deskew) nanti jika struk Anda mengandung skrip non‑Latin atau dipindai dengan sudut miring. Untuk kebanyakan struk di AS, pengaturan default sudah cukup baik. + +## Langkah 3 – Muat Gambar yang Akan Diproses + +Sekarang kami akan mengarahkan mesin OCR ke file yang berisi struk. Kelas `OcrInput` dapat menerima banyak gambar, tetapi untuk tutorial ini kami gunakan satu PNG sederhana. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Jika Anda perlu **mengekstrak teks dari PNG** secara massal, cukup panggil `input.add()` berulang kali atau berikan daftar path file. + +## Langkah 4 – Kenali Teks dan Konversi Struk ke JSON + +Berikut inti tutorial. Kami meminta mesin untuk mengenali teks dan mengembalikan hasil dalam format JSON. Flag `ResultFormat.JSON` melakukan semua pekerjaan berat untuk kami. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Payload JSON mencakup setiap baris yang dikenali, kotak pembatasnya, skor kepercayaan, dan teks mentah. Struktur ini memudahkan **mengonversi struk ke JSON** dan selanjutnya mengirimkannya ke API mana pun. + +## Langkah 5 – Gabungkan Semua dan Jalankan Program + +Berikut kelas Java lengkap yang siap dijalankan. Simpan sebagai `JsonExportDemo.java` (atau nama lain yang Anda suka) dan jalankan dari IDE atau command line. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Output yang Diharapkan + +Menjalankan program akan mencetak string JSON serupa dengan berikut (isi tepatnya tergantung pada struk Anda): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Sekarang Anda dapat mengirim JSON ini ke basis data, endpoint REST, atau pipeline analisis data. Langkah **mengonversi struk ke JSON** sudah selesai untuk Anda. + +## Pertanyaan Umum dan Kasus Khusus + +### Bagaimana jika gambar diputar? + +Aspose OCR secara otomatis mendeteksi dan memperbaiki rotasi ringan. Untuk gambar yang sangat miring, panggil `engine.getImagePreprocessingOptions().setDeskew(true)` sebelum proses pengenalan. + +### Bagaimana cara menangani banyak bahasa? + +Gunakan `engine.getLanguage()` untuk mengatur bahasa yang diinginkan, misalnya `engine.setLanguage(Language.FRENCH)`. Ini berguna ketika Anda perlu **mengenali teks dari gambar** yang berisi struk multibahasa. + +### Bisakah saya menghasilkan teks biasa alih‑alih JSON? + +Tentu saja. Ganti `ResultFormat.JSON` dengan `ResultFormat.TEXT` dan panggil `result.getText()`. + +### Apakah ada cara membatasi OCR pada area tertentu? + +Ya—gunakan `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` untuk memfokuskan pada area struk, yang dapat meningkatkan kecepatan dan akurasi. + +## Pro Tips untuk OCR Siap Produksi + +- **Cache objek lisensi** jika Anda memproses banyak file dalam loop; membuatnya berulang kali menambah overhead. +- **Proses batch**: muat semua path struk ke dalam satu `OcrInput` dan panggil `recognize` sekali. JSON akan berisi array halaman, masing‑masing dengan barisnya. +- **Validasi JSON**: setelah mendapatkan string, parsing dengan pustaka seperti Jackson untuk memastikan formatnya benar sebelum disimpan. +- **Pantau confidence**: JSON menyertakan field `confidence` per baris. Filter baris dengan nilai di bawah ambang (misalnya 0.85) untuk menghindari data sampah. +- **Amankan lisensi Anda**: simpan `Aspose.OCR.lic` di vault yang aman atau variabel lingkungan, terutama pada deployment cloud. + +## Kesimpulan + +Kami telah membahas **cara menggunakan OCR** di Java untuk **mengenali teks dari gambar**, **mengekstrak teks dari PNG** struk, dan **mengonversi struk ke JSON**—semuanya dengan contoh singkat yang dapat dijalankan dari ujung ke ujung. Langkah‑langkahnya sederhana, kodenya siap pakai, dan output JSON memberi Anda representasi terstruktur yang siap dipakai di sistem mana pun. + +Selanjutnya, Anda dapat menjelajahi skenario lanjutan: mengirim JSON ke Apache Kafka untuk pemrosesan real‑time, menerapkan pola regex untuk mengekstrak total item, atau mengintegrasikan dengan layanan OCR cloud untuk skalabilitas. Apapun pilihan Anda, dasar‑dasar yang baru saja dipelajari tetap relevan. + +Ada pertanyaan, atau mengalami kendala saat mencoba? Tinggalkan komentar di bawah, dan mari kita selesaikan bersama. Selamat coding, dan nikmati mengubah gambar struk berantakan menjadi data bersih yang dapat dicari! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/indonesian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..d0712112f --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 'tutorial java gambar ke teks: pelajari cara mengekstrak teks Urdu dari + gambar menggunakan Aspose OCR. Contoh lengkap java OCR disertakan.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: id +og_description: Tutorial Java image to text menunjukkan cara mengekstrak teks Urdu + dari gambar menggunakan Aspose OCR. Ikuti contoh lengkap Java OCR langkah demi langkah. +og_title: 'gambar ke teks java: Ekstrak Teks Urdu dengan Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'gambar ke teks java: Ekstrak Teks Urdu dengan Aspose OCR' +url: /id/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Ekstrak Teks Urdu dengan Aspose OCR + +Jika Anda perlu melakukan konversi **image to text java** untuk dokumen Urdu, Anda berada di tempat yang tepat. Pernah bertanya-tanya *bagaimana cara mengekstrak teks* dari gambar catatan tulisan tangan atau halaman koran yang dipindai? Panduan ini akan membawa Anda melalui **java ocr example** yang mengambil karakter Urdu langsung dari gambar menggunakan Aspose OCR. + +Kami akan membahas semuanya mulai dari melisensikan pustaka hingga mencetak hasil di konsol. Pada akhir tutorial Anda akan dapat **load image ocr** file, mengatur bahasa ke Urdu, dan mendapatkan output Unicode yang bersih—tanpa alat tambahan. + +## Apa yang Anda Butuhkan + +- **Java Development Kit (JDK) 8+** – kode ini bekerja pada JDK terbaru apa pun. +- **Aspose.OCR for Java** JAR (unduh dari situs web Aspose). +- File lisensi **Aspose OCR** yang valid (`Aspose.OCR.lic`). +- Sebuah gambar yang berisi teks Urdu, misalnya `urdu-sample.png`. + +Memiliki hal‑hal dasar ini berarti Anda dapat langsung melompat ke kode tanpa harus mencari dependensi yang hilang. + +## image to text java – Menyiapkan Aspose OCR + +Pertama, kita harus memberi tahu Aspose bahwa kita memiliki lisensi. Tanpa lisensi pustaka berjalan dalam mode evaluasi dan akan menambahkan watermark pada output. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Mengapa ini penting:** Lisensi menghapus batas pemrosesan 5 detik dan membuka paket bahasa Urdu lengkap yang ditambahkan pada 2025‑Q3. Jika Anda melewatkan langkah ini, mesin OCR tetap akan berfungsi, tetapi Anda akan melihat tag “Evaluation” kecil di hasil. + +## Cara Mengekstrak Teks – Menginisialisasi Mesin OCR + +Sekarang kita membuat mesin dan secara eksplisit memberi tahu bahwa kita tertarik pada Urdu. Konstanta `OcrLanguage.URDU` mengaktifkan set karakter dan aturan segmentasi yang tepat. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Tips profesional:** Jika Anda pernah perlu memproses beberapa bahasa dalam satu kali jalan, Anda dapat memberikan daftar yang dipisahkan koma, misalnya `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Mesin akan mendeteksi otomatis setiap wilayah. + +## Load Image OCR – Menyiapkan Input + +Aspose bekerja dengan objek `OcrInput` yang dapat menampung satu atau banyak gambar. Di sini kami **load image ocr** data dari file lokal. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Catatan:** Ganti `YOUR_DIRECTORY` dengan path absolut atau path relatif dari root proyek Anda. Jika file tidak ditemukan, Aspose akan melempar `FileNotFoundException`. Pemeriksaan cepat dengan `new File(path).exists()` dapat menghemat banyak waktu debugging. + +## Mengenali Teks – Menjalankan Proses OCR + +Dengan mesin yang sudah dikonfigurasi dan gambar yang sudah dimuat, kami akhirnya memanggil `recognize`. Metode ini mengembalikan `OcrResult` yang berisi string yang diekstrak. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Apa yang terjadi di balik layar?** Mesin OCR memecah gambar menjadi baris, kemudian karakter, menerapkan aturan pembentukan khusus Urdu (seperti bentuk bergabung). Inilah mengapa mengatur bahasa di awal sangat penting; jika tidak, Anda akan mendapatkan placeholder Latin yang berantakan. + +## Mencetak Teks Urdu yang Dikenali + +Langkah terakhir hanya mencetak hasilnya. Karena Urdu menggunakan skrip kanan‑ke‑kiri, pastikan konsol Anda mendukung Unicode (sebagian besar terminal modern melakukannya). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Output yang diharapkan (contoh):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Jika Anda melihat tanda tanya atau string kosong, periksa kembali bahwa pengkodean konsol Anda disetel ke UTF‑8 (`chcp 65001` di Windows, atau jalankan Java dengan `-Dfile.encoding=UTF-8`). + +## Contoh Lengkap yang Berfungsi – Semua Langkah dalam Satu Tempat + +Berikut adalah program lengkap yang siap disalin‑tempel. Tanpa referensi eksternal, hanya satu file Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Jalankan dengan: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Ganti versi JAR (`23.10`) dengan versi yang Anda unduh. Konsol seharusnya menampilkan kalimat Urdu yang diekstrak dari PNG Anda. + +## Kesalahan Umum & Kasus Tepi + +| Masalah | Mengapa Terjadi | Cara Memperbaiki | +|---------|-----------------|------------------| +| **Output kosong** | Gambar terlalu gelap atau resolusi rendah. | Praproses gambar (tingkatkan kontras, binarisasi) menggunakan `BufferedImage` sebelum memberi ke Aspose. | +| **Karakter sampah** | Bahasa yang salah diatur (default adalah English). | Pastikan `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` dipanggil sebelum `recognize`. | +| **Lisensi tidak ditemukan** | Salah ketik path atau file hilang. | Gunakan path absolut atau tempatkan file `.lic` di classpath dan panggil `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory pada gambar besar** | PNG berukuran besar menghabiskan heap. | Panggil `ocrEngine.setMaxImageSize(2000);` untuk memperkecil secara internal, atau ubah ukuran gambar secara manual. | + +## Memperluas Demo + +- **Pemrosesan batch:** Loop melalui folder, tambahkan setiap file ke `OcrInput` yang sama, dan kumpulkan hasil dalam CSV. +- **Bahasa lain:** Ganti `OcrLanguage.URDU` dengan `OcrLanguage.ARABIC` atau gabungkan beberapa bahasa. +- **Menyimpan ke file:** Gunakan `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Semua ide ini dibangun di atas **java ocr example** yang baru saja kita buat, memungkinkan Anda menyesuaikan solusi untuk proyek dunia nyata. + +## Kesimpulan + +Anda kini memiliki alur kerja **image to text java** yang solid untuk mengekstrak karakter Urdu dari gambar menggunakan Aspose OCR. Tutorial ini mencakup setiap langkah—dari pelisensian dan pemilihan bahasa hingga memuat gambar dan mencetak hasil—sehingga Anda dapat menempelkan kode ke proyek Java mana pun dan melihatnya berfungsi. + +Selanjutnya, coba bereksperimen dengan PDF yang lebih besar, skrip lain, atau bahkan mengintegrasikan langkah OCR ke endpoint REST Spring Boot. Prinsip yang sama—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/indonesian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/indonesian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..25f85f057 --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-02-17 +description: Pelajari cara mengenali teks dari gambar dan memuat gambar untuk OCR + menggunakan pustaka Aspose OCR Java. Panduan langkah demi langkah dengan korektor + ejaan. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: id +og_description: Mengenali teks dari gambar menggunakan Aspose OCR Java. Tutorial ini + menunjukkan cara memuat gambar untuk OCR, mengaktifkan koreksi ejaan, dan menghasilkan + teks bersih. +og_title: Mengenali teks dari gambar – Panduan Lengkap Aspose OCR Java +tags: +- Java +- OCR +- Aspose +title: Mengenali teks dari gambar dengan Aspose OCR – Tutorial Java +url: /id/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +:** ... translate. + +Make sure to keep markdown formatting. + +Proceed. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# mengenali teks dari gambar dengan Aspose OCR – Tutorial Java + +Pernah perlu **mengenali teks dari gambar** tetapi tidak yakin pustaka mana yang harus dipilih? Anda tidak sendirian. Dalam banyak proyek dunia nyata—misalnya memindai faktur, mendigitalkan catatan tulisan tangan, atau mengekstrak keterangan dari tangkapan layar—mendapatkan hasil OCR yang akurat sangat penting. + +Dalam panduan ini kami akan menunjukkan cara memuat gambar untuk OCR, mengaktifkan korektor ejaan bawaan Aspose OCR, dan akhirnya mencetak teks yang telah dibersihkan. Pada akhir tutorial Anda akan memiliki program Java siap‑jalankan yang **mengenali teks dari gambar** hanya dengan beberapa baris kode. + +## Apa yang Dibahas dalam Tutorial Ini + +- Cara menerapkan lisensi Aspose OCR Anda (agar demo berjalan tanpa watermark) +- Membuat instance `OcrEngine` dan memilih bahasa Inggris sebagai bahasa pengenalan +- **Memuat gambar untuk OCR** menggunakan `OcrInput` dan menunjuk ke file PNG yang berisi kata‑kata salah eja +- Mengaktifkan korektor ejaan, opsional menunjuk ke kamus khusus +- Menjalankan proses pengenalan dan mencetak hasil yang telah dikoreksi + +Tanpa layanan eksternal, tanpa file konfigurasi tersembunyi—hanya Java biasa dan JAR Aspose OCR. + +> **Pro tip:** Jika Anda baru mengenal Aspose, dapatkan lisensi percobaan gratis selama 30 hari dari situs web Aspose dan letakkan file `.lic` ke dalam folder yang dapat direferensikan dari kode Anda. + +## Prasyarat + +- Java 8 atau yang lebih baru (kode ini juga dapat dikompilasi dengan JDK 11) +- Aspose.OCR untuk Java JAR di classpath Anda +- File `Aspose.OCR.lic` yang valid (atau Anda dapat menjalankan dalam mode evaluasi, tetapi demo akan menambahkan watermark) +- File gambar (`misspelled.png`) yang berisi teks dengan kesalahan ejaan yang disengaja—sempurna untuk melihat korektor ejaan beraksi + +Sudah siap? Baik—mari kita mulai. + +## Langkah 1: Terapkan Lisensi Aspose OCR Anda + +Sebelum mesin melakukan pekerjaan berat, ia harus tahu bahwa Anda memiliki lisensi. Jika tidak, Anda akan melihat banner “Trial version” pada output. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Mengapa ini penting:* Lisensi menonaktifkan watermark percobaan dan membuka seluruh kamus korektor ejaan. Melewatkan langkah ini tetap dapat berjalan, tetapi output Anda akan dipenuhi teks “Aspose OCR Demo”. + +## Langkah 2: Buat dan Konfigurasikan OCR Engine + +Sekarang kami memulai mesin dan memberi tahu bahasa yang akan digunakan. Bahasa Inggris adalah yang paling umum, tetapi Aspose mendukung puluhan bahasa. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Mengapa kami mengatur bahasa:* Model bahasa menentukan set karakter dan memengaruhi saran korektor ejaan. Menggunakan bahasa yang salah dapat secara dramatis menurunkan akurasi. + +## Langkah 3: Aktifkan Koreksi Ejaan dan (Opsional) Tunjuk ke Kamus Khusus + +Aspose OCR dilengkapi dengan kamus bahasa Inggris bawaan, tetapi Anda dapat menyediakan kamus sendiri jika memiliki istilah khusus domain (misalnya jargon medis atau kode produk). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Apa yang dilakukan korektor:* Ketika mesin OCR menemukan kata yang tidak ada dalam kamus, ia akan mencoba menggantinya dengan kecocokan terdekat. Inilah mengapa demo dapat mengubah “recieve” menjadi “receive” secara otomatis. + +## Langkah 4: Muat Gambar untuk OCR + +Berikut bagian yang secara langsung menjawab **memuat gambar untuk OCR**. Kami membuat objek `OcrInput` dan menambahkan file PNG kami. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Mengapa kami menggunakan `OcrInput`:* Ia mengabstraksi logika pembacaan file dan memungkinkan Anda menambahkan banyak halaman nanti jika perlu memproses PDF multi‑halaman atau sekumpulan gambar. + +## Langkah 5: Jalankan Pengenalan dan Dapatkan Teks yang Telah Dikoreksi + +Sekarang mesin melakukan pekerjaan berat—mengenali karakter, menerapkan model bahasa, dan akhirnya memperbaiki ejaan. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Output yang diharapkan:* Asumsikan `misspelled.png` berisi frasa “Ths is a smple test”, konsol akan mencetak: + +``` +Corrected text: +This is a simple test +``` + +Perhatikan bagaimana kata‑kata yang salah eja (`Ths`, `smple`) telah otomatis diperbaiki. + +## Contoh Lengkap yang Siap‑Jalankan + +Berikut seluruh program dalam satu blok. Salin‑tempel, sesuaikan jalur, dan tekan **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** Jika Anda ingin memproses JPEG atau BMP alih‑alih PNG, cukup ubah ekstensi file—Aspose OCR mendukung semua format raster umum. + +## Pertanyaan Umum & Kasus Tepi + +- **Bagaimana jika gambar saya beresolusi rendah?** + Tingkatkan DPI sebelum memberi ke Aspose dengan memperbesar menggunakan pustaka seperti `java.awt.Image`. DPI yang lebih tinggi memberi mesin lebih banyak piksel untuk diproses, yang biasanya meningkatkan akurasi. + +- **Bisakah saya mengenali beberapa bahasa dalam satu gambar?** + Ya. Panggil `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` dan opsional berikan daftar bahasa melalui `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Kamus khusus saya tidak digunakan—kenapa?** + Pastikan folder berisi file teks biasa dengan satu kata per baris dan bahwa jalurnya absolut atau relatif dengan benar terhadap direktori kerja Anda. + +- **Bagaimana cara mengekstrak skor kepercayaan?** + `result.getConfidence()` mengembalikan nilai float antara 0 dan 1 untuk seluruh halaman. Untuk kepercayaan per karakter, jelajahi `result.getWordList()`. + +## Kesimpulan + +Anda kini tahu cara **mengenali teks dari gambar** menggunakan Aspose OCR untuk Java, cara **memuat gambar untuk OCR**, dan cara mengaktifkan korektor ejaan untuk membersihkan typo umum. Contoh lengkap di atas siap dimasukkan ke dalam proyek Maven atau Gradle apa pun, dan dengan beberapa penyesuaian Anda dapat memperluasnya untuk memproses batch folder, menghubungkannya ke layanan web, atau mengintegrasikannya dengan sistem manajemen dokumen. + +Siap untuk langkah selanjutnya? Coba proses PDF multi‑halaman, bereksperimen dengan kamus khusus untuk terminologi industri, atau sambungkan output ke API terjemahan. Kemungkinannya tak terbatas, dan pola inti—lisensi → mesin → bahasa → korektor ejaan → input → mengenali → output—tetap sama. + +Selamat coding, semoga hasil OCR Anda selalu tepat sasaran! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/advanced-ocr-techniques/_index.md b/ocr/italian/java/advanced-ocr-techniques/_index.md index 7b7c848e6..eceb14b56 100644 --- a/ocr/italian/java/advanced-ocr-techniques/_index.md +++ b/ocr/italian/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Sblocca la potenza del riconoscimento del testo con Aspose.OCR per Java. Segui l Potenzia le tue applicazioni Java con Aspose.OCR per un riconoscimento preciso del testo. Facile integrazione, alta precisione. ### [Specifica dei caratteri consentiti in Aspose.OCR](./specify-allowed-characters/) Sblocca l'estrazione del testo dalle immagini senza problemi con Aspose.OCR per Java. Segui la nostra guida passo passo per un'integrazione efficiente. +### [Riconoscimento di testo in immagine con Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Esegui l'OCR su immagini con accelerazione GPU usando Aspose OCR per Java, ottenendo alta velocità e precisione. +### [Pool di thread fisso Java – OCR parallelo per PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Esegui OCR su immagini PNG in parallelo usando un pool di thread fisso in Java, migliorando velocità e precisione. +### [Preelaborazione immagine per OCR – Guida completa Java per aumentare il contrasto e estrarre testo](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Scopri come migliorare il contrasto delle immagini e ottimizzare l'OCR in Java con questa guida passo passo. +### [Crea motore OCR Java – Riconosci testo da immagini di grandi dimensioni](./create-ocr-engine-java-recognize-text-from-large-images/) +Crea un motore OCR personalizzato in Java per riconoscere testo da immagini di grandi dimensioni con alta precisione. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/italian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..d9adca06d --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: Crea un motore OCR in Java e leggi rapidamente file TIFF con Java. Scopri + come riconoscere il testo da un'immagine grande usando Aspose.OCR in una guida passo‑passo. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: it +og_description: Crea subito un motore OCR in Java. Questo tutorial mostra come leggere + un file TIFF in Java e riconoscere il testo da un'immagine grande usando Aspose.OCR. +og_title: Crea un motore OCR in Java – Guida completa al riconoscimento del testo + in immagini di grandi dimensioni +tags: +- OCR +- Java +- Aspose +title: Crea motore OCR Java – Riconosci il testo da immagini grandi +url: /it/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +Let's produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crea OCR Engine Java – Riconosci Testo da Immagini di Grandi Dimensioni + +Hai mai dovuto **creare OCR engine Java** per gestire una mappa TIFF enorme, ma non sapevi da dove cominciare? Non sei solo: la maggior parte degli sviluppatori si blocca quando la dimensione dell’immagine supera i limiti di memoria abituali. + +In questa guida ti accompagneremo passo passo attraverso un esempio completo, pronto‑all‑uso, che **crea un OCR engine in Java**, ti mostra come **leggere TIFF file Java** con un `InputStream` e infine **riconosce testo da grandi immagini** senza esaurire l’heap. Alla fine avrai un programma autonomo da inserire in qualsiasi progetto Maven o Gradle. + +## Cosa Ti Serve + +- **Java Development Kit (JDK) 8 o superiore** – il codice utilizza solo I/O standard più Aspose.OCR. +- **Libreria Aspose.OCR per Java** (l’ultima versione al 2026‑02) – puoi scaricare il JAR dal sito Aspose o tramite Maven Central. +- Un **file TIFF di grandi dimensioni** (ad es. una mappa multi‑megapixel) che desideri elaborare con OCR. +- Il tuo **file di licenza Aspose.OCR** (`Aspose.OCR.lic`). Senza di esso il motore funziona in modalità di valutazione, ma avrai una filigrana. + +> **Consiglio esperto:** tieni il TIFF accanto alla cartella sorgente o usa un percorso assoluto; il motore suddividerà l’immagine internamente, così non dovrai farlo manualmente. + +![Crea OCR Engine Java workflow](ocr-workflow.png){alt="Diagramma del flusso di creazione di OCR Engine Java"} + +## Passo 1 – Applica la Licenza Aspose.OCR (Create OCR Engine Java) + +Prima che il motore esegua operazioni pesanti devi registrare la licenza. Saltare questo passo forza la modalità di valutazione, che limita il numero di pagine e aggiunge una barra nella output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Perché è importante:* l’oggetto `License` indica al motore OCR di sbloccare l’algoritmo di tiling ad alta risoluzione, essenziale per elaborare una **grande immagine** in modo efficiente. + +## Passo 2 – Istanzia l’OCR Engine (Create OCR Engine Java) + +Ora avviamo il core `OcrEngine`. Pensalo come il cervello che in seguito leggerà i pixel e produrrà testo Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Perché lo manteniamo semplice:* nella maggior parte degli scenari le impostazioni predefinite includono già il rilevamento automatico della lingua e il tiling ottimale. Configurazioni eccessive possono effettivamente rallentare le operazioni su file enormi. + +## Passo 3 – Carica il File TIFF Usando un InputStream (Read TIFF File Java) + +I TIFF di grandi dimensioni possono raggiungere diverse centinaia di megabyte. Caricare l’intero file in un `BufferedImage` farebbe esplodere l’heap. Invece forniamo al motore un `InputStream`; Aspose.OCR leggerà e suddividerà l’immagine al volo. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Caso limite:* se il tuo TIFF è compresso con CCITT Group 4, Aspose.OCR lo gestisce comunque, ma potresti voler impostare `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` per un piccolo incremento di velocità. + +## Passo 4 – Prepara l’Input OCR e Fornisci il Formato + +L’oggetto `OcrInput` può contenere più immagini, ma per questa demo ne serve solo una. Fornire la stringa del formato (`"tif"`) aiuta il motore a saltare il rilevamento automatico del formato, risparmiando qualche millisecondo. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Perché il suggerimento è utile:* quando si lavora con **grandi immagini**, ogni millisecondo conta. Il suggerimento di formato indica al parser di bypassare l’analisi costosa dell’header. + +## Passo 5 – Riconosci Testo dalla Grande Immagine (Recognize Text from Large Image) + +Con tutto collegato, la chiamata OCR vera e propria è una singola riga. Il motore restituisce un `OcrResult` che contiene il testo semplice, i punteggi di confidenza e persino le bounding box se ti servono in seguito. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Cosa succede dietro le quinte:* Aspose.OCR suddivide il TIFF in tile gestibili (default 1024 × 1024 px), esegue il modello di rete neurale su ogni tile e poi unisce i risultati. Questo è il motivo per cui puoi **riconoscere testo da grandi immagini** senza pre‑elaborazione manuale. + +## Passo 6 – Visualizza un’Anteprima del Testo Estratto + +Stampare l’intero documento sulla console può risultare opprimente. Mostriamo solo i primi 200 caratteri, seguiti da un ellipsis, così puoi verificare rapidamente l’output. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Output console previsto:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Se vedi caratteri incomprensibili, ricontrolla che la lingua corretta sia selezionata (di default è l’inglese) e che il TIFF non sia corrotto. + +## Esempio Completo Funzionante + +Unendo tutti i pezzi ottieni una singola classe che puoi compilare ed eseguire: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compila con: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Sostituisci `aspose-ocr-23.12.jar` con la versione effettiva che hai scaricato. + +## Problemi Comuni & Consigli + +| Problema | Perché Accade | Soluzione Rapida | +|------|----------------|-----------| +| **OutOfMemoryError** | Caricamento del TIFF in un `BufferedImage` anziché streaming. | Usa sempre `InputStream` come mostrato; lascia che Aspose gestisca il tiling. | +| **Output vuoto** | Suggerimento di estensione file errato (`"tif"` vs `"tiff"`). | Usa la stringa esatta che hai passato a `add`. | +| **Caratteri spazzatura** | Licenza non applicata o scaduta. | Verifica il percorso del file `.lic` e riapplica prima di creare il motore. | +| **Riconoscimento lento** | Uso di un `OcrConfiguration` personalizzato con DPI elevato. | Mantieni le impostazioni predefinite nella maggior parte dei casi; modifica solo se serve maggiore accuratezza. | + +### Quando Regolare le Impostazioni + +- **Documenti multilingua:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Maggiore accuratezza su caratteri piccoli:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Ma ricorda, ogni opzione aggiuntiva può aumentare il tempo CPU, specialmente su una **grande immagine**. Prova prima con un singolo tile. + +## Prossimi Passi + +Ora che sai **creare OCR engine Java**, **leggere TIFF file Java** e **riconoscere testo da grandi immagini**, potresti voler: + +1. **Esportare il risultato in PDF** – combina Aspose.PDF con il testo OCR per documenti ricercabili. +2. **Memorizzare le bounding box** – usa `ocrResult.getWords()` per ottenere le coordinate da evidenziare. +3. **Parallelizzare l’elaborazione dei tile** – per immagini satellitari ultra‑grandi, avvia un + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/italian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..ed67f26a1 --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,243 @@ +--- +category: general +date: 2026-02-17 +description: Impara a utilizzare un pool di thread fisso in Java per estrarre testo + da immagini PNG con elaborazione OCR parallela e chiudere correttamente il servizio + Executor. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: it +og_description: Scopri come un pool di thread fisso in Java può estrarre testo da + immagini PNG in parallelo, convertire il testo delle pagine scansionate e chiudere + in modo sicuro il servizio executor. +og_title: Pool di thread fisso Java – OCR parallelo per PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Pool di thread fisso Java – OCR parallelo per PNG +url: /it/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR parallelo per PNG + +Ti sei mai chiesto come velocizzare l'OCR su un sacco di file PNG usando un **fixed thread pool java**? In questo tutorial vedremo come **estrarre testo da PNG** in parallelo, **convertire il testo delle pagine scansionate** in stringhe modificabili, e chiudere in modo sicuro **shut down executor service** una volta completato il lavoro. + +Se ti sei mai trovato a fissare un ciclo monothread che si trascina per minuti, conosci la frustrazione di dover attendere che ogni pagina finisca prima che la successiva inizi. La buona notizia? Con poche righe di Java e Aspose OCR puoi sfruttare tutta la potenza dei tuoi core CPU, trasformare quelle pagine scansionate in testo ricercabile e mantenere la tua applicazione reattiva. + +Di seguito trovi un esempio completo, pronto‑da‑eseguire, più spiegazioni sul perché ogni pezzo è importante, le insidie più comuni e consigli applicabili a qualsiasi libreria OCR. + +--- + +## Cosa ti servirà + +- **Java 17** (o qualsiasi JDK recente) – il codice utilizza la sintassi moderna `var` con parsimonia, ma funziona anche su versioni più vecchie. +- **Aspose.OCR for Java** library – puoi scaricarla da Maven Central o ottenere una versione di prova da Aspose. +- Un insieme di file **PNG** che desideri elaborare – pensa a ricevute scansionate, pagine di libri o screenshot. +- Familiarità di base con la concorrenza in Java – non obbligatoria, ma utile. + +Questo è tutto. Nessun servizio esterno, nessun Docker, solo Java puro e un po' di magia multithreading. + +--- + +## Passo 1: Aggiungi la dipendenza Aspose OCR e la licenza (Opzionale) + +Per prima cosa, assicurati che il JAR di Aspose OCR sia nel tuo classpath. Se usi Maven, aggiungi: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Se non hai una licenza, la libreria funzionerà in modalità valutazione; il codice si comporta allo stesso modo. Per caricare una licenza (raccomandato per la produzione), posiziona `Aspose.OCR.lic` nella cartella delle risorse e usa: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Consiglio professionale:** Mantieni il file di licenza fuori dal controllo di versione per evitare esposizioni accidentali. + +--- + +## Passo 2: Crea un'istanza `OcrEngine` thread‑safe + +L'`OcrEngine` di Aspose OCR è thread‑safe finché riutilizzi la stessa istanza tra i task. Crearla una sola volta salva memoria ed evita l'overhead di reinizializzare il motore per ogni immagine. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Perché riutilizzarla? Pensa al motore come a un lavoratore pesante che carica i modelli linguistici in memoria. Creare un nuovo motore per immagine sarebbe come assumere un nuovo specialista per ogni piccolo lavoro – costoso e inutile. + +--- + +## Passo 3: Configura un Fixed Thread Pool Java + +Ora arriva la star dello spettacolo: un **fixed thread pool java**. Lo dimensioneremo in base al numero di processori logici così ogni core riceve lavoro senza sovraccaricare. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Usare un pool *fixed* (invece di uno cached) ti garantisce un utilizzo prevedibile delle risorse e previene i temuti picchi di “out‑of‑memory” quando centinaia di immagini arrivano contemporaneamente. + +--- + +## Passo 4: Elenca i file PNG da elaborare (Estrai testo da PNG) + +Raccogli i percorsi delle immagini che vuoi sottoporre a OCR. In un progetto reale potresti scansionare una directory o leggere da un database; qui inseriremo manualmente qualche esempio. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Nota:** L'estensione del file **png** è importante perché Aspose OCR rileva automaticamente il formato, ma potresti fornire anche JPEG o TIFF. + +--- + +## Passo 5: Invia i task OCR – Elaborazione OCR parallela + +Ogni immagine diventa un callable che restituisce il testo riconosciuto. Poiché l'`OcrEngine` è condiviso, dobbiamo solo passare il percorso del file al task. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Perché avvolgerlo in un `Future`? Ci permette di lanciare tutti i job subito, per poi raccogliere i risultati nell'ordine in cui sono stati inviati – perfetto per preservare l'ordine delle pagine quando **convertire il testo delle pagine scansionate** in un documento. + +--- + +## Passo 6: Recupera i risultati e visualizzali (Converti testo delle pagine scansionate) + +Ora attendiamo che ogni `Future` termini e stampiamo l'output. La chiamata `get()` blocca solo fino al completamento del task specifico, non dell'intero pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Un tipico output della console appare così: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Se preferisci scrivere i risultati su file, sostituisci `System.out.println` con una chiamata a `Files.writeString`. + +--- + +## Passo 7: Chiudi correttamente il servizio Executor + +Quando tutti i task sono terminati, è fondamentale **shut down executor service**; altrimenti la JVM potrebbe mantenere thread non‑daemon attivi, impedendo una chiusura pulita. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Il pattern `awaitTermination` dà al pool la possibilità di completare il lavoro in corso prima di forzare la chiusura. Ignorare questo passaggio è una causa comune di perdite di memoria in applicazioni a lungo termine. + +--- + +## Esempio completo funzionante + +Mettendo tutto insieme, ecco il programma completo che puoi copiare‑incollare in `ParallelBatchDemo.java` e eseguire: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/italian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..fad9bdade --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Preprocessa l'immagine per OCR con Aspose OCR in Java. Impara a aumentare + il contrasto dell'immagine, impostare il livello di contrasto e riconoscere il testo + dall'immagine in pochi minuti. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: it +og_description: Preprocessa l'immagine per OCR usando Aspose OCR Java. Questa guida + mostra come aumentare il contrasto dell'immagine, impostare il livello di contrasto + e riconoscere rapidamente il testo dall'immagine. +og_title: Preelaborazione dell'immagine per OCR – Tutorial Java per aumentare il contrasto + ed estrarre il testo +tags: +- Java +- OCR +- Image Processing +title: Preprocessare l'immagine per OCR – Guida completa Java per aumentare il contrasto + ed estrarre il testo +url: /it/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Preprocess Image for OCR – Guida Completa Java + +Ti è mai capitato di dover **preprocessare un'immagine per OCR** senza sapere quali impostazioni fanno davvero la differenza? Non sei solo. La maggior parte degli sviluppatori lancia un'immagine a un motore OCR sperando che la magia accada, per poi ottenere un output incomprensibile. In questo tutorial percorreremo un esempio pratico, end‑to‑end, che **aumenta il contrasto dell'immagine**, regola il **livello di contrasto**, e infine **riconosce il testo dall'immagine** usando Aspose OCR per Java. + +Al termine avrai uno snippet di codice riutilizzabile che **estrae testo usando OCR** in modo affidabile, anche su scansioni rumorose. Nessun trucco nascosto, solo passaggi chiari e la logica dietro ciascuno. + +## Cosa Ti Serve + +- Java 17 o versioni successive (il codice compila con qualsiasi JDK recente) +- Libreria Aspose OCR per Java (scaricabile dal sito ufficiale Aspose) +- Un file di licenza Aspose OCR valido (`Aspose.OCR.lic`) +- Un'immagine di input (`input.jpg`) che desideri leggere +- Un IDE preferito o una semplice configurazione da riga di comando + +Se hai già tutto, ottimo—tuffiamoci subito. + +## Passo 1: Carica la Licenza Aspose OCR (Configurazione Principale) + +Prima che il motore OCR faccia qualsiasi cosa, deve sapere che sei in possesso di una licenza. Altrimenti otterrai una filigrana di prova. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Perché è importante:** Senza una licenza corretta, il motore gira in modalità valutazione, il che può troncare i risultati o aggiungere filigrane. Impostare la licenza subito garantisce che tutte le opzioni di pre‑elaborazione successive vengano applicate in modalità completa. + +## Passo 2: Inizializza il Motore OCR + +Creare un'istanza di `OcrEngine` ti dà accesso sia al riconoscimento sia alle pipeline di pre‑elaborazione. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Consiglio professionale:** Mantieni il motore come singleton se prevedi di elaborare molte immagini in batch; così cache le risorse interne e velocizza le chiamate successive. + +## Passo 3: Configura la Pre‑elaborazione – Deskew, Denoise e Potenziamento del Contrasto + +Qui è dove **preprocessiamo l'immagine per OCR**. I tre parametri che regoleremo sono: + +1. **Deskew** – corregge rotazioni leggere. +2. **Denoise** – rimuove i granelli che confondono la segmentazione dei caratteri. +3. **Potenzia il contrasto** – rende il testo scuro più evidente rispetto allo sfondo. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Perché Regolare il Livello di Contrasto? + +Aumentare il livello di contrasto allunga l'istogramma dell'immagine, rendendo i pixel scuri più scuri e quelli chiari più luminosi. In pratica, un **livello di contrasto** di `1.3f` spesso offre il miglior equilibrio per documenti stampati, mentre un valore superiore a `1.5f` può sovra‑esporre tratti sottili. Sentiti libero di sperimentare; la modifica è poco costosa e può migliorare drasticamente il tasso di successo del **recognize text from image**. + +## Passo 4: Prepara l'Immagine di Input + +La classe `OcrInput` astrae la gestione dei file. Puoi aggiungere più immagini se ti serve un'elaborazione batch. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Caso limite:** Se la tua immagine è in un formato non standard (ad es., TIFF con più pagine), puoi caricare ogni pagina separatamente o convertirla prima in PNG/JPEG. + +## Passo 5: Esegui il Riconoscimento + +Ora il motore esegue la pipeline di pre‑elaborazione che abbiamo configurato, poi passa l'immagine pulita all'algoritmo OCR core. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Cosa succede dietro le quinte?** Aspose OCR applica prima la trasformazione deskew, poi il filtro denoise, e infine regola il contrasto prima di inviare l'immagine al suo riconoscitore basato su rete neurale. L'ordine è intenzionale; cambiarlo potrebbe portare a risultati sub‑ottimali. + +## Passo 6: Output del Testo Riconosciuto + +Infine, stampiamo la stringa estratta sulla console. In un'applicazione reale potresti scriverla su un file o inviarla su rete. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Output Atteso + +Se `input.jpg` contiene la frase “Hello World!”, la console dovrebbe mostrare: + +``` +Hello World! +``` + +Se l'output appare confuso, ricontrolla i valori di pre‑elaborazione—soprattutto il **livello di contrasto** e la **modalità denoise**—e prova un formato immagine diverso. + +## Bonus: Visualizzare l'Immagine Pre‑elaborata (Opzionale) + +A volte vuoi vedere cosa vede il motore dopo deskew, denoise e potenziamento del contrasto. Aspose OCR ti permette di esportare il bitmap intermedio: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Apri `processed.png` fianco a fianco con l'originale; noterai un orizzonte più dritto e testo più nitido. Questo passaggio è utile quando devi capire perché una scansione specifica fallisce. + +![esempio di pre‑elaborazione immagine per OCR](/images/ocr-preprocess-example.png "pre‑elaborazione immagine per OCR – prima e dopo il potenziamento del contrasto") + +*L'immagine sopra illustra come aumentare il contrasto e rimuovere il rumore trasformi una scansione sfocata in una foto pulita, pronta per l'OCR.* + +## Problemi Comuni & Come Evitarli + +| Problema | Perché Accade | Soluzione | +|----------|----------------|-----------| +| **Contrasto eccessivo** (`setContrastLevel` troppo alto) | Lo sfondo chiaro diventa bianco, cancellando i caratteri deboli | Mantieni il livello tra 1.1 e 1.4 per la maggior parte dei testi stampati | +| **Tolleranza deskew troppo bassa** | Piccole rotazioni rimangono non corrette | Aumenta `setDeskewAngleTolerance` a 0.2 o 0.3 per libri scansionati | +| **Uso di denoise GAUSSIAN su immagini binarie** | Sfuma i bordi, unendo i caratteri | Usa `DenoiseMode.MEDIAN` per scansioni in bianco‑e‑nero | +| **Licenza mancante** | Il motore ricade in modalità trial, troncando l'output | Verifica il percorso verso `Aspose.OCR.lic` e che il file sia leggibile | + +## Prossimi Passi: Oltre la Pre‑elaborazione Base + +Ora che sai **preprocessare un'immagine per OCR** e **estrarre testo usando OCR**, considera queste estensioni: + +- **Language packs** – carica dizionari specifici per lingua per migliorare l'accuratezza su testi non inglesi. +- **Region‑of‑interest (ROI) cropping** – concentra l'elaborazione su una sotto‑sezione dell'immagine se ti serve solo una parte della pagina. +- **Elaborazione batch** – itera su una cartella di immagini, riutilizzando la stessa istanza di `OcrEngine` per velocizzare. +- **Integrazione con PDF** – combina Aspose OCR con Aspose PDF per convertire PDF scansionati in PDF ricercabili in un'unica pipeline. + +Ognuno di questi argomenti incorpora naturalmente le nostre parole chiave secondarie: continuerai a **boost image contrast**, **set contrast level**, e a **recognize text from image** in molti scenari. + +## Conclusione + +Abbiamo coperto tutto ciò che serve per **preprocessare un'immagine per OCR** usando Aspose OCR per Java: caricamento della licenza, configurazione di deskew, denoise e potenziamento del contrasto, caricamento dell'immagine e infine **riconoscimento del testo dall'immagine**. Con l'esempio completo e funzionante sopra, ora puoi **estrarre testo usando OCR** su qualsiasi immagine adeguatamente preparata. + +Prova il codice, modifica il **livello di contrasto**, e osserva l'aumento di precisione. Quando sei pronto, esplora modelli specifici per lingua o pipeline batch per trasformare questa demo a immagine singola in una soluzione di livello produzione. + +*Buon coding, e che le tue scansioni siano sempre nitide!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/italian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..a92a96b9d --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Riconosci rapidamente il testo nelle immagini con il supporto GPU di + Aspose OCR in Java. Scopri come estrarre il testo dall'immagine e impostare l'ID + del dispositivo GPU per prestazioni ottimali. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: it +og_description: Riconosci rapidamente il testo nelle immagini con il supporto GPU + di Aspose OCR in Java. Questa guida mostra come estrarre il testo dall'immagine + e impostare l'ID del dispositivo GPU. +og_title: Riconoscere testo da immagine usando Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Riconoscere il testo da un'immagine usando Aspose OCR GPU – Java +url: /it/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Riconoscere immagini di testo usando Aspose OCR GPU – Java + +Hai mai avuto bisogno di **recognize text image** in un'applicazione Java ma la CPU si soffocava con file di grandi dimensioni? Non sei l'unico—molti sviluppatori incontrano lo stesso ostacolo quando elaborano scansioni ad alta risoluzione. La buona notizia? Aspose OCR ti permette di **extract text from image** sulla GPU, riducendo drasticamente i tempi di elaborazione. + +In questo tutorial ti guideremo passo passo attraverso un esempio completo, pronto‑all'uso, che mostra esattamente come configurare la licenza, abilitare l'accelerazione GPU e **set gpu device id** quando hai più schede grafiche. Alla fine avrai un programma autonomo che stampa il testo riconosciuto sulla console—senza passaggi aggiuntivi. + +## Cosa ti servirà + +- **Java 17** o versioni più recenti (l'API è compatibile con Java 8+, ma l'ultima LTS offre migliori prestazioni). +- Libreria **Aspose OCR for Java** (scarica il JAR dal sito web di Aspose). +- Un valido **Aspose OCR license file** (`Aspose.OCR.lic`). La versione di prova gratuita funziona, ma le funzionalità GPU sono disponibili solo nella versione con licenza. +- Un file immagine (`sample-image.png`) che contiene testo chiaro e leggibile da macchina. +- Un ambiente abilitato alla GPU (una scheda compatibile NVIDIA CUDA funziona al meglio). + +Se qualcuno di questi ti è sconosciuto, non preoccuparti—ogni punto verrà spiegato man mano. + +## Passo 1: Aggiungere Aspose OCR al tuo progetto + +Per prima cosa, includi il JAR di Aspose OCR nel tuo classpath. Se usi Maven, aggiungi la seguente dipendenza a `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Per Gradle, è: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Se preferisci il metodo manuale, copia il JAR nella cartella `libs/` e aggiungilo al percorso dei moduli dell'IDE. + +> **Pro tip:** Mantieni il numero di versione sincronizzato con le note di rilascio della libreria; le versioni più recenti spesso introducono ottimizzazioni delle prestazioni per l'elaborazione GPU. + +## Passo 2: Caricare la licenza Aspose OCR (necessario per l'uso della GPU) + +Senza licenza la chiamata `setEnableGpu(true)` tornerà silenziosamente alla modalità CPU. Carica la licenza subito all'inizio di `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Sostituisci `YOUR_DIRECTORY` con il percorso assoluto o relativo dove hai salvato il file `.lic`. Se il percorso è errato, Aspose genererà una `FileNotFoundException`, quindi verifica attentamente l'ortografia. + +## Passo 3: Creare il motore OCR e abilitare l'accelerazione GPU + +Ora istanziamo `OcrEngine` e gli diciamo di usare la GPU. Il metodo `setGpuDeviceId` ti consente di scegliere una scheda specifica quando ne è presente più di una. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Perché preoccuparsi dell'ID del dispositivo? In un server con più GPU potresti riservare una scheda per il pre‑processing delle immagini e un'altra per l'OCR. Impostare l'ID garantisce che l'hardware corretto esegua il lavoro pesante. + +## Passo 4: Preparare l'immagine di input + +Aspose OCR funziona con diversi formati (PNG, JPG, BMP, TIFF). Avvolgi il tuo file in un oggetto `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Se devi elaborare uno stream (ad esempio, un file caricato), usa `ocrInput.add(InputStream)` al suo posto. + +## Passo 5: Eseguire il processo di riconoscimento e recuperare il risultato + +Il metodo `recognize` restituisce un `OcrResult` che contiene il testo semplice, i punteggi di confidenza e persino le informazioni di layout se ti servono. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +La console mostrerà qualcosa del genere: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Se l'immagine è sfocata o la lingua non è supportata, il risultato potrebbe essere vuoto. In tal caso, controlla il valore `ocrResult.getConfidence()` (0‑100) per decidere se riprovare con un pre‑processing. + +## Esempio completo, eseguibile + +Unendo tutti i pezzi ottieni una singola classe Java che puoi copiare‑incollare nel tuo IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** La console stampa il testo esatto che appare in `sample-image.png`. Se la GPU è attiva, noterai che il tempo di elaborazione scende da diversi secondi (CPU) a meno di un secondo per scansioni tipiche a 300 dpi. + +## Domande frequenti e casi particolari + +### Funziona su un server headless? + +Sì. Il driver GPU deve essere installato, ma non è necessario alcun display. Basta assicurarsi che il toolkit `CUDA` (o l'equivalente per la tua GPU) sia nel `PATH` di sistema. + +### E se ho più di una GPU e voglio usare GPU 1? + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Come estrarre testo da immagine in una lingua diversa? + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose supporta oltre 30 lingue; consulta la documentazione API per l'elenco completo. + +### E se l'immagine contiene più pagine (ad esempio, un PDF convertito in immagini)? + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Il motore concatenarà i risultati in ordine. + +### Come gestire risultati a bassa confidenza? + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +I tipici passaggi di pre‑processing includono binarizzazione, riduzione del rumore o ridimensionamento a 300 dpi. + +## Suggerimenti per le prestazioni + +- **Batch processing:** Aggiungere molte immagini a un unico `OcrInput` riduce l'overhead di inizializzare ripetutamente il contesto GPU. +- **Warm‑up:** Esegui un riconoscimento fittizio una volta dopo l'avvio della JVM; la prima chiamata comporta latenza di inizializzazione del driver. +- **Memory management:** Rilascia gli oggetti `OcrInput` di grandi dimensioni (`ocrInput.clear()`) dopo aver terminato per liberare memoria GPU. + +## Conclusione + +Ora sai come **recognize text image** in modo efficiente con il motore GPU di Aspose OCR in Java, come **extract text from image** in qualsiasi lingua supportata, e come **set gpu device id** quando lavori con più schede grafiche. Il codice completo e eseguibile sopra dovrebbe funzionare subito—basta sostituire i percorsi della licenza e dell'immagine. + +Pronto per il passo successivo? Prova a elaborare una cartella di PDF scansionati, sperimenta con diverse opzioni `setLanguage`, o combina l'OCR con un modello di machine‑learning per il post‑processing. Le possibilità sono infinite, e i guadagni di prestazioni grazie all'accelerazione GPU rendono fattibili anche progetti su larga scala. + +Buon coding, e sentiti libero di lasciare un commento se incontri qualche problema! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/ocr-operations/_index.md b/ocr/italian/java/ocr-operations/_index.md index 204630598..4c55d5bf3 100644 --- a/ocr/italian/java/ocr-operations/_index.md +++ b/ocr/italian/java/ocr-operations/_index.md @@ -81,6 +81,16 @@ Sblocca il potere dell'OCR in Java con Aspose.OCR. Riconosci il testo nei docume Sblocca un potente riconoscimento del testo in Java con Aspose.OCR. Riconosci il testo nelle immagini TIFF senza sforzo. Scarica ora per un'esperienza OCR fluida. ### [Riconoscere il testo di un'immagine con Aspose OCR – Tutorial Java OCR completo](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Scopri come eseguire l'OCR completo su immagini con Aspose OCR in Java, passo‑passo per risultati accurati e rapidi. +### [Riconoscere il testo da un'immagine con Aspose OCR – Tutorial Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Scopri come eseguire l'OCR su un'immagine con Aspose OCR in Java, passo‑passo per risultati rapidi e accurati. +### [Image to Text Java: estrarre testo Urdu con Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Scopri come estrarre testo in Urdu da immagini con Aspose OCR per Java, passo‑passo per risultati accurati. +### [Creare PDF Ricercabile da Immagine in Java – Guida Passo‑Passo](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Scopri come trasformare un'immagine in un PDF ricercabile con Aspose.OCR per Java, passo‑passo per risultati rapidi e precisi. +### [Come usare l'OCR in Java – Estrarre testo da PDF con Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Scopri come estrarre testo da PDF con Aspose.OCR in Java, passo‑passo per risultati rapidi e precisi. +### [Come usare l'OCR in Java – Riconoscere rapidamente il testo da un'immagine](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Scopri come eseguire l'OCR su un'immagine in Java rapidamente, passo‑passo per risultati accurati. ## Domande Frequenti diff --git a/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..9ba13e7f3 --- /dev/null +++ b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Crea PDF ricercabili rapidamente: scopri come creare PDF da un''immagine + usando Aspose OCR, le opzioni di salvataggio PDF e convertire l''immagine in PDF + ricercabile in pochi minuti.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: it +og_description: Crea PDF ricercabile in Java usando Aspose OCR. Questa guida mostra + come creare un PDF da un'immagine, configurare le opzioni di salvataggio PDF e ottenere + un documento completamente ricercabile. +og_title: Crea PDF ricercabile da immagine in Java – tutorial completo +tags: +- Aspose OCR +- Java +- PDF generation +title: Crea PDF Ricercabile da Immagine in Java – Guida Passo‑Passo +url: /it/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crea PDF Ricercabile da Immagine in Java – Guida Passo‑Passo + +Hai mai dovuto **create searchable pdf** da una foto scansionata ma non sapevi quale API scegliere? Non sei solo: molti sviluppatori si imbattono in questo ostacolo al primo tentativo di trasformare un bitmap in un PDF effettivamente ricercabile. La buona notizia? Con Aspose OCR puoi farlo in poche righe, e il risultato appare esattamente come l’immagine originale mantenendo la possibilità di ricerca testuale. + +In questo tutorial percorreremo l’intero processo: caricare la licenza, fornire un’immagine (o un TIFF multi‑pagina) al motore OCR, regolare le **pdf save options**, e infine scrivere un **image to searchable pdf**. Alla fine avrai un programma Java pronto all’uso che crea un PDF ricercabile in pochi secondi. Nessun mistero, nessuna scorciatoia “vedi la documentazione” – solo un esempio completo e eseguibile. + +## Cosa Imparerai + +- Come **convert image to pdf** e incorporare un livello di testo nascosto per la ricerca. +- Quali **pdf save options** attivare per ottenere il miglior equilibrio tra dimensione e precisione. +- Problemi comuni (ad es. licenza mancante, formati immagine non supportati) e come evitarli. +- Come verificare che l’output sia davvero ricercabile (test rapido con Adobe Reader). + +**Prerequisiti:** Java 8 o superiore, Maven o Gradle per scaricare il JAR Aspose OCR, e un file di licenza Aspose OCR valido. Se non hai ancora una licenza, puoi richiedere una prova gratuita dal sito di Aspose. + +--- + +## Passo 1 – Carica la Licenza Aspose OCR (Come Creare PDF in Modo Sicuro) + +Prima che il motore OCR esegua qualsiasi operazione ha bisogno di una licenza; altrimenti otterrai pagine con filigrana. Posiziona il tuo `Aspose.OCR.lic` in un percorso accessibile, poi punta la classe `License` a quel file. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Consiglio:** Mantieni il file di licenza fuori dalla directory di controllo versione per evitare commit accidentali. + +--- + +## Passo 2 – Prepara l'Input OCR (Converti Immagine in PDF) + +Aspose OCR accetta un oggetto `OcrInput` che può contenere una o più immagini. Qui aggiungiamo un singolo PNG, ma potresti anche fornire un TIFF multi‑pagina per l’elaborazione batch. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Perché è importante:** Aggiungere l’immagine a `OcrInput` separa la gestione dei file dal motore, permettendoti di riutilizzare lo stesso codice per scenari a pagina singola o multi‑pagina. + +--- + +## Passo 3 – Configura le Opzioni di Salvataggio PDF (Spiegazione delle PDF Save Options) + +La classe `PdfSaveOptions` controlla come viene costruito il PDF finale. Due flag sono fondamentali per un **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – indica al motore di incorporare un livello di testo nascosto basato sui risultati OCR. +2. `setEmbedImages(true)` – conserva l’immagine raster originale così l’aspetto visivo rimane intatto. + +Puoi anche regolare DPI, compressione o protezione con password, se necessario. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Caso limite:** Se imposti `setCreateSearchablePdf(false)`, l’output sarà un PDF solo immagine – niente testo ricercabile. Controlla sempre questo flag quando automatizzi grandi batch. + +--- + +## Passo 4 – Esegui OCR e Scrivi il PDF Ricercabile (La Logica Centrale “Come Creare PDF”) + +Ora uniamo tutto. Il metodo `recognize` esegue l’OCR sull’`OcrInput` fornito, applica le `PdfSaveOptions` e scrive il risultato su file. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Risultato Atteso + +Dopo aver eseguito il programma, apri `output-searchable.pdf` in qualsiasi visualizzatore PDF (Adobe Reader, Foxit, ecc.) e prova a selezionare del testo o a usare la casella di ricerca. Dovresti riuscire a trovare parole che originariamente erano solo parte dell’immagine. Questo è il segno distintivo di un **searchable PDF**. + +--- + +## Passo 5 – Verifica lo Strato Ricercabile (QA Rapida) + +A volte la confidenza dell’OCR può essere bassa, specialmente su scansioni a bassa risoluzione. Un modo veloce per verificare è: + +1. Apri il PDF in Adobe Reader. +2. Premi **Ctrl + F** e digita una parola che sai essere presente nell’immagine. +3. Se la parola viene evidenziata, il livello di testo nascosto funziona. + +Se la ricerca fallisce, considera di aumentare il DPI dell’immagine di origine o di abilitare dizionari specifici per lingua tramite `ocrEngine.getLanguage().add("eng")`. + +--- + +## Domande Frequenti & Problemi Comuni + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Yes—just add each page to the same `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR will treat each frame as a separate page. | +| **What if I don’t have a license?** | The free trial works but adds a watermark on every page. The code stays the same; just use the trial `.lic` file. | +| **How large will the PDF be?** | With `setEmbedImages(true)` the file size is roughly the size of the original image plus a few kilobytes for the hidden text. You can compress images via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | By default Aspose OCR uses English. For other languages call `ocrEngine.getLanguage().add("spa")` before `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Absolutely—most mobile PDF viewers respect the hidden text layer. | + +--- + +## Bonus: Trasformare il Demo in un'Utility Riutilizzabile + +Se prevedi di aver bisogno di questa funzionalità in più progetti, avvolgi la logica in un metodo helper statico: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Ora puoi chiamare `PdfSearchableUtil.convert(...)` da qualsiasi parte del tuo codice, trasformando **convert image to pdf** in una singola riga. + +--- + +## Conclusione + +Abbiamo coperto tutto ciò che serve per **create searchable pdf** da immagini in Java usando Aspose OCR. Dal caricamento della licenza, alla costruzione dell’input OCR, alla regolazione delle **pdf save options**, fino alla scrittura finale di un **image to searchable pdf**, il tutorial fornisce una soluzione completa, pronta al copia‑incolla. + +Fai il passo successivo sperimentando con formati immagine diversi, regolando il DPI o aggiungendo protezione con password tramite `PdfSaveOptions`. Potresti anche esplorare l’elaborazione batch—cicla su una cartella di scansioni e genera un PDF ricercabile per ciascuna. + +Se questa guida ti è stata utile, lascia una stella su GitHub o un commento qui sotto. Buon coding e divertiti a trasformare quelle noiose scansioni in documenti completamente ricercabili! + +![Esempio di PDF ricercabile creato](placeholder-image.png "esempio di pdf ricercabile") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..a47c47624 --- /dev/null +++ b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Come utilizzare l'OCR in Java per estrarre testo da PDF, convertire PDF + in immagini ed eseguire l'OCR su file PDF scansionati utilizzando Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: it +og_description: Come utilizzare l'OCR in Java per estrarre testo da file PDF. Impara + a convertire i PDF in immagini e a riconoscere i PDF scansionati con Aspose.OCR. +og_title: Come utilizzare OCR in Java – Guida completa +tags: +- OCR +- Java +- Aspose +title: Come utilizzare l'OCR in Java – Estrarre testo da PDF con Aspose.OCR +url: /it/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Come usare OCR in Java – Estrarre testo da PDF con Aspose.OCR + +Ti sei mai chiesto **come usare OCR** per trasformare un PDF scansionato in testo ricercabile? Non sei l'unico. La maggior parte degli sviluppatori si imbatte in un ostacolo quando un PDF arriva come una serie di immagini, e i tradizionali estrattori di testo non restituiscono nulla. La buona notizia? Con poche righe di Java e Aspose.OCR puoi **estrarre testo da PDF**, **convertire PDF in immagini** e **riconoscere PDF scansionati** in un unico flusso di lavoro senza problemi. + +In questo tutorial percorreremo tutto ciò che devi sapere—dalla licenza della libreria alla stampa del risultato finale. Alla fine avrai un programma pronto all'uso che estrae testo semplice da qualsiasi rapporto, fattura o ebook scansionato. Nessun servizio esterno, nessuna magia—solo puro codice Java sotto il tuo controllo. + +## Cosa ti serve + +- **Java Development Kit (JDK) 8+** – qualsiasi versione recente funziona. +- **Aspose.OCR for Java** JAR (scaricalo dal sito Aspose). +- Un **file di licenza Aspose.OCR valido** (`Aspose.OCR.lic`). La versione di prova gratuita funziona, ma una licenza sblocca la massima precisione. +- Un **PDF scansionato di esempio** (ad es., `scanned-report.pdf`). +- Un IDE o un semplice editor di testo più un terminale. + +È tutto. Nessun Maven, nessun Gradle, nessuna dipendenza extra—solo il JAR di Aspose.OCR nel tuo classpath. + +![esempio di utilizzo OCR](image-placeholder.png "esempio di utilizzo OCR") + +## Passo 1 – Carica la tua licenza Aspose.OCR (Perché è importante) + +Prima che il motore possa funzionare a piena velocità devi indicargli dove si trova la tua licenza. Saltare questo passo forza la libreria in modalità di valutazione, che aggiunge filigrane all'output e può limitare la precisione. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Perché funziona:** La classe `License` legge il file `.lic` e lo registra a livello globale. Una volta impostata, ogni `OcrEngine` che crei utilizzerà automaticamente le funzionalità con licenza. + +## Passo 2 – Crea il motore OCR (Il motore dietro la magia) + +Un'istanza di `OcrEngine` è il cavallo di lavoro che analizza le immagini e restituisce testo. Pensala come il cervello che interpreta i pattern di pixel. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Consiglio professionale:** Puoi modificare lingua, soglie di confidenza, o persino abilitare l'accelerazione GPU tramite le proprietà del motore. Per la maggior parte dei PDF in inglese le impostazioni predefinite vanno bene. + +## Passo 3 – Prepara l'input: aggiungi il tuo PDF (Converti PDF in immagini in background) + +Aspose.OCR tratta ogni pagina di un PDF come un'immagine. Quando chiami `addPdf`, la libreria rasterizza silenziosamente ogni pagina, che è esattamente ciò di cui hai bisogno per **convertire PDF in immagini** prima del riconoscimento. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**What’s happening:** +- Il PDF viene aperto. +- Ogni pagina viene renderizzata a 300 dpi (predefinito) per preservare i dettagli dei caratteri. +- Gli oggetti bitmap renderizzati vengono memorizzati nella collezione `OcrInput`. + +Se hai mai bisogno delle immagini grezze (per il debug o per pre‑elaborazioni personalizzate), chiama `ocrInput.getPages()` dopo questo passo. + +## Passo 4 – Esegui il processo OCR (Esegui OCR su PDF) + +Ora inizia il lavoro pesante. Il metodo `recognize` itera su ogni immagine, esegue l'algoritmo di riconoscimento e aggrega i risultati in un `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Perché è importante:** `OcrResult` contiene non solo il testo semplice ma anche i punteggi di confidenza, le bounding box e il riferimento all'immagine originale. Per la maggior parte dei casi d'uso ti basterà `getText()`. + +## Passo 5 – Recupera e visualizza il testo estratto + +Infine, estrai la stringa di testo semplice dal risultato e stampala. Puoi anche scriverla su un file, inviarla a un indice di ricerca o introdurla in una pipeline NLP a valle. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Output previsto + +Se `scanned-report.pdf` contiene un semplice paragrafo, vedrai qualcosa del genere: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +La formattazione esatta rispecchia il layout originale, preservando le interruzioni di riga dove possibile. + +## Gestione dei casi limite comuni + +### 1. PDF multilingua + +Se il tuo documento contiene testo in francese o spagnolo, imposta la lingua prima di chiamare `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Puoi fornire un array di lingue per consentire al motore di rilevarle automaticamente. + +### 2. Scansioni a bassa risoluzione + +Quando lavori con scansioni a 150 dpi, aumenta il DPI di rendering interno: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Un DPI più alto migliora la chiarezza dei caratteri ma consuma più memoria. + +### 3. PDF di grandi dimensioni (Gestione della memoria) + +Per PDF con decine di pagine, elabora in batch: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Questo approccio impedisce al heap della JVM di gonfiarsi. + +## Esempio completo, pronto all'uso + +Di seguito il programma completo—incluse importazioni e gestione della licenza—così puoi copiare‑incollare ed eseguire immediatamente. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Eseguilo con: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Dovresti vedere il testo estratto stampato sulla console. + +## Riepilogo – Cosa abbiamo coperto + +- **Come usare OCR** in Java con Aspose.OCR. +- Il flusso di lavoro per **estrarre testo da PDF**. +- Internamente, la libreria **converte PDF in immagini** prima di riconoscere i caratteri. +- Suggerimenti per **eseguire OCR su PDF** con più lingue, scansioni a bassa risoluzione e documenti di grandi dimensioni. +- Un esempio di codice completo e eseguibile che puoi inserire in qualsiasi progetto Java. + +## Prossimi passi e argomenti correlati + +Ora che puoi **riconoscere PDF scansionati**, considera queste idee successive: + +- **Generazione di PDF ricercabili** – sovrapponi il testo OCR al PDF originale per creare un documento ricercabile. +- **Servizio di elaborazione batch** – incapsula il codice in un microservizio Spring Boot che accetta PDF via REST. +- **Integrazione con Elasticsearch** – indicizza il testo estratto per una ricerca full‑text veloce nel tuo repository di documenti. +- **Pre‑elaborazione delle immagini** – usa OpenCV per correggere l'inclinazione o ridurre il rumore delle pagine prima dell'OCR per una precisione ancora maggiore. + +Ognuno di questi argomenti si basa sui concetti fondamentali che abbiamo esplorato, quindi sentiti libero di sperimentare e lasciare che il motore OCR faccia il lavoro pesante. + +--- + +*Buon coding! Se hai incontrato problemi—come errori di licenza o risultati null inaspettati—lascia un commento qui sotto. Sono sempre disponibile per una sessione di debug.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..105994c74 --- /dev/null +++ b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-02-17 +description: Scopri come utilizzare l'OCR in Java per riconoscere il testo da file + immagine, estrarre il testo da ricevute PNG e convertire la ricevuta in JSON con + Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: it +og_description: Guida passo passo su come utilizzare l'OCR in Java per riconoscere + il testo da un'immagine, estrarre il testo dalle ricevute PNG e convertire la ricevuta + in JSON. +og_title: Come usare OCR in Java – Riconoscere il testo da un'immagine +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Come usare l'OCR in Java – Riconosci rapidamente il testo da un'immagine +url: /it/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +translations and placeholders unchanged. + +Let's construct final.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Come usare OCR in Java – Riconoscere rapidamente il testo da un'immagine + +Ti sei mai chiesto **come usare OCR** per estrarre il testo da una foto di una ricevuta? Forse hai provato alcuni strumenti online, solo per finire con caratteri incomprensibili o un formato che non riesci a analizzare. La buona notizia è che con poche righe di codice Java puoi **recognize text from image** files, **extract text from PNG** receipts, e persino **convert receipt to JSON** per l'elaborazione successiva. + +In questo tutorial ti guideremo attraverso l'intero flusso di lavoro—dalla licenza della libreria Aspose OCR fino all'ottenimento di un payload JSON pulito che puoi inserire in un database o in un modello di machine‑learning. Nessuna teoria superflua, solo un esempio pratico e eseguibile che puoi copiare‑incollare nel tuo IDE. Alla fine avrai un programma autonomo che prende `receipt.png` e restituisce una stringa JSON pronta all'uso. + +## Cosa ti servirà + +- **Java Development Kit (JDK) 8+** – qualsiasi versione recente funziona. +- **Aspose OCR for Java** library (l'artifact Maven è `com.aspose:aspose-ocr`). +- Un **valid Aspose OCR license file** (`Aspose.OCR.lic`). La versione di prova gratuita funziona per i test, ma una licenza corretta rimuove i limiti di valutazione. +- Un file immagine (PNG, JPEG, ecc.) che contiene il testo che vuoi leggere—chiamiamolo `receipt.png` e posizionalo in una cartella nota. +- Il tuo IDE preferito (IntelliJ IDEA, Eclipse, VS Code…) – sei libero di scegliere. + +> **Consiglio professionale:** Tieni il file di licenza al di fuori della cartella sorgente e fai riferimento ad esso tramite un percorso assoluto o relativo per evitare di commetterlo al controllo versione. + +Ora che i prerequisiti sono chiari, immergiamoci nel codice reale. + +## Come usare OCR – Passaggi fondamentali + +Di seguito trovi una panoramica ad alto livello delle azioni che eseguiremo: + +1. **Load the Aspose OCR library** and apply your license. +2. **Create an `OcrEngine` instance** – this is the engine that does the heavy lifting. +3. **Prepare an `OcrInput` object** pointing at the image you want to process. +4. **Call `recognize` with `ResultFormat.JSON`** to get a JSON representation of the extracted text. +5. **Handle the JSON output** – print it, write it to a file, or parse it further. + +Ogni passaggio è spiegato in dettaglio nelle sezioni successive. + +## Passo 1 – Installa Aspose OCR e applica la tua licenza + +Per prima cosa, aggiungi la dipendenza Aspose OCR al tuo `pom.xml` se usi Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Ora, nel tuo codice Java, carica la licenza. Questo passaggio è fondamentale; senza di esso la libreria funziona in modalità di valutazione e può inserire filigrane nell'output. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** L'oggetto `License` informa il motore OCR che sei autorizzato a utilizzare l'intero set di funzionalità, che include il riconoscimento ad alta precisione e l'esportazione JSON. Saltare questo passaggio ti permetterà comunque di **recognize text from image**, ma i risultati potrebbero essere limitati. + +## Passo 2 – Crea l'istanza del motore OCR + +La classe `OcrEngine` è il punto di ingresso per tutte le operazioni OCR. Pensala come il “cervello” che legge i pixel e decide quali caratteri rappresentano. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Puoi personalizzare il motore (ad esempio impostare la lingua, abilitare il deskew) in seguito se le tue ricevute contengono script non latini o sono scansionate con un angolo. Per la maggior parte delle ricevute statunitensi, le impostazioni predefinite funzionano perfettamente. + +## Passo 3 – Carica l'immagine da elaborare + +Ora indicheremo al motore OCR il file che contiene la ricevuta. La classe `OcrInput` può accettare più immagini, ma per questo tutorial la manterremo semplice con un unico PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Se mai dovessi **extract text from PNG** in blocco, chiama semplicemente `input.add()` più volte o passa un elenco di percorsi file. + +## Passo 4 – Riconosci il testo e converti la ricevuta in JSON + +Ecco il cuore del tutorial. Chiediamo al motore di riconoscere il testo e di restituire il risultato in formato JSON. Il flag `ResultFormat.JSON` fa tutto il lavoro pesante per noi. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Il payload JSON include ogni linea riconosciuta, il suo riquadro di delimitazione, il punteggio di confidenza e il testo grezzo. Questa struttura rende banale **convert receipt to JSON** e poi inviarlo a qualsiasi API downstream. + +## Passo 5 – Metti tutto insieme ed esegui il programma + +Di seguito trovi la classe Java completa, pronta per l'esecuzione, che unisce tutti i passaggi. Salvala come `JsonExportDemo.java` (o con un nome a tua scelta) ed eseguila dal tuo IDE o da riga di comando. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Output previsto + +L'esecuzione del programma stampa una stringa JSON simile a quella seguente (il contenuto esatto dipende dalla tua ricevuta): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Ora puoi inviare questo JSON a un database, a un endpoint REST o a una pipeline di analisi dati. Il passaggio **convert receipt to JSON** è già stato eseguito per te. + +## Domande comuni e casi particolari + +### E se l'immagine è ruotata? + +Aspose OCR rileva e corregge automaticamente rotazioni lievi. Per immagini fortemente inclinate, chiama `engine.getImagePreprocessingOptions().setDeskew(true)` prima del riconoscimento. + +### Come gestire più lingue? + +Usa `engine.getLanguage()` per impostare la lingua desiderata, ad esempio `engine.setLanguage(Language.FRENCH)`. Questo è utile quando devi **recognize text from image** che contiene ricevute multilingue. + +### Posso ottenere testo semplice invece di JSON? + +Assolutamente. Sostituisci `ResultFormat.JSON` con `ResultFormat.TEXT` e chiama `result.getText()`. + +### È possibile limitare l'OCR a una regione specifica? + +Sì—usa `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` per focalizzarti sull'area della ricevuta, il che può migliorare velocità e precisione. + +## Consigli professionali per OCR pronto alla produzione + +- **Cache della licenza** se stai elaborando molti file in un ciclo; crearla ripetutamente aggiunge overhead. +- **Elaborazione batch**: carica tutti i percorsi delle ricevute in un unico `OcrInput` e chiama `recognize` una sola volta. Il JSON conterrà un array di pagine, ciascuna con le proprie linee. +- **Convalida JSON**: dopo aver ottenuto la stringa, analizzala con una libreria come Jackson per assicurarti che sia ben formata prima di archiviarla. +- **Monitora la confidenza**: il JSON include un campo `confidence` per ogni linea. Filtra le linee al di sotto di una soglia (es. 0.85) per evitare dati spazzatura. +- **Proteggi la tua licenza**: conserva `Aspose.OCR.lic` in un vault sicuro o in una variabile d'ambiente, specialmente nelle distribuzioni cloud. + +## Conclusione + +Abbiamo coperto **how to use OCR** in Java per **recognize text from image**, **extract text from PNG** receipts e **convert receipt to JSON**—tutto con un esempio conciso, end‑to‑end. I passaggi sono semplici, il codice è completamente eseguibile e l'output JSON ti fornisce una rappresentazione strutturata pronta per qualsiasi sistema downstream. + +Successivamente potresti esplorare scenari più avanzati: inviare il JSON ad Apache Kafka per l'elaborazione in tempo reale, applicare pattern regex per estrarre i totali delle voci, o integrare un servizio OCR cloud per scalabilità. Qualunque sia la tua scelta, i fondamenti appena appresi rimarranno gli stessi. + +Hai domande o hai incontrato un problema provando questo esempio? Lascia un commento qui sotto e risolviamo insieme. Buon coding e divertiti a trasformare quelle immagini di ricevute disordinate in dati puliti e ricercabili! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/italian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..bf90ebc2f --- /dev/null +++ b/ocr/italian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 'tutorial Java da immagine a testo: impara come estrarre testo Urdu da + un''immagine usando Aspose OCR. Esempio completo di OCR Java incluso.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: it +og_description: Il tutorial Java di image to text mostra come estrarre testo Urdu + da un'immagine usando Aspose OCR. Segui l'esempio completo di OCR Java passo passo. +og_title: 'immagine a testo java: estrai testo Urdu con Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'immagine a testo java: estrai testo Urdu con Aspose OCR' +url: /it/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Estrai testo Urdu con Aspose OCR + +Se hai bisogno di fare una conversione **image to text java** per documenti in Urdu, sei nel posto giusto. Ti sei mai chiesto *come estrarre testo* da un’immagine di una nota scritta a mano o da una pagina di giornale scansionata? Questa guida ti accompagnerà passo passo attraverso un **java ocr example** che estrae i caratteri Urdu direttamente da un’immagine usando Aspose OCR. + +Copriamo tutto, dalla licenza della libreria alla stampa del risultato sulla console. Alla fine sarai in grado di **load image ocr** file, impostare la lingua su Urdu e ottenere un output Unicode pulito—senza strumenti aggiuntivi. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – il codice funziona con qualsiasi JDK recente. +- **Aspose.OCR for Java** JAR (scaricalo dal sito di Aspose). +- Un file di licenza **Aspose OCR** valido (`Aspose.OCR.lic`). +- Un’immagine che contenga testo Urdu, ad esempio `urdu-sample.png`. + +Avere queste basi a disposizione significa poter passare subito al codice senza dover cercare dipendenze mancanti. + +## image to text java – Setting Up Aspose OCR + +Prima di tutto, dobbiamo dire ad Aspose di avere una licenza. Senza di essa la libreria gira in modalità valutazione e aggiunge filigrane all’output. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Perché è importante:** La licenza rimuove il limite di elaborazione di 5 secondi e sblocca il pacchetto completo della lingua Urdu aggiunto nel 2025‑Q3. Se salti questo passaggio, il motore OCR funzionerà comunque, ma vedrai una piccola etichetta “Evaluation” nei risultati. + +## How to Extract Text – Initialize the OCR Engine + +Ora creiamo il motore e specifichiamo esplicitamente che ci interessa l’Urdu. La costante `OcrLanguage.URDU` attiva il set di caratteri corretto e le regole di segmentazione. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Consiglio:** Se devi elaborare più lingue in un’unica esecuzione, puoi passare una lista separata da virgole, ad esempio `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Il motore rileverà automaticamente ogni regione. + +## Load Image OCR – Preparing the Input + +Aspose lavora con un oggetto `OcrInput` che può contenere una o più immagini. Qui **load image ocr** i dati da un file locale. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Nota:** Sostituisci `YOUR_DIRECTORY` con il percorso assoluto o relativo dalla radice del tuo progetto. Se il file non viene trovato, Aspose lancia una `FileNotFoundException`. Un rapido controllo con `new File(path).exists()` può farti risparmiare molto tempo di debug. + +## Recognize the Text – Running the OCR Process + +Con il motore configurato e l’immagine caricata, chiamiamo finalmente `recognize`. Il metodo restituisce un `OcrResult` che contiene la stringa estratta. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Cosa succede dietro le quinte?** Il motore OCR divide l’immagine in righe, poi in caratteri, applicando le regole di shaping specifiche per l’Urdu (come le forme di collegamento). Per questo è fondamentale impostare la lingua fin dall’inizio; altrimenti otterrai segnaposto latini incomprensibili. + +## Print the Recognized Urdu Text + +L’ultimo passaggio è semplicemente stampare il risultato. Poiché l’Urdu utilizza una scrittura da destra a sinistra, assicurati che la tua console supporti Unicode (la maggior parte dei terminali moderni lo fa). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Output atteso (esempio):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Se vedi punti interrogativi o stringhe vuote, ricontrolla che la codifica della console sia impostata su UTF‑8 (`chcp 65001` su Windows, o esegui Java con `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +Di seguito trovi il programma completo, pronto per il copia‑incolla. Nessun riferimento esterno, solo un singolo file Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Eseguilo con: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Sostituisci la versione del JAR (`23.10`) con quella che hai scaricato. La console dovrebbe mostrare la frase in Urdu estratta dal tuo PNG. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | L’immagine è troppo scura o a bassa risoluzione. | Pre‑elabora l’immagine (aumenta contrasto, binarizza) usando `BufferedImage` prima di passarla ad Aspose. | +| **Garbage characters** | Lingua impostata in modo errato (il default è English). | Assicurati di chiamare `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` prima di `recognize`. | +| **License not found** | Errore di percorso o file mancante. | Usa un percorso assoluto o posiziona il file `.lic` nel classpath e chiama `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | PNG di grandi dimensioni consumano heap. | Chiama `ocrEngine.setMaxImageSize(2000);` per ridimensionare internamente, oppure ridimensiona l’immagine tu stesso. | + +## Extending the Demo + +- **Batch processing:** Scorri una cartella, aggiungi ogni file allo stesso `OcrInput` e raccogli i risultati in un CSV. +- **Different languages:** Sostituisci `OcrLanguage.URDU` con `OcrLanguage.ARABIC` o combina più lingue. +- **Saving to file:** Usa `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Tutte queste idee si basano sul **java ocr example** che abbiamo appena costruito, permettendoti di adattare la soluzione a progetti reali. + +## Conclusion + +Ora disponi di un flusso di lavoro solido **image to text java** che estrae caratteri Urdu da un’immagine usando Aspose OCR. Il tutorial ha coperto ogni passaggio—dalla licenza e selezione della lingua al caricamento dell’immagine e stampa del risultato—così puoi incollare il codice in qualsiasi progetto Java e vederlo funzionare. + +Successivamente, prova a sperimentare con PDF più grandi, script diversi, o persino a integrare il passaggio OCR in un endpoint REST Spring Boot. Gli stessi principi—**how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/italian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/italian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..ebd4506c7 --- /dev/null +++ b/ocr/italian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-02-17 +description: Impara a riconoscere il testo da un'immagine e a caricare l'immagine + per l'OCR usando la libreria Aspose OCR per Java. Guida passo‑passo con correttore + ortografico. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: it +og_description: Riconosci il testo da un'immagine usando Aspose OCR Java. Questo tutorial + mostra come caricare l'immagine per l'OCR, abilitare la correzione ortografica e + ottenere testo pulito. +og_title: Riconoscere il testo da un'immagine – Guida completa Aspose OCR Java +tags: +- Java +- OCR +- Aspose +title: Riconoscere il testo da un'immagine con Aspose OCR – Tutorial Java +url: /it/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# riconoscere testo da immagine con Aspose OCR – Tutorial Java + +Ti è mai capitato di dover **riconoscere testo da immagine** senza sapere quale libreria scegliere? Non sei solo. In molti progetti reali—ad esempio la scansione di fatture, la digitalizzazione di appunti scritti a mano o l'estrazione di didascalie da screenshot—ottenere risultati OCR accurati è fondamentale. + +In questa guida vedremo come caricare un'immagine per l'OCR, attivare il correttore ortografico integrato di Aspose OCR e infine stampare il testo pulito. Alla fine avrai un programma Java pronto all'uso che **riconosce testo da immagine** con poche righe di codice. + +## What This Tutorial Covers + +- Come applicare la licenza Aspose OCR (in modo che la demo funzioni senza filigrane) +- Creare un'istanza di `OcrEngine` e selezionare l'inglese come lingua di riconoscimento +- **Caricare immagine per OCR** usando `OcrInput` e puntare a un PNG che contiene parole errate +- Abilitare il correttore ortografico, opzionalmente indicandogli un dizionario personalizzato +- Eseguire il riconoscimento e stampare il risultato corretto + +Nessun servizio esterno, nessun file di configurazione nascosto—solo Java puro e il JAR di Aspose OCR. + +> **Pro tip:** Se sei nuovo di Aspose, scarica una licenza di prova gratuita di 30 giorni dal sito Aspose e inserisci il file `.lic` in una cartella a cui il tuo codice può fare riferimento. + +## Prerequisites + +- Java 8 o superiore (il codice compila anche con JDK 11) +- Aspose.OCR per Java JAR nel tuo classpath +- Un file `Aspose.OCR.lic` valido (oppure puoi eseguire in modalità valutazione, ma la demo includerà una filigrana) +- Un file immagine (`misspelled.png`) che contiene del testo con errori ortografici intenzionali—perfetto per vedere il correttore ortografico in azione + +Hai tutto? Ottimo—tuffiamoci. + +## Step 1: Apply Your Aspose OCR License + +Prima che il motore esegua operazioni pesanti, deve sapere che sei in possesso di una licenza. Altrimenti otterrai un banner “Trial version” nell'output. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Perché è importante:* La licenza rimuove la filigrana di prova e sblocca il dizionario completo del correttore ortografico. Saltare questo passaggio funziona, ma l'output sarà inquinato dal testo “Aspose OCR Demo”. + +## Step 2: Create and Configure the OCR Engine + +Ora avviamo il motore e gli indichiamo quale lingua usare. L'inglese è la più comune, ma Aspose supporta decine di lingue. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Perché impostiamo la lingua:* Il modello linguistico determina il set di caratteri e influenza i suggerimenti del correttore ortografico. Usare la lingua sbagliata può ridurre drasticamente la precisione. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Aspose OCR include un dizionario inglese integrato, ma puoi fornire il tuo se hai termini specifici di dominio (ad esempio gergo medico o codici prodotto). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Cosa fa il correttore:* Quando il motore OCR individua una parola che non è presente nel dizionario, tenta di sostituirla con la corrispondenza più vicina. È per questo che la demo può trasformare “recieve” in “receive” automaticamente. + +## Step 4: Load the Image for OCR + +Ecco la parte che risponde direttamente a **caricare immagine per OCR**. Creiamo un oggetto `OcrInput` e aggiungiamo il nostro file PNG. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Perché usiamo `OcrInput`:* Astrae la logica di lettura del file e ti permette di aggiungere più pagine in seguito se devi elaborare un PDF multi‑pagina o un set di immagini. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +Il motore ora fa il lavoro pesante—riconoscere i caratteri, applicare il modello linguistico e infine correggere l'ortografia. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Output previsto:* Supponendo che `misspelled.png` contenga la frase “Ths is a smple test”, la console stamperà: + +``` +Corrected text: +This is a simple test +``` + +Nota come le parole errate (`Ths`, `smple`) siano state corrette automaticamente. + +## Full, Ready‑to‑Run Example + +Di seguito trovi l'intero programma in un unico blocco. Copia‑incolla, regola i percorsi e premi **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** Se vuoi elaborare un JPEG o BMP invece di PNG, cambia semplicemente l'estensione del file—Aspose OCR supporta tutti i formati raster più comuni. + +## Common Questions & Edge Cases + +- **E se la mia immagine è a bassa risoluzione?** + Aumenta i DPI prima di passarla ad Aspose ridimensionandola con una libreria come `java.awt.Image`. DPI più alti forniscono al motore più pixel, il che di solito migliora la precisione. + +- **Posso riconoscere più lingue nella stessa immagine?** + Sì. Chiama `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` e, opzionalmente, fornisci un elenco di lingue tramite `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Il mio dizionario personalizzato non viene usato—perché?** + Assicurati che la cartella contenga file di testo semplice con una parola per riga e che il percorso sia assoluto o correttamente relativo alla directory di lavoro. + +- **Come estraggo i punteggi di confidenza?** + `result.getConfidence()` restituisce un float tra 0 e 1 per l'intera pagina. Per la confidenza per carattere, esplora `result.getWordList()`. + +## Conclusion + +Ora sai come **riconoscere testo da immagine** usando Aspose OCR per Java, come **caricare immagine per OCR** e come abilitare il correttore ortografico per sistemare gli errori più comuni. L'esempio completo sopra è pronto per essere inserito in qualsiasi progetto Maven o Gradle e, con qualche modifica, puoi scalare il processo per elaborare cartelle intere, integrarlo in un servizio web o collegarlo a un sistema di gestione documentale. + +Pronto per il passo successivo? Prova a elaborare un PDF multi‑pagina, sperimenta con un dizionario personalizzato per terminologia specifica del settore, o incatena l'output a un'API di traduzione. Le possibilità sono infinite, e il modello di base—licenza → motore → lingua → correttore ortografico → input → riconoscimento → output—rimane lo stesso. + +Happy coding, and may your OCR results always be spot‑on! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/advanced-ocr-techniques/_index.md b/ocr/japanese/java/advanced-ocr-techniques/_index.md index 426421afe..98e9144a4 100644 --- a/ocr/japanese/java/advanced-ocr-techniques/_index.md +++ b/ocr/japanese/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,17 @@ Aspose.OCR for Java でテキスト認識の能力を解放します。シーム Aspose.OCR を使用して Java アプリケーションを強化し、正確なテキスト認識を実現します。簡単な統合、高精度。 ### [Aspose.OCR で許可される文字を指定する](./specify-allowed-characters/) Aspose.OCR for Java を使用して、画像からのテキスト抽出をシームレスに解除します。効率的に統合するには、ステップバイステップのガイドに従ってください。 +### [Aspose OCR GPU を使用したテキスト画像の認識 – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Aspose OCR GPU を活用し、Java でテキスト画像を高速に認識する方法をステップバイステップで解説します。 +### [OCR 用画像前処理 – コントラスト強化とテキスト抽出の完全 Java ガイド](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +画像のコントラストを最適化し、テキスト抽出精度を向上させるためのステップバイステップ Java ガイドです。 +### [固定スレッドプール Java – PNG の並列 OCR](./fixed-thread-pool-java-parallel-ocr-for-png/) +### [Java で OCR エンジンを作成 – 大きな画像からテキストを認識](./create-ocr-engine-java-recognize-text-from-large-images/) +Java で OCR エンジンを構築し、大きな画像からテキストを高速に抽出する方法をステップバイステップで解説します。 + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/japanese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..2f5e3d317 --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,260 @@ +--- +category: general +date: 2026-02-17 +description: JavaでOCRエンジンを作成し、TIFFファイルを高速に読み取ります。Aspose.OCRを使用して大きな画像からテキストを認識する方法をステップバイステップで学びましょう。 +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: ja +og_description: 今すぐJavaでOCRエンジンを作成しましょう。このチュートリアルでは、JavaでTIFFファイルを読み込み、Aspose.OCRを使用して大きな画像からテキストを認識する方法を示します。 +og_title: OCRエンジンをJavaで作成する – 大画像テキスト認識の完全ガイド +tags: +- OCR +- Java +- Aspose +title: JavaでOCRエンジンを作成 – 大きな画像からテキストを認識する +url: /ja/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +is a backtop button shortcode. + +We must ensure we preserve all shortcodes exactly. + +Now produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCRエンジンJavaの作成 – 大きな画像からテキストを認識する + +大容量のTIFFマップを処理できる **create OCR engine Java** コードが必要だったけど、どこから始めればいいか分からないことはありませんか？ 多くの開発者が画像サイズが通常のメモリ制限を超えると壁にぶつかります。 + +このガイドでは、**JavaでOCRエンジンを作成**し、`InputStream` を使って **TIFF file Java** を読み込み、ヒープ不足になることなく **large image** ファイルからテキストを認識する完全な実行例をステップバイステップで紹介します。最後には、Maven または Gradle プロジェクトに組み込める自己完結型プログラムが手に入ります。 + +## 必要なもの + +- **Java Development Kit (JDK) 8 以上** – コードは標準 I/O と Aspose.OCR のみを使用します。 +- **Aspose.OCR for Java** ライブラリ（2026‑02 時点の最新バージョン） – Aspose サイトまたは Maven Central から JAR を取得できます。 +- OCR したい **large TIFF file**（例：数メガピクセルの地図） +- **Aspose.OCR ライセンスファイル** (`Aspose.OCR.lic`)。ライセンスがない場合は評価モードで動作し、透かしが入ります。 + +> **プロのコツ:** TIFF をソースフォルダーの隣に置くか絶対パスを使用してください。エンジンは内部で画像をタイル化するため、手動で分割する必要はありません。 + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="OCRエンジンJavaワークフローダイアグラム"} + +## ステップ 1 – Aspose.OCR ライセンスを適用する (Create OCR Engine Java) + +エンジンが本格的な処理を行う前に、必ずライセンスを登録してください。このステップを省くと評価モードになり、ページ数が制限され、出力にバナーが付加されます。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* `License` オブジェクトは OCR エンジンにフル解像度タイルアルゴリズムのロックを解除させ、**large image** を効率的に処理できるようにします。 + +## ステップ 2 – OCR エンジンをインスタンス化する (Create OCR Engine Java) + +ここでコアの `OcrEngine` を起動します。これは後でピクセルを読み取り、Unicode テキストを出力する「脳」の役割を果たします。 + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* ほとんどのシナリオではデフォルト設定で自動言語検出と最適タイル化が有効になっています。過度な設定は巨大ファイルで逆に遅くなることがあります。 + +## ステップ 3 – InputStream を使用して TIFF ファイルを読み込む (Read TIFF File Java) + +大きな TIFF は数百メガバイトになることがあります。`BufferedImage` に全体をロードするとヒープが爆発します。代わりにエンジンに `InputStream` を渡すことで、Aspose.OCR がオンザフライで画像を読み取りタイル化します。 + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* TIFF が CCITT Group 4 で圧縮されている場合でも Aspose.OCR は処理できますが、`ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` を設定するとわずかな速度向上が期待できます。 + +## ステップ 4 – OCR 入力を準備しフォーマットをヒントする + +`OcrInput` オブジェクトは複数画像を保持できますが、このデモでは 1 枚だけ使用します。フォーマット文字列（`"tif"`）を指定するとエンジンがフォーマット判別をスキップし、数ミリ秒の短縮につながります。 + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* **large images** を扱う際はミリ秒単位が重要です。フォーマットヒントにより、パーサが高コストなヘッダー解析をバイパスします。 + +## ステップ 5 – 大きな画像からテキストを認識する (Recognize Text from Large Image) + +すべてが接続されたら、実際の OCR 呼び出しはたった 1 行です。エンジンはプレーンテキストや信頼度スコア、必要に応じてバウンディングボックスを含む `OcrResult` を返します。 + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR は TIFF を管理しやすいタイル（デフォルト 1024 × 1024 px）に分割し、各タイルでニューラルネットモデルを実行し、結果を結合します。これにより **recognize text from large image** ファイルを手動前処理なしで実現できます。 + +## ステップ 6 – 抽出テキストのプレビューを表示する + +コンソールに全文を出力すると圧倒されがちです。最初の 200 文字だけを表示し、続きは省略記号で示すことで、出力を一目で確認できます。 + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +文字化けが出た場合は、正しい言語が選択されているか（デフォルトは英語）と、TIFF が破損していないかを再確認してください。 + +## 完全な動作例 + +すべてを組み合わせると、以下の単一クラスでコンパイル・実行できます: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +コンパイル方法: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +`aspose-ocr-23.12.jar` はダウンロードした実際のバージョンに置き換えてください。 + +## よくある落とし穴とヒント + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | `BufferedImage` に TIFF をロードしてストリーミングせずに処理しているため | 示した通り `InputStream` を常に使用し、Aspose にタイル化させる | +| **Blank output** | ファイル拡張子ヒントが誤っている（`"tif"` と `"tiff"` の違い） | `add` に渡した文字列と完全に一致させる | +| **Garbage characters** | ライセンスが適用されていない、または期限切れ | `.lic` ファイルのパスを確認し、エンジン作成前に再度適用する | +| **Slow recognition** | 高 DPI のカスタム `OcrConfiguration` を使用している | ほとんどの場合デフォルト設定で十分。精度が必要なときだけ調整する | + +### 設定を調整するタイミング + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +ただし、各追加オプションは CPU 時間を増加させる可能性があるため、特に **large image** では最初に単一タイルでテストしてください。 + +## 次のステップ + +**create OCR engine Java**、**read TIFF file Java**、そして **recognize text from large image** の方法が分かったので、次のことを検討できます: + +1. **Export the result to a PDF** – Aspose.PDF と OCR テキストを組み合わせて検索可能な文書を作成。 +2. **Store bounding boxes** – `ocrResult.getWords()` を使用してハイライト用の座標を取得。 +3. **Parallelize tile processing** – 超大型衛星画像向けに、タイル処理を並列化して + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/japanese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..bf56975bf --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,223 @@ +--- +category: general +date: 2026-02-17 +description: 固定スレッドプールを使用したJavaで、PNG画像からテキストを抽出する並列OCR処理と、ExecutorServiceを適切にシャットダウンする方法を学びます。 +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: ja +og_description: 固定スレッドプールを使用したJavaが、PNG画像からテキストを並列に抽出し、スキャンしたページのテキストを変換し、エグゼキュータサービスを安全にシャットダウンする方法を発見してください。 +og_title: 固定スレッドプール Java – PNG 用並列 OCR +tags: +- java +- ocr +- multithreading +- aspose +title: 固定スレッドプール Java – PNG の並列 OCR +url: /ja/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – PNG の並列 OCR + +たくさんの PNG ファイルで OCR を高速化するために **fixed thread pool java** を使用する方法を考えたことがありますか？このチュートリアルでは、**extract text from PNG** 画像を並列に処理し、**convert scanned pages text** を編集可能な文字列に変換し、作業が完了したら安全に **shut down executor service** する方法をご紹介します。 + +シングルスレッドのループが何分も続くのを見たことがあるなら、次のページが始まる前に現在のページが終わるのを待つフラストレーションが分かるはずです。良いニュースは、数行の Java と Aspose OCR を使えば、CPU コアすべてのパワーを解き放ち、スキャンしたページを検索可能なテキストに変換し、アプリケーションを応答性の高い状態に保てることです。 + +以下に、すぐに実行できる完全なサンプルと、各要素が重要な理由、よくある落とし穴、任意の OCR ライブラリに適用できるヒントを示します。 + +--- + +## 必要なもの + +- **Java 17**（または最近の JDK） – コードは最新の `var` 構文を控えめに使用していますが、古いバージョンでも動作します。 +- **Aspose.OCR for Java** ライブラリ – Maven Central から取得するか、Aspose からトライアル版をダウンロードしてください。 +- 処理したい **PNG** ファイルのセット – スキャンした領収書、書籍のページ、スクリーンショットなどを想定しています。 +- Java の並行処理に関する基本的な知識 – 必須ではありませんが、あると便利です。 + +以上です。外部サービスも Docker も不要で、純粋な Java と少しのマルチスレッド魔法だけで完結します。 + +## Step 1: Aspose OCR の依存関係とライセンスを追加 (オプション) + +まず、Aspose OCR の JAR がクラスパスに含まれていることを確認してください。Maven を使用している場合は、次を追加します： + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +ライセンスを持っていない場合、ライブラリは評価モードで動作しますが、コードの挙動は同じです。プロダクションでの使用を推奨するライセンスのロード方法は、`Aspose.OCR.lic` をリソースフォルダーに配置し、以下を使用します： + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** ライセンスファイルはバージョン管理の外に置き、誤って公開されることを防ぎましょう。 + +## Step 2: Thread‑Safe `OcrEngine` インスタンスを作成 + +Aspose OCR の `OcrEngine` は、タスク間で同じインスタンスを再利用すればスレッドセーフです。1 回だけ作成すればメモリ節約になり、画像ごとにエンジンを再初期化するオーバーヘッドも回避できます。 + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +なぜ再利用するのか？エンジンは言語モデルをメモリにロードする重厚な作業員と考えてください。画像ごとに新しいエンジンを生成するのは、ちっぽけな仕事ごとに新しい専門家を雇うようなもので、コストがかかりすぎます。 + +## Step 3: Fixed Thread Pool Java を設定 + +いよいよ本番の主役、**fixed thread pool java** の登場です。論理プロセッサ数に合わせてプールサイズを決めるので、各コアに仕事が割り当てられ、過剰なスレッド生成を防げます。 + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +*fixed* プール（キャッシュプールではなく）を使用すると、リソース使用量が予測可能になり、数百枚の画像が一度に来ても「メモリ不足」スパイクを防げます。 + +## Step 4: 処理したい PNG ファイルをリスト (Extract Text from PNG) + +OCR したい画像へのパスを収集します。実際のプロジェクトではディレクトリを走査したりデータベースから取得したりしますが、ここではいくつかの例をハードコードします。 + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** ファイル拡張子 **png** は重要です。Aspose OCR は自動でフォーマットを検出しますが、JPEG や TIFF でも同様に処理可能です。 + +## Step 5: OCR タスクを送信 – Parallel OCR Processing + +各画像は認識テキストを返す Callable になります。`OcrEngine` が共有されているため、タスクに渡すのはファイルパスだけで済みます。 + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +なぜ `Future` でラップするのか？すべてのジョブを即座に発行し、後から提出順に結果を収集できるので、**convert scanned pages text** をドキュメントに戻す際にページ順を保持するのに最適です。 + +## Step 6: 結果を取得して表示 (Convert Scanned Pages Text) + +各 `Future` が完了するのを待ち、出力を印刷します。`get()` 呼び出しは特定のタスクが完了するまでだけブロックし、プール全体を待つわけではありません。 + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +典型的なコンソール出力は次のようになります： + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +結果をファイルに書き出したい場合は、`System.out.println` を `Files.writeString` 呼び出しに置き換えてください。 + +## Step 7: Executor Service をきれいにシャットダウン + +すべてのタスクが完了したら、**shut down executor service** が重要です。これを行わないと、JVM が非デーモンスレッドを保持し続け、正常に終了できなくなります。 + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +`awaitTermination` パターンは、強制終了する前にプールに残っている作業を完了させる機会を与えます。このステップを無視すると、長時間稼働するアプリケーションでメモリリークが発生しやすくなります。 + +## 完全動作例 + +すべてを組み合わせた完全なプログラムを以下に示します。`ParallelBatchDemo.java` にコピー＆ペーストして実行してください： + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/japanese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..61e52434c --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,191 @@ +--- +category: general +date: 2026-02-17 +description: JavaでAspose OCRを使用して画像をOCR用に前処理します。画像のコントラストを高め、コントラストレベルを設定し、数分で画像からテキストを認識する方法を学びましょう。 +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: ja +og_description: Aspose OCR Java を使用して OCR 用に画像を前処理します。このガイドでは、画像のコントラストを高め、コントラストレベルを設定し、画像からテキストを迅速に認識する方法を示します。 +og_title: OCR用画像前処理 – コントラストを高めテキスト抽出するJavaチュートリアル +tags: +- Java +- OCR +- Image Processing +title: OCR用画像前処理 – コントラストを強化しテキストを抽出する完全Javaガイド +url: /ja/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR 用画像前処理 – 完全 Java ガイド + +OCR 用に画像を **前処理** したいと思ったことはありますか？ でもどの設定が実際に効果があるのか分からない…という方は多いでしょう。ほとんどの開発者は画像を OCR エンジンに投げて魔法が起きるのを期待しますが、結果は文字化けです。このチュートリアルでは、実用的なエンドツーエンドの例として、**画像のコントラストを上げ**、**コントラストレベルを調整**し、最終的に Aspose OCR for Java を使って **画像からテキストを認識** する方法を解説します。 + +このチュートリアルを終える頃には、ノイズの多いスキャンでも確実に **OCR でテキストを抽出** できる再利用可能なコードスニペットが手に入ります。隠されたテクニックはなく、明確な手順とその背後にある理由だけを示します。 + +## 必要なもの + +- Java 17 以上（コードは最新の JDK でコンパイル可能） +- Aspose OCR for Java ライブラリ（公式 Aspose サイトからダウンロード） +- 有効な Aspose OCR ライセンスファイル（`Aspose.OCR.lic`） +- 読み取り対象の入力画像（`input.jpg`） +- お好みの IDE またはシンプルなコマンドライン環境 + +これらがすでに揃っているなら、すぐに始めましょう。 + +## ステップ 1: Aspose OCR ライセンスのロード（基本設定） + +OCR エンジンが何かを行う前に、ライセンスがあることを認識させる必要があります。さもなければ、評価版の透かしが表示されます。 + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**なぜ重要か:** 正しいライセンスがないと、エンジンは評価モードで動作し、結果が切り詰められたり透かしが付いたりします。ライセンスを早めに設定することで、以降の前処理オプションがフル機能モードで適用されます。 + +## ステップ 2: OCR エンジンの初期化 + +`OcrEngine` インスタンスを作成すると、認識パイプラインと前処理パイプラインの両方にアクセスできます。 + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**プロのコツ:** バッチで多数の画像を処理する場合は、エンジンをシングルトンとして保持すると、内部リソースがキャッシュされ、後続の呼び出しが高速化します。 + +## ステップ 3: 前処理の設定 – デスキュー、ノイズ除去、コントラスト強調 + +ここが **OCR 用画像前処理** を行う箇所です。調整する 3 つの項目は次の通りです： + +1. **Deskew** – わずかな回転を補正します。 +2. **Denoise** – 文字分割を妨げる斑点を除去します。 +3. **Contrast enhancement** – 暗い文字を背景から際立たせます。 + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### なぜコントラストレベルを調整するのか + +コントラストレベルを上げると画像のヒストグラムが伸び、暗いピクセルはさらに暗く、明るいピクセルはさらに明るくなります。実際、印刷物では **コントラストレベル** を `1.3f` に設定するとバランスが最適になることが多く、`1.5f` 以上にすると細い線が露出しすぎることがあります。自由に試してみてください。この設定は変更コストが低く、**画像からテキストを認識** の成功率を劇的に向上させます。 + +## ステップ 4: 入力画像の準備 + +`OcrInput` クラスはファイル処理を抽象化します。バッチ処理が必要な場合は、複数の画像を追加できます。 + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**エッジケース:** 画像が非標準形式（例: 複数ページの TIFF）の場合、各ページを個別にロードするか、まず PNG/JPEG に変換してください。 + +## ステップ 5: 認識の実行 + +これでエンジンは先ほど設定した前処理パイプラインを実行し、クリーンになった画像をコア OCR アルゴリズムに渡します。 + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**内部で何が起きているか？** Aspose OCR はまずデスキュー変換を適用し、次にノイズ除去フィルタを実行、最後にコントラストを調整してから、ニューラルネットワークベースの認識器に画像を渡します。この順序は意図的で、変更すると結果が最適でなくなる可能性があります。 + +## ステップ 6: 認識結果の出力 + +最後に、抽出した文字列をコンソールに出力します。実際のアプリケーションではファイルに書き込んだり、ネットワーク越しに送信したりすることもあります。 + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### 期待される出力 + +`input.jpg` に “Hello World!” というフレーズが含まれていれば、コンソールには次のように表示されます： + +``` +Hello World! +``` + +出力が文字化けしている場合は、前処理の値、特に **コントラストレベル** と **ノイズ除去モード** を再確認し、別の画像形式で試してください。 + +## ボーナス: 前処理画像の可視化（オプション） + +デスキュー、ノイズ除去、コントラスト強化の後にエンジンがどのように画像を見ているか確認したくなることがあります。Aspose OCR は中間ビットマップをエクスポートできます： + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +`processed.png` を元画像と並べて開くと、水平線がまっすぐになり、文字がより鮮明になることが分かります。この手順は、特定のスキャンが失敗する原因をトラブルシュートする際に便利です。 + +![OCR 用画像前処理例](/images/ocr-preprocess-example.png "OCR 用画像前処理 – コントラスト強化前後") + +*上の画像は、コントラストを上げてノイズ除去することで、ぼやけたスキャンがクリーンで OCR 対応の画像になる様子を示しています。* + +## よくある落とし穴と回避策 + +| 落とし穴 | 発生原因 | 対策 | +|---------|----------|------| +| **コントラスト過剰** (`setContrastLevel` が高すぎる) | 背景が白くなり、薄い文字が消えてしまう | ほとんどの印刷物ではレベルを 1.1〜1.4 の間に保つ | +| **デスキュー許容度が低すぎる** | 小さな回転が補正されないまま残る | `setDeskewAngleTolerance` を 0.2 または 0.3 に上げる（書籍スキャン向け） | +| **二値画像に GAUSSIAN ノイズ除去を使用** | エッジがぼやけ、文字が結合してしまう | 白黒スキャンでは `DenoiseMode.MEDIAN` を使用する | +| **ライセンス未設定** | エンジンが評価モードにフォールバックし、出力が切り詰められる | `Aspose.OCR.lic` のパスとファイルの読み取り権限を確認する | + +## 次のステップ: 基本前処理を超えて + +これで **OCR 用画像前処理** と **OCR でテキスト抽出** ができるようになったので、以下の拡張を検討してください： + +- **Language packs** – 非英語テキストの精度向上のために特定の言語辞書をロードします。 +- **Region‑of‑interest (ROI) cropping** – ページの一部だけが必要な場合に、画像のサブセクションに焦点を当てます。 +- **Batch processing** – 画像ディレクトリをループし、同じ `OcrEngine` インスタンスを再利用して高速化します。 +- **Integrate with PDF** – Aspose OCR と Aspose PDF を組み合わせ、スキャンした PDF を検索可能な PDF に一括変換します。 + +これらのトピックはすべて、**画像のコントラストを上げる**、**コントラストレベルを設定**、そして多くのシナリオで **画像からテキストを認識** し続けるという二次キーワードを自然に含みます。 + +## 結論 + +ここまでで、Aspose OCR for Java を使用した **OCR 用画像前処理** に必要なすべてを網羅しました：ライセンスのロード、デスキュー、ノイズ除去、コントラスト強化の設定、画像の投入、そして最終的な **画像からテキストを認識**。上記の完全な実行可能サンプルにより、適切に準備された画像から **OCR でテキストを抽出** できるようになります。 + +コードを実行し、**コントラストレベル** を調整して精度向上を体感してください。準備ができたら、言語固有のモデルやバッチパイプラインを検討し、この単一画像デモを本番レベルのソリューションへと拡張しましょう。 + +*コーディングを楽しんで、スキャンが常に鮮明でありますように！* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/japanese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..f59530a5b --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,243 @@ +--- +category: general +date: 2026-02-17 +description: JavaでAspose OCRのGPUサポートを利用し、テキスト画像を高速に認識します。画像からテキストを抽出し、最適なパフォーマンスを得るためにGPUデバイスIDを設定する方法を学びましょう。 +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: ja +og_description: JavaでAspose OCRのGPUサポートを利用し、テキスト画像を高速に認識します。このガイドでは、画像からテキストを抽出し、GPUデバイスIDを設定する方法を示します。 +og_title: Aspose OCR GPU を使用したテキスト画像の認識 – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Aspose OCR GPU を使用したテキスト画像の認識 – Java +url: /ja/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +the next step? Try processing a folder of scanned PDFs, experiment with different `setLanguage` options, or combine OCR with a machine‑learning model for post‑processing. The possibilities are endless, and the performance gains from GPU acceleration make even large‑scale projects feasible." + +Translate. + +Final: "Happy coding, and feel free to drop a comment if you hit any snags!" translate. + +Then closing shortcodes. + +Make sure to keep markdown formatting. + +Now produce final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR GPU を使用したテキスト画像の認識 – Java + +Java アプリケーションで **テキスト画像を認識** したいが、大きなファイルで CPU がボトルネックになっていることはありませんか？ あなただけではありません—高解像度のスキャンを処理する際に多くの開発者が同じ壁にぶつかります。 良いニュースは、Aspose OCR を使えば **画像からテキストを抽出** でき、GPU 上で処理時間を劇的に短縮できます。 + +このチュートリアルでは、ライセンスの設定方法、GPU 加速の有効化方法、複数のグラフィックカードがある場合の **set gpu device id** の指定方法を示す、完全に実行可能なサンプルを順を追って解説します。最後まで実行すれば、コンソールに認識結果が出力される自己完結型プログラムが手に入ります—追加の手順は不要です。 + +## 必要なもの + +- **Java 17** 以上（API は Java 8+ と互換性がありますが、最新の LTS の方がパフォーマンスが向上します）。 +- **Aspose OCR for Java** ライブラリ（Aspose のウェブサイトから JAR をダウンロード）。 +- 有効な **Aspose OCR ライセンスファイル** (`Aspose.OCR.lic`)。無料トライアルでも動作しますが、GPU 機能はライセンス版でのみ利用可能です。 +- 明瞭で機械可読なテキストを含む画像ファイル（`sample-image.png`）。 +- GPU が有効な環境（NVIDIA CUDA 対応カードが最適）。 + +これらの項目に心当たりがなくても心配はいりません—各項目は後ほど順に説明します。 + +## 手順 1: Aspose OCR をプロジェクトに追加 + +まず、Aspose OCR の JAR をクラスパスに含めます。Maven を使用している場合は、`pom.xml` に以下の依存関係を追加してください。 + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle を使用する場合は次のように記述します。 + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +手動で設定したい場合は、JAR を `libs/` フォルダーに配置し、IDE のモジュールパスに追加してください。 + +> **Pro tip:** バージョン番号はライブラリのリリースノートと同期させておきましょう。新しいバージョンは GPU 処理向けのパフォーマンス改善が含まれていることが多いです。 + +## 手順 2: Aspose OCR ライセンスをロードする（GPU 使用には必須） + +ライセンスがないと `setEnableGpu(true)` 呼び出しは静かに CPU モードにフォールバックします。`main` の冒頭でライセンスをロードしてください。 + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +`YOUR_DIRECTORY` を `.lic` ファイルを保存した絶対パスまたは相対パスに置き換えます。パスが間違っていると Aspose は `FileNotFoundException` をスローするので、スペルを必ず確認してください。 + +## 手順 3: OCR エンジンを作成し GPU 加速を有効化 + +ここで `OcrEngine` をインスタンス化し、GPU の使用を指示します。複数のカードがある環境では `setGpuDeviceId` メソッドで特定のカードを選択できます。 + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +デバイス ID を指定する意味は何ですか？ マルチ GPU サーバーでは、画像前処理用に 1 枚、OCR 用に別の 1 枚を割り当てることがあります。ID を設定することで、重い処理を正しいハードウェアに委任できます。 + +## 手順 4: 入力画像を準備 + +Aspose OCR は PNG、JPG、BMP、TIFF など多様なフォーマットに対応しています。画像ファイルを `OcrInput` オブジェクトでラップします。 + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +ストリーム（例: アップロードされたファイル）を処理したい場合は、代わりに `ocrInput.add(InputStream)` を使用してください。 + +## 手順 5: 認識処理を実行し結果を取得 + +`recognize` メソッドは `OcrResult` を返し、プレーンテキスト、信頼度スコア、必要に応じてレイアウト情報も含まれます。 + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +コンソールには次のような出力が表示されます。 + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +画像がぼやけている、または言語が未対応の場合、結果が空になることがあります。その際は `ocrResult.getConfidence()`（0‑100）の値を確認し、前処理を行って再試行するか判断してください。 + +## 完全な実行可能サンプル + +すべてを組み合わせると、IDE にコピペできる単一の Java クラスが完成します。 + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** コンソールに `sample-image.png` に表示されているテキストがそのまま出力されます。GPU が有効な場合、典型的な 300 dpi スキャンで CPU の数秒から 1 秒未満へと処理時間が大幅に短縮されます。 + +## よくある質問とエッジケース + +### ヘッドレスサーバーでも動作しますか？ + +はい。GPU ドライバーがインストールされていればディスプレイは不要です。`CUDA` ツールキット（または使用している GPU に相当するもの）がシステム `PATH` に含まれていることを確認してください。 + +### 複数の GPU があり、GPU 1 を使用したい場合は？ + +デバイス ID を変更します。 + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### 別の言語で画像からテキストを抽出するには？ + +`recognize` を呼び出す前に言語を設定します。 + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose は 30 以上の言語をサポートしています。全一覧は API ドキュメントをご参照ください。 + +### 画像が複数ページを含む場合（例: PDF を画像に変換した場合）は？ + +各ページごとに別々の `OcrInput` エントリを作成するか、ファイルをループ処理してください。 + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +エンジンは順番に結果を連結します。 + +### 低信頼度の結果をどう処理するか？ + +信頼度スコアを確認します。 + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +一般的な前処理手順としては、二値化、ノイズ除去、または 300 dpi へのリサイズがあります。 + +## パフォーマンス向上のヒント + +- **バッチ処理:** 複数の画像を 1 つの `OcrInput` にまとめて追加すると、GPU コンテキストの初期化オーバーヘッドが削減されます。 +- **ウォームアップ:** JVM 起動後にダミー認識を 1 回実行しておくと、最初の呼び出しで発生するドライバー初期化遅延を回避できます。 +- **メモリ管理:** 大きな `OcrInput` オブジェクトは使用後に `ocrInput.clear()` で破棄し、GPU メモリを解放してください。 + +## 結論 + +これで、Java における Aspose OCR の GPU エンジンを使った **テキスト画像の認識** 方法、任意のサポート言語で **画像からテキストを抽出** する方法、そして複数のグラフィックカードを使用する際の **set gpu device id** の指定方法が分かりました。上記の完全なサンプルコードはそのまま動作するはずです—ライセンスと画像パスを差し替えるだけで OK です。 + +次のステップに進む準備はできましたか？ スキャンした PDF フォルダーを一括処理したり、`setLanguage` オプションをいろいろ試したり、OCR 結果を機械学習モデルで後処理したりしてみてください。可能性は無限大で、GPU 加速によるパフォーマンス向上により大規模プロジェクトでも実現可能です。 + +楽しいコーディングを！問題が発生したら遠慮なくコメントで教えてくださいね。 + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/ocr-operations/_index.md b/ocr/japanese/java/ocr-operations/_index.md index 8ef234c98..eb0288b10 100644 --- a/ocr/japanese/java/ocr-operations/_index.md +++ b/ocr/japanese/java/ocr-operations/_index.md @@ -80,6 +80,16 @@ Aspose.OCR を使用した Java での OCR の力を解き放ちます。PDF 文 Aspose.OCR を使用した Java での強力なテキスト認識を実現します。TIFF 画像内のテキストを手間なく認識し、シームレスな OCR 体験を提供します。 ### [Aspose OCR で画像テキストを認識 – 完全 Java OCR チュートリアル](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Aspose OCR を使用して画像からテキストを認識する完全な Java チュートリアルです。ステップバイステップで実装方法を解説します。 +### [Aspose OCR で画像テキストを認識 – Java チュートリアル](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Aspose OCR を使用して画像からテキストを抽出する手順を、Java で詳しく解説します。 +### [Aspose OCR で画像テキストを認識 – Javaでウルドゥー語テキストを抽出](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Aspose OCR を使用して Java でウルドゥー語の画像テキストを正確に抽出する手順をステップバイステップで解説します。 +### [Java で画像から検索可能な PDF を作成 – ステップバイステップガイド](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +画像を PDF に変換し、検索可能なテキストレイヤーを追加する手順を詳しく解説します。 +### [Java で OCR を使用する方法 – Aspose.OCR で PDF からテキストを抽出](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Aspose.OCR を利用して Java で PDF 文書からテキストを抽出する手順をステップバイステップで解説します。 +### [Java で OCR を使用する方法 – 画像からテキストをすばやく認識](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Aspose.OCR を使って Java で画像からテキストを高速に抽出する手順をステップバイステップで解説します。 ## よくある質問 diff --git a/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..3f6665f8e --- /dev/null +++ b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: 検索可能なPDFをすばやく作成：Aspose OCR と PDF 保存オプションを使用して画像からPDFを作成し、数分で画像を検索可能なPDFに変換する方法を学びましょう。 +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: ja +og_description: Aspose OCR を使用して Java で検索可能な PDF を作成する。このガイドでは、画像から PDF を作成し、PDF 保存オプションを設定し、完全に検索可能なドキュメントを取得する方法を示します。 +og_title: Javaで画像から検索可能なPDFを作成する – 完全チュートリアル +tags: +- Aspose OCR +- Java +- PDF generation +title: Javaで画像から検索可能なPDFを作成する – ステップバイステップガイド +url: /ja/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +not alone—many developers hit that wall when they first try to turn a bitmap into a PDF that you can actually search. The good news? With Aspose OCR you can do it in a handful of lines, and the result looks exactly like the original image while still being text‑searchable." + +Translate accordingly, keep bold **create searchable pdf** unchanged? The phrase is technical term; maybe keep as is. Keep bold. + +Proceed. + +We'll translate each paragraph. + +Make sure to keep code block placeholders unchanged. + +Now produce final output. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Javaで画像から検索可能なPDFを作成する – ステップバイステップガイド + +スキャンした画像から **create searchable pdf** を作成したいと思ったことはありませんか？どの API を選べば良いか分からずに戸惑う開発者は少なくありません。ビットマップを実際に検索できる PDF に変換しようとしたときに壁にぶつかるのはよくあることです。朗報です！Aspose OCR を使えば数行のコードで実現でき、結果は元の画像と全く同じ見た目でありながらテキスト検索が可能です。 + +このチュートリアルでは、ライセンスの読み込み、画像（またはマルチページ TIFF）を OCR エンジンに渡す方法、**pdf save options** の調整、そして最終的に **image to searchable pdf** を書き出す手順をすべて解説します。最後まで読めば、数秒で検索可能な PDF を生成できる Java プログラムが完成します。ドキュメントを読むだけの「見てください」的な回り道はありません—完全に実行可能なサンプルです。 + +## 学べること + +- 画像を **convert image to pdf** し、検索用の隠しテキスト層を埋め込む方法。 +- サイズと精度のバランスを取るために有効にすべき **pdf save options**。 +- ライセンスがない、サポート外の画像形式などの一般的な落とし穴と回避策。 +- 出力が本当に検索可能かを確認する方法（Adobe Reader での簡易テスト）。 + +**前提条件:** Java 8 以降、Aspose OCR JAR を取得できる Maven または Gradle、そして有効な Aspose OCR ライセンスファイル。ライセンスをまだお持ちでない場合は、Aspose のウェブサイトから無料トライアルをリクエストできます。 + +--- + +## Step 1 – Load the Aspose OCR License (How to Create PDF Securely) + +OCR エンジンが実際に処理を行う前にライセンスが必要です。ライセンスがないとページに透かしが入ります。`Aspose.OCR.lic` をアクセス可能な場所に配置し、`License` クラスでそのパスを指定してください。 + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** ライセンスファイルはソース管理ディレクトリの外に置き、誤ってコミットしないようにしましょう。 + +--- + +## Step 2 – Prepare the OCR Input (Convert Image to PDF) + +Aspose OCR は `OcrInput` オブジェクトを受け取り、1 枚または複数枚の画像を保持できます。ここでは単一の PNG を追加していますが、マルチページ TIFF を渡してバッチ処理することも可能です。 + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** 画像を `OcrInput` に追加することで、ファイル処理とエンジンを分離でき、単ページでもマルチページでも同じコードを再利用できます。 + +--- + +## Step 3 – Configure PDF Save Options (PDF Save Options Explained) + +`PdfSaveOptions` クラスは最終的な PDF の生成方法を制御します。**searchable pdf** を作るために重要なフラグは次の 2 つです。 + +1. `setCreateSearchablePdf(true)` – OCR 結果に基づく隠しテキスト層を埋め込むようエンジンに指示します。 +2. `setEmbedImages(true)` – 元のラスタ画像を保持し、見た目をそのままにします。 + +必要に応じて DPI、圧縮、パスワード保護なども調整できます。 + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** `setCreateSearchablePdf(false)` を設定すると、出力は画像だけの PDF になり、検索はできません。大量バッチ処理を自動化する際は必ずこのフラグを確認してください。 + +--- + +## Step 4 – Run OCR and Write the Searchable PDF (The Core “How to Create PDF” Logic) + +ここまでの設定をまとめて実行します。`recognize` メソッドが `OcrInput` に対して OCR を実行し、`PdfSaveOptions` を適用して結果をファイルにストリームします。 + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Expected Result + +プログラム実行後、`output-searchable.pdf` を任意の PDF ビューア（Adobe Reader、Foxit など）で開き、テキスト選択や検索ボックスを試してください。画像中の単語が検索できれば、**searchable PDF** が正しく生成されています。 + +--- + +## Step 5 – Verify the Searchable Layer (Quick QA) + +OCR の信頼度が低くなるケース（低解像度スキャンなど）もあります。簡単に確認する手順は次の通りです。 + +1. PDF を Adobe Reader で開く。 +2. **Ctrl + F** を押して、画像内に確実に存在する単語を入力。 +3. 単語がハイライトされれば、隠しテキスト層が機能しています。 + +検索に失敗した場合は、元画像の DPI を上げるか、`ocrEngine.getLanguage().add("eng")` で言語固有の辞書を有効にしてください。 + +--- + +## Common Questions & Gotchas + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | はい。各ページを同じ `OcrInput` に `ocrInput.add(tiffPath)` で追加すれば、Aspose OCR がフレームごとに別ページとして扱います。 | +| **What if I don’t have a license?** | 無料トライアルでも動作しますが、各ページに透かしが入ります。コードは同じで、トライアル用 `.lic` ファイルを使用してください。 | +| **How large will the PDF be?** | `setEmbedImages(true)` を使用すると、ファイルサイズは元画像のサイズに数キロバイトの隠しテキスト分が加わった程度です。`pdfOptions.setImageCompressionLevel(CompressionLevel.Best)` で画像を圧縮できます。 | +| **Do I need to set a language for OCR?** | デフォルトは英語です。その他の言語を使用する場合は、`ocrEngine.getLanguage().add("spa")` のように `recognize` 前に設定してください。 | +| **Is the output PDF searchable on mobile devices?** | はい。ほとんどのモバイル PDF ビューアは隠しテキスト層を認識します。 | + +--- + +## Bonus: Turning the Demo into a Reusable Utility + +この機能を複数プロジェクトで使い回す予定があるなら、ロジックを静的ヘルパーメソッドにまとめましょう。 + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +これでコードベースの任意の場所から `PdfSearchableUtil.convert(...)` を呼び出せるようになり、**convert image to pdf** がワンライナーで実行できます。 + +--- + +## Conclusion + +Aspose OCR を使って Java で画像から **create searchable pdf** を作成するために必要な手順をすべて網羅しました。ライセンスの読み込み、OCR 入力の構築、**pdf save options** の調整、そして最終的に **image to searchable pdf** を書き出すまで、コピー＆ペーストで動く完全なサンプルをご提供しました。 + +次のステップとして、異なる画像形式を試したり DPI を調整したり、`PdfSaveOptions` でパスワード保護を追加したりしてみてください。また、フォルダ内のスキャンをループ処理して一括で検索可能 PDF を生成するバッチ処理にも挑戦できます。 + +本ガイドが役立ったら、GitHub でスターを付けるか、下のコメント欄に感想を書いてください。楽しいコーディングを！そして、退屈なスキャンを完全に検索可能なドキュメントに変換しましょう！ + +![検索可能なPDF作成例のスクリーンショット](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..b90b88b83 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,230 @@ +--- +category: general +date: 2026-02-17 +description: JavaでOCRを利用してPDFからテキストを抽出し、PDFを画像に変換し、Aspose.OCRでスキャンしたPDFファイルにOCRを実行する方法。 +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: ja +og_description: JavaでOCRを使用してPDFファイルからテキストを抽出する方法。PDFを画像に変換し、Aspose.OCRでスキャンされたPDFを認識する方法を学びましょう。 +og_title: JavaでOCRを使用する方法 – 完全ガイド +tags: +- OCR +- Java +- Aspose +title: JavaでOCRを使用する方法 – Aspose.OCRでPDFからテキストを抽出する +url: /ja/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java で OCR を使用する方法 – Aspose.OCR で PDF からテキストを抽出 + +スキャンした PDF を検索可能なテキストに変換する **OCR の使い方** を知りたくありませんか？ あなたは一人ではありません。PDF が画像の集合として届くと、ほとんどの開発者が壁にぶつかります。通常のテキスト抽出ツールは何も返さないのです。朗報です！ 数行の Java と Aspose.OCR さえあれば、**PDF からテキストを抽出**、**PDF を画像に変換**、そして **スキャンした PDF を認識** するワークフローを、手間なく実現できます。 + +このチュートリアルでは、ライセンスの取得から最終結果の出力まで、必要なすべてを順を追って解説します。最後まで読めば、スキャンしたレポート、請求書、電子書籍など、あらゆる PDF からプレーンテキストを抽出できる実行可能なプログラムが手に入ります。外部サービスは不要、魔法も不要—すべて自分で管理できる純粋な Java コードだけです。 + +## 必要なもの + +- **Java Development Kit (JDK) 8 以上** – 最近のバージョンであればどれでも可。 +- **Aspose.OCR for Java** JAR（Aspose の公式サイトからダウンロード）。 +- **有効な Aspose.OCR ライセンスファイル**（`Aspose.OCR.lic`）。無料トライアルでも動作しますが、ライセンスを取得すると精度がフルに解放されます。 +- **サンプルのスキャン PDF**（例：`scanned-report.pdf`）。 +- IDE もしくはシンプルなテキストエディタとターミナル。 + +以上です。Maven や Gradle、余分な依存関係は不要—クラスパスに Aspose.OCR JAR を置くだけです。 + +![OCR の使用例](image-placeholder.png "OCR の使用例") + +## Step 1 – Aspose.OCR ライセンスをロードする（重要な理由） + +エンジンがフルスピードで動作するためには、ライセンスファイルの場所を教える必要があります。このステップを省くと、ライブラリは評価モードになり、出力に透かしが入ったり精度が制限されたりします。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**動作原理:** `License` クラスが `.lic` ファイルを読み込み、グローバルに登録します。これが設定されると、以後作成するすべての `OcrEngine` が自動的にライセンス機能を使用します。 + +## Step 2 – OCR エンジンを作成する（魔法の裏側） + +`OcrEngine` インスタンスは画像をスキャンしテキストを出力する主役です。ピクセルパターンを解釈する脳と考えてください。 + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**プロのコツ:** 言語や信頼度閾値、GPU 加速などをエンジンのプロパティで調整できます。英語の PDF がほとんどの場合、デフォルト設定で問題ありません。 + +## Step 3 – 入力を準備する：PDF を追加（内部で PDF を画像に変換） + +Aspose.OCR は PDF の各ページを画像として扱います。`addPdf` を呼び出すと、ライブラリは各ページを静かにラスタライズし、**PDF を画像に変換** した状態で認識に備えます。 + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**内部で起きていること:** +- PDF が開かれます。 +- 各ページが 300 dpi（デフォルト）でレンダリングされ、文字のディテールが保持されます。 +- レンダリングされたビットマップオブジェクトが `OcrInput` コレクションに格納されます。 + +デバッグや独自前処理のために生画像が必要な場合は、このステップの後で `ocrInput.getPages()` を呼び出してください。 + +## Step 4 – OCR プロセスを実行（PDF 上で OCR を実行） + +いよいよ本格的な処理が始まります。`recognize` メソッドはすべての画像を走査し、認識アルゴリズムを実行して結果を `OcrResult` に集約します。 + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**注目すべき点:** `OcrResult` にはプレーンテキストだけでなく、信頼度スコア、バウンディングボックス、元画像への参照が含まれます。多くのユースケースでは `getText()` だけで十分です。 + +## Step 5 – 抽出したテキストを取得して表示 + +最後に、結果からプレーンテキスト文字列を取り出してコンソールに出力します。ファイルに書き出したり、検索インデックスに投入したり、下流の NLP パイプラインに流すことも可能です。 + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### 期待される出力 + +`scanned-report.pdf` にシンプルな段落が含まれている場合、次のような出力が得られます。 + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +元のレイアウトをできるだけ保持し、改行位置も可能な限り再現します。 + +## よくあるケースの対処法 + +### 1. マルチランゲージ PDF + +文書にフランス語やスペイン語が混在している場合は、`recognize` を呼び出す前に言語を設定します。 + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +配列で複数言語を指定すれば、エンジンが自動検出します。 + +### 2. 低解像度スキャン + +150 dpi のスキャンを扱うときは、内部レンダリング DPI を上げます。 + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +DPI を上げると文字の鮮明さが向上しますが、メモリ使用量も増加します。 + +### 3. 大容量 PDF（メモリ管理） + +ページ数が多数ある PDF はバッチ処理で対応します。 + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +この方法により、JVM ヒープが過度に膨らむのを防げます。 + +## 完全版・すぐに実行できるサンプル + +以下はインポート文とライセンス処理を含むフルプログラムです。コピー＆ペーストしてすぐに実行できます。 + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +実行コマンド: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +コンソールに抽出されたテキストが表示されるはずです。 + +## まとめ – 本チュートリアルで学んだこと + +- Aspose.OCR を使った **Java での OCR の利用方法**。 +- **PDF からテキストを抽出** するワークフロー。 +- ライブラリは内部で **PDF を画像に変換** してから文字認識を行うこと。 +- 複数言語、低解像度スキャン、大容量文書に対する **OCR 実行のコツ**。 +- 任意の Java プロジェクトに組み込める、**完全な実行可能コードサンプル**。 + +## 次のステップと関連トピック + +スキャン PDF を認識できるようになったら、以下の応用を検討してみてください。 + +- **検索可能 PDF の生成** – OCR テキストを元の PDF に重ね合わせ、検索可能な文書を作成。 +- **バッチ処理サービス** – コードを Spring Boot のマイクロサービス化し、REST 経由で PDF を受け取る。 +- **Elasticsearch との統合** – 抽出テキストをインデックス化し、ドキュメントリポジトリ全体の高速全文検索を実現。 +- **画像前処理** – OpenCV を使ってページの傾き補正やノイズ除去を行い、OCR 精度をさらに向上。 + +これらのテーマは本チュートリアルで学んだ基礎概念を土台にしています。ぜひ実験して、OCR エンジンに重い処理を任せてみてください。 + +--- + +*Happy coding! ライセンスエラーや予期せぬ null 結果などでつまずいたら、遠慮なくコメントを残してください。デバッグのお手伝いをします。* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..0653fae44 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: JavaでOCRを使用して画像ファイルからテキストを認識し、PNGレシートからテキストを抽出し、Aspose OCRでレシートをJSONに変換する方法を学びましょう。 +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: ja +og_description: 画像からテキストを認識し、PNGレシートからテキストを抽出し、レシートをJSONに変換するためのJavaでのOCR使用方法のステップバイステップガイド。 +og_title: JavaでOCRを使用する方法 – 画像からテキストを認識する +tags: +- OCR +- Java +- Aspose +- Image Processing +title: JavaでOCRを使用する方法 – 画像からテキストを素早く認識する +url: /ja/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java で OCR を使う方法 – 画像からテキストをすばやく認識する + +レシートの写真からテキストを抽出する **OCR の使い方** が気になったことはありませんか？いくつかのオンラインツールを試したものの、文字化けしたり解析できない形式になってしまった経験はありませんか。実は、数行の Java コードさえ書けば、画像ファイルから **テキストを認識** でき、PNG のレシートから **テキストを抽出** し、さらには **レシートを JSON に変換** して下流処理に回すことができます。 + +このチュートリアルでは、Aspose OCR ライブラリのライセンス取得から、データベースや機械学習モデルに投入できるクリーンな JSON ペイロードを得るまでの全工程を解説します。余計な説明は省き、IDE にコピペできる実用的なサンプルコードを提供します。最後まで読むと、`receipt.png` を入力として、すぐに使える JSON 文字列を出力する自己完結型プログラムが完成します。 + +## 必要なもの + +- **Java Development Kit (JDK) 8+** – 最近のバージョンであれば問題ありません。 +- **Aspose OCR for Java** ライブラリ（Maven アーティファクトは `com.aspose:aspose-ocr`）。 +- **有効な Aspose OCR ライセンスファイル**（`Aspose.OCR.lic`）。無料トライアルでもテストは可能ですが、正式ライセンスを取得すれば評価版の制限が解除されます。 +- テキストを読み取りたい画像ファイル（PNG、JPEG など）— ここでは `receipt.png` と呼び、既知のフォルダーに配置します。 +- お好みの IDE（IntelliJ IDEA、Eclipse、VS Code など） – 好きなものを選んでください。 + +> **Pro tip:** ライセンスファイルはソースフォルダーの外に置き、絶対パスまたは相対パスで参照するようにすれば、バージョン管理にコミットしてしまうリスクを回避できます。 + +前提条件が整ったので、実際のコードに入りましょう。 + +## OCR の使い方 – 基本手順 + +以下は実行するアクションのハイレベルな概要です。 + +1. **Aspose OCR ライブラリをロード**し、ライセンスを適用する。 +2. **`OcrEngine` インスタンスを作成** – これが本格的な OCR 処理を行うエンジンです。 +3. **`OcrInput` オブジェクトを用意**し、処理対象の画像を指し示す。 +4. **`ResultFormat.JSON` で `recognize` を呼び出し**、抽出テキストの JSON 表現を取得する。 +5. **JSON 出力を処理** – コンソールに表示したり、ファイルに書き出したり、さらに解析したりします。 + +各ステップは以下のセクションで詳しく説明します。 + +## 手順 1 – Aspose OCR をインストールしライセンスを適用 + +Maven を使用している場合は、`pom.xml` に Aspose OCR の依存関係を追加します。 + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +次に、Java コード内でライセンスをロードします。このステップは必須です。ライセンスがないと評価モードで動作し、出力に透かしが入る可能性があります。 + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** `License` オブジェクトは OCR エンジンに対し、フル機能（高精度認識や JSON エクスポートを含む）を使用できる権限があることを通知します。このステップを省略すると **画像からテキストを認識** は可能ですが、結果が制限されたり品質が低下したりします。 + +## 手順 2 – OCR エンジンインスタンスを作成 + +`OcrEngine` クラスはすべての OCR 操作のエントリーポイントです。ピクセルを読み取り、どの文字に相当するかを判断する「脳」のようなものです。 + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +エンジンは後からカスタマイズ（言語設定やデスクュー有効化など）できます。レシートがラテン文字以外を含む場合や、斜めにスキャンされている場合に便利です。米国の一般的なレシートであれば、デフォルト設定で十分です。 + +## 手順 3 – 処理対象画像をロード + +ここでは OCR エンジンにレシート画像のパスを渡します。`OcrInput` クラスは複数画像を受け取れますが、このチュートリアルではシンプルに単一の PNG に限定します。 + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +大量に **PNG からテキストを抽出** したい場合は、`input.add()` を繰り返すか、ファイルパスのリストを渡すだけです。 + +## 手順 4 – テキストを認識しレシートを JSON に変換 + +チュートリアルの核心です。エンジンにテキスト認識を指示し、結果を JSON 形式で取得します。`ResultFormat.JSON` フラグがすべての重い処理を代行してくれます。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON ペイロードには、認識された各行、バウンディングボックス、信頼度スコア、そして生テキストが含まれます。この構造により **レシートを JSON に変換** して、任意の下流 API に簡単に渡すことができます。 + +## 手順 5 – すべてをまとめてプログラムを実行 + +以下は、上記手順をすべて組み合わせた完成形の Java クラスです。`JsonExportDemo.java`（好きな名前でも可）として保存し、IDE またはコマンドラインから実行してください。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### 期待される出力 + +プログラムを実行すると、以下のような JSON 文字列がコンソールに出力されます（内容はレシートによって異なります）。 + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +この JSON をデータベース、REST エンドポイント、あるいはデータ分析パイプラインに流し込めます。**レシートを JSON に変換** する作業はすでに完了しています。 + +## よくある質問とエッジケース + +### 画像が回転している場合は？ + +Aspose OCR は軽度の回転を自動で検出・補正します。大きく歪んだ画像の場合は、認識前に `engine.getImagePreprocessingOptions().setDeskew(true)` を呼び出してください。 + +### 複数言語に対応させるには？ + +`engine.getLanguage()` で目的の言語を設定します。例: `engine.setLanguage(Language.FRENCH)`。多言語レシートから **画像からテキストを認識** したいときに便利です。 + +### JSON ではなくプレーンテキストが欲しい場合は？ + +もちろん可能です。`ResultFormat.JSON` を `ResultFormat.TEXT` に置き換え、`result.getText()` を呼び出してください。 + +### 特定領域だけを OCR したい場合は？ + +`ocrInput.add(imagePath, new Rectangle(x, y, width, height))` を使ってレシートの対象エリアだけを指定できます。これにより速度と精度が向上します。 + +## 本番環境向け OCR のプロ Tips + +- **ライセンスオブジェクトをキャッシュ** することで、ループ内で多数のファイルを処理する際のオーバーヘッドを削減できます。 +- **バッチ処理**：すべてのレシートパスを単一の `OcrInput` にロードし、`recognize` を一度だけ呼び出すと、ページごとの配列を含む JSON が返ります。 +- **JSON の検証**：取得した文字列は Jackson などのライブラリでパースし、保存前に正しい形式か確認してください。 +- **信頼度の監視**：JSON には各行に `confidence` フィールドが含まれます。0.85 未満の行は除外するなど、品質管理に活用しましょう。 +- **ライセンスの保護**：`Aspose.OCR.lic` は安全なボールトや環境変数に格納し、特にクラウド環境では漏洩を防いでください。 + +## 結論 + +Java で **OCR を使う方法** を学び、**画像からテキストを認識**、**PNG からテキストを抽出**、そして **レシートを JSON に変換** する手順をエンドツーエンドで実装しました。手順はシンプルでコードはそのまま実行可能、JSON 出力はあらゆる下流システムで利用できる構造化データです。 + +次のステップとしては、JSON を Apache Kafka に流してリアルタイム処理を行ったり、正規表現で項目合計を抽出したり、クラウド OCR サービスと組み合わせてスケーラビリティを高めたりできます。どのシナリオを選んでも、ここで学んだ基礎は変わりません。 + +質問や実装中に問題が発生した場合は、下のコメント欄に書き込んでください。一緒にトラブルシュートしましょう。コーディングを楽しみながら、乱雑なレシート画像をクリーンで検索可能なデータに変換してください！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/japanese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..5e897c2ed --- /dev/null +++ b/ocr/japanese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 画像からテキストへの Java チュートリアル：Aspose OCR を使用して画像からウルドゥー語テキストを抽出する方法を学びます。完全な + Java OCR のサンプルが含まれています。 +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: ja +og_description: 画像からテキストへの Java チュートリアルでは、Aspose OCR を使用して画像からウルドゥー語テキストを抽出する方法を示します。ステップバイステップで完全な + Java OCR の例を確認してください。 +og_title: '画像からテキストへ Java: Aspose OCRでウルドゥー語テキストを抽出' +tags: +- OCR +- Java +- Aspose +title: '画像からテキストへ Java: Aspose OCRでウルドゥー語テキストを抽出' +url: /ja/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Aspose OCRでウルドゥー語テキストを抽出 + +ウルドゥー語の文書に対して **image to text java** 変換が必要な場合、ここが適切な場所です。手書きのメモやスキャンした新聞ページの画像から *テキストを抽出する方法* を考えたことはありませんか？このガイドでは、Aspose OCR を使用して画像からウルドゥー文字を直接抽出する **java ocr example** をステップバイステップで紹介します。 + +ライブラリのライセンス設定からコンソールへの結果出力まで、すべてをカバーします。最後まで読めば、**load image ocr** ファイルを読み込み、言語をウルドゥー語に設定し、余分なツールなしでクリーンな Unicode 出力を取得できるようになります。 + +## 必要なもの + +- **Java Development Kit (JDK) 8+** – コードは最新の JDK で動作します。 +- **Aspose.OCR for Java** JAR（Aspose のウェブサイトからダウンロード）。 +- 有効な **Aspose OCR license** ファイル（`Aspose.OCR.lic`）。 +- ウルドゥー語テキストを含む画像、例：`urdu-sample.png`。 + +これらの基本が揃っていれば、依存関係を探す手間なくすぐにコードに取り掛かれます。 + +## image to text java – Aspose OCR の設定 + +まず、Aspose にライセンスがあることを通知する必要があります。ライセンスがない場合、ライブラリは評価モードで動作し、出力に透かしが付加されます。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:**（この重要性） ライセンスを適用すると、5 秒の処理制限が解除され、2025‑Q3 に追加された完全なウルドゥー語パックが使用可能になります。この手順を省略すると OCR エンジンは動作しますが、結果に小さな “Evaluation” タグが表示されます。 + +## テキスト抽出方法 – OCR エンジンの初期化 + +ここでエンジンを作成し、ウルドゥー語に関心があることを明示的に指定します。`OcrLanguage.URDU` 定数は、適切な文字セットとセグメンテーション規則を有効にします。 + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:**（プロのコツ） 1 回の実行で複数言語を処理する必要がある場合は、カンマ区切りのリストを渡すことができます（例：`OcrLanguage.ENGLISH, OcrLanguage.URDU`）。エンジンは各領域を自動検出します。 + +## 画像 OCR のロード – 入力の準備 + +Aspose は、1 つまたは複数の画像を保持できる `OcrInput` オブジェクトを使用します。ここではローカルファイルから **load image ocr** データを読み込みます。 + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:**（注意） `YOUR_DIRECTORY` を絶対パスまたはプロジェクトルートからの相対パスに置き換えてください。ファイルが見つからない場合、Aspose は `FileNotFoundException` をスローします。`new File(path).exists()` で簡単に確認すれば、デバッグ時間を大幅に削減できます。 + +## テキスト認識 – OCR プロセスの実行 + +エンジンの設定と画像のロードが完了したら、最終的に `recognize` を呼び出します。このメソッドは抽出された文字列を保持する `OcrResult` を返します。 + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?**（内部で何が起きているか） OCR エンジンは画像を行に分割し、さらに文字に分割して、ウルドゥー語固有の形状規則（結合形など）を適用します。そのため、言語設定を早めに行うことが重要です。設定しないと、ラテン文字のプレースホルダーが乱れた状態で出力されます。 + +## 認識されたウルドゥー語テキストの出力 + +最後のステップは結果を単に出力することです。ウルドゥー語は右から左へ書くスクリプトなので、コンソールが Unicode に対応していることを確認してください（ほとんどの最新ターミナルは対応しています）。 + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):**（期待される出力（例）） + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +もし疑問符や空文字列が表示された場合は、コンソールのエンコーディングが UTF‑8 に設定されているか再確認してください（Windows では `chcp 65001`、Java 実行時に `-Dfile.encoding=UTF-8` を付与）。 + +## 完全動作例 – すべての手順を一括で + +以下に、コピー＆ペースト可能な完全なプログラムを示します。外部参照はなく、単一の Java ファイルだけです。 + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +以下のコマンドで実行します： + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +JAR のバージョン（`23.10`）はダウンロードしたものに置き換えてください。コンソールには PNG から抽出されたウルドゥー語の文が表示されます。 + +## よくある落とし穴とエッジケース + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **出力が空** | 画像が暗すぎる、または解像度が低い。 | `BufferedImage` を使用して画像を前処理（コントラスト増加、二値化）し、Aspose に渡す前に実施してください。 | +| **文字化け** | 言語設定が間違っている（デフォルトは英語）。 | `recognize` を呼ぶ前に `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` が呼び出されていることを確認してください。 | +| **ライセンスが見つからない** | パスのタイプミスまたはファイルが存在しない。 | 絶対パスを使用するか、`.lic` ファイルをクラスパスに配置し、`license.setLicense("Aspose.OCR.lic");` を呼び出してください。 | +| **大きな画像でメモリ不足** | 大きな PNG がヒープを消費する。 | `ocrEngine.setMaxImageSize(2000);` を呼び出して内部で縮小するか、画像自体をリサイズしてください。 | + +## デモの拡張 + +- **Batch processing:** フォルダーをループし、各ファイルを同じ `OcrInput` に追加して、結果を CSV に収集します。 +- **Different languages:** `OcrLanguage.URDU` を `OcrLanguage.ARABIC` に置き換えるか、複数言語を組み合わせます。 +- **Saving to file:** `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` を使用します。 + +これらすべてのアイデアは、先ほど作成した **java ocr example** を基にしており、実務プロジェクトに合わせてソリューションをカスタマイズできます。 + +## 結論 + +これで、Aspose OCR を使用して画像からウルドゥー語文字を抽出する堅実な **image to text java** ワークフローが手に入りました。このチュートリアルでは、ライセンス設定や言語選択から画像のロード、結果の出力までのすべての手順を網羅しているので、コードを任意の Java プロジェクトに貼り付けるだけで動作を確認できます。 + +次に、より大きな PDF や異なるスクリプトで実験したり、OCR ステップを Spring Boot の REST エンドポイントに統合してみてください。同じ原則—**how to extract text**、**load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/japanese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/japanese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..93c4ea839 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,196 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR Java ライブラリを使用して画像からテキストを認識し、OCR 用に画像を読み込む方法を学びます。スペル補正機能付きのステップバイステップガイド。 +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: ja +og_description: Aspose OCR Java を使用して画像からテキストを認識します。このチュートリアルでは、OCR 用に画像をロードし、スペル補正を有効にして、クリーンなテキストを出力する方法を示します。 +og_title: 画像からテキストを認識する – 完全な Aspose OCR Java ガイド +tags: +- Java +- OCR +- Aspose +title: Aspose OCRで画像からテキストを認識する – Javaチュートリアル +url: /ja/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR を使用した画像からのテキスト認識 – Java チュートリアル + +画像からテキストを **recognize text from image** したいと思ったことはありませんか？どのライブラリを選べば良いか迷うことも多いですよね。実際のプロジェクトでは、請求書のスキャンや手書きメモのデジタル化、スクリーンショットからのキャプション抽出など、正確な OCR 結果が重要です。 + +このガイドでは、OCR 用の画像の読み込み、Aspose OCR の組み込みスペル補正機能の有効化、そして最終的にクリーンアップされたテキストを出力する手順を解説します。最後まで読むと、数行のコードだけで **recognize text from image** ができる、すぐに実行可能な Java プログラムが手に入ります。 + +## このチュートリアルでカバーする内容 + +- Aspose OCR ライセンスの適用方法（デモが透かしなしで実行できるように） +- `OcrEngine` インスタンスの作成と認識言語として English を選択 +- **Load image for OCR** を `OcrInput` で実行し、誤字が含まれる PNG を指定 +- スペル補正機能の有効化、必要に応じてカスタム辞書を指定 +- 認識を実行し、補正結果を出力 + +外部サービスや隠し設定ファイルは不要です—純粋な Java と Aspose OCR JAR だけです。 + +> **Pro tip:** Aspose を初めて使う方は、Aspose のウェブサイトから 30 日間の無料トライアルライセンスを取得し、コードから参照できるフォルダーに `.lic` ファイルを配置してください。 + +## 前提条件 + +- Java 8 以上（コードは JDK 11 でもコンパイル可能） +- クラスパスに Aspose.OCR for Java JAR があること +- 有効な `Aspose.OCR.lic` ファイル（評価モードでも動作しますが、デモには透かしが入ります） +- 意図的に綴りミスが含まれるテキストを持つ画像ファイル（`misspelled.png`）—スペル補正機能の動作確認に最適 + +すべて揃いましたか？それでは、始めましょう。 + +## Step 1: Aspose OCR ライセンスの適用 + +エンジンが本格的な処理を行う前に、ライセンスが適用されていることを知らせる必要があります。そうでないと、出力に「Trial version」のバナーが表示されます。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Why this matters:* ライセンスを適用すると、試用版の透かしが無効になり、フルスペル補正辞書が使用可能になります。この手順を省略すると動作はしますが、出力に “Aspose OCR Demo” のテキストが混ざります。 + +## Step 2: OCR エンジンの作成と設定 + +ここでエンジンを起動し、使用する言語を指定します。English が最も一般的ですが、Aspose は数十言語をサポートしています。 + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Why we set the language:* 言語モデルは文字セットを決定し、スペル補正の提案に影響します。誤った言語を設定すると、精度が大幅に低下します。 + +## Step 3: スペル補正の有効化と（オプションで）カスタム辞書の指定 + +Aspose OCR には組み込みの英語辞書が付属していますが、医療用語や製品コードなど、ドメイン固有の用語がある場合は独自の辞書を提供できます。 + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*What the corrector does:* OCR エンジンが辞書にない単語を検出すると、最も近い一致語に置き換えようとします。これにより、デモでは “recieve” が自動的に “receive” に変換されます。 + +## Step 4: OCR 用画像の読み込み + +ここでは **load image for OCR** に直接対応する部分です。`OcrInput` オブジェクトを作成し、PNG ファイルを追加します。 + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Why we use `OcrInput`:* ファイル読み込みロジックを抽象化し、後でマルチページ PDF や画像セットを処理する場合に複数ページを追加できるようにします。 + +## Step 5: 認識を実行し、補正テキストを取得 + +エンジンが本格的な処理を行います—文字認識、言語モデルの適用、そして最終的なスペル補正です。 + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Expected output:* `misspelled.png` に “Ths is a smple test” というフレーズが含まれていると仮定すると、コンソールには次のように出力されます。 + +``` +Corrected text: +This is a simple test +``` + +誤字（`Ths`、`smple`）が自動的に修正されていることに注目してください。 + +## 完全な実行可能サンプル + +以下にプログラム全体を一つのブロックで示します。コピーして貼り付け、パスを調整し、**Run** を実行してください。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** PNG の代わりに JPEG や BMP を処理したい場合は、ファイル拡張子を変更するだけです—Aspose OCR はすべての一般的なラスタ形式をサポートしています。 + +## よくある質問とエッジケース + +- **What if my image is low‑resolution?** + `java.awt.Image` などのライブラリでリスケールし、Aspose に渡す前に DPI を上げます。DPI が高いほどエンジンが扱えるピクセル数が増え、通常は精度が向上します。 + +- **Can I recognize multiple languages in the same image?** + はい。`engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` を呼び出し、必要に応じて `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` で言語リストを追加できます。 + +- **My custom dictionary isn’t being used—why?** + フォルダーに 1 行 1 単語のプレーンテキストファイルが入っていること、パスが絶対パスまたは作業ディレクトリから正しく相対指定されていることを確認してください。 + +- **How do I extract confidence scores?** + `result.getConfidence()` はページ全体の信頼度を 0 から 1 の float で返します。文字単位の信頼度を取得するには `result.getWordList()` を調べてください。 + +## 結論 + +これで、Aspose OCR for Java を使用して **recognize text from image** を行う方法、**load image for OCR** の方法、そしてスペル補正機能を有効にして一般的なタイプミスを修正する方法が分かりました。上記の完全なサンプルは任意の Maven または Gradle プロジェクトにすぐに組み込め、少し調整すればフォルダーのバッチ処理や Web サービスへの組み込み、ドキュメント管理システムへの統合などに拡張できます。 + +次のステップに進む準備はできましたか？マルチページ PDF を入力したり、業界固有の用語向けにカスタム辞書を試したり、出力を翻訳 API に連結したりしてみてください。可能性は無限に広がりますが、基本パターンは変わりません—ライセンス → エンジン → 言語 → スペル補正 → 入力 → 認識 → 出力。 + +コーディングを楽しんで、OCR の結果が常に的確でありますように！ + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/advanced-ocr-techniques/_index.md b/ocr/korean/java/advanced-ocr-techniques/_index.md index fb7e0f2eb..b67111da9 100644 --- a/ocr/korean/java/advanced-ocr-techniques/_index.md +++ b/ocr/korean/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Java용 Aspose.OCR을 사용하여 텍스트 인식 기능을 활용하세요. 정확한 텍스트 인식을 위해 Aspose.OCR로 Java 애플리케이션을 강화하세요. 통합이 쉽고 정확도가 높습니다. ### [Aspose.OCR에서 허용되는 문자 지정](./specify-allowed-characters/) Java용 Aspose.OCR을 사용하여 이미지에서 텍스트 추출을 원활하게 잠금 해제하세요. 효율적인 통합을 위한 단계별 가이드를 따르세요. +### [Java용 Aspose OCR GPU로 텍스트 이미지 인식](./recognize-text-image-using-aspose-ocr-gpu-java/) +Aspose OCR GPU를 활용해 Java에서 텍스트 이미지 인식을 고속으로 수행하는 방법을 안내합니다. 빠른 처리와 높은 정확도를 경험하세요. +### [고정 스레드 풀 Java – PNG 병렬 OCR](./fixed-thread-pool-java-parallel-ocr-for-png/) +고정 스레드 풀을 사용하여 PNG 이미지에 대해 병렬 OCR을 수행하는 방법을 안내합니다. 효율적인 처리와 높은 정확도를 제공합니다. +### [OCR을 위한 이미지 전처리 – 대비를 높이고 텍스트를 추출하는 완전한 Java 가이드](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Java에서 이미지 대비를 향상시켜 OCR 정확도를 높이고 텍스트를 효율적으로 추출하는 방법을 단계별로 안내합니다. +### [Java용 OCR 엔진 생성 – 대형 이미지에서 텍스트 인식](./create-ocr-engine-java-recognize-text-from-large-images/) +Java에서 대형 이미지에 대한 OCR 엔진을 생성하고 텍스트를 정확히 추출하는 방법을 단계별로 안내합니다. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/korean/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..3b25faf68 --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,256 @@ +--- +category: general +date: 2026-02-17 +description: Java로 OCR 엔진을 만들고 TIFF 파일을 빠르게 읽어보세요. Aspose.OCR을 사용하여 대형 이미지에서 텍스트를 + 인식하는 방법을 단계별 가이드에서 배워보세요. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: ko +og_description: 지금 바로 OCR 엔진을 Java로 만들세요. 이 튜토리얼에서는 Java에서 TIFF 파일을 읽고 Aspose.OCR을 + 사용하여 큰 이미지에서 텍스트를 인식하는 방법을 보여줍니다. +og_title: OCR 엔진 Java 만들기 – 대형 이미지 텍스트 인식 완전 가이드 +tags: +- OCR +- Java +- Aspose +title: OCR 엔진 Java 만들기 – 대형 이미지에서 텍스트 인식 +url: /ko/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR 엔진 Java 만들기 – 대형 이미지에서 텍스트 인식 + +대용량 TIFF 지도를 처리할 수 있는 **create OCR engine Java** 코드를 작성해야 했지만 어디서 시작해야 할지 몰랐던 적이 있나요? 당신만 그런 것이 아닙니다—대부분의 개발자는 이미지 크기가 일반적인 메모리 한계를 초과할 때 벽에 부딪힙니다. + +이 가이드에서는 **creates an OCR engine in Java**와 같이 완전하고 바로 실행 가능한 예제를 단계별로 안내하고, `InputStream`을 사용해 **read TIFF file Java** 하는 방법을 보여주며, 마지막으로 힙을 초과하지 않고 **recognizes text from large image** 파일을 인식하는 방법을 설명합니다. 끝까지 따라오면 Maven이나 Gradle 프로젝트에 바로 넣을 수 있는 독립 실행형 프로그램을 얻게 됩니다. + +## 필요 사항 + +- **Java Development Kit (JDK) 8 or newer** – 코드는 표준 I/O와 Aspose.OCR만 사용합니다. +- **Aspose.OCR for Java** 라이브러리(2026‑02 현재 최신 버전) – Aspose 사이트 또는 Maven Central에서 JAR를 다운로드할 수 있습니다. +- **large TIFF file**(예: 수 메가픽셀 지도) – OCR을 수행하려는 파일. +- **Aspose.OCR license file** (`Aspose.OCR.lic`). 라이선스가 없으면 엔진이 평가 모드로 동작하며 워터마크가 표시됩니다. + +> **Pro tip:** TIFF 파일을 소스 폴더 옆에 두거나 절대 경로를 사용하세요; 엔진이 내부적으로 이미지를 타일링하므로 직접 분할할 필요가 없습니다. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="OCR 엔진 Java 워크플로우 다이어그램"} + +## Step 1 – Aspose.OCR 라이선스 적용 (Create OCR Engine Java) + +엔진이 본격적인 작업을 수행하기 전에 라이선스를 등록해야 합니다. 이 단계를 건너뛰면 평가 모드가 강제 적용되어 페이지 수가 제한되고 출력에 배너가 추가됩니다. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* `License` 객체는 OCR 엔진에 전체 해상도 타일링 알고리즘을 활성화하도록 알려주며, 이는 **large image**를 효율적으로 처리하는 데 필수적입니다. + +## Step 2 – OCR 엔진 인스턴스화 (Create OCR Engine Java) + +이제 핵심 `OcrEngine`을 초기화합니다. 이것은 나중에 픽셀을 읽고 Unicode 텍스트를 출력하는 뇌와 같습니다. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* 대부분의 경우 기본 설정에 자동 언어 감지와 최적 타일링이 이미 포함되어 있습니다. 과도한 설정은 대용량 파일에서 오히려 속도를 저하시킬 수 있습니다. + +## Step 3 – InputStream을 사용해 TIFF 파일 로드 (Read TIFF File Java) + +대용량 TIFF는 수백 메가바이트에 이를 수 있습니다. 전체를 `BufferedImage`에 로드하면 힙이 급증합니다. 대신 엔진에 `InputStream`을 제공하면 Aspose.OCR이 실시간으로 이미지를 읽고 타일링합니다. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* TIFF가 CCITT Group 4로 압축된 경우에도 Aspose.OCR이 처리하지만, 약간의 속도 향상을 위해 `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)`를 설정할 수 있습니다. + +## Step 4 – OCR 입력 준비 및 포맷 힌트 제공 + +`OcrInput` 객체는 여러 이미지를 담을 수 있지만, 이 데모에서는 하나만 필요합니다. 포맷 문자열(`"tif"`)을 제공하면 엔진이 포맷 탐지를 건너뛰어 몇 밀리초를 절약합니다. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* **large images**를 처리할 때는 매 밀리초가 중요합니다. 포맷 힌트는 파서가 비용이 많이 드는 헤더 분석을 건너뛰도록 합니다. + +## Step 5 – 대형 이미지에서 텍스트 인식 (Recognize Text from Large Image) + +모든 설정이 완료되면 실제 OCR 호출은 한 줄입니다. 엔진은 순수 텍스트, 신뢰도 점수, 필요 시 사용할 수 있는 경계 상자를 포함한 `OcrResult`를 반환합니다. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR은 TIFF를 관리 가능한 타일(기본 1024 × 1024 px)로 분할하고, 각 타일에 신경망 모델을 적용한 뒤 결과를 결합합니다. 따라서 수동 전처리 없이도 **recognize text from large image** 파일을 인식할 수 있습니다. + +## Step 6 – 추출된 텍스트 미리보기 표시 + +전체 문서를 콘솔에 출력하면 과부하가 될 수 있습니다. 처음 200자를 표시하고 뒤에 생략 부호를 붙여 한눈에 결과를 확인해 보겠습니다. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +깨진 문자가 보이면 올바른 언어가 선택되었는지(기본은 English)와 TIFF 파일이 손상되지 않았는지 다시 확인하세요. + +## 전체 작업 예제 + +모든 코드를 합치면 컴파일하고 실행할 수 있는 단일 클래스를 얻습니다: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +컴파일 방법: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +`aspose-ocr-23.12.jar`를 다운로드한 실제 버전으로 교체하세요. + +## 흔히 발생하는 문제 및 팁 + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | `BufferedImage`에 TIFF를 로드하여 스트리밍하지 않은 경우. | 예시와 같이 항상 `InputStream`을 사용하고 Aspose가 타일링하도록 하세요. | +| **Blank output** | 파일 확장자 힌트가 잘못된 경우(`"tif"` vs `"tiff"`). | `add`에 전달한 정확한 문자열을 사용하세요. | +| **Garbage characters** | 라이선스가 적용되지 않았거나 만료된 경우. | `.lic` 파일 경로를 확인하고 엔진 생성 전에 다시 적용하세요. | +| **Slow recognition** | 높은 DPI를 가진 사용자 정의 `OcrConfiguration` 사용. | 대부분의 경우 기본값을 유지하고, 정확도가 필요할 때만 조정하세요. | + +### 설정을 조정해야 할 때 + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +하지만 각 추가 옵션은 CPU 시간을 늘릴 수 있으며, 특히 **large image**에서는 더욱 그렇습니다. 먼저 단일 타일로 테스트해 보세요. + +## 다음 단계 + +이제 **create OCR engine Java**, **read TIFF file Java**, **recognize text from large image** 방법을 알았으니, 다음과 같은 작업을 고려할 수 있습니다: + +1. **Export the result to a PDF** – Aspose.PDF와 OCR 텍스트를 결합해 검색 가능한 문서를 만듭니다. +2. **Store bounding boxes** – `ocrResult.getWords()`를 사용해 하이라이트용 좌표를 얻습니다. +3. **Parallelize tile processing** – 초대형 위성 이미지의 경우, spin up a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/korean/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..dc8704bc5 --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,281 @@ +--- +category: general +date: 2026-02-17 +description: 고정 스레드 풀 Java를 사용하여 PNG 이미지에서 텍스트를 추출하고 병렬 OCR 처리를 수행하며 ExecutorService를 + 올바르게 종료하는 방법을 배우세요. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: ko +og_description: 고정 스레드 풀 Java가 PNG 이미지에서 텍스트를 병렬로 추출하고, 스캔한 페이지 텍스트를 변환하며, Executor + 서비스를 안전하게 종료하는 방법을 알아보세요. +og_title: 고정 스레드 풀 자바 – PNG에 대한 병렬 OCR +tags: +- java +- ocr +- multithreading +- aspose +title: 고정 스레드 풀 Java – PNG용 병렬 OCR +url: /ko/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +-button >}} + +We need to keep them. + +Make sure we didn't translate any code or placeholders. + +Now produce final output with all translations. + +Let's construct final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – PNG에 대한 병렬 OCR + +Ever wondered how to speed up OCR on a bunch of PNG files using a **fixed thread pool java**? In this tutorial we'll walk through **extract text from PNG** images in parallel, **convert scanned pages text** into editable strings, and safely **shut down executor service** once the work is done. + +PNG 파일 여러 개에 대해 **fixed thread pool java**를 사용하여 OCR 속도를 높이는 방법이 궁금하셨나요? 이 튜토리얼에서는 **extract text from PNG** 이미지를 병렬로 처리하고, **convert scanned pages text**를 편집 가능한 문자열로 변환하며, 작업이 끝난 후 **shut down executor service**를 안전하게 수행하는 방법을 안내합니다. + +If you’ve ever stared at a single‑threaded loop that drags on for minutes, you know the frustration of waiting for each page to finish before the next even starts. The good news? With a few lines of Java and Aspose OCR you can unleash the power of all your CPU cores, turn those scanned pages into searchable text, and keep your application responsive. + +만약 몇 분씩 걸리는 단일 스레드 루프를 바라보며 각 페이지가 끝날 때까지 기다리는 답답함을 겪어본 적이 있다면, 그 불편함을 잘 아실 겁니다. 좋은 소식은? Java와 Aspose OCR 몇 줄만으로 모든 CPU 코어의 힘을 끌어내어 스캔된 페이지를 검색 가능한 텍스트로 변환하고, 애플리케이션을 반응형으로 유지할 수 있다는 것입니다. + +Below you’ll find a complete, ready‑to‑run example, plus explanations of why each piece matters, common pitfalls, and tips you can apply to any OCR library. + +아래에는 바로 실행 가능한 전체 예제와 각 구성 요소가 중요한 이유, 흔히 발생하는 함정, 그리고 모든 OCR 라이브러리에 적용할 수 있는 팁을 제공합니다. + +--- + +## 필요 사항 + +- **Java 17** (or any recent JDK) – the code uses the modern `var` syntax sparingly, but works on older versions too. +- **Java 17** (또는 최신 JDK) – 코드는 현대적인 `var` 구문을 조금만 사용하지만, 이전 버전에서도 작동합니다. +- **Aspose.OCR for Java** library – you can grab it from Maven Central or download a trial from Aspose. +- **Aspose.OCR for Java** 라이브러리 – Maven Central에서 가져오거나 Aspose에서 체험판을 다운로드할 수 있습니다. +- A set of **PNG** files you want to process – think scanned receipts, book pages, or screenshots. +- 처리하고자 하는 **PNG** 파일 집합 – 스캔 영수증, 책 페이지, 스크린샷 등을 생각해 보세요. +- Basic familiarity with Java concurrency – not required, but helpful. +- Java 동시성에 대한 기본적인 이해 – 필수는 아니지만 도움이 됩니다. + +That’s it. No external services, no Docker, just plain Java and a little multithreading magic. + +그게 전부입니다. 외부 서비스도, Docker도 필요 없으며, 순수 Java와 약간의 멀티스레딩 마법만 있으면 됩니다. + +## 단계 1: Aspose OCR 의존성 및 라이선스 추가 (선택 사항) + +First, make sure the Aspose OCR JAR is on your classpath. If you use Maven, add: + +먼저 Aspose OCR JAR가 클래스패스에 포함되어 있는지 확인하세요. Maven을 사용한다면 다음을 추가합니다: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +If you don’t have a license, the library will run in evaluation mode; the code works the same way. To load a license (recommended for production), place `Aspose.OCR.lic` in your resources folder and use: + +라이선스가 없으면 라이브러리는 평가 모드로 실행되며, 코드 동작은 동일합니다. 프로덕션 환경에서는 라이선스를 로드하는 것이 권장되며, `Aspose.OCR.lic` 파일을 리소스 폴더에 두고 다음과 같이 사용합니다: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Keep the license file outside version control to avoid accidental exposure. + +> **Pro tip:** 라이선스 파일을 버전 관리 밖에 두어 우발적인 노출을 방지하세요. + +## 단계 2: 스레드‑안전 `OcrEngine` 인스턴스 생성 + +Aspose OCR’s `OcrEngine` is thread‑safe as long as you reuse the same instance across tasks. Creating it once saves memory and avoids the overhead of re‑initializing the engine for every image. + +Aspose OCR의 `OcrEngine`은 작업 전반에 걸쳐 동일한 인스턴스를 재사용하면 스레드‑안전합니다. 한 번 생성하면 메모리를 절약하고 이미지마다 엔진을 재초기화하는 오버헤드를 피할 수 있습니다. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Why reuse? Think of the engine as a heavy‑weight worker that loads language models into memory. Spawning a new engine per image would be like hiring a new specialist for every tiny job – costly and unnecessary. + +왜 재사용하나요? 엔진을 메모리에 언어 모델을 로드하는 무거운 작업자에 비유해 보세요. 이미지마다 새로운 엔진을 생성하는 것은 작은 작업마다 새로운 전문가를 고용하는 것과 같아 비용이 많이 들고 불필요합니다. + +## 단계 3: Fixed Thread Pool Java 설정 + +Now comes the star of the show: a **fixed thread pool java**. We’ll size it to the number of logical processors so every core gets work without oversubscribing. + +이제 쇼의 주인공인 **fixed thread pool java**를 설정합니다. 논리 프로세서 수에 맞게 크기를 지정해 각 코어가 과도하게 할당되지 않도록 합니다. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Using a *fixed* pool (instead of a cached one) gives you predictable resource usage and prevents the dreaded “out‑of‑memory” spikes when hundreds of images arrive at once. + +*고정* 풀을 사용하면 (캐시 풀 대신) 자원 사용량을 예측 가능하게 만들고, 수백 개의 이미지가 한 번에 들어올 때 발생할 수 있는 “out‑of‑memory” 급증을 방지합니다. + +## 단계 4: 처리할 PNG 파일 목록 작성 (Extract Text from PNG) + +Collect the paths to the images you wish to OCR. In a real project you might scan a directory or read from a database; here we’ll hard‑code a few examples. + +OCR을 수행하려는 이미지 경로를 수집합니다. 실제 프로젝트에서는 디렉터리를 스캔하거나 데이터베이스에서 읽을 수 있지만, 여기서는 몇 가지 예시를 하드코딩합니다. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** The file extension **png** is important because Aspose OCR automatically detects the format, but you could feed JPEG or TIFF as well. + +> **Note:** 파일 확장자 **png**는 Aspose OCR이 자동으로 형식을 감지하기 때문에 중요하지만, JPEG나 TIFF도 사용할 수 있습니다. + +## 단계 5: OCR 작업 제출 – 병렬 OCR 처리 + +Each image becomes a callable that returns the recognized text. Because the `OcrEngine` is shared, we only need to pass the file path into the task. + +각 이미지는 인식된 텍스트를 반환하는 callable이 됩니다. `OcrEngine`이 공유되므로 파일 경로만 작업에 전달하면 됩니다. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Why wrap it in a `Future`? It lets us fire off all jobs instantly, then later collect results in the order they were submitted – perfect for preserving page order when **convert scanned pages text** back into a document. + +왜 `Future`로 감싸나요? 모든 작업을 즉시 시작하고 나중에 제출된 순서대로 결과를 수집할 수 있게 해줍니다 – **convert scanned pages text**를 문서로 되돌릴 때 페이지 순서를 유지하는 데 완벽합니다. + +## 단계 6: 결과 가져오기 및 표시 (Convert Scanned Pages Text) + +Now we wait for each `Future` to finish and print the output. The `get()` call blocks only until the specific task completes, not the whole pool. + +이제 각 `Future`가 완료될 때까지 기다리고 출력을 출력합니다. `get()` 호출은 전체 풀을 차단하지 않고 해당 작업이 완료될 때만 차단됩니다. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typical console output looks like: + +일반적인 콘솔 출력 예시는 다음과 같습니다: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +If you prefer to write the results to files, replace the `System.out.println` with a `Files.writeString` call. + +결과를 파일에 쓰고 싶다면 `System.out.println`을 `Files.writeString` 호출로 교체하면 됩니다. + +## 단계 7: Executor Service를 깔끔하게 종료하기 + +When every task is done, it’s crucial to **shut down executor service**; otherwise your JVM may keep non‑daemon threads alive, preventing a graceful exit. + +모든 작업이 완료되면 **shut down executor service**가 매우 중요합니다. 그렇지 않으면 JVM이 비데몬 스레드를 유지해 정상 종료를 방해할 수 있습니다. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +The `awaitTermination` pattern gives the pool a chance to finish ongoing work before we force it. Ignoring this step is a common source of memory leaks in long‑running applications. + +`awaitTermination` 패턴은 강제로 종료하기 전에 풀에게 진행 중인 작업을 마무리할 기회를 제공합니다. 이 단계를 무시하면 장기 실행 애플리케이션에서 메모리 누수가 발생하는 일반적인 원인이 됩니다. + +## 전체 작업 예제 + +Putting it all together, here’s the complete program you can copy‑paste into `ParallelBatchDemo.java` and run: + +전체 코드를 합치면, `ParallelBatchDemo.java`에 복사‑붙여넣기하여 실행할 수 있는 완전한 프로그램은 다음과 같습니다: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/korean/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..2dd7605cf --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,193 @@ +--- +category: general +date: 2026-02-17 +description: Java에서 Aspose OCR을 사용해 OCR용 이미지를 전처리합니다. 이미지 대비를 높이고, 대비 수준을 설정하며, 몇 + 분 만에 이미지에서 텍스트를 인식하는 방법을 배워보세요. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: ko +og_description: Aspose OCR Java를 사용하여 OCR을 위한 이미지 전처리. 이 가이드는 이미지 대비를 높이고, 대비 수준을 + 설정하며, 이미지를 빠르게 텍스트로 인식하는 방법을 보여줍니다. +og_title: OCR을 위한 이미지 전처리 – 대비를 높이고 텍스트를 추출하는 Java 튜토리얼 +tags: +- Java +- OCR +- Image Processing +title: OCR을 위한 이미지 전처리 – 대비를 높이고 텍스트를 추출하는 완전한 Java 가이드 +url: /ko/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR용 이미지 전처리 – 완전 Java 가이드 + +OCR용 **이미지 전처리**가 필요했지만 어떤 설정이 실제로 차이를 만드는지 몰랐던 적이 있나요? 당신만 그런 것이 아닙니다. 대부분의 개발자는 이미지를 OCR 엔진에 던지고 마법이 일어나길 기대하지만, 결과는 엉망이 됩니다. 이 튜토리얼에서는 Aspose OCR for Java를 사용하여 **이미지 대비를 높이고**, **대비 수준을 조정**하며, 최종적으로 **이미지에서 텍스트를 인식**하는 실용적인 엔드‑투‑엔드 예제를 단계별로 살펴보겠습니다. + +완료하면, 노이즈가 많은 스캔에서도 신뢰성 있게 **OCR을 사용해 텍스트를 추출**하는 재사용 가능한 코드 스니펫을 얻게 됩니다. 숨은 트릭은 없으며, 명확한 단계와 각 단계 뒤의 이유만을 제공합니다. + +## 필요 사항 + +- Java 17 이상 (코드는 최신 JDK와 호환됩니다) +- Aspose OCR for Java 라이브러리 (공식 Aspose 사이트에서 다운로드) +- 유효한 Aspose OCR 라이선스 파일 (`Aspose.OCR.lic`) +- 읽고자 하는 입력 이미지 (`input.jpg`) +- 선호하는 IDE 또는 간단한 명령줄 설정 + +이미 준비되어 있다면, 좋습니다—바로 시작해봅시다. + +## 단계 1: Aspose OCR 라이선스 로드 (기본 설정) + +OCR 엔진이 작업을 수행하기 전에 라이선스가 있음을 알려야 합니다. 그렇지 않으면 체험판 워터마크가 표시됩니다. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**왜 중요한가:** 적절한 라이선스가 없으면 엔진이 평가 모드로 실행되어 결과가 잘리거나 워터마크가 추가될 수 있습니다. 라이선스를 초기에 설정하면 이후의 전처리 옵션이 전체 기능 모드에서 적용됩니다. + +## 단계 2: OCR 엔진 초기화 + +`OcrEngine` 인스턴스를 생성하면 인식 파이프라인과 전처리 파이프라인 모두에 접근할 수 있습니다. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**프로 팁:** 배치로 많은 이미지를 처리할 계획이라면 엔진을 싱글톤으로 유지하세요; 내부 리소스를 캐시하여 이후 호출을 빠르게 합니다. + +## 단계 3: 전처리 구성 – 기울기 보정, 노이즈 제거, 대비 강화 + +여기서 **OCR용 이미지 전처리**를 수행합니다. 조정할 세 가지 항목은 다음과 같습니다: + +1. **Deskew** – 약간의 회전을 보정합니다. +2. **Denoise** – 문자 분할을 방해하는 점들을 제거합니다. +3. **Contrast enhancement** – 어두운 텍스트가 배경에 대비하도록 합니다. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### 대비 수준을 조정하는 이유 + +대비 수준을 높이면 이미지 히스토그램이 확장되어 어두운 픽셀은 더 어두워지고 밝은 픽셀은 더 밝아집니다. 실제로 **대비 수준**이 `1.3f`인 경우 인쇄된 문서에 가장 균형 잡힌 결과를 제공하며, `1.5f` 이상이면 얇은 획이 과다 노출될 수 있습니다. 자유롭게 실험해 보세요; 이 설정은 변경 비용이 적고 **이미지에서 텍스트를 인식** 성공률을 크게 향상시킬 수 있습니다. + +## 단계 4: 입력 이미지 준비 + +`OcrInput` 클래스는 파일 처리를 추상화합니다. 배치 처리가 필요하면 여러 이미지를 추가할 수 있습니다. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**예외 상황:** 이미지가 비표준 형식(예: 여러 페이지가 있는 TIFF)인 경우 각 페이지를 개별적으로 로드하거나 먼저 PNG/JPEG로 변환할 수 있습니다. + +## 단계 5: 인식 수행 + +이제 엔진은 방금 구성한 전처리 파이프라인을 실행한 뒤, 정제된 이미지를 핵심 OCR 알고리즘에 전달합니다. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**내부 동작:** Aspose OCR은 먼저 기울기 보정 변환을 적용하고, 그 다음 노이즈 제거 필터를 실행하며, 마지막으로 대비를 조정한 뒤 이미지를 신경망 기반 인식기에 전달합니다. 순서는 의도된 것이며, 순서를 바꾸면 최적이 아닌 결과가 나올 수 있습니다. + +## 단계 6: 인식된 텍스트 출력 + +마지막으로 추출된 문자열을 콘솔에 출력합니다. 실제 애플리케이션에서는 파일에 저장하거나 네트워크를 통해 전송할 수 있습니다. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### 예상 출력 + +`input.jpg`에 “Hello World!” 문구가 포함되어 있다면, 콘솔에 다음과 같이 표시됩니다: + +``` +Hello World! +``` + +출력이 깨져 보인다면, 전처리 값—특히 **대비 수준**과 **노이즈 제거 모드**—를 다시 확인하고 다른 이미지 형식을 시도해 보세요. + +## 보너스: 전처리된 이미지 시각화 (선택 사항) + +때때로 기울기 보정, 노이즈 제거, 대비 강화 후 엔진이 보는 모습을 확인하고 싶을 때가 있습니다. Aspose OCR은 중간 비트맵을 내보낼 수 있게 해줍니다: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +`processed.png`를 원본과 나란히 열어보면, 더 직선적인 수평선과 선명한 텍스트를 확인할 수 있습니다. 특정 스캔이 실패하는 원인을 파악할 때 유용한 단계입니다. + +![OCR용 이미지 전처리 예시](/images/ocr-preprocess-example.png "OCR용 이미지 전처리 – 대비 강화 전후") + +*위 이미지는 대비를 높이고 노이즈를 제거하면 흐릿한 스캔이 깨끗하고 OCR 준비가 된 이미지로 변환되는 과정을 보여줍니다.* + +## 흔히 발생하는 실수와 회피 방법 + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **과도한 대비** (`setContrastLevel` 너무 높음) | 밝은 배경이 흰색으로 변해 희미한 문자가 사라짐 | 대부분의 인쇄 텍스트에 대해 수준을 1.1과 1.4 사이로 유지하세요 | +| **기울기 보정 허용치가 너무 낮음** | 작은 회전이 보정되지 않음 | `setDeskewAngleTolerance`를 스캔된 책에 대해 0.2 또는 0.3으로 높이세요 | +| **이진 이미지에 GAUSSIAN 노이즈 제거 사용** | 경계가 흐려져 문자들이 합쳐짐 | 흑백 스캔에는 `DenoiseMode.MEDIAN`을 사용하세요 | +| **라이선스 누락** | 엔진이 체험판 모드로 전환되어 출력이 잘림 | `Aspose.OCR.lic` 경로와 파일 읽기 권한을 확인하세요 | + +## 다음 단계: 기본 전처리를 넘어 + +이제 **OCR용 이미지 전처리**와 **OCR을 사용한 텍스트 추출**이 가능하므로, 다음과 같은 확장을 고려해 보세요: + +- **Language packs** – 비영어 텍스트의 정확도를 높이기 위해 특정 언어 사전을 로드합니다. +- **Region‑of‑interest (ROI) cropping** – 페이지의 일부만 필요할 경우 이미지의 해당 영역에 집중합니다. +- **Batch processing** – 이미지 디렉터리를 순회하면서 동일한 `OcrEngine` 인스턴스를 재사용해 속도를 높입니다. +- **Integrate with PDF** – Aspose OCR을 Aspose PDF와 결합하여 스캔된 PDF를 하나의 파이프라인으로 검색 가능한 PDF로 변환합니다. + +이러한 주제들은 자연스럽게 우리의 보조 키워드를 포함합니다: 여전히 **이미지 대비를 높이고**, **대비 수준을 설정**하며, 다양한 상황에서 **이미지에서 텍스트를 인식**하게 됩니다. + +## 결론 + +우리는 Aspose OCR for Java를 사용하여 **OCR용 이미지 전처리**에 필요한 모든 내용을 다루었습니다: 라이선스 로드, 기울기 보정, 노이즈 제거 및 대비 강화 설정, 이미지 입력, 그리고 최종적으로 **이미지에서 텍스트를 인식**합니다. 위의 완전하고 실행 가능한 예제를 통해 이제 적절히 준비된 사진에서 **OCR을 사용해 텍스트를 추출**할 수 있습니다. + +코드를 실행해 보고, **대비 수준**을 조정하면 정확도가 크게 향상되는 것을 확인할 수 있습니다. 준비가 되면 언어별 모델이나 배치 파이프라인을 탐색하여 이 단일 이미지 데모를 프로덕션 수준 솔루션으로 전환해 보세요. + +*코딩 즐겁게 하시고, 스캔이 언제나 선명하길 바랍니다!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/korean/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..cc1dec25c --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: Java에서 Aspose OCR GPU 지원을 사용하여 텍스트 이미지를 빠르게 인식합니다. 이미지에서 텍스트를 추출하고 최적의 + 성능을 위해 GPU 디바이스 ID를 설정하는 방법을 배워보세요. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: ko +og_description: Java에서 Aspose OCR GPU 지원을 사용하여 텍스트 이미지를 빠르게 인식합니다. 이 가이드는 이미지에서 텍스트를 + 추출하고 GPU 디바이스 ID를 설정하는 방법을 보여줍니다. +og_title: Aspose OCR GPU를 사용하여 텍스트 이미지 인식 – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Aspose OCR GPU를 사용한 텍스트 이미지 인식 – Java +url: /ko/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +Check for any markdown links: none. + +Check for any images: none. + +All good. + +Now produce final output with same structure.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR GPU를 사용한 텍스트 이미지 인식 – Java + +Java 애플리케이션에서 **텍스트 이미지 인식**이 필요했지만 CPU가 대용량 파일에 버벅였던 적이 있나요? 당신만 그런 것이 아닙니다—많은 개발자들이 고해상도 스캔을 처리할 때 같은 문제에 부딪힙니다. 좋은 소식은? Aspose OCR은 GPU에서 **이미지에서 텍스트 추출**을 가능하게 하여 처리 시간을 크게 단축합니다. + +이 튜토리얼에서는 라이선스를 설정하고 GPU 가속을 활성화하며, 다중 그래픽 카드가 있을 때 **gpu device id 설정**하는 방법을 정확히 보여주는 완전한 실행 가능한 예제를 단계별로 살펴보겠습니다. 끝까지 따라오면 인식된 텍스트를 콘솔에 출력하는 독립 실행형 프로그램을 얻게 됩니다—추가 단계가 필요 없습니다. + +## 필요 사항 + +- **Java 17** 또는 그 이상 (API는 Java 8+와 호환되지만 최신 LTS가 더 나은 성능을 제공합니다). +- **Aspose OCR for Java** 라이브러리 (Aspose 웹사이트에서 JAR를 다운로드). +- 유효한 **Aspose OCR 라이선스 파일** (`Aspose.OCR.lic`). 무료 체험판도 동작하지만 GPU 기능은 라이선스 버전에서만 사용할 수 있습니다. +- 명확하고 기계가 읽을 수 있는 텍스트가 포함된 이미지 파일 (`sample-image.png`). +- GPU가 활성화된 환경 (NVIDIA CUDA 호환 카드가 가장 좋습니다). + +위 항목 중 익숙하지 않은 것이 있더라도 걱정하지 마세요—각 항목은 진행하면서 설명됩니다. + +## 단계 1: 프로젝트에 Aspose OCR 추가 + +먼저, Aspose OCR JAR를 클래스패스에 포함시킵니다. Maven을 사용한다면 `pom.xml`에 다음 의존성을 추가하세요: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle을 사용하는 경우는 다음과 같습니다: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +수동으로 진행하고 싶다면 JAR를 `libs/` 폴더에 넣고 IDE의 모듈 경로에 추가하세요. + +> **Pro tip:** 버전 번호를 라이브러리 릴리스 노트와 맞추세요; 최신 버전은 종종 GPU 처리 성능 개선을 포함합니다. + +## 단계 2: Aspose OCR 라이선스 로드 (GPU 사용에 필요) + +라이선스가 없으면 `setEnableGpu(true)` 호출이 조용히 CPU 모드로 전환됩니다. `main` 시작 부분에서 라이선스를 로드하세요: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +`YOUR_DIRECTORY`를 `.lic` 파일을 저장한 절대 경로나 상대 경로로 교체하세요. 경로가 잘못되면 Aspose가 `FileNotFoundException`을 발생시키므로 철자를 다시 확인하십시오. + +## 단계 3: OCR 엔진 생성 및 GPU 가속 활성화 + +이제 `OcrEngine`을 인스턴스화하고 GPU 사용을 지정합니다. `setGpuDeviceId` 메서드를 사용하면 여러 카드가 있을 때 특정 카드를 선택할 수 있습니다. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +디바이스 ID를 설정하는 이유는 무엇일까요? 다중 GPU 서버에서는 한 카드를 이미지 전처리에, 다른 카드를 OCR에 할당할 수 있습니다. ID를 설정하면 올바른 하드웨어가 작업을 수행합니다. + +## 단계 4: 입력 이미지 준비 + +Aspose OCR은 다양한 포맷(PNG, JPG, BMP, TIFF)을 지원합니다. 파일을 `OcrInput` 객체에 래핑하세요: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +스트림(예: 업로드된 파일)을 처리해야 한다면 `ocrInput.add(InputStream)`을 사용하세요. + +## 단계 5: 인식 프로세스 실행 및 결과 가져오기 + +`recognize` 메서드는 평문 텍스트, 신뢰도 점수, 필요에 따라 레이아웃 정보까지 포함하는 `OcrResult`를 반환합니다. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +콘솔에는 다음과 같은 내용이 표시됩니다: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +이미지가 흐리거나 언어가 지원되지 않으면 결과가 비어 있을 수 있습니다. 이 경우 `ocrResult.getConfidence()` 값(0‑100)을 확인하여 전처리 후 재시도할지 결정하세요. + +## 전체 실행 가능한 예제 + +모든 코드를 합치면 IDE에 복사‑붙여넣기 할 수 있는 단일 Java 클래스를 얻을 수 있습니다: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** 콘솔에 `sample-image.png`에 표시된 정확한 텍스트가 출력됩니다. GPU가 활성화된 경우 일반적인 300 dpi 스캔에서 처리 시간이 몇 초(CPU)에서 1초 미만으로 크게 감소함을 확인할 수 있습니다. + +## 일반적인 질문 및 예외 상황 + +### 헤드리스 서버에서도 작동하나요? + +예. GPU 드라이버가 설치되어 있어야 하지만 디스플레이는 필요하지 않습니다. 시스템 `PATH`에 `CUDA` 툴킷(또는 해당 GPU에 맞는 툴킷)이 포함되어 있는지 확인하세요. + +### GPU가 여러 개 있고 GPU 1을 사용하고 싶다면? + +디바이스 ID를 변경하세요: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### 다른 언어의 이미지에서 텍스트를 추출하려면? + +`recognize` 호출 전에 언어를 설정하세요: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose는 30개 이상의 언어를 지원합니다; 전체 목록은 API 문서를 참고하세요. + +### 이미지에 여러 페이지가 포함되어 있으면(예: PDF를 이미지로 변환한 경우) 어떻게 하나요? + +각 페이지마다 별도의 `OcrInput` 항목을 만들거나 파일을 순회하세요: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +엔진은 결과를 순서대로 연결합니다. + +### 낮은 신뢰도 결과를 어떻게 처리하나요? + +신뢰도 점수를 확인하세요: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +일반적인 전처리 단계로는 이진화, 노이즈 감소, 300 dpi로 리사이징 등이 있습니다. + +## 성능 팁 + +- **Batch processing:** 여러 이미지를 하나의 `OcrInput`에 추가하면 GPU 컨텍스트를 반복 초기화하는 오버헤드를 줄일 수 있습니다. +- **Warm‑up:** JVM 시작 후 더미 인식을 한 번 실행하세요; 첫 호출은 드라이버 초기화 지연을 발생시킵니다. +- **Memory management:** 사용이 끝난 큰 `OcrInput` 객체(`ocrInput.clear()`)를 해제하여 GPU 메모리를 확보하세요. + +## 결론 + +이제 Java에서 Aspose OCR의 GPU 엔진을 사용해 **텍스트 이미지 인식**을 효율적으로 수행하고, 지원되는 모든 언어에서 **이미지에서 텍스트 추출**하는 방법, 그리고 다중 그래픽 카드를 사용할 때 **gpu device id 설정**하는 방법을 알게 되었습니다. 위의 완전한 실행 가능한 코드는 바로 사용할 수 있으니 라이선스와 이미지 경로만 교체하면 됩니다. + +다음 단계가 준비되셨나요? 스캔한 PDF 폴더를 처리해 보거나 다양한 `setLanguage` 옵션을 실험하고, OCR을 머신러닝 모델과 결합해 후처리해 보세요. 가능성은 무궁무진하며 GPU 가속을 통한 성능 향상으로 대규모 프로젝트도 실현 가능해집니다. + +코딩 즐겁게 하시고, 문제가 발생하면 언제든 댓글을 남겨 주세요! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/ocr-operations/_index.md b/ocr/korean/java/ocr-operations/_index.md index 339c6eca7..4c305018b 100644 --- a/ocr/korean/java/ocr-operations/_index.md +++ b/ocr/korean/java/ocr-operations/_index.md @@ -80,6 +80,15 @@ Aspose.OCR 로 Java에서 OCR의 힘을 활용하세요. PDF 문서의 텍스트 Aspose.OCR 로 Java에서 강력한 텍스트 인식을 구현하세요. TIFF 이미지의 텍스트를 손쉽게 인식하고, 원활한 OCR 경험을 위해 지금 다운로드하세요. ### [Aspose OCR을 사용한 텍스트 이미지 인식 – 전체 Java OCR 튜토리얼](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Aspose OCR을 활용해 Java에서 텍스트 이미지 전체 인식 과정을 단계별로 안내합니다. +### [Aspose OCR을 사용한 이미지 텍스트 인식 – Java 튜토리얼](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Aspose OCR을 활용해 Java에서 이미지 파일의 텍스트를 추출하는 방법을 단계별로 안내합니다. +### [Java에서 OCR 사용 방법 – 이미지에서 텍스트를 빠르게 인식하기](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Aspose.OCR를 활용해 Java에서 이미지의 텍스트를 빠르게 추출하고 OCR 프로세스를 간단히 구현하는 단계별 가이드. +### [이미지에서 텍스트 추출 (Java) – Aspose OCR로 우르두어 텍스트 추출](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Aspose OCR을 활용해 Java에서 우르두어가 포함된 이미지의 텍스트를 정확하게 추출하는 방법을 단계별로 안내합니다. +### [Java에서 이미지로 검색 가능한 PDF 만들기 – 단계별 가이드](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +### [Java에서 OCR 사용 방법 – Aspose.OCR로 PDF에서 텍스트 추출](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Aspose.OCR를 활용해 Java에서 PDF 파일의 텍스트를 추출하고 검색 가능한 문서를 만드는 방법을 단계별로 안내합니다. ## 자주 묻는 질문 diff --git a/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..bfe96d187 --- /dev/null +++ b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-02-17 +description: '검색 가능한 PDF를 빠르게 만들기: Aspose OCR과 PDF 저장 옵션을 사용해 이미지에서 PDF를 만드는 방법을 배우고, + 이미지를 몇 분 만에 검색 가능한 PDF로 변환하세요.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: ko +og_description: Aspose OCR을 사용하여 Java에서 검색 가능한 PDF를 만들기. 이 가이드는 이미지에서 PDF를 생성하고, PDF + 저장 옵션을 구성하며, 완전한 검색 가능한 문서를 얻는 방법을 보여줍니다. +og_title: Java에서 이미지로 검색 가능한 PDF 만들기 – 완전 튜토리얼 +tags: +- Aspose OCR +- Java +- PDF generation +title: Java에서 이미지로 검색 가능한 PDF 만들기 – 단계별 가이드 +url: /ko/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 이미지에서 검색 가능한 PDF 만들기 – 단계별 가이드 + +스캔한 사진에서 **검색 가능한 PDF**를 만들어야 하는데 어떤 API를 선택해야 할지 몰라 고민한 적 있나요? 처음에 비트맵을 실제로 검색할 수 있는 PDF로 변환하려고 할 때 많은 개발자가 이 벽에 부딪힙니다. 좋은 소식은? Aspose OCR을 사용하면 몇 줄의 코드만으로도 원본 이미지와 똑같이 보이면서 텍스트 검색이 가능한 PDF를 만들 수 있다는 것입니다. + +이 튜토리얼에서는 전체 과정을 단계별로 살펴봅니다: 라이선스 로드, 이미지(또는 다중 페이지 TIFF)를 OCR 엔진에 전달, **pdf 저장 옵션** 조정, 그리고 최종적으로 **이미지를 검색 가능한 PDF**로 저장. 끝까지 따라오면 몇 초 만에 검색 가능한 PDF를 생성하는 완전한 Java 프로그램을 얻을 수 있습니다. 문서만 찾아보는 “짧은 팁”이 아니라 실행 가능한 전체 예제입니다. + +## 배울 내용 + +- **이미지를 PDF로 변환**하고 검색을 위한 숨겨진 텍스트 레이어를 삽입하는 방법. +- 최적의 파일 크기와 정확성을 위해 활성화해야 할 **pdf 저장 옵션**. +- 흔히 발생하는 문제(예: 라이선스 누락, 지원되지 않는 이미지 형식)와 회피 방법. +- 출력 파일이 실제로 검색 가능한지 확인하는 방법(Adobe Reader로 간단히 테스트). + +**전제 조건:** Java 8 이상, Aspose OCR JAR을 가져올 Maven 또는 Gradle, 그리고 유효한 Aspose OCR 라이선스 파일. 라이선스가 아직 없다면 Aspose 웹사이트에서 무료 체험판을 요청할 수 있습니다. + +--- + +## Step 1 – Aspose OCR 라이선스 로드 (PDF를 안전하게 만드는 방법) + +OCR 엔진이 작업을 시작하기 전에 라이선스가 필요합니다. 그렇지 않으면 워터마크가 있는 페이지가 생성됩니다. `Aspose.OCR.lic` 파일을 접근 가능한 위치에 두고 `License` 클래스로 지정합니다. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **프로 팁:** 라이선스 파일을 소스‑컨트롤 디렉터리 밖에 두어 실수로 커밋되는 것을 방지하세요. + +--- + +## Step 2 – OCR 입력 준비 (이미지를 PDF로 변환) + +Aspose OCR은 하나 이상의 이미지를 담을 수 있는 `OcrInput` 객체를 받습니다. 여기서는 단일 PNG를 추가하지만, 다중 페이지 TIFF를 넣어 배치 처리할 수도 있습니다. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **왜 중요한가:** 이미지를 `OcrInput`에 추가하면 파일 처리 로직이 엔진과 분리되어, 단일 페이지든 다중 페이지든 동일한 코드를 재사용할 수 있습니다. + +--- + +## Step 3 – PDF 저장 옵션 구성 (PDF Save Options 설명) + +`PdfSaveOptions` 클래스는 최종 PDF가 어떻게 만들어질지를 제어합니다. **검색 가능한 PDF**를 만들기 위해 반드시 설정해야 할 두 플래그가 있습니다: + +1. `setCreateSearchablePdf(true)` – OCR 결과를 기반으로 숨겨진 텍스트 레이어를 삽입합니다. +2. `setEmbedImages(true)` – 원본 래스터 이미지를 그대로 포함시켜 시각적 모습을 유지합니다. + +필요에 따라 DPI, 압축, 비밀번호 보호 등도 조정할 수 있습니다. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **예외 상황:** `setCreateSearchablePdf(false)` 로 설정하면 출력은 이미지 전용 PDF가 되며 검색이 불가능합니다. 대량 배치를 자동화할 때는 이 플래그를 반드시 확인하세요. + +--- + +## Step 4 – OCR 실행 및 검색 가능한 PDF 저장 (핵심 “PDF 만들기” 로직) + +이제 모든 것을 하나로 묶습니다. `recognize` 메서드는 제공된 `OcrInput`에 대해 OCR을 수행하고, `PdfSaveOptions`를 적용한 뒤 결과를 파일에 스트리밍합니다. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### 기대 결과 + +프로그램을 실행한 뒤 `output-searchable.pdf` 를 Adobe Reader, Foxit 등任意 PDF 뷰어에서 열고 텍스트를 선택하거나 검색창에 단어를 입력해 보세요. 원래 이미지에만 있던 단어가 검색되는 것을 확인할 수 있습니다. 이것이 **검색 가능한 PDF**의 특징입니다. + +--- + +## Step 5 – 검색 레이어 검증 (빠른 QA) + +스캔 해상도가 낮으면 OCR 신뢰도가 떨어질 수 있습니다. 빠르게 확인하는 방법: + +1. PDF를 Adobe Reader에서 엽니다. +2. **Ctrl + F** 를 눌러 이미지에 포함된 단어를 입력합니다. +3. 단어가 강조 표시되면 숨겨진 텍스트 레이어가 정상 작동한 것입니다. + +검색이 되지 않으면 원본 이미지 DPI를 높이거나 `ocrEngine.getLanguage().add("eng")` 와 같이 언어별 사전을 활성화해 보세요. + +--- + +## 자주 묻는 질문 & 주의사항 + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Yes—just add each page to the same `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR will treat each frame as a separate page. | +| **What if I don’t have a license?** | The free trial works but adds a watermark on every page. The code stays the same; just use the trial `.lic` file. | +| **How large will the PDF be?** | With `setEmbedImages(true)` the file size is roughly the size of the original image plus a few kilobytes for the hidden text. You can compress images via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | By default Aspose OCR uses English. For other languages call `ocrEngine.getLanguage().add("spa")` before `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Absolutely—most mobile PDF viewers respect the hidden text layer. | + +--- + +## 보너스: 데모를 재사용 가능한 유틸리티로 만들기 + +여러 프로젝트에서 이 기능을 사용할 계획이라면 로직을 정적 헬퍼 메서드로 감싸세요: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +이제 코드베이스 어디서든 `PdfSearchableUtil.convert(...)` 를 호출하면 **이미지를 PDF로 변환**하는 작업을 한 줄로 처리할 수 있습니다. + +--- + +## 결론 + +Aspose OCR을 활용해 Java에서 이미지로부터 **검색 가능한 PDF** 파일을 만드는 데 필요한 모든 과정을 살펴보았습니다. 라이선스 로드, OCR 입력 구성, **pdf 저장 옵션** 조정, 그리고 최종 **이미지를 검색 가능한 PDF**로 저장하는 전체 흐름을 제공했으니, 복사‑붙여넣기만으로 바로 사용할 수 있습니다. + +다음 단계로는 다양한 이미지 형식 실험, DPI 조정, `PdfSaveOptions` 로 비밀번호 보호 추가 등을 시도해 보세요. 폴더에 있는 스캔 파일들을 순회하면서 배치 처리로 각각 검색 가능한 PDF를 생성하는 것도 좋은 연습이 될 것입니다. + +이 가이드가 도움이 되었다면 GitHub에 별을 달거나 아래 댓글로 의견을 남겨 주세요. 즐거운 코딩 되시고, 지루한 스캔을 완전 검색 가능한 문서로 바꾸는 재미를 만끽하시길 바랍니다! + +![검색 가능한 PDF 예시 스크린샷](placeholder-image.png "검색 가능한 PDF 예시") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..6ba604eb3 --- /dev/null +++ b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Java에서 OCR을 사용하여 PDF에서 텍스트를 추출하고, PDF를 이미지로 변환하며, Aspose.OCR을 이용해 스캔된 + PDF 파일에 OCR을 수행하는 방법. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: ko +og_description: Java에서 OCR을 사용해 PDF 파일의 텍스트를 추출하는 방법. PDF를 이미지로 변환하고 Aspose.OCR로 스캔된 + PDF를 인식하는 방법을 배워보세요. +og_title: Java에서 OCR을 사용하는 방법 – 완전 가이드 +tags: +- OCR +- Java +- Aspose +title: Java에서 OCR 사용 방법 – Aspose.OCR로 PDF에서 텍스트 추출 +url: /ko/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java에서 OCR 사용 방법 – Aspose.OCR로 PDF에서 텍스트 추출 + +스캔된 PDF를 검색 가능한 텍스트로 변환하기 위해 **OCR을 어떻게 사용하는지** 궁금했던 적 있나요? 당신만 그런 것이 아닙니다. 대부분의 개발자는 PDF가 이미지 묶음으로 들어올 때 벽에 부딪히며, 일반적인 텍스트 추출기는 아무 결과도 반환하지 못합니다. 좋은 소식은? 몇 줄의 Java 코드와 Aspose.OCR만 있으면 **PDF에서 텍스트 추출**, **PDF를 이미지로 변환**, **스캔된 PDF 인식**을 하나의 간편한 워크플로우로 수행할 수 있다는 것입니다. + +이 튜토리얼에서는 라이선스 적용부터 최종 결과 출력까지 알아야 할 모든 것을 단계별로 안내합니다. 끝까지 따라오면 스캔된 보고서, 청구서, 전자책 등 어떤 PDF에서도 순수 텍스트를 추출하는 실행 가능한 프로그램을 얻게 됩니다. 외부 서비스도, 마법도 필요 없습니다—오직 여러분이 제어하는 순수 Java 코드만 있습니다. + +## 필요 사항 + +- **Java Development Kit (JDK) 8+** – 최신 버전이면 모두 사용 가능. +- **Aspose.OCR for Java** JAR (Aspose 웹사이트에서 다운로드). +- **유효한 Aspose.OCR 라이선스 파일** (`Aspose.OCR.lic`). 무료 체험판도 동작하지만, 라이선스를 적용하면 정확도가 완전해집니다. +- **샘플 스캔 PDF** (예: `scanned-report.pdf`). +- IDE 혹은 간단한 텍스트 편집기와 터미널. + +이것만 있으면 됩니다. Maven, Gradle, 추가 의존성은 필요 없으며, 클래스패스에 Aspose.OCR JAR만 있으면 됩니다. + +![OCR 사용 예시](image-placeholder.png "OCR 사용 예시") + +## Step 1 – Aspose.OCR 라이선스 로드 (왜 중요한가) + +엔진이 최대 성능으로 동작하려면 라이선스 파일 위치를 알려줘야 합니다. 이 단계를 건너뛰면 라이브러리가 평가 모드로 전환되어 출력에 워터마크가 삽입되고 정확도가 제한될 수 있습니다. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**작동 원리:** `License` 클래스가 `.lic` 파일을 읽어 전역에 등록합니다. 한 번 설정하면 이후에 생성하는 모든 `OcrEngine`이 자동으로 라이선스 기능을 사용합니다. + +## Step 2 – OCR 엔진 생성 (마법을 구동하는 엔진) + +`OcrEngine` 인스턴스는 이미지를 스캔하고 텍스트를 출력하는 핵심 작업자입니다. 픽셀 패턴을 해석하는 두뇌라고 생각하면 됩니다. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**팁:** 언어, 신뢰도 임계값을 조정하거나 엔진 속성을 통해 GPU 가속을 활성화할 수 있습니다. 대부분의 영어 PDF에서는 기본값으로 충분합니다. + +## Step 3 – 입력 준비: PDF 추가 (내부적으로 PDF를 이미지로 변환) + +Aspose.OCR은 PDF의 각 페이지를 이미지로 취급합니다. `addPdf`를 호출하면 라이브러리가 각 페이지를 조용히 래스터화하는데, 이는 인식 전에 **PDF를 이미지로 변환**하는 정확히 필요한 작업입니다. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**무슨 일이 일어나나요:** +- PDF가 열립니다. +- 각 페이지가 300 dpi(기본값)로 렌더링되어 문자 디테일을 보존합니다. +- 렌더링된 비트맵 객체가 `OcrInput` 컬렉션에 저장됩니다. + +디버깅이나 사용자 정의 전처리를 위해 원본 이미지를 직접 보고 싶다면 이 단계 이후에 `ocrInput.getPages()`를 호출하면 됩니다. + +## Step 4 – OCR 프로세스 실행 (PDF에 OCR 수행) + +이제 본격적인 작업이 시작됩니다. `recognize` 메서드는 모든 이미지를 순회하면서 인식 알고리즘을 실행하고 결과를 `OcrResult`에 집계합니다. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**왜 신경 써야 할까:** `OcrResult`에는 순수 텍스트뿐 아니라 신뢰도 점수, 경계 상자, 원본 이미지 참조가 포함됩니다. 대부분의 경우 `getText()`만 사용하면 됩니다. + +## Step 5 – 추출된 텍스트 가져와서 표시 + +마지막으로 결과에서 순수 텍스트 문자열을 꺼내 콘솔에 출력합니다. 파일에 저장하거나 검색 인덱스에 전달하거나 후속 NLP 파이프라인에 넣을 수도 있습니다. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### 예상 출력 + +`scanned-report.pdf`에 간단한 문단이 포함되어 있다면 다음과 같은 결과가 표시됩니다: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +원본 레이아웃을 가능한 한 그대로 유지하면서 줄 바꿈을 보존합니다. + +## 일반적인 엣지 케이스 처리 + +### 1. 다국어 PDF + +문서에 프랑스어나 스페인어 텍스트가 포함된 경우 `recognize` 호출 전에 언어를 설정합니다: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +엔진이 자동 감지하도록 언어 배열을 전달할 수도 있습니다. + +### 2. 저해상도 스캔 + +150 dpi 스캔을 다룰 때는 내부 렌더링 DPI를 높입니다: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +DPI를 높이면 문자 선명도가 개선되지만 메모리 사용량이 증가합니다. + +### 3. 대용량 PDF (메모리 관리) + +수십 페이지에 달하는 PDF는 배치 처리합니다: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +이 방법은 JVM 힙이 과도하게 커지는 것을 방지합니다. + +## 전체 실행 가능한 예제 + +아래는 import와 라이선스 처리를 포함한 완전한 프로그램 코드이며, 복사‑붙여넣기만 하면 바로 실행할 수 있습니다. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +다음 명령으로 실행합니다: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +콘솔에 추출된 텍스트가 출력되는 것을 확인할 수 있습니다. + +## 정리 – 다룬 내용 + +- Aspose.OCR를 사용한 **Java에서 OCR 활용 방법**. +- **PDF에서 텍스트 추출** 워크플로우. +- 라이브러리가 내부적으로 **PDF를 이미지로 변환**한 뒤 문자 인식을 수행한다는 점. +- 다국어, 저해상도 스캔, 대용량 문서에 대한 **OCR 수행 팁**. +- 어떤 Java 프로젝트에도 바로 넣을 수 있는 **완전한 실행 코드 샘플**. + +## 다음 단계 및 관련 주제 + +이제 **스캔된 PDF 인식**이 가능해졌으니 다음 아이디어들을 고려해 보세요: + +- **검색 가능한 PDF 생성** – OCR 텍스트를 원본 PDF에 오버레이하여 검색 가능한 문서를 만들기. +- **배치 처리 서비스** – 코드를 Spring Boot 마이크로서비스로 감싸서 REST를 통해 PDF를 받아 처리하기. +- **Elasticsearch 연동** – 추출된 텍스트를 색인하여 문서 저장소 전체에 대한 빠른 전체 텍스트 검색 구현하기. +- **이미지 전처리** – OpenCV를 사용해 페이지를 기울기 보정하거나 노이즈 제거 후 OCR을 수행해 정확도 극대화하기. + +위 주제들은 모두 이번에 배운 핵심 개념을 기반으로 하므로, 자유롭게 실험해 보면서 OCR 엔진이 무거운 작업을 대신하도록 해보세요. + +--- + +*코딩 즐겁게! 라이선스 오류나 예상치 못한 null 결과 등 문제가 발생하면 아래에 댓글을 남겨 주세요. 언제든 디버깅을 도와드리겠습니다.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..e242bc407 --- /dev/null +++ b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Java에서 OCR을 사용해 이미지 파일의 텍스트를 인식하고, PNG 영수증에서 텍스트를 추출하며, Aspose OCR로 영수증을 + JSON으로 변환하는 방법을 배워보세요. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: ko +og_description: 이미지에서 텍스트를 인식하고, PNG 영수증에서 텍스트를 추출하며, 영수증을 JSON으로 변환하는 Java OCR 사용 + 방법에 대한 단계별 가이드. +og_title: Java에서 OCR 사용 방법 – 이미지에서 텍스트 인식 +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Java에서 OCR 사용 방법 – 이미지에서 텍스트를 빠르게 인식하기 +url: /ko/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java에서 OCR 사용 방법 – 이미지에서 텍스트를 빠르게 인식하기 + +영수증 사진에서 텍스트를 추출하는 **how to use OCR**가 궁금하셨나요? 몇몇 온라인 도구를 사용해 보았지만 문자 깨짐이나 파싱할 수 없는 형식이 나왔을 수도 있습니다. 좋은 소식은 몇 줄의 Java 코드만으로 이미지 파일에서 **recognize text from image**를 수행하고, PNG 영수증에서 **extract text from PNG**를 추출하며, 심지어 **convert receipt to JSON**까지 할 수 있다는 것입니다. + +이 튜토리얼에서는 Aspose OCR 라이브러리 라이선스 적용부터 데이터베이스나 머신러닝 모델에 전달할 수 있는 깔끔한 JSON 페이로드를 얻는 전체 워크플로우를 단계별로 살펴봅니다. 불필요한 내용은 없으며, IDE에 복사‑붙여넣기만 하면 바로 실행할 수 있는 실용적인 예제를 제공합니다. 마지막에는 `receipt.png` 를 입력받아 바로 사용할 수 있는 JSON 문자열을 출력하는 독립 실행형 프로그램을 완성하게 됩니다. + +## 필요 사항 + +- **Java Development Kit (JDK) 8+** – 최신 버전이면 모두 동작합니다. +- **Aspose OCR for Java** 라이브러리 (Maven 아티팩트는 `com.aspose:aspose-ocr`). +- 유효한 **Aspose OCR 라이선스 파일** (`Aspose.OCR.lic`). 무료 체험판으로 테스트는 가능하지만 정식 라이선스를 사용하면 평가 제한이 해제됩니다. +- 읽고자 하는 텍스트가 포함된 이미지 파일(PNG, JPEG 등) – 여기서는 `receipt.png` 라고 부르고, 알려진 폴더에 배치합니다. +- 선호하는 IDE(IntelliJ IDEA, Eclipse, VS Code…) – 자유롭게 선택하세요. + +> **Pro tip:** 라이선스 파일을 소스 폴더 밖에 두고 절대 경로나 상대 경로로 참조하면 버전 관리에 커밋되는 것을 방지할 수 있습니다. + +이제 전제 조건이 명확해졌으니 실제 코드로 들어가 보겠습니다. + +## OCR 사용 방법 – 핵심 단계 + +아래는 우리가 수행할 작업의 고수준 개요입니다: + +1. **Aspose OCR 라이브러리를 로드하고 라이선스를 적용**합니다. +2. **`OcrEngine` 인스턴스를 생성**합니다 – 무거운 작업을 담당하는 엔진입니다. +3. **`OcrInput` 객체를 준비**하여 처리할 이미지를 지정합니다. +4. **`ResultFormat.JSON` 으로 `recognize` 를 호출**하여 추출된 텍스트의 JSON 표현을 얻습니다. +5. **JSON 출력 결과를 처리**합니다 – 콘솔에 출력하거나 파일에 저장하거나 추가 파싱을 수행합니다. + +각 단계는 아래 섹션에서 자세히 설명합니다. + +## Step 1 – Install Aspose OCR and Apply Your License + +먼저 Maven을 사용한다면 `pom.xml` 에 Aspose OCR 의존성을 추가합니다: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +이제 Java 코드에서 라이선스를 로드합니다. 이 단계는 필수이며, 라이선스가 없으면 라이브러리가 평가 모드로 실행되어 출력에 워터마크가 삽입될 수 있습니다. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** `License` 객체는 OCR 엔진에 전체 기능 세트를 사용할 권한이 있음을 알려줍니다. 여기에는 고정밀 인식 및 JSON 내보내기가 포함됩니다. 이 단계를 건너뛰면 **recognize text from image**는 가능하지만 결과가 제한될 수 있습니다. + +## Step 2 – Create the OCR Engine Instance + +`OcrEngine` 클래스는 모든 OCR 작업의 진입점입니다. 픽셀을 읽고 어떤 문자를 나타내는지 판단하는 “두뇌”라고 생각하면 됩니다. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +엔진은 나중에 언어 설정, 디스키유(기울기 보정) 활성화 등으로 커스터마이징할 수 있습니다. 영수증이 라틴 문자 외의 스크립트를 사용하거나 각도가 기울어져 있을 경우에 유용합니다. 대부분 미국 기반 영수증은 기본 설정으로 충분합니다. + +## Step 3 – Load the Image You Want to Process + +이제 OCR 엔진이 영수증 파일을 가리키도록 설정합니다. `OcrInput` 클래스는 여러 이미지를 받을 수 있지만, 이번 튜토리얼에서는 단일 PNG 파일만 사용합니다. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +대량으로 **extract text from PNG** 파일을 처리해야 한다면 `input.add()` 를 반복 호출하거나 파일 경로 리스트를 전달하면 됩니다. + +## Step 4 – Recognize Text and Convert Receipt to JSON + +튜토리얼의 핵심 부분입니다. 엔진에 텍스트 인식을 요청하고 결과를 JSON 형식으로 반환하도록 합니다. `ResultFormat.JSON` 플래그가 모든 무거운 작업을 대신 수행합니다. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON 페이로드에는 인식된 각 라인, 경계 상자, 신뢰도 점수, 원시 텍스트가 포함됩니다. 이 구조 덕분에 **convert receipt to JSON** 후 어떤 다운스트림 API에도 손쉽게 전달할 수 있습니다. + +## Step 5 – Put It All Together and Run the Program + +아래는 모든 코드를 하나로 묶은 완전한 Java 클래스입니다. `JsonExportDemo.java`(또는 원하는 이름) 로 저장하고 IDE 혹은 커맨드 라인에서 실행하세요. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Expected Output + +프로그램을 실행하면 다음과 유사한 JSON 문자열이 출력됩니다(내용은 영수증에 따라 달라집니다). + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +이제 이 JSON을 데이터베이스, REST 엔드포인트, 혹은 데이터 분석 파이프라인에 바로 전달할 수 있습니다. **convert receipt to JSON** 단계는 이미 완료되었습니다. + +## Common Questions and Edge Cases + +### 이미지가 회전된 경우는 어떻게 하나요? + +Aspose OCR은 가벼운 회전을 자동으로 감지하고 보정합니다. 심하게 기울어진 이미지의 경우 인식 전에 `engine.getImagePreprocessingOptions().setDeskew(true)` 를 호출하세요. + +### 여러 언어를 처리하려면 어떻게 하나요? + +`engine.getLanguage()` 를 사용해 원하는 언어를 설정합니다. 예: `engine.setLanguage(Language.FRENCH)`. 다국어 영수증에서 **recognize text from image** 를 수행할 때 유용합니다. + +### JSON 대신 일반 텍스트를 출력하고 싶다면? + +당연히 가능합니다. `ResultFormat.JSON` 을 `ResultFormat.TEXT` 로 바꾸고 `result.getText()` 를 호출하면 됩니다. + +### OCR 범위를 특정 영역으로 제한할 수 있나요? + +네. `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` 를 사용해 영수증 영역만 지정하면 속도와 정확도가 향상됩니다. + +## Pro Tips for Production‑Ready OCR + +- **라이선스 객체를 캐시**하세요. 파일을 반복 처리할 때 매번 생성하면 오버헤드가 발생합니다. +- **배치 처리**: 모든 영수증 경로를 하나의 `OcrInput` 에 로드하고 한 번에 `recognize` 를 호출합니다. JSON에는 페이지 배열이 포함되어 각 페이지마다 라인이 들어갑니다. +- **JSON 검증**: 문자열을 얻은 뒤 Jackson 같은 라이브러리로 파싱해 형식이 올바른지 확인한 뒤 저장하세요. +- **신뢰도 모니터링**: JSON에 라인별 `confidence` 필드가 있습니다. 0.85 이하의 라인은 필터링해 잡음 데이터를 방지하세요. +- **라이선스 보안**: 클라우드 배포 시 `Aspose.OCR.lic` 를 보안 금고나 환경 변수에 저장해 안전하게 관리하세요. + +## Conclusion + +우리는 **how to use OCR** 를 Java에서 활용해 **recognize text from image**, **extract text from PNG** 영수증을 수행하고 **convert receipt to JSON** 으로 변환하는 전체 과정을 간결하고 실행 가능한 예제로 다뤘습니다. 단계는 직관적이며 코드는 바로 실행 가능하고, JSON 출력은 어떤 다운스트림 시스템에도 바로 사용할 수 있는 구조화된 형태를 제공합니다. + +다음 단계로는 JSON을 Apache Kafka 로 스트리밍하거나 정규식으로 라인 아이템 합계를 추출하거나, 클라우드 OCR 서비스와 연동해 확장성을 높이는 시나리오를 탐색해 볼 수 있습니다. 어떤 길을 선택하든 지금 배운 기본 원리는 변함없이 적용됩니다. + +궁금한 점이나 진행 중 문제가 발생했다면 아래에 댓글을 남겨 주세요. 함께 해결해 봅시다. 즐거운 코딩 되시고, 지저분한 영수증 이미지를 깨끗하고 검색 가능한 데이터로 바꾸는 경험을 만끽하세요! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/korean/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..1db596b89 --- /dev/null +++ b/ocr/korean/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: '이미지에서 텍스트 추출 Java 튜토리얼: Aspose OCR을 사용하여 이미지에서 우르두어 텍스트를 추출하는 방법을 배웁니다. + 완전한 Java OCR 예제가 포함되어 있습니다.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: ko +og_description: 이미지에서 텍스트를 추출하는 Java 튜토리얼은 Aspose OCR을 사용하여 이미지에서 우르두어 텍스트를 추출하는 방법을 + 보여줍니다. 전체 Java OCR 예제를 단계별로 따라하세요. +og_title: '이미지에서 텍스트 Java: Aspose OCR로 우르두어 텍스트 추출' +tags: +- OCR +- Java +- Aspose +title: '이미지에서 텍스트 Java: Aspose OCR로 우르두어 텍스트 추출' +url: /ko/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 이미지에서 텍스트 추출 Java: Aspose OCR로 Urdu 텍스트 추출 + +Urdu 문서에 대해 **image to text java** 변환이 필요하다면, 여기가 바로 정답입니다. 손글씨 메모나 스캔한 신문 페이지 사진에서 *텍스트를 추출하는 방법*이 궁금하셨나요? 이 가이드는 Aspose OCR을 사용해 이미지에서 바로 Urdu 문자를 추출하는 **java ocr example**을 단계별로 안내합니다. + +라이선스 설정부터 콘솔에 결과를 출력하는 방법까지 모두 다룹니다. 끝까지 따라오시면 **load image ocr** 파일을 로드하고, 언어를 Urdu로 설정한 뒤, 별도의 도구 없이 깨끗한 Unicode 출력물을 얻을 수 있습니다. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – 최신 JDK에서 모두 동작합니다. +- **Aspose.OCR for Java** JAR (Aspose 웹사이트에서 다운로드). +- 유효한 **Aspose OCR license** 파일 (`Aspose.OCR.lic`). +- Urdu 텍스트가 포함된 이미지, 예: `urdu-sample.png`. + +이 기본 사항들을 갖추면 누락된 의존성을 찾느라 시간을 낭비하지 않고 바로 코드 작성으로 넘어갈 수 있습니다. + +## image to text java – Setting Up Aspose OCR + +먼저 Aspose에 라이선스가 있음을 알려야 합니다. 라이선스가 없으면 라이브러리가 평가 모드로 실행되어 출력에 워터마크가 추가됩니다. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Why this matters:** 라이선스를 적용하면 5초 처리 제한이 해제되고 2025‑Q3에 추가된 전체 Urdu 언어 팩을 사용할 수 있습니다. 이 단계를 건너뛰면 OCR 엔진은 동작하지만 결과에 작은 “Evaluation” 태그가 표시됩니다. + +## How to Extract Text – Initialize the OCR Engine + +이제 엔진을 생성하고 Urdu에 관심이 있음을 명시합니다. `OcrLanguage.URDU` 상수는 올바른 문자 집합과 분할 규칙을 활성화합니다. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** 한 번에 여러 언어를 처리해야 할 경우, 쉼표로 구분된 리스트(e.g., `OcrLanguage.ENGLISH, OcrLanguage.URDU`)를 전달하면 엔진이 각 영역을 자동 감지합니다. + +## Load Image OCR – Preparing the Input + +Aspose는 하나 이상의 이미지를 보관할 수 있는 `OcrInput` 객체를 사용합니다. 여기서는 로컬 파일에서 **load image ocr** 데이터를 로드합니다. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** `YOUR_DIRECTORY`를 절대 경로나 프로젝트 루트 기준 상대 경로로 교체하세요. 파일을 찾지 못하면 Aspose가 `FileNotFoundException`을 발생시킵니다. `new File(path).exists()` 로 간단히 확인하면 디버깅 시간을 크게 절약할 수 있습니다. + +## Recognize the Text – Running the OCR Process + +엔진 설정과 이미지 로드가 끝났으니 이제 `recognize`를 호출합니다. 이 메서드는 추출된 문자열을 담은 `OcrResult`를 반환합니다. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** OCR 엔진은 이미지를 라인으로, 라인을 문자로 분할하고 Urdu 고유의 형태 규칙(연결 형태 등)을 적용합니다. 따라서 언어를 미리 설정하지 않으면 라틴 문자 자리표시자가 뒤섞인 결과가 나옵니다. + +## Print the Recognized Urdu Text + +마지막 단계는 결과를 콘솔에 출력하는 것입니다. Urdu는 오른쪽에서 왼쪽으로 쓰이는 스크립트이므로 콘솔이 Unicode를 지원하는지 확인하세요(대부분 최신 터미널은 지원합니다). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +문자 대신 물음표나 빈 문자열이 보이면 콘솔 인코딩이 UTF‑8인지 확인하세요(`Windows`에서는 `chcp 65001`, Java 실행 시 `-Dfile.encoding=UTF-8` 옵션). + +## Full Working Example – All Steps in One Place + +아래는 복사‑붙여넣기만 하면 바로 실행 가능한 전체 프로그램입니다. 외부 참조 없이 단일 Java 파일만 있으면 됩니다. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +다음 명령으로 실행합니다: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +다운로드한 JAR 버전(`23.10`)을 실제 사용 중인 버전으로 교체하세요. 콘솔에 PNG에서 추출한 Urdu 문장이 표시됩니다. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | 이미지가 너무 어둡거나 해상도가 낮음. | `BufferedImage`를 사용해 대비를 높이고 이진화하는 등 사전 처리 후 Aspose에 전달합니다. | +| **Garbage characters** | 언어 설정이 잘못됨(기본은 English). | `recognize` 호출 전에 `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` 를 반드시 호출합니다. | +| **License not found** | 경로 오타 또는 파일 누락. | 절대 경로를 사용하거나 `.lic` 파일을 클래스패스에 두고 `license.setLicense("Aspose.OCR.lic");` 를 호출합니다. | +| **Out‑of‑memory on large images** | 큰 PNG 파일이 힙을 과다 사용. | `ocrEngine.setMaxImageSize(2000);` 로 내부 다운스케일을 적용하거나 직접 이미지 크기를 조정합니다. | + +## Extending the Demo + +- **Batch processing:** 폴더를 순회하면서 각 파일을 동일 `OcrInput`에 추가하고 결과를 CSV로 수집합니다. +- **Different languages:** `OcrLanguage.URDU`를 `OcrLanguage.ARABIC`으로 교체하거나 여러 언어를 동시에 지정합니다. +- **Saving to file:** `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` 를 사용해 결과를 파일에 저장합니다. + +이 모든 아이디어는 방금 만든 **java ocr example**을 기반으로 하며, 실제 프로젝트에 맞게 솔루션을 맞춤화할 수 있습니다. + +## Conclusion + +이제 Aspose OCR을 활용해 이미지에서 Urdu 문자를 추출하는 견고한 **image to text java** 워크플로우를 갖추었습니다. 라이선스 적용, 언어 선택, 이미지 로드, 결과 출력까지 모든 단계를 다루었으니 코드를 어떤 Java 프로젝트에든 붙여넣고 바로 동작을 확인할 수 있습니다. + +다음으로는 더 큰 PDF, 다른 스크립트, 혹은 OCR 단계를 Spring Boot REST 엔드포인트에 통합해 보는 것을 시도해 보세요. 동일한 원칙—**how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/korean/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/korean/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..ffc63120d --- /dev/null +++ b/ocr/korean/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR Java 라이브러리를 사용하여 이미지에서 텍스트를 인식하고 OCR을 위해 이미지를 로드하는 방법을 배웁니다. + 맞춤법 교정기가 포함된 단계별 가이드. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: ko +og_description: Aspose OCR Java를 사용하여 이미지에서 텍스트를 인식합니다. 이 튜토리얼에서는 OCR을 위해 이미지를 로드하고, + 맞춤법 교정을 활성화하며, 정제된 텍스트를 출력하는 방법을 보여줍니다. +og_title: 이미지에서 텍스트 인식 – 완전한 Aspose OCR Java 가이드 +tags: +- Java +- OCR +- Aspose +title: Aspose OCR을 사용하여 이미지에서 텍스트 인식 – Java 튜토리얼 +url: /ko/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR – Java 튜토리얼로 이미지에서 텍스트 인식하기 + +이미지에서 **텍스트를 인식**해야 하는데 어떤 라이브러리를 골라야 할지 고민했던 적 있나요? 혼자가 아닙니다. 실제 프로젝트—예를 들어 청구서 스캔, 손글씨 메모 디지털화, 스크린샷에서 캡션 추출 등—에서 정확한 OCR 결과는 매우 중요합니다. + +이 가이드에서는 이미지를 OCR에 로드하고, Aspose OCR의 내장 맞춤법 교정기를 활성화한 뒤, 정제된 텍스트를 출력하는 과정을 단계별로 살펴봅니다. 마지막에는 몇 줄의 코드만으로 **이미지에서 텍스트를 인식**할 수 있는 실행 가능한 Java 프로그램을 얻게 됩니다. + +## 이 튜토리얼에서 다루는 내용 + +- Aspose OCR 라이선스를 적용하는 방법(데모에 워터마크가 표시되지 않도록) +- `OcrEngine` 인스턴스를 생성하고 인식 언어를 영어로 설정하는 방법 +- **OCR용 이미지 로드**를 `OcrInput`으로 수행하고, 오타가 포함된 PNG 파일을 지정하는 방법 +- 맞춤법 교정기를 활성화하고, 필요 시 사용자 정의 사전을 지정하는 방법 +- 인식을 실행하고 교정된 결과를 출력하는 방법 + +외부 서비스 없이, 숨겨진 설정 파일 없이—순수 Java와 Aspose OCR JAR만 사용합니다. + +> **Pro tip:** Aspose를 처음 사용한다면 Aspose 웹사이트에서 30일 무료 체험 라이선스를 받아 `.lic` 파일을 코드에서 참조할 수 있는 폴더에 넣어두세요. + +## 사전 요구 사항 + +- Java 8 이상(코드는 JDK 11에서도 컴파일됩니다) +- 클래스패스에 Aspose.OCR for Java JAR +- 유효한 `Aspose.OCR.lic` 파일(평가 모드로 실행할 수도 있지만, 데모에 워터마크가 삽입됩니다) +- 의도적으로 철자가 틀린 텍스트가 포함된 이미지 파일(`misspelled.png`)—맞춤법 교정기를 테스트하기에 최적 + +모두 준비됐나요? 좋습니다—시작해봅시다. + +## 1단계: Aspose OCR 라이선스 적용하기 + +엔진이 무거운 작업을 수행하기 전에 라이선스가 적용되어야 합니다. 그렇지 않으면 출력에 “Trial version” 배너가 표시됩니다. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*왜 중요한가:* 라이선스를 적용하면 평가용 워터마크가 사라지고 전체 맞춤법 교정 사전이 활성화됩니다. 이 단계를 건너뛰면 출력에 “Aspose OCR Demo” 텍스트가 섞여 나옵니다. + +## 2단계: OCR 엔진 생성 및 구성 + +이제 엔진을 초기화하고 사용할 언어를 지정합니다. 영어가 가장 일반적이지만 Aspose는 수십 개 언어를 지원합니다. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*언어를 설정하는 이유:* 언어 모델은 문자 집합을 결정하고 맞춤법 교정 제안에 영향을 줍니다. 잘못된 언어를 사용하면 정확도가 크게 떨어질 수 있습니다. + +## 3단계: 맞춤법 교정기 활성화 및 (선택) 사용자 정의 사전 지정 + +Aspose OCR에는 기본 영어 사전이 포함되어 있지만, 도메인 특화 용어(예: 의료 용어, 제품 코드)가 있다면 직접 사전을 제공할 수 있습니다. + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*교정기가 하는 일:* OCR 엔진이 사전에 없는 단어를 발견하면 가장 근접한 후보로 교체합니다. 그래서 데모가 “recieve”를 자동으로 “receive”로 바꿀 수 있는 것입니다. + +## 4단계: OCR용 이미지 로드 + +바로 **OCR용 이미지 로드**에 해당하는 부분입니다. `OcrInput` 객체를 만들고 PNG 파일을 추가합니다. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*`OcrInput`을 사용하는 이유:* 파일 읽기 로직을 추상화하고, 필요 시 다중 페이지 PDF나 여러 이미지 세트를 처리하도록 여러 페이지를 추가할 수 있습니다. + +## 5단계: 인식 실행 및 교정된 텍스트 가져오기 + +이제 엔진이 실제 작업을 수행합니다—문자를 인식하고, 언어 모델을 적용하고, 마지막으로 맞춤법을 교정합니다. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*예상 출력:* `misspelled.png`에 “Ths is a smple test”라는 문구가 들어 있다고 가정하면 콘솔에 다음과 같이 출력됩니다. + +``` +Corrected text: +This is a simple test +``` + +오타(`Ths`, `smple`)가 자동으로 수정된 것을 확인할 수 있습니다. + +## 전체 실행 가능한 예제 + +아래는 하나의 블록에 정리한 전체 프로그램입니다. 복사·붙여넣기 후 경로만 수정하고 **Run**을 눌러 실행하세요. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** PNG 대신 JPEG이나 BMP를 처리하려면 파일 확장자만 바꾸면 됩니다—Aspose OCR은 모든 일반 래스터 포맷을 지원합니다. + +## 자주 묻는 질문 및 예외 상황 + +- **이미지 해상도가 낮으면 어떻게 해야 하나요?** + `java.awt.Image`와 같은 라이브러리를 사용해 DPI를 높인 뒤 Aspose에 전달하세요. 높은 DPI는 엔진에 더 많은 픽셀을 제공해 정확도를 보통 향상시킵니다. + +- **한 이미지에 여러 언어를 인식할 수 있나요?** + 가능합니다. `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);`를 호출하고, 필요에 따라 `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`와 같이 언어 목록을 추가하면 됩니다. + +- **내 사용자 정의 사전이 적용되지 않아요—왜죠?** + 사전 폴더에 한 줄에 하나씩 단어가 적힌 텍스트 파일이 있어야 하며, 경로가 절대 경로나 작업 디렉터리에 대해 올바르게 지정되어 있는지 확인하세요. + +- **신뢰도 점수를 추출하려면 어떻게 하나요?** + `result.getConfidence()`는 전체 페이지에 대해 0 ~ 1 사이의 부동소수점 값을 반환합니다. 문자별 신뢰도는 `result.getWordList()`를 탐색하면 얻을 수 있습니다. + +## 결론 + +이제 Aspose OCR for Java를 사용해 **이미지에서 텍스트를 인식**하고, **OCR용 이미지 로드**하는 방법과 맞춤법 교정기를 통해 일반적인 오타를 정리하는 방법을 알게 되었습니다. 위의 완전한 예제는 Maven이나 Gradle 프로젝트에 바로 넣어 사용할 수 있으며, 약간의 수정만으로 폴더 일괄 처리, 웹 서비스 연동, 문서 관리 시스템 통합 등으로 확장할 수 있습니다. + +다음 단계가 궁금하신가요? 다중 페이지 PDF를 시도해 보거나, 산업 특화 용어를 위한 사용자 정의 사전을 실험해 보세요. 혹은 출력 결과를 번역 API에 연결해 보는 것도 좋습니다. 핵심 흐름—라이선스 → 엔진 → 언어 → 맞춤법 교정기 → 입력 → 인식 → 출력—은 언제나 동일합니다. + +코딩 즐겁게, OCR 결과가 언제나 정확하길 바랍니다! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/advanced-ocr-techniques/_index.md b/ocr/polish/java/advanced-ocr-techniques/_index.md index 22b1b6739..723890aef 100644 --- a/ocr/polish/java/advanced-ocr-techniques/_index.md +++ b/ocr/polish/java/advanced-ocr-techniques/_index.md @@ -45,6 +45,9 @@ Wzmocnij swoje aplikacje Java za pomocą Aspose.OCR w celu precyzyjnego rozpozna Bez wysiłku wyodrębniaj tekst z obrazów, określając dozwolone znaki za pomocą Aspose.OCR dla Java. Postępuj zgodnie z naszym przewodnikiem krok po kroku, aby uzyskać efektywną integrację i zapewnić płynne rozpoznawanie tekstu. Ulepsz swoje aplikacje Java dzięki możliwościom Aspose.OCR. +## [Rozpoznawanie obrazu tekstowego przy użyciu Aspose OCR GPU w Javie](./recognize-text-image-using-aspose-ocr-gpu-java/) +Wykorzystaj moc GPU w Aspose OCR, aby szybko i dokładnie rozpoznawać tekst na obrazach w aplikacjach Java. + ## Wniosek Dzięki Aspose.OCR dla Java opanowanie zaawansowanych technik OCR nigdy nie było łatwiejsze. Zapoznaj się z tymi samouczkami i odblokuj pełny potencjał rozpoznawania tekstu w swoich projektach Java. Ulepsz swoje aplikacje dzięki płynnej integracji, wysokiej dokładności i wszechstronnym możliwościom wyodrębniania tekstu. Pobierz teraz i zrób pierwszy krok w kierunku doskonałości OCR dzięki Aspose.OCR dla Java! @@ -61,9 +64,18 @@ Odblokuj moc rozpoznawania tekstu dzięki Aspose.OCR dla Java. Postępuj zgodnie Wzmocnij swoje aplikacje Java za pomocą Aspose.OCR w celu precyzyjnego rozpoznawania tekstu. Łatwa integracja, wysoka dokładność. ### [Określanie dozwolonych znaków w Aspose.OCR](./specify-allowed-characters/) Odblokuj płynnie wyodrębnianie tekstu z obrazów za pomocą Aspose.OCR dla Java. Postępuj zgodnie z naszym przewodnikiem krok po kroku, aby zapewnić skuteczną integrację. +### [Rozpoznawanie obrazu tekstowego przy użyciu Aspose OCR GPU w Javie](./recognize-text-image-using-aspose-ocr-gpu-java/) +Wykorzystaj moc GPU w Aspose OCR, aby szybko i dokładnie rozpoznawać tekst na obrazach w aplikacjach Java. +### [Stała pula wątków w Javie – równoległy OCR dla PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Wykorzystaj stałą pulę wątków w Javie, aby równolegle przetwarzać obrazy PNG przy użyciu Aspose.OCR, zwiększając wydajność OCR. +### [Przetwarzanie obrazu przed OCR – Kompletny przewodnik Java zwiększający kontrast i wyodrębniający tekst](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) + +### [Utwórz silnik OCR w Javie – Rozpoznawaj tekst z dużych obrazów](./create-ocr-engine-java-recognize-text-from-large-images/) +Stwórz własny silnik OCR w Javie, aby efektywnie rozpoznawać tekst na dużych obrazach, zwiększając wydajność przetwarzania. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/polish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..1ec3ce94a --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,258 @@ +--- +category: general +date: 2026-02-17 +description: Stwórz silnik OCR w Javie i szybko odczytaj plik TIFF w Javie. Dowiedz + się, jak rozpoznawać tekst z dużego obrazu przy użyciu Aspose.OCR w przewodniku + krok po kroku. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: pl +og_description: Stwórz silnik OCR w Javie już teraz. Ten tutorial pokazuje, jak odczytać + plik TIFF w Javie i rozpoznać tekst z dużego obrazu przy użyciu Aspose.OCR. +og_title: Stwórz silnik OCR w Javie – Kompletny przewodnik po rozpoznawaniu tekstu + na dużych obrazach +tags: +- OCR +- Java +- Aspose +title: Utwórz silnik OCR w Javie – Rozpoznawaj tekst z dużych obrazów +url: /pl/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Utwórz silnik OCR w Javie – Rozpoznawanie tekstu z dużych obrazów + +Kiedykolwiek potrzebowałeś **utworzyć silnik OCR Java**, który poradzi sobie z ogromną mapą w formacie TIFF, ale nie wiedziałeś od czego zacząć? Nie jesteś sam — większość programistów napotyka problem, gdy rozmiar obrazu przekracza typowe limity pamięci. + +W tym przewodniku przeprowadzimy Cię krok po kroku przez kompletny, gotowy do uruchomienia przykład, który **tworzy silnik OCR w Javie**, pokazuje, jak **odczytać plik TIFF w Javie** przy użyciu `InputStream`, a na koniec **rozpoznaje tekst z dużych plików obrazów** bez wyczerpania pamięci heap. Po zakończeniu będziesz mieć samodzielny program, który możesz wkleić do dowolnego projektu Maven lub Gradle. + +## Czego będziesz potrzebować + +- **Java Development Kit (JDK) 8 lub nowszy** – kod używa jedynie standardowego I/O oraz Aspose.OCR. +- Biblioteka **Aspose.OCR for Java** (najnowsza wersja na dzień 2026‑02) – możesz pobrać plik JAR ze strony Aspose lub z Maven Central. +- **Duży plik TIFF** (np. mapa o rozdzielczości kilku megapikseli), który chcesz poddać OCR. +- **Plik licencji Aspose.OCR** (`Aspose.OCR.lic`). Bez niego silnik działa w trybie ewaluacyjnym, ale pojawi się znak wodny. + +> **Pro tip:** Umieść plik TIFF obok folderu źródłowego lub użyj ścieżki bezwzględnej; silnik podzieli obraz wewnętrznie, więc nie musisz go samodzielnie rozdzielać. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagram przepływu tworzenia silnika OCR w Javie"} + +## Krok 1 – Zastosuj licencję Aspose.OCR (Create OCR Engine Java) + +Zanim silnik zacznie wykonywać ciężkie operacje, musisz zarejestrować licencję. Pominięcie tego kroku wymusza tryb ewaluacyjny, który ogranicza liczbę stron i dodaje baner do wyniku. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Dlaczego to ważne:* Obiekt `License` informuje silnik OCR, aby odblokował algorytm podziału na kafelki w pełnej rozdzielczości, co jest niezbędne do efektywnego przetwarzania **dużego obrazu**. + +## Krok 2 – Utwórz instancję silnika OCR (Create OCR Engine Java) + +Teraz uruchamiamy podstawowy `OcrEngine`. To jak mózg, który później odczyta piksele i zwróci tekst Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Dlaczego trzymamy to proste:* W większości scenariuszy domyślne ustawienia już zawierają automatyczne wykrywanie języka i optymalny podział na kafelki. Nadmierna konfiguracja może faktycznie spowolnić przetwarzanie ogromnych plików. + +## Krok 3 – Wczytaj plik TIFF przy użyciu InputStream (Read TIFF File Java) + +Duże pliki TIFF mogą mieć kilkaset megabajtów. Załadowanie całego pliku do `BufferedImage` spowodowałoby wyczerpanie pamięci heap. Zamiast tego przekazujemy silnikowi `InputStream`; Aspose.OCR odczyta i podzieli obraz w locie. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Przypadek brzegowy:* Jeśli Twój TIFF jest skompresowany przy użyciu CCITT Group 4, Aspose.OCR i tak go obsłuży, ale możesz ustawić `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` dla niewielkiego przyspieszenia. + +## Krok 4 – Przygotuj wejście OCR i podpowiedz format + +Obiekt `OcrInput` może przechowywać wiele obrazów, ale w tej demonstracji potrzebujemy tylko jednego. Podanie łańcucha formatu (`"tif"`) pomaga silnikowi pominąć wykrywanie formatu, co oszczędza kilka milisekund. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Dlaczego podpowiedź jest przydatna:* Przy **dużych obrazach** każdy milisekund się liczy. Podpowiedź formatu mówi parserowi, aby ominął kosztowną analizę nagłówka. + +## Krok 5 – Rozpoznaj tekst z dużego obrazu (Recognize Text from Large Image) + +Po podłączeniu wszystkiego, właściwe wywołanie OCR to jedna linijka. Silnik zwraca `OcrResult`, który zawiera czysty tekst, wyniki pewności oraz ewentualne ramki ograniczające, jeśli będziesz ich potrzebował później. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Co się dzieje pod maską:* Aspose.OCR dzieli TIFF na zarządzalne kafelki (domyślnie 1024 × 1024 px), uruchamia model sieci neuronowej na każdym kafelku, a następnie scala wyniki. Dzięki temu możesz **rozpoznawać tekst z dużych plików obrazów** bez ręcznego wstępnego przetwarzania. + +## Krok 6 – Wyświetl podgląd wyodrębnionego tekstu + +Wypisanie całego dokumentu w konsoli może być przytłaczające. Pokażmy tylko pierwsze 200 znaków, a potem wielokropek, abyś mógł szybko zweryfikować wynik. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Oczekiwany wynik w konsoli:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Jeśli zobaczysz bełkot, sprawdź, czy wybrano właściwy język (domyślnie angielski) i czy plik TIFF nie jest uszkodzony. + +## Pełny działający przykład + +Połączenie wszystkich elementów daje jedną klasę, którą możesz skompilować i uruchomić: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Kompiluj przy użyciu: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Zastąp `aspose-ocr-23.12.jar` rzeczywistą wersją, którą pobrałeś. + +## Typowe pułapki i wskazówki + +| Problem | Dlaczego się pojawia | Szybka naprawa | +|------|----------------|-----------| +| **OutOfMemoryError** | Ładowanie TIFF do `BufferedImage` zamiast strumieniowania. | Zawsze używaj `InputStream` jak pokazano; niech Aspose zajmie się podziałem na kafelki. | +| **Pusty wynik** | Nieprawidłowa podpowiedź rozszerzenia (`"tif"` vs `"tiff"`). | Użyj dokładnie tego łańcucha, który przekazałeś do `add`. | +| **Zniekształcone znaki** | Licencja nie została zastosowana lub wygasła. | Sprawdź ścieżkę do pliku `.lic` i ponownie zastosuj licencję przed utworzeniem silnika. | +| **Wolne rozpoznawanie** | Użycie własnej `OcrConfiguration` z wysokim DPI. | Trzymaj się ustawień domyślnych w większości przypadków; modyfikuj tylko wtedy, gdy potrzebna jest wyższa dokładność. | + +### Kiedy dostosować ustawienia + +- **Dokumenty wielojęzyczne:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Wyższa dokładność przy małych czcionkach:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Pamiętaj jednak, że każda dodatkowa opcja może zwiększyć czas CPU, szczególnie przy **dużym obrazie**. Najpierw przetestuj na jednym kafelku. + +## Kolejne kroki + +Teraz, gdy wiesz jak **utworzyć silnik OCR w Javie**, **odczytać plik TIFF w Javie** i **rozpoznawać tekst z dużego obrazu**, możesz rozważyć: + +1. **Eksport wyniku do PDF** – połącz Aspose.PDF z tekstem OCR, aby uzyskać dokumenty przeszukiwalne. +2. **Zapis współrzędnych ramek** – użyj `ocrResult.getWords()` aby uzyskać pozycje dla podświetlania. +3. **Równoległe przetwarzanie kafelków** – dla ultra‑dużych obrazów satelitarnych, uruchom + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/polish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..1e93ce9e0 --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,226 @@ +--- +category: general +date: 2026-02-17 +description: Dowiedz się, jak używać stałej puli wątków w Javie do wyodrębniania tekstu + z obrazów PNG przy równoległym przetwarzaniu OCR i prawidłowo zamykać usługę wykonawczą. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: pl +og_description: Odkryj, jak stała pula wątków w Javie może równolegle wyodrębniać + tekst z obrazów PNG, konwertować tekst zeskanowanych stron i bezpiecznie zamykać + usługę wykonawczą. +og_title: Stała pula wątków w Javie – równoległe OCR dla PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Stała pula wątków w Javie – równoległe OCR dla PNG +url: /pl/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# stała pula wątków Java – równoległe OCR dla PNG + +Zastanawiałeś się kiedyś, jak przyspieszyć OCR na zestawie plików PNG przy użyciu **fixed thread pool java**? W tym samouczku przeprowadzimy Cię przez **extract text from PNG** obrazy równolegle, **convert scanned pages text** w edytowalne ciągi znaków oraz bezpiecznie **shut down executor service**, gdy praca zostanie zakończona. + +Jeśli kiedykolwiek wpatrywałeś się w jednowątkową pętlę, która ciągnie się minutami, znasz frustrację czekania, aż każda strona się zakończy, zanim zacznie się kolejna. Dobra wiadomość? Kilka linijek Javy i Aspose OCR pozwoli Ci wykorzystać moc wszystkich rdzeni CPU, zamienić zeskanowane strony w przeszukiwalny tekst i utrzymać aplikację responsywną. + +Poniżej znajdziesz kompletny, gotowy do uruchomienia przykład, wraz z wyjaśnieniami, dlaczego każdy element ma znaczenie, typowymi pułapkami i wskazówkami, które możesz zastosować w dowolnej bibliotece OCR. + +--- + +## Co będziesz potrzebować + +- **Java 17** (lub dowolny nowoczesny JDK) – kod używa nowoczesnej składni `var` oszczędnie, ale działa również na starszych wersjach. +- **Aspose.OCR for Java** library – możesz ją pobrać z Maven Central lub ściągnąć wersję trial z Aspose. +- Zestaw plików **PNG**, które chcesz przetworzyć – np. zeskanowane paragony, strony książek lub zrzuty ekranu. +- Podstawowa znajomość współbieżności w Javie – nie jest wymagana, ale przydatna. + +To wszystko. Brak zewnętrznych usług, brak Dockera, tylko czysta Java i odrobina magii wielowątkowości. + +## Krok 1: Dodaj zależność Aspose OCR i licencję (opcjonalnie) + +Najpierw upewnij się, że JAR Aspose OCR znajduje się na classpathie. Jeśli używasz Maven, dodaj: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Jeśli nie masz licencji, biblioteka będzie działać w trybie ewaluacyjnym; kod działa tak samo. Aby załadować licencję (zalecane w produkcji), umieść `Aspose.OCR.lic` w folderze resources i użyj: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Trzymaj plik licencji poza kontrolą wersji, aby uniknąć przypadkowego ujawnienia. + +## Krok 2: Utwórz wątkowo‑bezpieczną instancję `OcrEngine` + +`OcrEngine` z Aspose OCR jest wątkowo‑bezpieczny, o ile używasz tej samej instancji we wszystkich zadaniach. Utworzenie jej raz oszczędza pamięć i eliminuje narzut ponownego inicjowania silnika dla każdego obrazu. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Dlaczego warto ponownie używać? Wyobraź sobie silnik jako ciężkiego pracownika, który ładuje modele językowe do pamięci. Tworzenie nowego silnika dla każdego obrazu byłoby jak zatrudnianie nowego specjalisty do każdej drobnej pracy – kosztowne i niepotrzebne. + +## Krok 3: Skonfiguruj stałą pulę wątków Java + +Teraz przychodzi gwiazda programu: **fixed thread pool java**. Ustawimy jego rozmiar na liczbę logicznych procesorów, aby każdy rdzeń otrzymał pracę bez nadmiernego przydzielania. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Użycie *stałej* puli (zamiast cached) daje przewidywalne zużycie zasobów i zapobiega niechcianym skokom „out‑of‑memory”, gdy nagle pojawi się setki obrazów. + +## Krok 4: Wypisz pliki PNG, które chcesz przetworzyć (Extract Text from PNG) + +Zbierz ścieżki do obrazów, które chcesz poddać OCR. W prawdziwym projekcie możesz przeszukać katalog lub odczytać je z bazy danych; tutaj zakodujemy kilka przykładów na sztywno. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** Rozszerzenie pliku **png** jest ważne, ponieważ Aspose OCR automatycznie wykrywa format, ale możesz podać także JPEG lub TIFF. + +## Krok 5: Zgłoś zadania OCR – równoległe przetwarzanie OCR + +Każdy obraz staje się obiektem `Callable`, który zwraca rozpoznany tekst. Ponieważ `OcrEngine` jest współdzielony, wystarczy przekazać ścieżkę pliku do zadania. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Dlaczego opakowujemy to w `Future`? Pozwala nam natychmiast uruchomić wszystkie zadania, a później zebrać wyniki w kolejności ich zgłoszenia – idealne do zachowania kolejności stron przy **convert scanned pages text** z powrotem do dokumentu. + +## Krok 6: Pobierz wyniki i wyświetl (Convert Scanned Pages Text) + +Teraz czekamy, aż każdy `Future` zakończy się i wypisujemy wynik. Wywołanie `get()` blokuje tylko do momentu zakończenia konkretnego zadania, nie całej puli. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typowy output w konsoli wygląda tak: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Jeśli wolisz zapisywać wyniki do plików, zamień `System.out.println` na wywołanie `Files.writeString`. + +## Krok 7: Czyść zamknięcie usługi Executor + +Gdy wszystkie zadania zostaną wykonane, kluczowe jest **shut down executor service**; w przeciwnym razie JVM może utrzymywać wątki nie‑daemonowe, uniemożliwiając eleganckie zakończenie. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Wzorzec `awaitTermination` daje puli szansę na dokończenie bieżącej pracy przed wymuszeniem zamknięcia. Pomijanie tego kroku jest częstą przyczyną wycieków pamięci w długotrwale działających aplikacjach. + +## Pełny działający przykład + +Łącząc wszystko razem, oto kompletny program, który możesz skopiować‑wkleić do `ParallelBatchDemo.java` i uruchomić: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/polish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..dbddb4427 --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-02-17 +description: Wstępne przetwarzanie obrazu do OCR za pomocą Aspose OCR w Javie. Dowiedz + się, jak zwiększyć kontrast obrazu, ustawić poziom kontrastu i rozpoznać tekst z + obrazu w zaledwie kilka minut. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: pl +og_description: Wstępne przetwarzanie obrazu do OCR przy użyciu Aspose OCR Java. Ten + przewodnik pokazuje, jak zwiększyć kontrast obrazu, ustawić poziom kontrastu i szybko + rozpoznać tekst z obrazu. +og_title: Przetwarzanie obrazu pod OCR – Samouczek Java zwiększający kontrast i wyodrębniający + tekst +tags: +- Java +- OCR +- Image Processing +title: Przetwarzanie obrazu pod OCR – Kompletny przewodnik Java zwiększający kontrast + i wyodrębniający tekst +url: /pl/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +kontrastu". Ensure proper. + +Also translate table content. + +Translate headings, paragraphs, bullet points, etc. + +Do not translate code block placeholders. + +Let's produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Przetwarzanie obrazu pod OCR – Kompletny przewodnik w Javie + +Czy kiedykolwiek potrzebowałeś **przetworzyć obraz pod OCR**, ale nie byłeś pewien, które ustawienia naprawdę mają znaczenie? Nie jesteś sam. Większość programistów po prostu podaje obraz silnikowi OCR i liczy na magię, otrzymując jedynie zniekształcony wynik. W tym tutorialu przeprowadzimy praktyczny, kompletny przykład, który **zwiększa kontrast obrazu**, dostosowuje **poziom kontrastu**, a na koniec **rozpoznaje tekst z obrazu** przy użyciu Aspose OCR for Java. + +Po zakończeniu będziesz mieć gotowy fragment kodu, który **wyodrębnia tekst przy użyciu OCR** niezawodnie, nawet w przypadku zaszumionych skanów. Bez ukrytych sztuczek, tylko jasne kroki i uzasadnienie każdego z nich. + +## Czego będziesz potrzebował + +- Java 17 lub nowsza (kod kompiluje się z dowolnym aktualnym JDK) +- Biblioteka Aspose OCR for Java (pobierz ze strony Aspose) +- Ważny plik licencji Aspose OCR (`Aspose.OCR.lic`) +- Obraz wejściowy (`input.jpg`), który chcesz odczytać +- Ulubione IDE lub prosta konfiguracja wiersza poleceń + +Jeśli masz już wszystko gotowe, świetnie — przechodzimy do działania. + +## Krok 1: Załaduj licencję Aspose OCR (Podstawowa konfiguracja) + +Zanim silnik OCR zrobi cokolwiek, musi wiedzieć, że masz licencję. W przeciwnym razie pojawi się znak wodny wersji próbnej. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Dlaczego to ważne:** Bez prawidłowej licencji silnik działa w trybie ewaluacyjnym, co może przycinać wyniki lub dodawać znaki wodne. Ustawienie licencji na początku zapewnia, że wszystkie późniejsze opcje przetwarzania wstępnego będą stosowane w trybie pełnych funkcji. + +## Krok 2: Zainicjuj silnik OCR + +Utworzenie instancji `OcrEngine` daje dostęp zarówno do rozpoznawania, jak i do potoków przetwarzania wstępnego. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Wskazówka:** Trzymaj silnik jako singleton, jeśli planujesz przetwarzać wiele obrazów w partii; buforuje on zasoby wewnętrzne i przyspiesza kolejne wywołania. + +## Krok 3: Skonfiguruj przetwarzanie wstępne – prostowanie, odszumianie i zwiększanie kontrastu + +Tutaj **przetwarzamy obraz pod OCR**. Trzy „gałki”, które ustawimy, to: + +1. **Deskew** – koryguje niewielkie obroty. +2. **Denoise** – usuwa plamki, które mylą segmentację znaków. +3. **Contrast enhancement** – sprawia, że ciemny tekst wyróżnia się na tle. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Dlaczego warto dostosować poziom kontrastu? + +Zwiększenie poziomu kontrastu rozciąga histogram obrazu, czyniąc ciemne piksele ciemniejszymi, a jasne jaśniejszymi. W praktyce **poziom kontrastu** `1.3f` często daje najlepszy balans dla dokumentów drukowanych, podczas gdy wartość powyżej `1.5f` może prześwietlić cienkie kreski. Śmiało eksperymentuj; zmiana tego ustawienia jest tania, a może dramatycznie poprawić skuteczność **rozpoznawania tekstu z obrazu**. + +## Krok 4: Przygotuj obraz wejściowy + +Klasa `OcrInput` abstrahuje obsługę plików. Możesz dodać wiele obrazów, jeśli potrzebujesz przetwarzania wsadowego. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Przypadek brzegowy:** Jeśli Twój obraz jest w niestandardowym formacie (np. TIFF z wieloma stronami), możesz załadować każdą stronę osobno lub najpierw przekonwertować go na PNG/JPEG. + +## Krok 5: Wykonaj rozpoznawanie + +Teraz silnik uruchamia skonfigurowany wcześniej potok przetwarzania wstępnego, a następnie przekazuje wyczyszczony obraz do rdzenia algorytmu OCR. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Co się dzieje pod maską?** Aspose OCR najpierw stosuje transformację deskew, potem filtr denoise, a na końcu dostosowuje kontrast przed przekazaniem obrazu do rozpoznawacza opartego na sieci neuronowej. Kolejność jest zamierzona; zmiana jej może prowadzić do suboptymalnych wyników. + +## Krok 6: Wyświetl rozpoznany tekst + +Na koniec wypisujemy wyodrębniony ciąg znaków w konsoli. W prawdziwej aplikacji możesz zapisać go do pliku lub wysłać przez sieć. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Oczekiwany wynik + +Jeśli `input.jpg` zawiera frazę „Hello World!”, konsola powinna wyświetlić: + +``` +Hello World! +``` + +Jeśli wynik wygląda na zniekształcony, sprawdź ponownie wartości przetwarzania wstępnego — szczególnie **poziom kontrastu** i **tryb odszumiania** — oraz spróbuj innego formatu obrazu. + +## Bonus: Wizualizacja przetworzonego obrazu (opcjonalnie) + +Czasami warto zobaczyć, co silnik „widzi” po prostowaniu, odszumianiu i zwiększeniu kontrastu. Aspose OCR umożliwia wyeksportowanie pośredniego bitmapa: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Otwórz `processed.png` obok oryginału; zauważysz prostszą linię horyzontu i wyraźniejszy tekst. Ten krok jest przydatny przy diagnozowaniu, dlaczego konkretny skan się nie udaje. + +![przykład przetwarzania obrazu dla OCR](/images/ocr-preprocess-example.png "przetwarzanie obrazu dla OCR – przed i po zwiększeniu kontrastu") + +*Powyższy obraz ilustruje, jak zwiększenie kontrastu i odszumianie zamienia rozmyty skan w czysty, gotowy do OCR obraz.* + +## Typowe pułapki i jak ich unikać + +| Pułapka | Dlaczego się pojawia | Rozwiązanie | +|---------|----------------------|-------------| +| **Zbyt duży kontrast** (`setContrastLevel` za wysoki) | Jasne tło staje się białe, wymazując słabe znaki | Utrzymuj poziom między 1.1 a 1.4 dla większości drukowanego tekstu | +| **Zbyt niska tolerancja prostowania** | Małe obroty pozostają niekorygowane | Zwiększ `setDeskewAngleTolerance` do 0.2 lub 0.3 dla skanowanych książek | +| **Użycie GAUSSIAN denoise na obrazach binarnych** | Rozmywa krawędzie, łącząc znaki | Trzymaj się `DenoiseMode.MEDIAN` dla skanów czarno‑białych | +| **Brak licencji** | Silnik przechodzi w tryb próbny, przycinając wynik | Zweryfikuj ścieżkę do `Aspose.OCR.lic` i upewnij się, że plik jest czytelny | + +## Kolejne kroki: Wyjście poza podstawowe przetwarzanie wstępne + +Teraz, gdy potrafisz **przetworzyć obraz pod OCR** i **wyodrębnić tekst przy użyciu OCR**, rozważ następujące rozszerzenia: + +- **Pakiety językowe** – załaduj specyficzne słowniki językowe, aby zwiększyć dokładność dla tekstów nieangielskich. +- **Przycinanie regionu zainteresowania (ROI)** – skup się na podsekcji obrazu, jeśli potrzebujesz tylko części strony. +- **Przetwarzanie wsadowe** – iteruj po katalogu obrazów, ponownie używając tej samej instancji `OcrEngine` dla szybkości. +- **Integracja z PDF** – połącz Aspose OCR z Aspose PDF, aby w jednej linii przetworzyć zeskanowane PDF‑y na przeszukiwalne PDF‑y. + +Każdy z tych tematów naturalnie wykorzystuje nasze drugorzędne słowa kluczowe: wciąż **zwiększysz kontrast obrazu**, **ustawisz poziom kontrastu** i będziesz **rozpoznawał tekst z obrazu** w różnych scenariuszach. + +## Podsumowanie + +Omówiliśmy wszystko, co potrzebne, aby **przetworzyć obraz pod OCR** przy użyciu Aspose OCR for Java: ładowanie licencji, konfigurację prostowania, odszumiania i zwiększania kontrastu, podanie obrazu oraz ostateczne **rozpoznawanie tekstu z obrazu**. Dzięki kompletnemu, gotowemu do uruchomienia przykładowi możesz teraz **wyodrębniać tekst przy użyciu OCR** z dowolnego odpowiednio przygotowanego zdjęcia. + +Wypróbuj kod, dostosuj **poziom kontrastu** i zobacz, jak rośnie dokładność. Gdy będziesz gotowy, eksploruj modele językowe lub potoki wsadowe, aby przekształcić tę jednopunktową demonstrację w rozwiązanie gotowe do produkcji. + +*Miłego kodowania i niech Twoje skany zawsze będą ostre!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/polish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..ff962d90e --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Szybko rozpoznawaj tekst na obrazie przy użyciu Aspose OCR z obsługą + GPU w Javie. Dowiedz się, jak wyodrębnić tekst z obrazu i ustawić identyfikator + urządzenia GPU dla optymalnej wydajności. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: pl +og_description: Szybko rozpoznawaj tekst na obrazie za pomocą Aspose OCR z obsługą + GPU w Javie. Ten przewodnik pokazuje, jak wyodrębnić tekst z obrazu i ustawić identyfikator + urządzenia GPU. +og_title: Rozpoznawanie tekstu na obrazie przy użyciu Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Rozpoznawanie tekstu na obrazie przy użyciu Aspose OCR GPU – Java +url: /pl/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# rozpoznawanie tekstu na obrazie przy użyciu Aspose OCR GPU – Java + +Kiedykolwiek potrzebowałeś **rozpoznać tekst na obrazie** w aplikacji Java, a CPU nie radziło sobie z dużymi plikami? Nie jesteś sam — wielu programistów napotyka ten problem przy przetwarzaniu skanów wysokiej rozdzielczości. Dobra wiadomość? Aspose OCR pozwala **wyodrębnić tekst z obrazu** przy użyciu GPU, co dramatycznie skraca czas przetwarzania. + +W tym samouczku przeprowadzimy Cię przez kompletny, gotowy do uruchomienia przykład, który pokaże dokładnie, jak skonfigurować licencję, włączyć przyspieszenie GPU oraz **ustawić id urządzenia GPU**, gdy masz kilka kart graficznych. Po zakończeniu będziesz mieć samodzielny program, który wypisze rozpoznany tekst w konsoli — bez dodatkowych kroków. + +## Co będzie potrzebne + +- **Java 17** lub nowsza (API jest kompatybilne z Java 8+, ale najnowszy LTS zapewnia lepszą wydajność). +- Biblioteka **Aspose OCR for Java** (pobierz plik JAR ze strony Aspose). +- Ważny **plik licencji Aspose OCR** (`Aspose.OCR.lic`). Wersja trial działa, ale funkcje GPU są dostępne tylko w licencjonowanej wersji. +- Plik obrazu (`sample-image.png`) zawierający czytelny, maszynowo odczytywalny tekst. +- Środowisko z obsługą GPU (najlepiej karta NVIDIA kompatybilna z CUDA). + +Jeśli któryś z elementów jest Ci nieznany, nie martw się — każdy punkt zostanie wyjaśniony w dalszej części. + +## Krok 1: Dodaj Aspose OCR do projektu + +Najpierw dodaj plik JAR Aspose OCR do classpath. Jeśli używasz Maven, dodaj następującą zależność do `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Dla Gradle: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Jeśli wolisz ręczną instalację, umieść JAR w folderze `libs/` i dodaj go do ścieżki modułu w IDE. + +> **Pro tip:** Trzymaj numer wersji zgodny z notatkami wydania biblioteki; nowsze wersje często wprowadzają ulepszenia wydajności przy przetwarzaniu na GPU. + +## Krok 2: Załaduj licencję Aspose OCR (wymagane dla użycia GPU) + +Bez licencji wywołanie `setEnableGpu(true)` przełączy się cicho na tryb CPU. Załaduj licencję na samym początku metody `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Zastąp `YOUR_DIRECTORY` absolutną lub względną ścieżką, w której przechowujesz plik `.lic`. Jeśli ścieżka jest nieprawidłowa, Aspose zgłosi `FileNotFoundException`, więc sprawdź pisownię. + +## Krok 3: Utwórz silnik OCR i włącz przyspieszenie GPU + +Teraz tworzymy obiekt `OcrEngine` i instruujemy go, aby używał GPU. Metoda `setGpuDeviceId` pozwala wybrać konkretną kartę, gdy dostępnych jest ich więcej niż jedna. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Po co podawać identyfikator urządzenia? W serwerze z wieloma GPU możesz przeznaczyć jedną kartę do wstępnego przetwarzania obrazu, a drugą do OCR. Ustawienie ID zapewnia, że właściwy sprzęt wykona ciężką pracę. + +## Krok 4: Przygotuj obraz wejściowy + +Aspose OCR obsługuje różne formaty (PNG, JPG, BMP, TIFF). Owiń swój plik w obiekt `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Jeśli potrzebujesz przetworzyć strumień (np. przesłany plik), użyj `ocrInput.add(InputStream)` zamiast tego. + +## Krok 5: Uruchom proces rozpoznawania i pobierz wynik + +Metoda `recognize` zwraca obiekt `OcrResult`, który zawiera czysty tekst, oceny pewności oraz informacje o układzie, jeśli są potrzebne. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Konsola wyświetli coś w stylu: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Jeśli obraz jest rozmyty lub język nie jest obsługiwany, wynik może być pusty. W takim wypadku sprawdź wartość `ocrResult.getConfidence()` (0‑100), aby zdecydować, czy ponownie przetworzyć obraz po wstępnej obróbce. + +## Pełny, gotowy do uruchomienia przykład + +Po złożeniu wszystkich elementów otrzymujesz jedną klasę Java, którą możesz skopiować i wkleić do swojego IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Oczekiwany wynik:** Konsola wypisze dokładny tekst znajdujący się w `sample-image.png`. Jeśli GPU jest aktywne, zauważysz spadek czasu przetwarzania z kilku sekund (CPU) do poniżej sekundy przy typowych skanach 300 dpi. + +## Częste pytania i sytuacje brzegowe + +### Czy to działa na serwerze bez interfejsu graficznego? + +Tak. Wymagany jest zainstalowany sterownik GPU, ale nie jest potrzebny wyświetlacz. Upewnij się jedynie, że zestaw narzędzi `CUDA` (lub odpowiednik dla Twojego GPU) znajduje się w zmiennej systemowej `PATH`. + +### Co zrobić, gdy mam więcej niż jeden GPU i chcę użyć GPU 1? + +Zmień identyfikator urządzenia: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Jak wyodrębnić tekst z obrazu w innym języku? + +Ustaw język przed wywołaniem `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose obsługuje ponad 30 języków; pełną listę znajdziesz w dokumentacji API. + +### Co zrobić, gdy obraz zawiera wiele stron (np. PDF przekonwertowany na obrazy)? + +Utwórz osobny wpis `OcrInput` dla każdej strony lub iteruj po plikach: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Silnik połączy wyniki w kolejności. + +### Jak radzić sobie z wynikami o niskiej pewności? + +Sprawdź współczynnik pewności: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typowe kroki wstępnej obróbki to binaryzacja, redukcja szumów lub skalowanie do 300 dpi. + +## Wskazówki dotyczące wydajności + +- **Przetwarzanie wsadowe:** Dodanie wielu obrazów do jednego `OcrInput` zmniejsza narzut związany z wielokrotnym inicjowaniem kontekstu GPU. +- **Rozgrzewka:** Po uruchomieniu JVM wykonaj jednorazowe „dummy” rozpoznanie; pierwsze wywołanie obejmuje opóźnienie inicjalizacji sterownika. +- **Zarządzanie pamięcią:** Usuń duże obiekty `OcrInput` (`ocrInput.clear()`) po zakończeniu, aby zwolnić pamięć GPU. + +## Zakończenie + +Teraz wiesz, jak **rozpoznawać tekst na obrazie** efektywnie przy użyciu silnika GPU Aspose OCR w Javie, jak **wyodrębnić tekst z obrazu** w dowolnym obsługiwanym języku oraz jak **ustawić id urządzenia GPU** przy pracy z wieloma kartami graficznymi. Pełny, uruchamialny kod powyżej powinien działać od razu — wystarczy podmienić ścieżki do licencji i obrazu. + +Gotowy na kolejny krok? Spróbuj przetworzyć folder ze skanowanymi PDF‑ami, eksperymentuj z różnymi opcjami `setLanguage` lub połącz OCR z modelem uczenia maszynowego do dalszej obróbki. Możliwości są nieograniczone, a zyski wydajnościowe dzięki przyspieszeniu GPU czynią nawet duże projekty wykonalnymi. + +Miłego kodowania i śmiało zostaw komentarz, jeśli napotkasz problemy! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/ocr-operations/_index.md b/ocr/polish/java/ocr-operations/_index.md index 8c31cecde..c39730478 100644 --- a/ocr/polish/java/ocr-operations/_index.md +++ b/ocr/polish/java/ocr-operations/_index.md @@ -81,6 +81,16 @@ Odblokuj moc OCR w Javie z Aspose.OCR. Rozpoznawaj tekst w dokumentach PDF bez w Odblokuj potężne rozpoznawanie tekstu w Javie z Aspose.OCR. Bez wysiłku rozpoznawaj tekst w obrazach TIFF. Pobierz już teraz, aby cieszyć się płynnym doświadczeniem OCR. ### [Rozpoznawanie tekstu na obrazie przy użyciu Aspose OCR – Pełny samouczek OCR w Javie](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Kompletny przewodnik po rozpoznawaniu tekstu na obrazach w Javie przy użyciu Aspose OCR, obejmujący wszystkie kluczowe kroki. +### [Rozpoznawanie tekstu z obrazu przy użyciu Aspose OCR – samouczek Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Odblokuj moc rozpoznawania tekstu z obrazów w Javie przy użyciu Aspose OCR. Szybki i precyzyjny samouczek. +### [Obraz na tekst w Javie: wyodrębnij tekst w języku urdu przy użyciu Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Dowiedz się, jak wyodrębnić tekst w języku urdu z obrazów w Javie przy użyciu Aspose OCR. +### [Utwórz przeszukiwalny PDF z obrazu w Javie – przewodnik krok po kroku](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Odblokuj możliwość konwersji obrazu do przeszukiwalnego PDF w Javie, krok po kroku, z użyciem Aspose.OCR. +### [Jak używać OCR w Javie – wyodrębniać tekst z PDF przy użyciu Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Odblokuj szybkie i dokładne wyodrębnianie tekstu z plików PDF w Javie przy użyciu Aspose.OCR. +### [Jak używać OCR w Javie – szybko rozpoznawać tekst z obrazu](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Szybko rozpoznaj tekst z obrazu w Javie przy użyciu Aspose.OCR. Praktyczny przewodnik krok po kroku. ## Najczęściej zadawane pytania diff --git a/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..79d7d5f26 --- /dev/null +++ b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,257 @@ +--- +category: general +date: 2026-02-17 +description: 'Szybko twórz przeszukiwalne PDF: dowiedz się, jak stworzyć PDF z obrazu + przy użyciu Aspose OCR, opcji zapisu PDF i konwertować obraz na przeszukiwalne PDF + w zaledwie kilka minut.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: pl +og_description: Utwórz przeszukiwalny PDF w Javie przy użyciu Aspose OCR. Ten przewodnik + pokazuje, jak stworzyć PDF z obrazu, skonfigurować opcje zapisu PDF oraz uzyskać + w pełni przeszukiwalny dokument. +og_title: Utwórz przeszukiwalny PDF z obrazu w Javie – Kompletny samouczek +tags: +- Aspose OCR +- Java +- PDF generation +title: Tworzenie przeszukiwalnego PDF z obrazu w Javie – przewodnik krok po kroku +url: /pl/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +all translations. + +Check for any missed bold phrases: **pdf save options**, **searchable pdf**, **image to searchable pdf**, **convert image to pdf**, **create searchable pdf**. Keep them as is. + +Make sure not to translate code block placeholders. + +Now produce final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Utwórz przeszukiwalny PDF z obrazu w Javie – przewodnik krok po kroku + +Czy kiedykolwiek potrzebowałeś **utworzyć przeszukiwalny PDF** z zeskanowanego obrazu, ale nie wiedziałeś, które API wybrać? Nie jesteś sam — wielu programistów napotyka ten problem, gdy po raz pierwszy próbują zamienić bitmapę w PDF, który naprawdę można przeszukiwać. Dobra wiadomość? Dzięki Aspose OCR możesz to zrobić w kilku linijkach, a wynik wygląda dokładnie jak oryginalny obraz, jednocześnie będąc przeszukiwalnym tekstowo. + +W tym samouczku przeprowadzimy Cię przez cały proces: załadowanie licencji, wczytanie obrazu (lub wielostronicowego TIFF) do silnika OCR, dostosowanie **pdf save options**, a na końcu zapisanie **image to searchable pdf**. Po zakończeniu będziesz mieć gotowy do użycia program w Javie, który w kilka sekund tworzy przeszukiwalny PDF. Bez tajemnic, bez skrótów typu „zobacz dokumentację” — po prostu kompletny, działający przykład. + +## Czego się nauczysz + +- Jak **convert image to pdf** i osadzić ukrytą warstwę tekstową do wyszukiwania. +- Które **pdf save options** powinieneś włączyć, aby uzyskać najlepszy kompromis między rozmiarem a dokładnością. +- Typowe pułapki (np. brak licencji, nieobsługiwane formaty obrazów) i jak ich uniknąć. +- Jak zweryfikować, że wynik naprawdę jest przeszukiwalny (szybki test w Adobe Reader). + +**Wymagania wstępne:** Java 8 lub nowsza, Maven lub Gradle do pobrania Aspose OCR JAR oraz ważny plik licencji Aspose OCR. Jeśli jeszcze nie masz licencji, możesz poprosić o darmową wersję próbną na stronie Aspose. + +--- + +## Krok 1 – Załaduj licencję Aspose OCR (Jak bezpiecznie tworzyć PDF) + +Zanim silnik OCR wykona jakąkolwiek pracę, potrzebuje licencji; w przeciwnym razie otrzymasz strony z znakami wodnymi. Umieść swój plik `Aspose.OCR.lic` w miejscu dostępnym, a następnie wskaż na niego klasę `License`. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Wskazówka:** Trzymaj plik licencji poza katalogiem kontroli wersji, aby uniknąć przypadkowych commitów. + +--- + +## Krok 2 – Przygotuj dane wejściowe OCR (Convert Image to PDF) + +Aspose OCR akceptuje obiekt `OcrInput`, który może przechowywać jeden lub wiele obrazów. Tutaj dodajemy pojedynczy PNG, ale możesz także podać wielostronicowy TIFF do przetwarzania wsadowego. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Dlaczego to ważne:** Dodanie obrazu do `OcrInput` oddziela obsługę plików od silnika, pozwalając ponownie używać tego samego kodu w scenariuszach jednosktronicowych i wielostronicowych. + +--- + +## Krok 3 – Skonfiguruj PDF Save Options (Wyjaśnienie PDF Save Options) + +Klasa `PdfSaveOptions` kontroluje, jak tworzony jest ostateczny PDF. Dwie flagi są kluczowe dla **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – informuje silnik, aby osadził ukrytą warstwę tekstową na podstawie wyników OCR. +2. `setEmbedImages(true)` – zachowuje oryginalny obraz rastrowy, więc wygląd wizualny pozostaje niezmieniony. + +Możesz także dostosować DPI, kompresję lub ochronę hasłem, jeśli to konieczne. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Przypadek brzegowy:** Jeśli ustawisz `setCreateSearchablePdf(false)`, wynik będzie zwykłym PDF‑em zawierającym tylko obraz — nic, czego można by szukać. Zawsze sprawdzaj tę flagę przy automatyzacji dużych partii. + +--- + +## Krok 4 – Uruchom OCR i zapisz przeszukiwalny PDF (Podstawowa logika „Jak tworzyć PDF”) + +Teraz łączymy wszystko razem. Metoda `recognize` wykonuje OCR na dostarczonym `OcrInput`, stosuje `PdfSaveOptions` i zapisuje wynik do pliku. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Oczekiwany wynik + +Po uruchomieniu programu otwórz `output-searchable.pdf` w dowolnym przeglądarce PDF (Adobe Reader, Foxit itp.) i spróbuj zaznaczyć tekst lub użyć pola wyszukiwania. Powinieneś móc znaleźć słowa, które pierwotnie były jedynie częścią obrazu. To znak rozpoznawczy **searchable PDF**. + +--- + +## Krok 5 – Zweryfikuj warstwę przeszukiwalną (Szybkie QA) + +Czasami pewność OCR może być niska, szczególnie przy skanach o niskiej rozdzielczości. Szybki sposób weryfikacji to: + +1. Otwórz PDF w Adobe Reader. +2. Naciśnij **Ctrl + F** i wpisz słowo, które wiesz, że występuje na obrazie. +3. Jeśli słowo zostanie podświetlone, ukryta warstwa tekstowa działa. + +Jeśli wyszukiwanie nie powiedzie się, rozważ zwiększenie DPI źródłowego obrazu lub włączenie słowników specyficznych dla języka za pomocą `ocrEngine.getLanguage().add("eng")`. + +--- + +## Częste pytania i pułapki + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | Tak — po prostu dodaj każdą stronę do tego samego `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR potraktuje każdą klatkę jako osobną stronę. | +| **What if I don’t have a license?** | Wersja próbna działa, ale dodaje znak wodny na każdej stronie. Kod pozostaje taki sam; po prostu użyj pliku `.lic` wersji próbnej. | +| **How large will the PDF be?** | Przy `setEmbedImages(true)` rozmiar pliku jest w przybliżeniu równy rozmiarowi oryginalnego obrazu plus kilka kilobajtów na ukryty tekst. Możesz kompresować obrazy za pomocą `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Do I need to set a language for OCR?** | Domyślnie Aspose OCR używa języka angielskiego. Dla innych języków wywołaj `ocrEngine.getLanguage().add("spa")` przed `recognize`. | +| **Is the output PDF searchable on mobile devices?** | Zdecydowanie — większość mobilnych przeglądarek PDF respektuje ukrytą warstwę tekstową. | + +--- + +## Bonus: Przekształcenie demo w użyteczną utilitę + +Jeśli przewidujesz potrzebę tej funkcjonalności w wielu projektach, opakuj logikę w statyczną metodę pomocniczą: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Teraz możesz wywołać `PdfSearchableUtil.convert(...)` z dowolnego miejsca w kodzie, przekształcając **convert image to pdf** w jedną linię. + +--- + +## Zakończenie + +Omówiliśmy wszystko, co potrzebne do **create searchable pdf** z obrazów w Javie przy użyciu Aspose OCR. Od załadowania licencji, budowania danych wejściowych OCR, dostosowywania **pdf save options**, po ostateczne zapisanie **image to searchable pdf**, samouczek dostarcza kompletną, gotową do skopiowania i wklejenia rozwiązanie. + +Zrób kolejny krok, eksperymentując z różnymi formatami obrazów, dostosowując DPI lub dodając ochronę hasłem za pomocą `PdfSaveOptions`. Możesz także zbadać przetwarzanie wsadowe — przeiterować folder ze skanami i wygenerować przeszukiwalny PDF dla każdego. + +Jeśli ten przewodnik okazał się pomocny, wystaw gwiazdkę na GitHubie lub zostaw komentarz poniżej. Szczęśliwego kodowania i ciesz się przekształcaniem nudnych skanów w w pełni przeszukiwalne dokumenty! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..7d80f7260 --- /dev/null +++ b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Jak używać OCR w Javie do wyodrębniania tekstu z PDF, konwertowania PDF + na obrazy oraz wykonywania OCR na zeskanowanych plikach PDF przy użyciu Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: pl +og_description: Jak używać OCR w Javie do wyodrębniania tekstu z plików PDF. Dowiedz + się, jak konwertować PDF na obrazy i rozpoznawać zeskanowane PDF za pomocą Aspose.OCR. +og_title: Jak używać OCR w Javie – kompletny przewodnik +tags: +- OCR +- Java +- Aspose +title: Jak używać OCR w Javie – wyodrębnianie tekstu z PDF przy użyciu Aspose.OCR +url: /pl/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak używać OCR w Javie – wyodrębnić tekst z PDF za pomocą Aspose.OCR + +Zastanawiałeś się kiedyś **jak używać OCR**, aby zamienić zeskanowany PDF na przeszukiwalny tekst? Nie jesteś sam. Większość programistów napotyka problem, gdy PDF przychodzi jako zbiór obrazów, a tradycyjne ekstraktory tekstu po prostu nic nie zwracają. Dobre wieści? Kilka linii Javy i Aspose.OCR pozwala **wyodrębnić tekst z PDF**, **przekonwertować PDF na obrazy** oraz **rozpoznać zeskanowany PDF** w jednym, prostym procesie. + +W tym tutorialu przejdziemy krok po kroku przez wszystko, co musisz wiedzieć – od licencjonowania biblioteki po wypisanie ostatecznego wyniku. Na końcu będziesz mieć gotowy do uruchomienia program, który wyciąga czysty tekst z dowolnego zeskanowanego raportu, faktury czy ebooka. Bez zewnętrznych usług, bez magii – tylko czysty kod Javy, którym sam sterujesz. + +## Czego będziesz potrzebować + +- **Java Development Kit (JDK) 8+** – dowolna współczesna wersja. +- **Aspose.OCR for Java** JAR (pobierz ze strony Aspose). +- **Ważny plik licencji Aspose.OCR** (`Aspose.OCR.lic`). Bezpłatna wersja próbna działa, ale licencja odblokowuje pełną dokładność. +- **Przykładowy zeskanowany PDF** (np. `scanned-report.pdf`). +- IDE lub prosty edytor tekstu oraz terminal. + +To wszystko. Bez Maven, bez Gradle, bez dodatkowych zależności – tylko JAR Aspose.OCR w classpath. + +![przykład użycia OCR](image-placeholder.png "przykład użycia OCR") + +## Krok 1 – Załaduj licencję Aspose.OCR (Dlaczego to ważne) + +Zanim silnik będzie działał pełną prędkością, musisz wskazać, gdzie znajduje się twoja licencja. Pominięcie tego kroku powoduje, że biblioteka działa w trybie ewaluacyjnym, dodając znak wodny do wyników i potencjalnie ograniczając dokładność. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Dlaczego to działa:** Klasa `License` odczytuje plik `.lic` i rejestruje go globalnie. Po ustawieniu, każdy utworzony `OcrEngine` automatycznie korzysta z licencjonowanych funkcji. + +## Krok 2 – Utwórz silnik OCR (Silnik stojący za magią) + +Instancja `OcrEngine` to główny element, który skanuje obrazy i zwraca tekst. Myśl o niej jak o mózgu interpretującym wzorce pikseli. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Wskazówka:** Możesz dostosować język, progi pewności lub nawet włączyć przyspieszenie GPU poprzez właściwości silnika. Dla większości angielskich PDF‑ów domyślne ustawienia są wystarczające. + +## Krok 3 – Przygotuj wejście: dodaj swój PDF (Konwersja PDF na obrazy w tle) + +Aspose.OCR traktuje każdą stronę PDF jako obraz. Gdy wywołujesz `addPdf`, biblioteka cicho rasteryzuje każdą stronę – dokładnie to, czego potrzebujesz, aby **przekonwertować PDF na obrazy** przed rozpoznaniem. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Co się dzieje:** +- PDF zostaje otwarty. +- Każda strona jest renderowana w 300 dpi (wartość domyślna), aby zachować szczegóły znaków. +- Renderowane obiekty bitmap są przechowywane w kolekcji `OcrInput`. + +Jeśli kiedykolwiek potrzebujesz surowych obrazów (do debugowania lub własnego przetwarzania), wywołaj `ocrInput.getPages()` po tym kroku. + +## Krok 4 – Uruchom proces OCR (Wykonaj OCR na PDF) + +Teraz zaczyna się ciężka praca. Metoda `recognize` iteruje po każdym obrazie, uruchamia algorytm rozpoznawania i zbiera wyniki w obiekcie `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Dlaczego to istotne:** `OcrResult` zawiera nie tylko czysty tekst, ale także wyniki pewności, ramki ograniczające i odniesienie do oryginalnego obrazu. W większości przypadków wystarczy metoda `getText()`. + +## Krok 5 – Pobierz i wyświetl wyodrębniony tekst + +Na koniec wyciągnij ciąg znaków z wyniku i wypisz go. Możesz także zapisać go do pliku, przekazać do indeksu wyszukiwania lub użyć w kolejnej fazie przetwarzania NLP. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Oczekiwany wynik + +Jeśli `scanned-report.pdf` zawiera prosty akapit, zobaczysz coś w stylu: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Dokładne formatowanie odzwierciedla oryginalny układ, zachowując podziały linii tam, gdzie to możliwe. + +## Obsługa typowych przypadków brzegowych + +### 1. PDF‑y wielojęzyczne + +Jeśli dokument zawiera tekst po francusku lub hiszpańsku, ustaw język przed wywołaniem `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Możesz podać tablicę języków, aby silnik automatycznie wykrywał język. + +### 2. Skanowanie o niskiej rozdzielczości + +Przy skanach 150 dpi zwiększ wewnętrzne DPI renderowania: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Wyższe DPI poprawia czytelność znaków, ale zużywa więcej pamięci. + +### 3. Duże PDF‑y (zarządzanie pamięcią) + +W przypadku PDF‑ów z dziesiątkami stron przetwarzaj je partiami: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Takie podejście zapobiega nadmiernemu wzrostowi sterty JVM. + +## Pełny, gotowy do uruchomienia przykład + +Poniżej znajduje się kompletny program – łącznie z importami i obsługą licencji – gotowy do skopiowania i natychmiastowego uruchomienia. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Uruchom go za pomocą: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Powinieneś zobaczyć wyodrębniony tekst wypisany w konsoli. + +## Podsumowanie – co omówiliśmy + +- **Jak używać OCR** w Javie z Aspose.OCR. +- Przebieg pracy **wyodrębniania tekstu z PDF**. +- Wewnątrz biblioteka **konwertuje PDF na obrazy** przed rozpoznaniem znaków. +- Wskazówki dotyczące **przeprowadzania OCR na PDF** z wieloma językami, niską rozdzielczością i dużymi dokumentami. +- Kompletny, uruchamialny fragment kodu, który możesz wstawić do dowolnego projektu Javy. + +## Kolejne kroki i powiązane tematy + +Teraz, gdy potrafisz **rozpoznać zeskanowany PDF**, rozważ następujące pomysły: + +- **Generowanie przeszukiwalnego PDF** – nałóż tekst OCR z powrotem na oryginalny PDF, tworząc dokument przeszukiwalny. +- **Usługa przetwarzania wsadowego** – opakuj kod w mikroserwis Spring Boot, który przyjmuje PDF‑y przez REST. +- **Integracja z Elasticsearch** – indeksuj wyodrębniony tekst, aby uzyskać szybkie wyszukiwanie pełnotekstowe w repozytorium dokumentów. +- **Wstępne przetwarzanie obrazu** – użyj OpenCV do prostowania lub odszumiania stron przed OCR, aby uzyskać jeszcze wyższą dokładność. + +Każdy z tych tematów bazuje na podstawowych koncepcjach, które omówiliśmy, więc śmiało eksperymentuj i pozwól silnikowi OCR wykonać ciężką pracę. + +--- + +*Miłego kodowania! Jeśli napotkasz problemy – np. błędy licencji lub nieoczekiwane wyniki null – zostaw komentarz poniżej. Chętnie pomogę w debugowaniu.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..8ed3ed79f --- /dev/null +++ b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: Dowiedz się, jak używać OCR w Javie do rozpoznawania tekstu z plików + graficznych, wyodrębniać tekst z paragonów w formacie PNG oraz konwertować paragon + na JSON przy użyciu Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: pl +og_description: Przewodnik krok po kroku, jak używać OCR w Javie do rozpoznawania + tekstu z obrazu, wyodrębniać tekst z paragonów w formacie PNG i konwertować paragon + na JSON. +og_title: Jak używać OCR w Javie – Rozpoznawanie tekstu z obrazu +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Jak używać OCR w Javie – szybko rozpoznawaj tekst z obrazu +url: /pl/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak używać OCR w Javie – Szybko rozpoznawać tekst z obrazu + +Zastanawiałeś się kiedyś **jak używać OCR**, aby wyciągnąć tekst ze zdjęcia paragonu? Być może próbowałeś kilku narzędzi online, tylko po to, by otrzymać zniekształcone znaki lub format, którego nie możesz przetworzyć. Dobra wiadomość jest taka, że przy kilku linijkach kodu Java możesz **rozpoznawać tekst z obrazu**, **wyodrębniać tekst z plików PNG** paragonów i nawet **konwertować paragon na JSON** do dalszego przetwarzania. + +W tym samouczku przeprowadzimy Cię przez kompletny przepływ pracy — od licencjonowania biblioteki Aspose OCR po uzyskanie czystego ładunku JSON, który możesz wprowadzić do bazy danych lub modelu uczenia maszynowego. Bez zbędnych ozdobników, tylko praktyczny, gotowy do uruchomienia przykład, który możesz skopiować i wkleić do swojego IDE. Po zakończeniu będziesz mieć samodzielny program, który przyjmuje `receipt.png` i zwraca gotowy do użycia ciąg JSON. + +## Czego będziesz potrzebować + +- **Java Development Kit (JDK) 8+** – dowolna nowsza wersja działa. +- **Aspose OCR for Java** library (artefakt Maven to `com.aspose:aspose-ocr`). +- **ważny plik licencji Aspose OCR** (`Aspose.OCR.lic`). Darmowa wersja próbna działa do testów, ale prawidłowa licencja usuwa ograniczenia wersji ewaluacyjnej. +- Plik obrazu (PNG, JPEG itp.), który zawiera tekst, który chcesz odczytać — nazwijmy go `receipt.png` i umieść w znanym folderze. +- Twoje ulubione IDE (IntelliJ IDEA, Eclipse, VS Code…) – wybór należy do Ciebie. + +> **Pro tip:** Trzymaj plik licencji poza folderem źródłowym i odwołuj się do niego za pomocą ścieżki bezwzględnej lub względnej, aby nie commitować go do kontroli wersji. + +Teraz, gdy wymagania są jasne, zanurzmy się w rzeczywisty kod. + +## Jak używać OCR – Główne kroki + +Poniżej znajduje się przegląd wysokiego poziomu działań, które wykonamy: + +1. **Załaduj bibliotekę Aspose OCR** i zastosuj swoją licencję. +2. **Utwórz instancję `OcrEngine`** – to silnik, który wykonuje ciężką pracę. +3. **Przygotuj obiekt `OcrInput`** wskazujący na obraz, który chcesz przetworzyć. +4. **Wywołaj `recognize` z `ResultFormat.JSON`**, aby uzyskać reprezentację JSON wyodrębnionego tekstu. +5. **Obsłuż wynik JSON** – wydrukuj go, zapisz do pliku lub przetwórz dalej. + +Każdy krok jest wyjaśniony szczegółowo w kolejnych sekcjach. + +## Krok 1 – Zainstaluj Aspose OCR i zastosuj swoją licencję + +Najpierw dodaj zależność Aspose OCR do swojego `pom.xml`, jeśli używasz Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Teraz, w kodzie Java, załaduj licencję. Ten krok jest niezbędny; bez niego biblioteka działa w trybie ewaluacyjnym i może wstawiać znaki wodne w wyniku. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Dlaczego to ważne:** Obiekt `License` informuje silnik OCR, że jesteś uprawniony do korzystania z pełnego zestawu funkcji, w tym rozpoznawania o wysokiej dokładności i eksportu JSON. Pominięcie tego kroku nadal pozwoli Ci **rozpoznawać tekst z obrazu**, ale wyniki mogą być ograniczone. + +## Krok 2 – Utwórz instancję silnika OCR + +Klasa `OcrEngine` jest punktem wejścia dla wszystkich operacji OCR. Traktuj ją jak „mózg”, który odczytuje piksele i decyduje, jakie znaki one reprezentują. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Możesz dostosować silnik (np. ustawić język, włączyć prostowanie) później, jeśli Twoje paragony zawierają skrypty niełacińskie lub są zeskanowane pod kątem. Dla większości paragonów z USA domyślne ustawienia działają doskonale. + +## Krok 3 – Załaduj obraz, który chcesz przetworzyć + +Teraz skierujemy silnik OCR na plik zawierający paragon. Klasa `OcrInput` może przyjmować wiele obrazów, ale w tym samouczku uprościmy to do jednego pliku PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Jeśli kiedykolwiek będziesz musiał **wyodrębniać tekst z plików PNG** masowo, po prostu wywołaj `input.add()` wielokrotnie lub przekaż listę ścieżek do plików. + +## Krok 4 – Rozpoznaj tekst i konwertuj paragon na JSON + +Oto serce samouczka. Prosimy silnik o rozpoznanie tekstu i zwrócenie wyniku w formacie JSON. Flaga `ResultFormat.JSON` wykonuje całą ciężką pracę za nas. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Ładunek JSON zawiera każdą rozpoznaną linię, jej ramkę ograniczającą, współczynnik pewności oraz surowy tekst. Ta struktura sprawia, że **konwersja paragonu na JSON** jest trywialna i można go przekazać do dowolnego API downstream. + +## Krok 5 – Połącz wszystko i uruchom program + +Poniżej znajduje się kompletny, gotowy do uruchomienia kod klasy Java, który łączy wszystko razem. Zapisz go jako `JsonExportDemo.java` (lub dowolną nazwę) i uruchom w swoim IDE lub z wiersza poleceń. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Oczekiwany wynik + +Uruchomienie programu wypisuje ciąg JSON podobny do poniższego (dokładna zawartość zależy od Twojego paragonu): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Teraz możesz przekazać ten JSON do bazy danych, punktu końcowego REST lub potoku analizy danych. Krok **konwersji paragonu na JSON** jest już dla Ciebie wykonany. + +## Często zadawane pytania i przypadki brzegowe + +### Co zrobić, jeśli obraz jest obrócony? + +Aspose OCR automatycznie wykrywa i koryguje niewielkie obroty. W przypadku mocno przechylonych obrazów, wywołaj `engine.getImagePreprocessingOptions().setDeskew(true)` przed rozpoznaniem. + +### Jak obsłużyć wiele języków? + +Użyj `engine.getLanguage()`, aby ustawić żądany język, np. `engine.setLanguage(Language.FRENCH)`. Jest to przydatne, gdy musisz **rozpoznawać tekst z obrazu**, który zawiera wielojęzyczne paragony. + +### Czy mogę wyjść w formacie zwykłego tekstu zamiast JSON? + +Oczywiście. Zastąp `ResultFormat.JSON` na `ResultFormat.TEXT` i wywołaj `result.getText()`. + +### Czy istnieje sposób, aby ograniczyć OCR do konkretnego regionu? + +Tak — użyj `ocrInput.add(imagePath, new Rectangle(x, y, width, height))`, aby skupić się na obszarze paragonu, co może poprawić szybkość i dokładność. + +## Pro tipy dla OCR gotowego do produkcji + +- **Cache'uj obiekt licencji** jeśli przetwarzasz wiele plików w pętli; wielokrotne tworzenie go zwiększa narzut. +- **Przetwarzanie wsadowe**: załaduj wszystkie ścieżki paragonów do jednego `OcrInput` i wywołaj `recognize` raz. JSON będzie zawierał tablicę stron, każda ze swoimi liniami. +- **Waliduj JSON**: po otrzymaniu ciągu, sparsuj go przy pomocy biblioteki takiej jak Jackson, aby upewnić się, że jest poprawny przed zapisaniem. +- **Monitoruj pewność**: JSON zawiera pole `confidence` dla każdej linii. Filtruj linie poniżej progu (np. 0,85), aby uniknąć nieprawidłowych danych. +- **Zabezpiecz swoją licencję**: przechowuj `Aspose.OCR.lic` w bezpiecznym magazynie lub zmiennej środowiskowej, szczególnie w wdrożeniach w chmurze. + +## Podsumowanie + +Omówiliśmy **jak używać OCR** w Javie, aby **rozpoznawać tekst z obrazu**, **wyodrębniać tekst z plików PNG** paragonów i **konwertować paragon na JSON** — wszystko w zwięzłym, kompletnym przykładzie. Kroki są proste, kod w pełni uruchamialny, a wynikowy JSON zapewnia ustrukturyzowaną reprezentację gotową do dowolnego systemu downstream. + +Następnie możesz zbadać bardziej zaawansowane scenariusze: przesyłanie JSON do Apache Kafka w celu przetwarzania w czasie rzeczywistym, stosowanie wyrażeń regularnych do wyciągania sum pozycji, lub integrację z usługą OCR w chmurze w celu skalowalności. Cokolwiek wybierzesz, podstawy, które właśnie poznałeś, pozostaną niezmienne. + +Masz pytania lub napotkałeś problem podczas próby? Dodaj komentarz poniżej, a wspólnie rozwiążemy problem. Szczęśliwego kodowania i ciesz się przekształcaniem nieuporządkowanych zdjęć paragonów w czyste, przeszukiwalne dane! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/polish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..c1b8b895d --- /dev/null +++ b/ocr/polish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,182 @@ +--- +category: general +date: 2026-02-17 +description: 'samouczek Java: obraz na tekst – dowiedz się, jak wyodrębnić tekst w + języku urdu z obrazu przy użyciu Aspose OCR. Dołączony kompletny przykład OCR w + Javie.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: pl +og_description: Poradnik Java konwertujący obraz na tekst pokazuje, jak wyodrębnić + tekst w języku urdu z obrazu przy użyciu Aspose OCR. Postępuj zgodnie z kompletnym + przykładem Java OCR krok po kroku. +og_title: 'Obraz na tekst Java: wyodrębnij tekst urdu przy użyciu Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'z obrazu na tekst java: wyodrębnij tekst urdu przy użyciu Aspose OCR' +url: /pl/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Wyodrębnij tekst w języku Urdu przy użyciu Aspose OCR + +Jeśli potrzebujesz konwersji **image to text java** dla dokumentów w języku Urdu, jesteś we właściwym miejscu. Zastanawiałeś się kiedyś *jak wyodrębnić tekst* z obrazu odręcznej notatki lub zeskanowanej strony gazety? Ten przewodnik poprowadzi Cię przez **java ocr example**, które wyciąga znaki Urdu bezpośrednio z obrazu przy użyciu Aspose OCR. + +Omówimy wszystko, od licencjonowania biblioteki po wyświetlenie wyniku w konsoli. Po zakończeniu będziesz w stanie **load image ocr** pliki, ustawić język na Urdu i uzyskać czysty output Unicode — bez dodatkowych narzędzi. + +## Co będzie potrzebne + +- **Java Development Kit (JDK) 8+** – kod działa na dowolnym nowoczesnym JDK. +- **Aspose.OCR for Java** JAR (pobierz ze strony Aspose). +- Ważny plik licencji **Aspose OCR** (`Aspose.OCR.lic`). +- Obraz zawierający tekst w języku Urdu, np. `urdu-sample.png`. + +Posiadanie tych podstaw pozwala od razu przejść do kodu, bez konieczności szukania brakujących zależności. + +## image to text java – Konfiguracja Aspose OCR + +Najpierw musimy poinformować Aspose, że posiadamy licencję. Bez niej biblioteka działa w trybie ewaluacyjnym i doda znak wodny do wyniku. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Dlaczego to ważne:** Licencjonowanie usuwa 5‑sekundowy limit przetwarzania i odblokowuje pełny pakiet języka Urdu, który został dodany w Q3 2025. Jeśli pominiesz ten krok, silnik OCR nadal będzie działał, ale w wynikach pojawi się mały znacznik „Evaluation”. + +## Jak wyodrębnić tekst – Inicjalizacja silnika OCR + +Teraz tworzymy silnik i wyraźnie informujemy go, że interesuje nas język Urdu. Stała `OcrLanguage.URDU` aktywuje odpowiedni zestaw znaków i reguły segmentacji. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Wskazówka:** Jeśli kiedykolwiek będziesz musiał przetwarzać wiele języków w jednym uruchomieniu, możesz przekazać listę oddzieloną przecinkami, np. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Silnik automatycznie wykryje każdy region. + +## Ładowanie obrazu OCR – Przygotowanie danych wejściowych + +Aspose pracuje z obiektem `OcrInput`, który może przechowywać jeden lub wiele obrazów. Tutaj **load image ocr** dane z lokalnego pliku. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Uwaga:** Zastąp `YOUR_DIRECTORY` ścieżką bezwzględną lub względną względem katalogu głównego projektu. Jeśli plik nie zostanie znaleziony, Aspose rzuci `FileNotFoundException`. Szybka weryfikacja przy pomocy `new File(path).exists()` może zaoszczędzić wiele czasu debugowania. + +## Rozpoznawanie tekstu – Uruchamianie procesu OCR + +Po skonfigurowaniu silnika i załadowaniu obrazu, w końcu wywołujemy `recognize`. Metoda zwraca `OcrResult`, który zawiera wyodrębniony ciąg znaków. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Co się dzieje pod maską?** Silnik OCR dzieli obraz na linie, a następnie na znaki, stosując specyficzne dla Urdu reguły kształtowania (np. łączenie form). Dlatego ustawienie języka na początku jest kluczowe; w przeciwnym razie otrzymasz zniekształcone zastępniki łacińskie. + +## Drukowanie rozpoznanego tekstu w języku Urdu + +Ostatnim krokiem jest po prostu wydrukowanie wyniku. Ponieważ Urdu używa skryptu od prawej do lewej, upewnij się, że Twoja konsola obsługuje Unicode (większość nowoczesnych terminali tak robi). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Oczekiwany wynik (przykład):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Jeśli widzisz znaki zapytania lub puste ciągi, sprawdź, czy kodowanie konsoli jest ustawione na UTF‑8 (`chcp 65001` w Windows lub uruchom Java z `-Dfile.encoding=UTF-8`). + +## Pełny działający przykład – Wszystkie kroki w jednym miejscu + +Poniżej znajduje się kompletny, gotowy do skopiowania program. Bez zewnętrznych odwołań, tylko pojedynczy plik Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Uruchom go za pomocą: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Zastąp wersję JAR (`23.10`) tą, którą pobrałeś. Konsola powinna wyświetlić zdanie w języku Urdu wyodrębnione z Twojego pliku PNG. + +## Częste pułapki i przypadki brzegowe + +| Problem | Dlaczego się pojawia | Jak naprawić | +|-------|----------------|------------| +| **Empty output** | Obraz jest zbyt ciemny lub ma niską rozdzielczość. | Wstępnie przetwórz obraz (zwiększ kontrast, binaryzuj) używając `BufferedImage` przed przekazaniem go do Aspose. | +| **Garbage characters** | Ustawiono niewłaściwy język (domyślnie English). | Upewnij się, że wywołano `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` przed `recognize`. | +| **License not found** | Błąd w ścieżce lub brak pliku. | Użyj ścieżki bezwzględnej lub umieść plik `.lic` w classpath i wywołaj `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | Duże pliki PNG zużywają pamięć heap. | Wywołaj `ocrEngine.setMaxImageSize(2000);` aby wewnętrznie zmniejszyć rozmiar, lub samodzielnie zmień rozmiar obrazu. | + +## Rozszerzanie demo + +- **Przetwarzanie wsadowe:** Iteruj po folderze, dodaj każdy plik do tego samego `OcrInput` i zbieraj wyniki w pliku CSV. +- **Różne języki:** Zamień `OcrLanguage.URDU` na `OcrLanguage.ARABIC` lub połącz kilka języków. +- **Zapisywanie do pliku:** Użyj `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Wszystkie te pomysły opierają się na **java ocr example**, które właśnie zbudowaliśmy, pozwalając Ci dostosować rozwiązanie do projektów w rzeczywistym świecie. + +## Zakończenie + +Masz teraz solidny **image to text java** przepływ pracy, który wyodrębnia znaki Urdu z obrazu przy użyciu Aspose OCR. Poradnik obejmował każdy krok — od licencjonowania i wyboru języka po ładowanie obrazu i drukowanie wyniku — więc możesz wkleić kod do dowolnego projektu Java i zobaczyć, jak działa. + +Następnie spróbuj eksperymentować z większymi plikami PDF, różnymi skryptami lub nawet zintegrować krok OCR z endpointem REST w Spring Boot. Te same zasady — **how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/polish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/polish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..19199d597 --- /dev/null +++ b/ocr/polish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: Dowiedz się, jak rozpoznawać tekst z obrazu i wczytywać obraz do OCR + przy użyciu biblioteki Aspose OCR Java. Przewodnik krok po kroku z korektorem pisowni. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: pl +og_description: Rozpoznawaj tekst z obrazu przy użyciu Aspose OCR Java. Ten samouczek + pokazuje, jak wczytać obraz do OCR, włączyć korektę pisowni i uzyskać czysty tekst. +og_title: Rozpoznaj tekst z obrazu – Kompletny przewodnik Aspose OCR Java +tags: +- Java +- OCR +- Aspose +title: Rozpoznawanie tekstu z obrazu przy użyciu Aspose OCR – samouczek Java +url: /pl/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# rozpoznawanie tekstu z obrazu przy użyciu Aspose OCR – Java Tutorial + +Kiedykolwiek potrzebowałeś **rozpoznać tekst z obrazu**, ale nie wiedziałeś, którą bibliotekę wybrać? Nie jesteś sam. W wielu rzeczywistych projektach — myśl o skanowaniu faktur, digitalizacji odręcznych notatek czy wyciąganiu podpisów ze zrzutów ekranu — uzyskanie dokładnych wyników OCR jest kluczowe. + +W tym przewodniku przejdziemy przez ładowanie obrazu do OCR, włączenie wbudowanego korektora pisowni Aspose OCR oraz w końcu wypisanie oczyszczonego tekstu. Po zakończeniu będziesz mieć gotowy do uruchomienia program w Javie, który **rozpoznaje tekst z obrazu** za pomocą kilku linijek kodu. + +## Co obejmuje ten tutorial + +- Jak zastosować licencję Aspose OCR (aby demo działało bez znaków wodnych) +- Tworzenie instancji `OcrEngine` i wybór języka angielskiego jako języka rozpoznawania +- **Ładowanie obrazu do OCR** przy użyciu `OcrInput` i wskazanie pliku PNG zawierającego błędnie napisane słowa +- Włączenie korektora pisowni, opcjonalnie wskazanie własnego słownika +- Uruchomienie rozpoznawania i wypisanie poprawionego wyniku + +Bez zewnętrznych usług, bez ukrytych plików konfiguracyjnych — tylko czysta Java i Aspose OCR JAR. + +> **Pro tip:** Jeśli jesteś nowy w Aspose, pobierz darmową 30‑dniową licencję próbną ze strony Aspose i umieść plik `.lic` w folderze, do którego możesz odwołać się w kodzie. + +## Wymagania wstępne + +- Java 8 lub nowsza (kod kompiluje się także z JDK 11) +- Aspose.OCR for Java JAR w classpath +- Ważny plik `Aspose.OCR.lic` (lub możesz uruchomić w trybie ewaluacyjnym, ale demo doda znak wodny) +- Plik obrazu (`misspelled.png`) zawierający tekst z celowymi błędami ortograficznymi — idealny do zobaczenia działania korektora pisowni + +Masz wszystko? Świetnie — zanurzmy się. + +## Krok 1: Zastosuj swoją licencję Aspose OCR + +Zanim silnik wykona jakiekolwiek ciężkie operacje, musi wiedzieć, że masz licencję. W przeciwnym razie w wyjściu pojawi się baner „Trial version”. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Dlaczego to ważne:* Licencjonowanie wyłącza znak wodny wersji próbnej i odblokowuje pełny słownik korektora pisowni. Pominięcie tego kroku działa, ale wynik będzie zanieczyszczony tekstem „Aspose OCR Demo”. + +## Krok 2: Utwórz i skonfiguruj silnik OCR + +Teraz uruchamiamy silnik i określamy, którego języka używać. Angielski jest najczęstszy, ale Aspose obsługuje dziesiątki języków. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Dlaczego ustawiamy język:* Model językowy określa zestaw znaków i wpływa na sugestie korektora pisowni. Użycie niewłaściwego języka może drastycznie obniżyć dokładność. + +## Krok 3: Włącz korektę pisowni i (opcjonalnie) wskaż własny słownik + +Aspose OCR dostarcza wbudowany słownik angielski, ale możesz podać własny, jeśli masz terminy specyficzne dla domeny (np. żargon medyczny lub kody produktów). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Co robi korektor:* Gdy silnik OCR napotka słowo, którego nie ma w słowniku, próbuje zamienić je na najbliższe dopasowanie. Dlatego demo potrafi automatycznie zamienić „recieve” na „receive”. + +## Krok 4: Ładowanie obrazu do OCR + +Oto część, która bezpośrednio odpowiada na **load image for OCR**. Tworzymy obiekt `OcrInput` i dodajemy nasz plik PNG. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Dlaczego używamy `OcrInput`:* Abstrahuje logikę odczytu pliku i pozwala później dodać wiele stron, jeśli potrzebujesz przetworzyć wielostronicowy PDF lub zestaw obrazów. + +## Krok 5: Uruchom rozpoznawanie i pobierz poprawiony tekst + +Silnik wykonuje teraz ciężką pracę — rozpoznaje znaki, stosuje model językowy i na końcu poprawia pisownię. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Oczekiwany wynik:* Zakładając, że `misspelled.png` zawiera frazę „Ths is a smple test”, konsola wypisze: + +``` +Corrected text: +This is a simple test +``` + +Zauważ, że błędnie napisane słowa (`Ths`, `smple`) zostały automatycznie naprawione. + +## Pełny, gotowy do uruchomienia przykład + +Poniżej znajduje się cały program w jednym bloku. Skopiuj‑wklej, dostosuj ścieżki i naciśnij **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Wskazówka:** Jeśli chcesz przetworzyć JPEG lub BMP zamiast PNG, po prostu zmień rozszerzenie pliku — Aspose OCR obsługuje wszystkie popularne formaty rastrowe. + +## Często zadawane pytania i przypadki brzegowe + +- **Co zrobić, gdy mój obraz ma niską rozdzielczość?** + Zwiększ DPI przed przekazaniem go do Aspose, przeskalowując go biblioteką taką jak `java.awt.Image`. Wyższe DPI daje silnikowi więcej pikseli do analizy, co zazwyczaj poprawia dokładność. + +- **Czy mogę rozpoznawać wiele języków na jednym obrazie?** + Tak. Wywołaj `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` i opcjonalnie podaj listę języków poprzez `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Mój własny słownik nie jest używany — dlaczego?** + Upewnij się, że folder zawiera pliki tekstowe z jednym słowem w linii oraz że ścieżka jest absolutna lub poprawnie względna względem katalogu roboczego. + +- **Jak wyodrębnić wyniki wiarygodności (confidence scores)?** + `result.getConfidence()` zwraca liczbę zmiennoprzecinkową od 0 do 1 dla całej strony. Aby uzyskać wiarygodność dla poszczególnych znaków, zapoznaj się z `result.getWordList()`. + +## Zakończenie + +Teraz wiesz, jak **rozpoznawać tekst z obrazu** przy użyciu Aspose OCR dla Javy, jak **ładować obraz do OCR** oraz jak włączyć korektor pisowni, aby usunąć typowe literówki. Pełny przykład powyżej można wstawić do dowolnego projektu Maven lub Gradle, a przy kilku modyfikacjach można go skalować do przetwarzania wsadowego folderów, podłączenia do usługi webowej lub integracji z systemem zarządzania dokumentami. + +Gotowy na kolejny krok? Spróbuj przetworzyć wielostronicowy PDF, eksperymentuj z własnym słownikiem dla terminologii branżowej lub połącz wynik z API tłumaczeniowym. Możliwości są nieograniczone, a podstawowy wzorzec — licencja → silnik → język → korektor pisowni → wejście → rozpoznanie → wyjście — pozostaje taki sam. + +Miłego kodowania i niech Twoje wyniki OCR zawsze będą perfekcyjne! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/advanced-ocr-techniques/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/_index.md index b736419f5..3cb4b8449 100644 --- a/ocr/portuguese/java/advanced-ocr-techniques/_index.md +++ b/ocr/portuguese/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Desbloqueie o poder do reconhecimento de texto com Aspose.OCR para Java. Siga no Capacite seus aplicativos Java com Aspose.OCR para reconhecimento preciso de texto. Fácil integração, alta precisão. ### [Especificando caracteres permitidos em Aspose.OCR](./specify-allowed-characters/) Desbloqueie a extração de texto de imagens perfeitamente com Aspose.OCR para Java. Siga nosso guia passo a passo para uma integração eficiente. +### [Reconhecendo imagem de texto usando Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Aproveite o poder da GPU para OCR com Aspose OCR em Java, obtendo reconhecimento de texto rápido e preciso em imagens. +### [Pool de threads fixas Java – OCR paralelo para PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Acelere o OCR de PNGs usando pool de threads fixas em Java. Processamento paralelo rápido e preciso com Aspose.OCR. +### [Pré-processar imagem para OCR – Guia completo em Java para melhorar o contraste e extrair texto](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Aprenda a melhorar o contraste de imagens e extrair texto com precisão usando Java e Aspose.OCR. +### [Criar mecanismo OCR Java – Reconhecer texto de imagens grandes](./create-ocr-engine-java-recognize-text-from-large-images/) +Aprenda a criar um motor OCR em Java capaz de reconhecer texto em imagens de grande tamanho com alta precisão usando Aspose.OCR. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..e6a37acf0 --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,257 @@ +--- +category: general +date: 2026-02-17 +description: Crie um mecanismo OCR em Java e leia arquivos TIFF rapidamente. Aprenda + como reconhecer texto de imagens grandes usando Aspose.OCR em um guia passo a passo. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: pt +og_description: Crie agora um motor OCR em Java. Este tutorial mostra como ler arquivos + TIFF em Java e reconhecer texto de imagens grandes usando Aspose.OCR. +og_title: Criar Motor OCR em Java – Guia Completo para Reconhecimento de Texto em + Imagens Grandes +tags: +- OCR +- Java +- Aspose +title: Criar Motor OCR Java – Reconhecer Texto de Grandes Imagens +url: /pt/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Criar Motor OCR Java – Reconhecer Texto de Imagens Grandes + +Ever needed to **create OCR engine Java** code that can handle a massive TIFF map, but weren’t sure where to start? You’re not alone—most developers hit a wall when the image size blows past the usual memory limits. + +In this guide we’ll walk you through a complete, ready‑to‑run example that **creates an OCR engine in Java**, shows you how to **read TIFF file Java** with an `InputStream`, and finally **recognizes text from large image** files without running out of heap. By the end you’ll have a self‑contained program you can drop into any Maven or Gradle project. + +## O que você precisará + +- **Java Development Kit (JDK) 8 ou mais recente** – o código usa apenas I/O padrão mais Aspose.OCR. +- **Aspose.OCR for Java** library (a versão mais recente em 2026‑02) – você pode baixar o JAR do site da Aspose ou via Maven Central. +- Um **large TIFF file** (por exemplo, um mapa multi‑megapixel) que você deseja fazer OCR. +- Seu **Aspose.OCR license file** (`Aspose.OCR.lic`). Sem ele, o motor funciona em modo de avaliação, mas você terá uma marca d'água. + +> **Dica profissional:** Mantenha o TIFF ao lado da sua pasta de origem ou use um caminho absoluto; o motor dividirá a imagem internamente, então você não precisa separá‑la manualmente. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java workflow diagram"} + +## Etapa 1 – Aplicar sua licença Aspose.OCR (Create OCR Engine Java) + +Before the engine does any heavy lifting you must register the license. Skipping this step forces the evaluation mode, which limits the number of pages and adds a banner to the output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Por que isso importa:* O objeto `License` informa ao motor OCR para desbloquear o algoritmo de tiling em resolução total, que é essencial para processar uma **large image** de forma eficiente. + +## Etapa 2 – Instanciar o Motor OCR (Create OCR Engine Java) + +Now we spin up the core `OcrEngine`. Think of it as the brain that will later read the pixels and spit out Unicode text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Por que mantemos simples:* Para a maioria dos cenários, as configurações padrão já incluem detecção automática de idioma e tiling otimizado. Configurações excessivas podem realmente desacelerar o processamento em arquivos enormes. + +## Etapa 3 – Carregar o arquivo TIFF usando um InputStream (Read TIFF File Java) + +Large TIFFs can be several hundred megabytes. Loading the whole thing into a `BufferedImage` would explode the heap. Instead we give the engine an `InputStream`; Aspose.OCR will read and tile the image on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Caso extremo:* Se o seu TIFF estiver comprimido com CCITT Group 4, o Aspose.OCR ainda o manipula, mas você pode definir `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` para um pequeno ganho de velocidade. + +## Etapa 4 – Preparar a Entrada OCR e Indicar o Formato + +The `OcrInput` object can hold multiple images, but we only need one for this demo. Providing the format string (`"tif"`) helps the engine skip format sniffing, shaving off a few milliseconds. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Por que a dica é útil:* Ao lidar com **large images**, cada milissegundo conta. A dica de formato informa ao analisador para ignorar a análise de cabeçalho custosa. + +## Etapa 5 – Reconhecer Texto da Imagem Grande (Recognize Text from Large Image) + +With everything wired up, the actual OCR call is a single line. The engine returns an `OcrResult` that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*O que acontece nos bastidores:* Aspose.OCR divide o TIFF em blocos gerenciáveis (padrão 1024 × 1024 px), executa o modelo de rede neural em cada bloco e depois costura os resultados. É por isso que você pode **recognize text from large image** arquivos sem pré‑processamento manual. + +## Etapa 6 – Exibir uma Pré‑visualização do Texto Extraído + +Printing the whole document to the console can be overwhelming. Let’s show just the first 200 characters, followed by an ellipsis, so you can verify the output at a glance. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Saída esperada no console:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +If you see gibberish, double‑check that the correct language is selected (default is English) and that the TIFF isn’t corrupted. + +## Exemplo Completo Funcional + +Putting all the pieces together gives you a single class you can compile and run: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Replace `aspose-ocr-23.12.jar` with the actual version you downloaded. + +## Armadilhas Comuns & Dicas + +| Issue | Why it Happens | Quick Fix | +|------|----------------|-----------| +| **OutOfMemoryError** | Carregar o TIFF em um `BufferedImage` em vez de streaming. | Sempre use `InputStream` como mostrado; deixe o Aspose lidar com o tiling. | +| **Blank output** | Dica de extensão de arquivo incorreta (`"tif"` vs `"tiff"`). | Use a string exata que você passou para `add`. | +| **Garbage characters** | Licença não aplicada ou expirada. | Verifique o caminho do arquivo `.lic` e reaplique antes de criar o motor. | +| **Slow recognition** | Uso de um `OcrConfiguration` personalizado com DPI alto. | Mantenha os padrões na maioria dos casos; ajuste somente se precisar de maior precisão. | + +### Quando Ajustar Configurações + +- **Documentos multilíngues:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Maior precisão em fontes pequenas:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +But remember, each extra option can increase CPU time, especially on a **large image**. Test with a single tile first. + +## Próximos Passos + +Now that you know how to **create OCR engine Java**, **read TIFF file Java**, and **recognize text from large image**, you might want to: + +1. **Exportar o resultado para PDF** – combine Aspose.PDF com o texto OCR para documentos pesquisáveis. +2. **Armazenar caixas delimitadoras** – use `ocrResult.getWords()` para obter coordenadas para realce. +3. **Paralelizar o processamento de blocos** – para imagens de satélite ultra‑grandes, iniciar um + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..2bbeabfd1 --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,242 @@ +--- +category: general +date: 2026-02-17 +description: Aprenda a usar um pool de threads fixo em Java para extrair texto de + imagens PNG com processamento OCR paralelo e encerrar corretamente o serviço executor. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: pt +og_description: Descubra como um pool de threads fixo em Java pode extrair texto de + imagens PNG em paralelo, converter o texto de páginas escaneadas e encerrar o serviço + executor com segurança. +og_title: Pool de threads fixo Java – OCR paralelo para PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Pool de threads fixo Java – OCR paralelo para PNG +url: /pt/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR paralelo para PNG + +Já se perguntou como acelerar o OCR em um conjunto de arquivos PNG usando um **fixed thread pool java**? Neste tutorial vamos percorrer **extract text from PNG** imagens em paralelo, **convert scanned pages text** em strings editáveis e encerrar com segurança o **shut down executor service** assim que o trabalho terminar. + +Se você já ficou encarando um loop de thread única que se arrasta por minutos, conhece a frustração de esperar cada página terminar antes que a próxima sequer comece. A boa notícia? Com algumas linhas de Java e Aspose OCR você pode liberar o poder de todos os seus núcleos de CPU, transformar essas páginas escaneadas em texto pesquisável e manter sua aplicação responsiva. + +Abaixo você encontrará um exemplo completo, pronto‑para‑executar, além de explicações sobre por que cada parte importa, armadilhas comuns e dicas que você pode aplicar a qualquer biblioteca de OCR. + +--- + +## O que você vai precisar + +- **Java 17** (ou qualquer JDK recente) – o código usa a sintaxe moderna `var` com moderação, mas funciona em versões mais antigas também. +- **Aspose.OCR for Java** library – você pode obtê‑la no Maven Central ou baixar uma versão de avaliação no site da Aspose. +- Um conjunto de arquivos **PNG** que você deseja processar – pense em recibos escaneados, páginas de livros ou capturas de tela. +- Familiaridade básica com concorrência em Java – não é obrigatório, mas é útil. + +É isso. Sem serviços externos, sem Docker, apenas Java puro e um pouco de magia de multithreading. + +--- + +## Etapa 1: Adicionar dependência do Aspose OCR e licença (Opcional) + +Primeiro, certifique‑se de que o JAR do Aspose OCR está no seu classpath. Se você usa Maven, adicione: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Se você não tem uma licença, a biblioteca rodará em modo de avaliação; o código funciona da mesma forma. Para carregar uma licença (recomendado para produção), coloque `Aspose.OCR.lic` na sua pasta de recursos e use: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Dica profissional:** Mantenha o arquivo de licença fora do controle de versão para evitar exposição acidental. + +--- + +## Etapa 2: Criar uma instância de `OcrEngine` thread‑safe + +O `OcrEngine` do Aspose OCR é thread‑safe desde que você reutilize a mesma instância entre as tarefas. Criá‑lo uma única vez economiza memória e evita a sobrecarga de reinicializar o motor para cada imagem. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Por que reutilizar? Pense no motor como um trabalhador pesado que carrega modelos de linguagem na memória. Criar um novo motor por imagem seria como contratar um novo especialista para cada pequeno trabalho – custoso e desnecessário. + +--- + +## Etapa 3: Configurar um Fixed Thread Pool Java + +Agora vem a estrela do espetáculo: um **fixed thread pool java**. Vamos dimensioná‑lo ao número de processadores lógicos para que cada core receba trabalho sem sobrecarga. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Usar um pool *fixo* (em vez de um pool em cache) fornece uso de recursos previsível e impede os temidos picos de “out‑of‑memory” quando centenas de imagens chegam de uma vez. + +--- + +## Etapa 4: Listar os arquivos PNG que você deseja processar (Extract Text from PNG) + +Colete os caminhos das imagens que você deseja fazer OCR. Em um projeto real você pode escanear um diretório ou ler de um banco de dados; aqui vamos codificar alguns exemplos. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Observação:** A extensão de arquivo **png** é importante porque o Aspose OCR detecta automaticamente o formato, mas você também pode fornecer JPEG ou TIFF. + +--- + +## Etapa 5: Enviar tarefas de OCR – Processamento OCR paralelo + +Cada imagem se torna um callable que retorna o texto reconhecido. Como o `OcrEngine` é compartilhado, só precisamos passar o caminho do arquivo para a tarefa. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Por que envolver em um `Future`? Ele nos permite disparar todos os trabalhos instantaneamente, e depois coletar os resultados na ordem em que foram enviados – perfeito para preservar a ordem das páginas ao **convert scanned pages text** de volta para um documento. + +--- + +## Etapa 6: Recuperar resultados e exibir (Convert Scanned Pages Text) + +Agora esperamos cada `Future` terminar e imprimimos a saída. A chamada `get()` bloqueia apenas até que a tarefa específica seja concluída, não todo o pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +A saída típica no console se parece com: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Se preferir gravar os resultados em arquivos, substitua o `System.out.println` por uma chamada `Files.writeString`. + +--- + +## Etapa 7: Encerrar o Executor Service de forma limpa + +Quando todas as tarefas estiverem concluídas, é crucial **shut down executor service**; caso contrário, sua JVM pode manter threads não‑daemon vivas, impedindo uma saída graciosa. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +O padrão `awaitTermination` dá ao pool a chance de terminar o trabalho em andamento antes de forçá‑lo. Ignorar esta etapa é uma fonte comum de vazamentos de memória em aplicações de longa duração. + +--- + +## Exemplo completo em funcionamento + +Juntando tudo, aqui está o programa completo que você pode copiar‑colar em `ParallelBatchDemo.java` e executar: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..edace408c --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,195 @@ +--- +category: general +date: 2026-02-17 +description: Pré-processar imagem para OCR com Aspose OCR em Java. Aprenda a aumentar + o contraste da imagem, definir o nível de contraste e reconhecer texto da imagem + em apenas alguns minutos. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: pt +og_description: Pré-processar imagem para OCR usando Aspose OCR Java. Este guia mostra + como aumentar o contraste da imagem, definir o nível de contraste e reconhecer texto + da imagem rapidamente. +og_title: Pré-processar Imagem para OCR – Tutorial Java para Aumentar o Contraste + e Extrair Texto +tags: +- Java +- OCR +- Image Processing +title: Pré-processar imagem para OCR – Guia completo em Java para aumentar o contraste + e extrair texto +url: /pt/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Pré-processar Imagem para OCR – Guia Completo em Java + +Já precisou **pré-processar imagem para OCR** mas não tinha certeza de quais configurações realmente fazem diferença? Você não está sozinho. A maioria dos desenvolvedores joga uma imagem em um motor OCR e espera que a mágica aconteça, apenas para obter uma saída confusa. Neste tutorial, percorreremos um exemplo prático, de ponta a ponta, que **aumenta o contraste da imagem**, ajusta o **nível de contraste**, e finalmente **reconhece texto da imagem** usando Aspose OCR para Java. + +Ao terminar, você terá um trecho de código reutilizável que **extrai texto usando OCR** de forma confiável, mesmo em digitalizações ruidosas. Sem truques ocultos, apenas passos claros e o raciocínio por trás de cada um. + +## O que você precisará + +- Java 17 ou mais recente (o código compila com qualquer JDK recente) +- Biblioteca Aspose OCR para Java (download no site oficial da Aspose) +- Um arquivo de licença válido do Aspose OCR (`Aspose.OCR.lic`) +- Uma imagem de entrada (`input.jpg`) que você deseja ler +- Uma IDE favorita ou configuração simples de linha de comando + +Se você já tem tudo isso, ótimo—vamos direto ao assunto. + +## Etapa 1: Carregar a Licença Aspose OCR (Configuração Primária) + +Antes que o motor OCR faça qualquer coisa, ele precisa saber que você possui licença. Caso contrário, você encontrará uma marca d'água de avaliação. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Por que isso importa:** Sem uma licença adequada, o motor funciona em modo de avaliação, o que pode truncar resultados ou adicionar marcas d'água. Definir a licença cedo também garante que quaisquer opções subsequentes de pré-processamento sejam aplicadas em modo de recursos completos. + +## Etapa 2: Inicializar o Motor OCR + +Criar uma instância de `OcrEngine` lhe dá acesso tanto ao reconhecimento quanto aos pipelines de pré-processamento. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Dica profissional:** Mantenha o motor como singleton se você planeja processar muitas imagens em lote; ele faz cache de recursos internos e acelera chamadas subsequentes. + +## Etapa 3: Configurar o Pré-processamento – Correção de Inclinação, Redução de Ruído e Realce de Contraste + +É aqui que **pré-processamos a imagem para OCR**. Os três ajustes que faremos são: + +1. **Deskew** – corrige rotações leves. +2. **Denoise** – remove manchas que confundem a segmentação de caracteres. +3. **Contrast enhancement** – faz o texto escuro sobressair em relação ao fundo. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Por que Ajustar o Nível de Contraste? + +Aumentar o nível de contraste estica o histograma da imagem, tornando os pixels escuros mais escuros e os pixels claros mais claros. Na prática, um **nível de contraste** de `1.3f` costuma oferecer o melhor equilíbrio para documentos impressos, enquanto um valor acima de `1.5f` pode superexpor traços finos. Sinta-se à vontade para experimentar; a configuração é barata de mudar e pode melhorar drasticamente a taxa de sucesso de **reconhecer texto da imagem**. + +## Etapa 4: Preparar a Imagem de Entrada + +A classe `OcrInput` abstrai o manuseio de arquivos. Você pode adicionar várias imagens se precisar de processamento em lote. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Caso de borda:** Se sua imagem estiver em um formato não‑padrão (por exemplo, TIFF com várias páginas), você pode carregar cada página separadamente ou convertê‑la para PNG/JPEG primeiro. + +## Etapa 5: Executar o Reconhecimento + +Agora o motor executa o pipeline de pré-processamento que configuramos, e então entrega a imagem limpa ao algoritmo central de OCR. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**O que está acontecendo nos bastidores?** O Aspose OCR primeiro aplica a transformação de correção de inclinação, depois executa o filtro de redução de ruído, e finalmente ajusta o contraste antes de enviar a imagem ao seu reconhecedor baseado em rede neural. A ordem é intencional; alterá‑la pode levar a resultados sub‑ótimos. + +## Etapa 6: Exibir o Texto Reconhecido + +Finalmente, imprimimos a string extraída no console. Em uma aplicação real, você pode gravá‑la em um arquivo ou enviá‑la pela rede. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Saída Esperada + +Se `input.jpg` contiver a frase “Hello World!”, o console deverá exibir: + +``` +Hello World! +``` + +Se a saída parecer confusa, verifique novamente os valores de pré-processamento—especialmente o **nível de contraste** e o **modo de redução de ruído**—e tente um formato de imagem diferente. + +## Bônus: Visualizando a Imagem Pré‑processada (Opcional) + +Às vezes você quer ver o que o motor vê após correção de inclinação, redução de ruído e realce de contraste. O Aspose OCR permite exportar o bitmap intermediário: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +![exemplo de pré-processamento de imagem para OCR](/images/ocr-preprocess-example.png "pré-processamento de imagem para OCR – antes e depois do aumento de contraste") + +*A imagem acima ilustra como aumentar o contraste e reduzir o ruído transforma uma digitalização borrada em uma imagem limpa e pronta para OCR.* + +## Armadilhas Comuns & Como Evitá‑las + +| Armadilha | Por que acontece | Correção | +|-----------|------------------|----------| +| **Excesso de contraste** (`setContrastLevel` muito alto) | Fundo claro torna‑se branco, apagando caracteres fracos | Mantenha o nível entre 1.1 e 1.4 para a maioria dos textos impressos | +| **Tolerância de correção de inclinação muito baixa** | Pequenas rotações permanecem não corrigidas | Aumente `setDeskewAngleTolerance` para 0.2 ou 0.3 para livros digitalizados | +| **Usar redução de ruído GAUSSIAN em imagens binárias** | Borra as bordas, fundindo caracteres | Use `DenoiseMode.MEDIAN` para digitalizações em preto‑e‑branco | +| **Licença ausente** | O motor recua para modo de avaliação, truncando a saída | Verifique o caminho para `Aspose.OCR.lic` e se o arquivo é legível | + +## Próximos Passos: Indo Além do Pré‑processamento Básico + +Agora que você pode **pré-processar imagem para OCR** e **extrair texto usando OCR**, considere estas extensões: + +- **Language packs** – carregue dicionários de idioma específicos para melhorar a precisão em textos não‑inglês. +- **Region‑of‑interest (ROI) cropping** – foque em uma subseção da imagem se você precisar apenas de parte da página. +- **Batch processing** – percorra um diretório de imagens, reutilizando a mesma instância `OcrEngine` para maior velocidade. +- **Integrate with PDF** – combine Aspose OCR com Aspose PDF para converter PDFs digitalizados em PDFs pesquisáveis em um único pipeline. + +Cada um desses tópicos incorpora naturalmente nossas palavras‑chave secundárias: você ainda **aumentará o contraste da imagem**, **definirá o nível de contraste**, e continuará a **reconhecer texto da imagem** em diversos cenários. + +## Conclusão + +Cobremos tudo o que você precisa para **pré-processar imagem para OCR** usando Aspose OCR para Java: carregar a licença, configurar correção de inclinação, redução de ruído e realce de contraste, alimentar a imagem e, finalmente, **reconhecer texto da imagem**. Com o exemplo completo e executável acima, você agora pode **extrair texto usando OCR** em qualquer imagem devidamente preparada. + +Execute o código, ajuste o **nível de contraste**, e observe a precisão aumentar. Quando estiver pronto, explore modelos específicos de idioma ou pipelines em lote para transformar esta demonstração de imagem única em uma solução de nível de produção. + +*Feliz codificação, e que suas digitalizações estejam sempre nítidas!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..3e2defd1a --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Reconheça imagens de texto rapidamente com suporte GPU do Aspose OCR + em Java. Aprenda a extrair texto de imagens e definir o ID do dispositivo GPU para + desempenho ideal. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: pt +og_description: reconheça texto em imagem rapidamente com suporte GPU do Aspose OCR + em Java. Este guia mostra como extrair texto de uma imagem e definir o ID do dispositivo + GPU. +og_title: reconhecer texto em imagem usando Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Reconhecer texto em imagem usando Aspose OCR GPU – Java +url: /pt/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconhecer texto em imagem usando Aspose OCR GPU – Java + +Já precisou **reconhecer texto em imagem** em uma aplicação Java, mas a CPU estava sobrecarregada com arquivos grandes? Você não está sozinho—muitos desenvolvedores encontram esse obstáculo ao processar digitalizações de alta resolução. A boa notícia? Aspose OCR permite que você **extraia texto de imagem** na GPU, reduzindo drasticamente o tempo de processamento. + +Neste tutorial, percorreremos um exemplo completo, pronto‑para‑executar, que mostra exatamente como configurar a licença, habilitar a aceleração GPU e **definir o id do dispositivo GPU** quando você tem várias placas gráficas. Ao final, você terá um programa autônomo que imprime o texto reconhecido no console—sem etapas adicionais necessárias. + +## O que você precisará + +- **Java 17** ou mais recente (a API é compatível com Java 8+, mas o LTS mais recente oferece melhor desempenho). +- Biblioteca **Aspose OCR for Java** (baixe o JAR no site da Aspose). +- Um arquivo de licença **Aspose OCR** válido (`Aspose.OCR.lic`). O teste gratuito funciona, mas os recursos de GPU estão bloqueados em uma versão licenciada. +- Um arquivo de imagem (`sample-image.png`) que contenha texto claro e legível por máquina. +- Um ambiente com GPU habilitada (placa compatível com NVIDIA CUDA funciona melhor). + +Se algum desses itens lhe for desconhecido, não se preocupe—cada ponto será explicado ao longo do tutorial. + +## Etapa 1: Adicionar Aspose OCR ao seu projeto + +Primeiro, inclua o JAR do Aspose OCR no seu classpath. Se você estiver usando Maven, adicione a seguinte dependência ao `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Para Gradle, é: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Se preferir o caminho manual, coloque o JAR na pasta `libs/` e adicione-o ao caminho de módulos da IDE. + +> **Dica profissional:** Mantenha o número da versão sincronizado com as notas de lançamento da biblioteca; versões mais recentes costumam trazer ajustes de desempenho para o processamento GPU. + +## Etapa 2: Carregar a licença Aspose OCR (necessária para uso da GPU) + +Sem uma licença, a chamada `setEnableGpu(true)` retornará silenciosamente ao modo CPU. Carregue a licença logo no início do `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Substitua `YOUR_DIRECTORY` pelo caminho absoluto ou relativo onde você armazenou o arquivo `.lic`. Se o caminho estiver errado, a Aspose lançará uma `FileNotFoundException`, então verifique a ortografia. + +## Etapa 3: Criar o motor OCR e habilitar a aceleração GPU + +Agora instanciamos `OcrEngine` e instruímos a usar a GPU. O método `setGpuDeviceId` permite escolher uma placa específica quando há mais de uma presente. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Por que se preocupar com o ID do dispositivo? Em um servidor com múltiplas GPUs, você pode reservar uma placa para pré‑processamento de imagens e outra para OCR. Definir o ID garante que o hardware correto faça o trabalho pesado. + +## Etapa 4: Preparar a imagem de entrada + +Aspose OCR funciona com uma variedade de formatos (PNG, JPG, BMP, TIFF). Envolva seu arquivo em um objeto `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Se precisar processar um stream (por exemplo, um arquivo enviado), use `ocrInput.add(InputStream)` em vez disso. + +## Etapa 5: Executar o processo de reconhecimento e obter o resultado + +O método `recognize` retorna um `OcrResult` que contém o texto puro, pontuações de confiança e até informações de layout, se necessário. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +O console exibirá algo como: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Se a imagem estiver borrada ou o idioma não for suportado, o resultado pode estar vazio. Nesse caso, verifique o valor `ocrResult.getConfidence()` (0‑100) para decidir se deve tentar novamente com pré‑processamento. + +## Exemplo completo e executável + +Juntando todas as peças, você obtém uma única classe Java que pode copiar‑colar em sua IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Saída esperada:** O console imprime o texto exato que aparece em `sample-image.png`. Se a GPU estiver ativa, você notará o tempo de processamento cair de vários segundos (CPU) para menos de um segundo em digitalizações típicas de 300 dpi. + +## Perguntas comuns e casos extremos + +### Isso funciona em um servidor sem interface gráfica? + +Sim. O driver da GPU deve estar instalado, mas nenhum monitor é necessário. Apenas garanta que o toolkit `CUDA` (ou equivalente para sua GPU) esteja no `PATH` do sistema. + +### E se eu tiver mais de uma GPU e quiser usar a GPU 1? + +Altere o ID do dispositivo: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Como extrair texto de imagem em um idioma diferente? + +Defina o idioma antes de chamar `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose suporta mais de 30 idiomas; consulte a documentação da API para a enumeração completa. + +### E se a imagem contiver várias páginas (por exemplo, um PDF convertido em imagens)? + +Crie uma entrada `OcrInput` separada para cada página, ou faça um loop sobre os arquivos: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +O motor concatenará os resultados na ordem. + +### Como lidar com resultados de baixa confiança? + +Verifique a pontuação de confiança: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Etapas típicas de pré‑processamento incluem binarização, redução de ruído ou redimensionamento para 300 dpi. + +## Dicas de desempenho + +- **Processamento em lote:** Adicionar muitas imagens a um único `OcrInput` reduz a sobrecarga de inicializar repetidamente o contexto da GPU. +- **Aquecimento:** Execute um reconhecimento fictício uma vez após iniciar a JVM; a primeira chamada incide latência de inicialização do driver. +- **Gerenciamento de memória:** Libere objetos grandes `OcrInput` (`ocrInput.clear()`) após o uso para liberar memória da GPU. + +## Conclusão + +Agora você sabe como **reconhecer texto em imagem** de forma eficiente com o motor GPU da Aspose OCR em Java, como **extrair texto de imagem** em qualquer idioma suportado e como **definir o id do dispositivo GPU** ao trabalhar com várias placas gráficas. O código completo e executável acima deve funcionar imediatamente—basta substituir sua licença e os caminhos das imagens. + +Pronto para o próximo passo? Tente processar uma pasta de PDFs escaneados, experimente diferentes opções `setLanguage`, ou combine OCR com um modelo de aprendizado de máquina para pós‑processamento. As possibilidades são infinitas, e os ganhos de desempenho da aceleração GPU tornam projetos de grande escala viáveis. + +Feliz codificação, e sinta-se à vontade para deixar um comentário se encontrar algum problema! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/ocr-operations/_index.md b/ocr/portuguese/java/ocr-operations/_index.md index e1b3ddd89..4ac2f44c7 100644 --- a/ocr/portuguese/java/ocr-operations/_index.md +++ b/ocr/portuguese/java/ocr-operations/_index.md @@ -82,6 +82,16 @@ Desbloqueie o poder do OCR em Java com Aspose.OCR. Reconheça texto em documento Desbloqueie um poderoso reconhecimento de texto em Java com Aspose.OCR. Reconheça texto em imagens TIFF sem esforço. Baixe agora para uma experiência de OCR perfeita. ### [Reconhecer texto em imagem com Aspose OCR – Tutorial completo de OCR em Java](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Aprenda a reconhecer texto em imagens usando Aspose OCR com um tutorial completo em Java, cobrindo configuração e melhores práticas. +### [Reconhecer texto de imagem com Aspose OCR – Tutorial Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Aprenda a extrair texto de imagens com Aspose OCR em Java, passo a passo, incluindo configuração e dicas de precisão. +### [Imagem para texto Java – Extrair texto Urdu com Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Aprenda a extrair texto em Urdu de imagens usando Aspose OCR em Java, com dicas de configuração e otimização de precisão. +### [Criar PDF pesquisável a partir de imagem em Java – Guia passo a passo](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Aprenda a gerar PDFs pesquisáveis a partir de imagens usando Aspose.OCR para Java, com instruções detalhadas passo a passo. +### [Como usar OCR em Java – Extrair texto de PDF com Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Aprenda a usar OCR em Java para extrair texto de PDFs com Aspose.OCR, passo a passo, incluindo configuração e dicas de precisão. +### [Como usar OCR em Java – Reconhecer texto de imagem rapidamente](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Aprenda a reconhecer texto de imagens rapidamente usando OCR em Java, com passos simples e dicas de precisão. ## Perguntas Frequentes diff --git a/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..b4f7b7754 --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: 'Crie PDF pesquisável rapidamente: aprenda como criar PDF a partir de + uma imagem usando Aspose OCR, opções de salvamento de PDF e converter imagem em + PDF pesquisável em apenas minutos.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: pt +og_description: Crie PDF pesquisável em Java usando Aspose OCR. Este guia mostra como + criar um PDF a partir de uma imagem, configurar as opções de salvamento do PDF e + obter um documento totalmente pesquisável. +og_title: Crie PDF pesquisável a partir de imagem em Java – Tutorial completo +tags: +- Aspose OCR +- Java +- PDF generation +title: Criar PDF pesquisável a partir de imagem em Java – Guia passo a passo +url: /pt/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +exemplo de PDF pesquisável". Title: "exemplo de pdf pesquisável". Keep URL placeholder-image.png unchanged. + +Now closing shortcodes. + +Now produce final content. + +Be careful to keep markdown formatting exactly. + +Let's craft final output.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crie PDF pesquisável a partir de imagem em Java – Guia passo a passo + +Já precisou **criar PDF pesquisável** a partir de uma foto escaneada, mas não sabia qual API escolher? Você não está sozinho—muitos desenvolvedores encontram esse obstáculo ao tentar transformar um bitmap em um PDF que realmente possa ser pesquisado. A boa notícia? Com o Aspose OCR você pode fazer isso em poucas linhas, e o resultado fica exatamente como a imagem original, ainda sendo pesquisável como texto. + +Neste tutorial vamos percorrer todo o processo: carregar sua licença, alimentar uma imagem (ou um TIFF multipágina) no motor OCR, ajustar as **opções de salvamento de PDF**, e finalmente gravar um **imagem para PDF pesquisável**. Ao final você terá um programa Java pronto para uso que cria um PDF pesquisável em segundos. Sem mistérios, sem atalhos “veja a documentação”—apenas um exemplo completo e executável. + +## O que você aprenderá + +- Como **converter imagem em PDF** e incorporar uma camada de texto oculta para pesquisa. +- Quais **opções de salvamento de PDF** você deve habilitar para o melhor equilíbrio entre tamanho e precisão. +- Armadilhas comuns (por exemplo, licença ausente, formatos de imagem não suportados) e como evitá‑las. +- Como verificar se a saída realmente é pesquisável (teste rápido com o Adobe Reader). + +**Pré‑requisitos:** Java 8 ou superior, Maven ou Gradle para obter o JAR do Aspose OCR, e um arquivo de licença válido do Aspose OCR. Se ainda não tem uma licença, pode solicitar um teste gratuito no site da Aspose. + +--- + +## Etapa 1 – Carregar a licença do Aspose OCR (Como criar PDF com segurança) + +Antes que o motor OCR faça qualquer trabalho, ele precisa de uma licença; caso contrário, você receberá páginas com marca d’água. Coloque seu `Aspose.OCR.lic` em um local acessível e aponte a classe `License` para ele. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Dica profissional:** Mantenha o arquivo de licença fora do diretório de controle de versão para evitar commits acidentais. + +--- + +## Etapa 2 – Preparar a entrada OCR (Converter imagem em PDF) + +O Aspose OCR aceita um objeto `OcrInput` que pode conter uma ou várias imagens. Aqui adicionamos um único PNG, mas você também poderia alimentar um TIFF multipágina para processamento em lote. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Por que isso importa:** Adicionar a imagem ao `OcrInput` desacopla o manuseio de arquivos do motor, permitindo reutilizar o mesmo código para cenários de página única ou múltiplas páginas. + +--- + +## Etapa 3 – Configurar opções de salvamento de PDF (Explicação das opções de salvamento de PDF) + +A classe `PdfSaveOptions` controla como o PDF final é construído. Dois flags são cruciais para um **PDF pesquisável**: + +1. `setCreateSearchablePdf(true)` – indica ao motor que ele deve incorporar uma camada de texto oculta baseada nos resultados do OCR. +2. `setEmbedImages(true)` – preserva a imagem raster original para que a aparência visual permaneça intacta. + +Você também pode ajustar DPI, compressão ou proteção por senha, se necessário. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Caso extremo:** Se você definir `setCreateSearchablePdf(false)`, a saída será um PDF apenas com imagem—nada que possa ser pesquisado. Sempre verifique esse flag ao automatizar lotes grandes. + +--- + +## Etapa 4 – Executar OCR e gravar o PDF pesquisável (A lógica central de “Como criar PDF”) + +Agora juntamos tudo. O método `recognize` realiza OCR na `OcrInput` fornecida, aplica as `PdfSaveOptions` e grava o resultado em um arquivo. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Resultado esperado + +Depois de executar o programa, abra `output-searchable.pdf` em qualquer visualizador de PDF (Adobe Reader, Foxit, etc.) e tente selecionar texto ou usar a caixa de busca. Você deverá conseguir encontrar palavras que originalmente estavam apenas na imagem. Esse é o sinal distintivo de um **PDF pesquisável**. + +--- + +## Etapa 5 – Verificar a camada pesquisável (QA rápido) + +Às vezes a confiança do OCR pode ser baixa, especialmente em digitalizações de baixa resolução. Uma forma rápida de verificar é: + +1. Abra o PDF no Adobe Reader. +2. Pressione **Ctrl + F** e digite uma palavra que você sabe que aparece na imagem. +3. Se a palavra for destacada, a camada de texto oculta está funcionando. + +Se a busca falhar, considere aumentar o DPI da imagem de origem ou habilitar dicionários específicos de idioma via `ocrEngine.getLanguage().add("eng")`. + +--- + +## Perguntas frequentes e armadilhas + +| Pergunta | Resposta | +|----------|----------| +| **Posso processar um TIFF multipágina?** | Sim—basta adicionar cada página ao mesmo `OcrInput` (`ocrInput.add(tiffPath)`). O Aspose OCR tratará cada quadro como uma página separada. | +| **E se eu não tiver uma licença?** | O teste gratuito funciona, mas adiciona marca d’água em cada página. O código permanece o mesmo; basta usar o arquivo `.lic` de teste. | +| **Quão grande será o PDF?** | Com `setEmbedImages(true)` o tamanho do arquivo é aproximadamente o da imagem original mais alguns kilobytes para o texto oculto. Você pode comprimir imagens via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Preciso definir um idioma para o OCR?** | Por padrão o Aspose OCR usa inglês. Para outros idiomas, chame `ocrEngine.getLanguage().add("spa")` antes de `recognize`. | +| **O PDF de saída é pesquisável em dispositivos móveis?** | Absolutamente—a maioria dos visualizadores de PDF móveis respeita a camada de texto oculta. | + +--- + +## Bônus: Transformando a demonstração em uma utilidade reutilizável + +Se você prevê a necessidade dessa funcionalidade em vários projetos, encapsule a lógica em um método auxiliar estático: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Agora você pode chamar `PdfSearchableUtil.convert(...)` de qualquer parte do seu código, transformando **converter imagem em PDF** em uma única linha. + +--- + +## Conclusão + +Cobremos tudo o que você precisa para **criar PDF pesquisável** a partir de imagens em Java usando o Aspose OCR. Desde o carregamento da licença, construção da entrada OCR, ajuste das **opções de salvamento de PDF**, até a gravação final de um **imagem para PDF pesquisável**, o tutorial oferece uma solução completa, pronta para copiar e colar. + +Dê o próximo passo experimentando diferentes formatos de imagem, ajustando o DPI ou adicionando proteção por senha via `PdfSaveOptions`. Você também pode explorar o processamento em lote—percorrer uma pasta de digitalizações e gerar um PDF pesquisável para cada arquivo. + +Se este guia foi útil, dê uma estrela no GitHub ou deixe um comentário abaixo. Boa codificação e aproveite para transformar aqueles scans entediantes em documentos totalmente pesquisáveis! + +![Captura de tela do exemplo de PDF pesquisável](placeholder-image.png "exemplo de pdf pesquisável") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..f3c9a8850 --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Como usar OCR em Java para extrair texto de PDF, converter PDF em imagens + e realizar OCR em arquivos PDF digitalizados usando Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: pt +og_description: Como usar OCR em Java para extrair texto de arquivos PDF. Aprenda + a converter PDF em imagens e reconhecer PDFs digitalizados com Aspose.OCR. +og_title: Como usar OCR em Java – Guia completo +tags: +- OCR +- Java +- Aspose +title: Como usar OCR em Java – Extrair texto de PDF com Aspose.OCR +url: /pt/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Como Usar OCR em Java – Extrair Texto de PDF com Aspose.OCR + +Já se perguntou **como usar OCR** para transformar um PDF escaneado em texto pesquisável? Você não é o único. A maioria dos desenvolvedores bate em um muro quando um PDF chega como um monte de imagens, e os extratores de texto habituais simplesmente não retornam nada. A boa notícia? Com algumas linhas de Java e Aspose.OCR você pode **extrair texto de PDF**, **converter PDF em imagens**, e **reconhecer PDF escaneado** em um único fluxo de trabalho simples. + +Neste tutorial vamos percorrer tudo o que você precisa saber — desde licenciar a biblioteca até imprimir o resultado final. Ao final, você terá um programa pronto‑para‑executar que extrai texto simples de qualquer relatório, fatura ou ebook escaneado. Sem serviços externos, sem mágica — apenas código Java puro que você controla. + +## O Que Você Precisa + +- **Java Development Kit (JDK) 8+** – qualquer versão recente funciona. +- **Aspose.OCR for Java** JAR (download do site da Aspose). +- Um **arquivo de licença válido do Aspose.OCR** (`Aspose.OCR.lic`). O teste gratuito funciona, mas uma licença desbloqueia a precisão total. +- Um **PDF escaneado de exemplo** (por exemplo, `scanned-report.pdf`). +- Uma IDE ou editor de texto simples mais um terminal. + +É isso. Sem Maven, sem Gradle, sem dependências extras — apenas o JAR do Aspose.OCR no seu classpath. + +![exemplo de como usar OCR](image-placeholder.png "exemplo de como usar OCR") + +## Etapa 1 – Carregar Sua Licença Aspose.OCR (Por Que Isso Importa) + +Antes que o motor possa rodar em plena velocidade, você deve informar onde sua licença está. Pular esta etapa força a biblioteca a entrar no modo de avaliação, que adiciona marcas d'água à saída e pode limitar a precisão. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Por que isso funciona:** A classe `License` lê o arquivo `.lic` e o registra globalmente. Uma vez definido, todo `OcrEngine` que você criar usará os recursos licenciados automaticamente. + +## Etapa 2 – Criar o Motor OCR (O Motor Por Trás da Mágica) + +Uma instância `OcrEngine` é a força de trabalho que escaneia imagens e gera texto. Pense nela como o cérebro que interpreta padrões de pixels. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Dica profissional:** Você pode ajustar o idioma, os limites de confiança ou até habilitar aceleração GPU via propriedades do motor. Para a maioria dos PDFs em inglês, os padrões são adequados. + +## Etapa 3 – Preparar a Entrada: Adicionar Seu PDF (Converter PDF em Imagens Internamente) + +Aspose.OCR trata cada página de um PDF como uma imagem. Quando você chama `addPdf`, a biblioteca rasteriza silenciosamente cada página, que é exatamente o que você precisa para **converter PDF em imagens** antes do reconhecimento. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**O que está acontecendo:** +- O PDF é aberto. +- Cada página é renderizada a 300 dpi (padrão) para preservar detalhes dos caracteres. +- Os objetos bitmap renderizados são armazenados na coleção `OcrInput`. + +Se você precisar das imagens brutas (para depuração ou pré-processamento personalizado), chame `ocrInput.getPages()` após esta etapa. + +## Etapa 4 – Executar o Processo OCR (Realizar OCR no PDF) + +Agora o trabalho pesado começa. O método `recognize` itera sobre cada imagem, executa o algoritmo de reconhecimento e agrega os resultados em um `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Por que isso importa:** O `OcrResult` contém não apenas texto simples, mas também pontuações de confiança, caixas delimitadoras e a referência da imagem original. Para a maioria dos casos de uso, você precisará apenas de `getText()`. + +## Etapa 5 – Recuperar e Exibir o Texto Extraído + +Finalmente, extraia a string de texto simples do resultado e imprima‑a. Você também pode gravá‑la em um arquivo, enviá‑la para um índice de busca ou encaminhá‑la para um pipeline de NLP subsequente. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Saída Esperada + +Se `scanned-report.pdf` contiver um parágrafo simples, você verá algo como: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +A formatação exata espelha o layout original, preservando quebras de linha quando possível. + +## Lidando com Casos de Borda Comuns + +### 1. PDFs Multilíngues + +Se o seu documento contiver texto em francês ou espanhol, defina o idioma antes de chamar `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Você pode fornecer um array de idiomas para que o motor detecte automaticamente. + +### 2. Scans de Baixa Resolução + +Ao lidar com scans de 150 dpi, aumente o DPI de renderização interno: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Um DPI maior melhora a clareza dos caracteres, mas consome mais memória. + +### 3. PDFs Grandes (Gerenciamento de Memória) + +Para PDFs com dezenas de páginas, processe‑os em lotes: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Essa abordagem impede que o heap da JVM cresça excessivamente. + +## Exemplo Completo, Pronto‑para‑Executar + +Abaixo está o programa completo — incluindo imports e tratamento de licença — para que você possa copiar‑colar e executar instantaneamente. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Execute‑o com: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Você deverá ver o texto extraído impresso no console. + +## Recapitulação – O Que Cobrimos + +- **Como usar OCR** em Java com Aspose.OCR. +- O fluxo de trabalho para **extrair texto de PDF**. +- Internamente, a biblioteca **converte PDF em imagens** antes de reconhecer caracteres. +- Dicas para **realizar OCR em PDF** com múltiplos idiomas, scans de baixa resolução e documentos grandes. +- Um exemplo de código completo e executável que você pode inserir em qualquer projeto Java. + +## Próximos Passos & Tópicos Relacionados + +Agora que você pode **reconhecer PDFs escaneados**, considere estas ideias de continuação: + +- **Geração de PDF Pesquisável** – sobrepor o texto OCR de volta ao PDF original para criar um documento pesquisável. +- **Serviço de Processamento em Lote** – encapsular o código em um microserviço Spring Boot que aceita PDFs via REST. +- **Integração com Elasticsearch** – indexar o texto extraído para busca full‑text rápida em todo o repositório de documentos. +- **Pré‑Processamento de Imagem** – usar OpenCV para corrigir inclinação ou remover ruído das páginas antes do OCR para ainda maior precisão. + +Cada um desses tópicos se baseia nos conceitos centrais que exploramos, então sinta-se à vontade para experimentar e deixar o motor OCR fazer o trabalho pesado. + +--- + +*Feliz codificação! Se você encontrou algum problema — como erros de licença ou resultados nulos inesperados — deixe um comentário abaixo. Estou sempre disponível para uma sessão de depuração.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..94531bf66 --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Aprenda a usar OCR em Java para reconhecer texto de arquivos de imagem, + extrair texto de recibos PNG e converter o recibo para JSON com o Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: pt +og_description: Guia passo a passo sobre como usar OCR em Java para reconhecer texto + de imagens, extrair texto de recibos em PNG e converter o recibo em JSON. +og_title: Como usar OCR em Java – Reconhecer texto de uma imagem +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Como usar OCR em Java – Reconheça texto de uma imagem rapidamente +url: /pt/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Como Usar OCR em Java – Reconheça Texto de Imagem Rapidamente + +Já se perguntou **como usar OCR** para extrair texto de uma foto de um recibo? Talvez você já tenha experimentado algumas ferramentas online, apenas para acabar com caracteres embaralhados ou um formato que não consegue analisar. A boa notícia é que, com algumas linhas de código Java, você pode **reconhecer texto de imagem**, **extrair texto de PNG** de recibos e até **converter recibo para JSON** para processamento posterior. + +Neste tutorial vamos percorrer todo o fluxo – desde licenciar a biblioteca Aspose OCR até obter um payload JSON limpo que você pode inserir em um banco de dados ou em um modelo de machine‑learning. Sem enrolação, apenas um exemplo prático e executável que você pode copiar‑colar no seu IDE. Ao final, você terá um programa autônomo que recebe `receipt.png` e gera uma string JSON pronta para uso. + +## O que Você Precisa + +- **Java Development Kit (JDK) 8+** – qualquer versão recente funciona. +- Biblioteca **Aspose OCR for Java** (o artefato Maven é `com.aspose:aspose-ocr`). +- Um **arquivo de licença Aspose OCR válido** (`Aspose.OCR.lic`). O trial gratuito serve para testes, mas uma licença adequada remove as limitações de avaliação. +- Um arquivo de imagem (PNG, JPEG, etc.) que contenha o texto que você deseja ler – vamos chamá‑lo de `receipt.png` e colocá‑lo em uma pasta conhecida. +- Seu IDE favorito (IntelliJ IDEA, Eclipse, VS Code…) – escolha livremente. + +> **Dica de especialista:** Mantenha seu arquivo de licença fora da pasta de código‑fonte e faça referência a ele via caminho absoluto ou relativo para evitar comitar o arquivo ao controle de versão. + +Agora que os pré‑requisitos estão claros, vamos mergulhar no código propriamente dito. + +## Como Usar OCR – Etapas Principais + +A seguir, uma visão geral de alto nível das ações que vamos executar: + +1. **Carregar a biblioteca Aspose OCR** e aplicar sua licença. +2. **Criar uma instância `OcrEngine`** – este é o motor que faz o trabalho pesado. +3. **Preparar um objeto `OcrInput`** apontando para a imagem que você quer processar. +4. **Chamar `recognize` com `ResultFormat.JSON`** para obter uma representação JSON do texto extraído. +5. **Tratar a saída JSON** – imprimir, gravar em arquivo ou analisar mais a fundo. + +Cada etapa é explicada em detalhes nas seções a seguir. + +## Etapa 1 – Instalar Aspose OCR e Aplicar Sua Licença + +Primeiro, adicione a dependência Aspose OCR ao seu `pom.xml` se estiver usando Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Agora, no seu código Java, carregue a licença. Esta etapa é essencial; sem ela a biblioteca roda em modo de avaliação e pode inserir marcas d’água na saída. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Por que isso importa:** O objeto `License` informa ao motor OCR que você está autorizado a usar o conjunto completo de recursos, que inclui reconhecimento de alta precisão e exportação JSON. Pular esta etapa ainda permitirá **reconhecer texto de imagem**, mas os resultados podem ser limitados. + +## Etapa 2 – Criar a Instância do Motor OCR + +A classe `OcrEngine` é o ponto de entrada para todas as operações de OCR. Pense nela como o “cérebro” que lê os pixels e decide quais caracteres eles representam. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Você pode personalizar o motor (por exemplo, definir idioma, habilitar deskew) mais tarde se seus recibos contiverem scripts não latinos ou estiverem escaneados em ângulo. Para a maioria dos recibos dos EUA, as configurações padrão funcionam muito bem. + +## Etapa 3 – Carregar a Imagem que Você Quer Processar + +Agora vamos apontar o motor OCR para o arquivo que contém o recibo. A classe `OcrInput` pode aceitar múltiplas imagens, mas para este tutorial vamos mantê‑la simples com um único PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Se precisar **extrair texto de PNG** em lote, basta chamar `input.add()` repetidamente ou passar uma lista de caminhos de arquivos. + +## Etapa 4 – Reconhecer Texto e Converter Recibo para JSON + +Aqui está o coração do tutorial. Pedimos ao motor que reconheça o texto e solicitamos o resultado no formato JSON. A flag `ResultFormat.JSON` faz todo o trabalho pesado para nós. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +O payload JSON inclui cada linha reconhecida, sua caixa delimitadora, pontuação de confiança e o texto bruto. Essa estrutura torna trivial **converter recibo para JSON** e então enviá‑lo a qualquer API downstream. + +## Etapa 5 – Juntar Tudo e Executar o Programa + +A seguir está a classe Java completa, pronta para ser executada, que une todas as partes. Salve‑a como `JsonExportDemo.java` (ou outro nome de sua preferência) e execute‑a pelo seu IDE ou linha de comando. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Saída Esperada + +Executar o programa imprime uma string JSON semelhante ao exemplo abaixo (o conteúdo exato depende do seu recibo): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Agora você pode enviar esse JSON para um banco de dados, um endpoint REST ou um pipeline de análise de dados. A etapa **converter recibo para JSON** já está feita para você. + +## Perguntas Frequentes e Casos de Borda + +### E se a imagem estiver rotacionada? + +Aspose OCR detecta e corrige rotações leves automaticamente. Para imagens muito inclinadas, chame `engine.getImagePreprocessingOptions().setDeskew(true)` antes do reconhecimento. + +### Como lidar com múltiplos idiomas? + +Use `engine.getLanguage()` para definir o idioma desejado, por exemplo `engine.setLanguage(Language.FRENCH)`. Isso é útil quando você precisa **reconhecer texto de imagem** que contém recibos multilíngues. + +### Posso gerar texto simples em vez de JSON? + +Claro. Substitua `ResultFormat.JSON` por `ResultFormat.TEXT` e chame `result.getText()`. + +### Existe como limitar o OCR a uma região específica? + +Sim—use `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` para focar na área do recibo, o que pode melhorar velocidade e precisão. + +## Dicas Profissionais para OCR Pronto para Produção + +- **Cache o objeto de licença** se você estiver processando muitos arquivos em um loop; criá‑lo repetidamente adiciona overhead. +- **Processamento em lote**: carregue todos os caminhos de recibos em um único `OcrInput` e chame `recognize` uma única vez. O JSON conterá um array de páginas, cada uma com suas linhas. +- **Valide o JSON**: depois de obter a string, parseie‑a com uma biblioteca como Jackson para garantir que está bem‑formada antes de armazená‑la. +- **Monitore a confiança**: o JSON inclui um campo `confidence` por linha. Filtre linhas abaixo de um limiar (ex.: 0.85) para evitar dados lixo. +- **Proteja sua licença**: armazene `Aspose.OCR.lic` em um cofre seguro ou variável de ambiente, especialmente em implantações na nuvem. + +## Conclusão + +Cobrimos **como usar OCR** em Java para **reconhecer texto de imagem**, **extrair texto de PNG** de recibos e **converter recibo para JSON** — tudo com um exemplo conciso, de ponta a ponta. As etapas são diretas, o código é totalmente executável e a saída JSON fornece uma representação estruturada pronta para qualquer sistema downstream. + +A seguir, você pode explorar cenários mais avançados: enviar o JSON para Apache Kafka para processamento em tempo real, aplicar expressões regulares para extrair totais de itens, ou integrar com um serviço OCR na nuvem para escalabilidade. Seja qual for o caminho, os fundamentos que você acabou de aprender permanecerão os mesmos. + +Tem dúvidas ou encontrou algum problema ao tentar isso? Deixe um comentário abaixo e vamos solucionar juntos. Boa codificação e aproveite para transformar aquelas imagens bagunçadas de recibos em dados limpos e pesquisáveis! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/portuguese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..65d0c76a8 --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,181 @@ +--- +category: general +date: 2026-02-17 +description: 'tutorial de imagem para texto Java: aprenda como extrair texto em Urdu + de uma imagem usando Aspose OCR. Exemplo completo de OCR em Java incluído.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: pt +og_description: O tutorial de imagem para texto em Java mostra como extrair texto + em Urdu de uma imagem usando Aspose OCR. Siga o exemplo completo de OCR em Java + passo a passo. +og_title: 'Imagem para texto Java: extrair texto em Urdu com Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'Imagem para texto Java: extrair texto Urdu com Aspose OCR' +url: /pt/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Extraia Texto em Urdu com Aspose OCR + +Se você precisa fazer a conversão **image to text java** para documentos em Urdu, está no lugar certo. Já se perguntou *como extrair texto* de uma foto de um bilhete manuscrito ou de uma página de jornal escaneada? Este guia mostrará um **java ocr example** que extrai caracteres em Urdu diretamente de uma imagem usando Aspose OCR. + +Cobriremos tudo, desde a licença da biblioteca até a impressão do resultado no console. Ao final, você será capaz de **load image ocr** arquivos, definir o idioma para Urdu e obter saída Unicode limpa — sem ferramentas extras. + +## O que você vai precisar + +- **Java Development Kit (JDK) 8+** – o código funciona em qualquer JDK recente. +- **Aspose.OCR for Java** JAR (download no site da Aspose). +- Um arquivo de licença **Aspose OCR** válido (`Aspose.OCR.lic`). +- Uma imagem que contenha texto em Urdu, por exemplo `urdu-sample.png`. + +Ter esses itens básicos significa que você pode ir direto ao código sem precisar caçar dependências ausentes. + +## image to text java – Configurando o Aspose OCR + +Primeiro, precisamos informar ao Aspose que temos uma licença. Sem ela a biblioteca roda em modo de avaliação e adiciona marcas d'água ao resultado. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Por que isso importa:** A licença remove o limite de 5 segundos de processamento e desbloqueia o pacote completo de idioma Urdu que foi adicionado no 2025‑Q3. Se você pular esta etapa, o motor OCR ainda funcionará, mas aparecerá uma pequena etiqueta “Evaluation” nos resultados. + +## Como extrair texto – Inicializando o motor OCR + +Agora criamos o motor e informamos explicitamente que estamos interessados em Urdu. A constante `OcrLanguage.URDU` ativa o conjunto de caracteres correto e as regras de segmentação. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Dica profissional:** Se precisar processar vários idiomas em uma única execução, pode passar uma lista separada por vírgulas, por exemplo `OcrLanguage.ENGLISH, OcrLanguage.URDU`. O motor detectará automaticamente cada região. + +## Load Image OCR – Preparando a entrada + +Aspose trabalha com um objeto `OcrInput` que pode conter uma ou várias imagens. Aqui **load image ocr** os dados de um arquivo local. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Nota:** Substitua `YOUR_DIRECTORY` pelo caminho absoluto ou relativo a partir da raiz do seu projeto. Se o arquivo não for encontrado, o Aspose lança uma `FileNotFoundException`. Uma verificação rápida com `new File(path).exists()` pode economizar muito tempo de depuração. + +## Reconhecer o texto – Executando o processo OCR + +Com o motor configurado e a imagem carregada, finalmente chamamos `recognize`. O método retorna um `OcrResult` que contém a string extraída. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**O que está acontecendo nos bastidores?** O motor OCR divide a imagem em linhas, depois em caracteres, aplicando regras de modelagem específicas do Urdu (como formas de junção). Por isso definir o idioma logo no início é crucial; caso contrário, você obterá substitutos latinos corrompidos. + +## Imprimir o texto Urdu reconhecido + +A última etapa é simplesmente imprimir o resultado. Como o Urdu usa escrita da direita para a esquerda, certifique‑se de que seu console suporte Unicode (a maioria dos terminais modernos suporta). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Saída esperada (exemplo):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Se você vir pontos de interrogação ou strings vazias, verifique novamente se a codificação do console está definida para UTF‑8 (`chcp 65001` no Windows, ou execute o Java com `-Dfile.encoding=UTF-8`). + +## Exemplo completo – Todas as etapas em um só lugar + +Abaixo está o programa completo, pronto para copiar e colar. Sem referências externas, apenas um único arquivo Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Execute com: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Substitua a versão do JAR (`23.10`) pela que você baixou. O console deverá exibir a frase em Urdu extraída do seu PNG. + +## Problemas comuns & casos de borda + +| Problema | Por que acontece | Como corrigir | +|----------|------------------|---------------| +| **Saída vazia** | Imagem muito escura ou de baixa resolução. | Pré‑processar a imagem (aumentar contraste, binarizar) usando `BufferedImage` antes de enviá‑la ao Aspose. | +| **Caracteres estranhos** | Idioma errado configurado (padrão é English). | Garanta que `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` seja chamado antes de `recognize`. | +| **Licença não encontrada** | Erro de caminho ou arquivo ausente. | Use um caminho absoluto ou coloque o arquivo `.lic` no classpath e chame `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory em imagens grandes** | PNGs grandes consomem heap. | Chame `ocrEngine.setMaxImageSize(2000);` para redimensionar internamente, ou redimensione a imagem manualmente. | + +## Expandindo a demonstração + +- **Processamento em lote:** Percorra uma pasta, adicione cada arquivo ao mesmo `OcrInput` e cole os resultados em um CSV. +- **Idiomas diferentes:** Troque `OcrLanguage.URDU` por `OcrLanguage.ARABIC` ou combine vários idiomas. +- **Salvar em arquivo:** Use `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Todas essas ideias se baseiam no **java ocr example** que acabamos de criar, permitindo que você adapte a solução a projetos do mundo real. + +## Conclusão + +Agora você tem um fluxo de trabalho sólido de **image to text java** que extrai caracteres em Urdu de uma imagem usando Aspose OCR. O tutorial cobriu cada passo — da licença e seleção de idioma ao carregamento da imagem e impressão do resultado — para que você possa colar o código em qualquer projeto Java e vê‑lo funcionar. + +Em seguida, experimente com PDFs maiores, scripts diferentes ou até mesmo integrando a etapa OCR em um endpoint REST Spring Boot. Os mesmos princípios — **how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/portuguese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/portuguese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..1ac328074 --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Aprenda a reconhecer texto em imagens e a carregar imagens para OCR usando + a biblioteca Aspose OCR para Java. Guia passo a passo com corretor ortográfico. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: pt +og_description: Reconheça texto a partir de imagem usando Aspose OCR Java. Este tutorial + mostra como carregar a imagem para OCR, habilitar a correção ortográfica e gerar + texto limpo. +og_title: reconhecer texto a partir de imagem – Guia completo de OCR Aspose Java +tags: +- Java +- OCR +- Aspose +title: reconhecer texto de imagem com Aspose OCR – Tutorial Java +url: /pt/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconhecer texto de imagem com Aspose OCR – Tutorial Java + +Já precisou **reconhecer texto de imagem** mas não sabia qual biblioteca escolher? Você não está sozinho. Em muitos projetos do mundo real — pense em escanear faturas, digitalizar notas manuscritas ou extrair legendas de capturas de tela — obter resultados precisos de OCR é crucial. + +Neste guia, vamos percorrer o carregamento de uma imagem para OCR, ativar o corretor ortográfico embutido do Aspose OCR e, finalmente, imprimir o texto limpo. Ao final, você terá um programa Java pronto‑para‑executar que **reconhece texto de imagem** com apenas algumas linhas de código. + +## O que este tutorial cobre + +- Como aplicar sua licença Aspose OCR (para que a demonstração execute sem marcas d'água) +- Criar uma instância `OcrEngine` e selecionar English como idioma de reconhecimento +- **Carregar imagem para OCR** usando `OcrInput` e apontar para um PNG que contém palavras com erros ortográficos +- Habilitar o corretor ortográfico, opcionalmente apontando para um dicionário personalizado +- Executar o reconhecimento e imprimir o resultado corrigido + +Sem serviços externos, sem arquivos de configuração ocultos — apenas Java puro e o JAR do Aspose OCR. + +> **Dica profissional:** Se você é novo no Aspose, obtenha uma licença de avaliação gratuita de 30 dias no site da Aspose e coloque o arquivo `.lic` em uma pasta que você possa referenciar no seu código. + +## Pré-requisitos + +- Java 8 ou superior (o código também compila com JDK 11) +- JAR do Aspose.OCR para Java no seu classpath +- Um arquivo `Aspose.OCR.lic` válido (ou você pode executar em modo de avaliação, mas a demonstração incorporará uma marca d'água) +- Um arquivo de imagem (`misspelled.png`) que contém algum texto com erros ortográficos intencionais — perfeito para ver o corretor ortográfico em ação + +Tem tudo isso? Ótimo — vamos mergulhar. + +## Etapa 1: Aplique sua licença Aspose OCR + +Antes que o motor faça qualquer processamento pesado, ele precisa saber que você possui licença. Caso contrário, você receberá um banner “Versão de avaliação” na saída. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Por que isso importa:* A licença desativa a marca d'água de avaliação e desbloqueia o dicionário completo do corretor ortográfico. Pular esta etapa funciona, mas sua saída ficará poluída com o texto “Aspose OCR Demo”. + +## Etapa 2: Crie e configure o motor OCR + +Agora iniciamos o motor e informamos qual idioma usar. English é o mais comum, mas o Aspose suporta dezenas. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Por que definimos o idioma:* O modelo de idioma determina o conjunto de caracteres e influencia as sugestões do corretor ortográfico. Usar o idioma errado pode reduzir drasticamente a precisão. + +## Etapa 3: Ative a correção ortográfica e (opcionalmente) aponte para um dicionário personalizado + +O Aspose OCR vem com um dicionário interno em English, mas você pode fornecer o seu próprio se tiver termos específicos de domínio (pense em jargão médico ou códigos de produto). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*O que o corretor faz:* Quando o motor OCR encontra uma palavra que não está no dicionário, ele tenta substituí‑la pela correspondência mais próxima. É por isso que a demonstração pode transformar “recieve” em “receive” automaticamente. + +## Etapa 4: Carregue a imagem para OCR + +Aqui está a parte que responde diretamente **carregar imagem para OCR**. Criamos um objeto `OcrInput` e adicionamos nosso arquivo PNG. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Por que usamos `OcrInput`:* Ele abstrai a lógica de leitura de arquivos e permite que você adicione várias páginas posteriormente, caso precise processar um PDF de várias páginas ou um conjunto de imagens. + +## Etapa 5: Execute o reconhecimento e recupere o texto corrigido + +Agora o motor faz o trabalho pesado — reconhecendo caracteres, aplicando o modelo de idioma e, finalmente, corrigindo a ortografia. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Saída esperada:* Supondo que `misspelled.png` contenha a frase “Ths is a smple test”, o console imprimirá: + +``` +Corrected text: +This is a simple test +``` + +Observe como as palavras com erros ortográficos (`Ths`, `smple`) foram corrigidas automaticamente. + +## Exemplo completo, pronto‑para‑executar + +Abaixo está o programa inteiro em um bloco. Copie‑e‑cole, ajuste os caminhos e pressione **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Dica:** Se você quiser processar um JPEG ou BMP em vez de PNG, basta mudar a extensão do arquivo — o Aspose OCR suporta todos os formatos raster comuns. + +## Perguntas comuns & casos extremos + +- **E se minha imagem for de baixa resolução?** + Aumente o DPI antes de enviá‑la ao Aspose redimensionando com uma biblioteca como `java.awt.Image`. Um DPI maior fornece mais pixels ao motor, o que geralmente melhora a precisão. + +- **Posso reconhecer múltiplos idiomas na mesma imagem?** + Sim. Chame `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` e, opcionalmente, forneça uma lista de idiomas via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Meu dicionário personalizado não está sendo usado — por quê?** + Certifique‑se de que a pasta contém arquivos de texto simples com uma palavra por linha e que o caminho seja absoluto ou corretamente relativo ao seu diretório de trabalho. + +- **Como extraio as pontuações de confiança?** + `result.getConfidence()` retorna um float entre 0 e 1 para a página inteira. Para confiança por caractere, explore `result.getWordList()`. + +## Conclusão + +Agora você sabe como **reconhecer texto de imagem** usando Aspose OCR para Java, como **carregar imagem para OCR**, e como habilitar o corretor ortográfico para limpar erros comuns de digitação. O exemplo completo acima está pronto para ser inserido em qualquer projeto Maven ou Gradle e, com alguns ajustes, você pode escalá‑lo para processar pastas em lote, integrá‑lo a um serviço web ou conectá‑lo a um sistema de gerenciamento de documentos. + +Pronto para o próximo passo? Experimente alimentar um PDF de várias páginas, teste um dicionário personalizado para terminologia específica da indústria ou encadeie a saída em uma API de tradução. As possibilidades são infinitas, e o padrão central — licença → motor → idioma → corretor ortográfico → entrada → reconhecimento → saída — permanece o mesmo. + +Feliz codificação, e que seus resultados de OCR estejam sempre perfeitos! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/advanced-ocr-techniques/_index.md b/ocr/russian/java/advanced-ocr-techniques/_index.md index 863e08e89..9919d547a 100644 --- a/ocr/russian/java/advanced-ocr-techniques/_index.md +++ b/ocr/russian/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,17 @@ Aspose.OCR для Java меняет правила игры, когда дело Расширьте возможности своих Java-приложений с помощью Aspose.OCR для точного распознавания текста. Простая интеграция, высокая точность. ### [Указание разрешенных символов в Aspose.OCR](./specify-allowed-characters/) Легко разблокируйте извлечение текста из изображений с помощью Aspose.OCR для Java. Следуйте нашему пошаговому руководству для эффективной интеграции. +### [Распознавание текстового изображения с помощью Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Воспользуйтесь ускорением GPU для быстрого и точного распознавания текста на изображениях в Java с Aspose OCR. +### [Fixed thread pool Java – параллельный OCR для PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Используйте фиксированный пул потоков в Java для параллельного распознавания PNG‑изображений с помощью Aspose.OCR, повышая скорость обработки. +### [Предобработка изображения для OCR – Полное руководство на Java по повышению контрастности и извлечению текста](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Узнайте, как улучшить контраст изображения и подготовить его к OCR в Java, чтобы повысить точность извлечения текста. +### [Создание OCR‑движка Java – распознавание текста из больших изображений](./create-ocr-engine-java-recognize-text-from-large-images/) + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/russian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..142dd5b89 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,258 @@ +--- +category: general +date: 2026-02-17 +description: Создайте OCR‑движок на Java и быстро читайте TIFF‑файлы в Java. Узнайте, + как распознавать текст с большого изображения с помощью Aspose.OCR в пошаговом руководстве. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: ru +og_description: Создайте OCR‑движок на Java прямо сейчас. Этот учебник показывает, + как читать TIFF‑файлы в Java и распознавать текст с большого изображения с помощью + Aspose.OCR. +og_title: Создание OCR‑движка на Java – Полное руководство по распознаванию текста + на больших изображениях +tags: +- OCR +- Java +- Aspose +title: Создание OCR‑движка на Java – распознавание текста на больших изображениях +url: /ru/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Создание OCR Engine Java – Распознавание текста из больших изображений + +Когда‑нибудь вам нужно было **create OCR engine Java** код, который может обрабатывать огромную TIFF‑карту, но вы не знали, с чего начать? Вы не одиноки — большинство разработчиков сталкиваются с проблемой, когда размер изображения превышает обычные ограничения памяти. + +В этом руководстве мы пройдемся по полному, готовому к запуску примеру, который **creates an OCR engine in Java**, показывает, как **read TIFF file Java** с помощью `InputStream`, и, наконец, **recognizes text from large image** файлы без исчерпания кучи. К концу у вас будет автономная программа, которую можно добавить в любой проект Maven или Gradle. + +## Что вам понадобится + +- **Java Development Kit (JDK) 8 or newer** – код использует только стандартный ввод‑вывод плюс Aspose.OCR. +- **Aspose.OCR for Java** library (последняя версия на февраль 2026) – вы можете скачать JAR с сайта Aspose или через Maven Central. +- **large TIFF file** (например, многомегапиксельная карта), которую хотите распознать OCR. +- Ваш **Aspose.OCR license file** (`Aspose.OCR.lic`). Без него движок работает в режиме оценки, но будет отображаться водяной знак. + +> **Pro tip:** Держите TIFF рядом с папкой исходного кода или используйте абсолютный путь; движок будет разбивать изображение на плитки внутри, так что вам не придётся делить его вручную. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Диаграмма рабочего процесса Create OCR Engine Java"} + +## Шаг 1 – Примените вашу лицензию Aspose.OCR (Create OCR Engine Java) + +Прежде чем движок начнёт выполнять тяжёлые операции, вы должны зарегистрировать лицензию. Пропуск этого шага переводит его в режим оценки, который ограничивает количество страниц и добавляет баннер к результату. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Почему это важно:* Объект `License` сообщает OCR‑движку разблокировать алгоритм разбиения на плитки полного разрешения, что необходимо для эффективной обработки **large image**. + +## Шаг 2 – Создайте экземпляр OCR Engine (Create OCR Engine Java) + +Теперь мы создаём основной `OcrEngine`. Считайте его мозгом, который позже будет считывать пиксели и выдавать Unicode‑текст. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Почему мы упрощаем:* Для большинства сценариев настройки по умолчанию уже включают автоматическое определение языка и оптимальное разбиение на плитки. Перенастройка может фактически замедлить обработку огромных файлов. + +## Шаг 3 – Загрузите TIFF‑файл с помощью InputStream (Read TIFF File Java) + +Большие TIFF‑файлы могут занимать несколько сотен мегабайт. Загрузка всего файла в `BufferedImage` приведёт к переполнению кучи. Вместо этого мы передаём движку `InputStream`; Aspose.OCR будет считывать и разбивать изображение на лету. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Особый случай:* Если ваш TIFF сжат CCITT Group 4, Aspose.OCR всё равно обрабатывает его, но вы можете установить `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` для небольшого ускорения. + +## Шаг 4 – Подготовьте OCR Input и укажите формат + +Объект `OcrInput` может содержать несколько изображений, но для этой демонстрации нам нужен только один. Указание строки формата (`"tif"`) помогает движку пропустить определение формата, экономя несколько миллисекунд. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Почему подсказка полезна:* При работе с **large images** каждая миллисекунда важна. Подсказка формата сообщает парсеру пропустить дорогой анализ заголовка. + +## Шаг 5 – Распознать текст из большого изображения (Recognize Text from Large Image) + +Когда всё настроено, фактический вызов OCR – это одна строка. Движок возвращает `OcrResult`, содержащий простой текст, оценки уверенности и даже ограничивающие рамки, если они понадобятся позже. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Что происходит внутри:* Aspose.OCR разбивает TIFF на управляемые плитки (по умолчанию 1024 × 1024 px), запускает нейронную сеть на каждой плитке и затем соединяет результаты. Поэтому вы можете **recognize text from large image** файлы без ручной предобработки. + +## Шаг 6 – Показать предварительный просмотр извлечённого текста + +Вывод всего документа в консоль может быть громоздким. Покажем только первые 200 символов, затем многоточие, чтобы вы могли быстро проверить результат. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Ожидаемый вывод в консоль:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Если вы видите бессмыслицу, дважды проверьте, что выбран правильный язык (по умолчанию – English) и что TIFF не повреждён. + +## Полный рабочий пример + +Собрав все части вместе, вы получаете один класс, который можно скомпилировать и запустить: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Скомпилировать с помощью: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Замените `aspose-ocr-23.12.jar` на фактическую версию, которую вы скачали. + +## Распространённые ошибки и советы + +| Проблема | Почему происходит | Быстрое решение | +|------|----------------|-----------| +| **OutOfMemoryError** | Загрузка TIFF в `BufferedImage` вместо потоковой обработки. | Всегда используйте `InputStream`, как показано; позволяйте Aspose выполнять разбиение на плитки. | +| **Blank output** | Неправильная подсказка расширения файла (`"tif"` vs `"tiff"`). | Используйте точную строку, которую передали в `add`. | +| **Garbage characters** | Лицензия не применена или истекла. | Проверьте путь к файлу `.lic` и повторно примените перед созданием движка. | +| **Slow recognition** | Использование пользовательского `OcrConfiguration` с высоким DPI. | Оставайтесь с настройками по умолчанию для большинства случаев; изменяйте только при необходимости более высокой точности. | + +### Когда менять настройки + +- **Документы на нескольких языках:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Более высокая точность на крошечных шрифтах:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Но помните, каждая дополнительная опция может увеличить время работы CPU, особенно на **large image**. Тестируйте сначала на одной плитке. + +## Следующие шаги + +Теперь, когда вы знаете, как **create OCR engine Java**, **read TIFF file Java**, и **recognize text from large image**, вы можете захотеть: + +1. **Экспортировать результат в PDF** – объединить Aspose.PDF с OCR‑текстом для поисковых документов. +2. **Сохранить ограничивающие рамки** – используйте `ocrResult.getWords()` для получения координат для подсветки. +3. **Параллелить обработку плиток** – для ультра‑больших спутниковых изображений запустить a + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/russian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..198c0b0d3 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-02-17 +description: Узнайте, как использовать фиксированный пул потоков в Java для извлечения + текста из PNG‑изображений с параллельной обработкой OCR и корректного завершения + сервиса‑исполнителя. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: ru +og_description: Узнайте, как фиксированный пул потоков в Java может извлекать текст + из PNG‑изображений параллельно, конвертировать текст отсканированных страниц и безопасно + завершать работу сервиса исполнителей. +og_title: Фиксированный пул потоков Java – параллельный OCR для PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Фиксированный пул потоков Java – параллельный OCR для PNG +url: /ru/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +with same number of #. + +Also maintain bullet list formatting. + +Let's craft translation. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# фиксированный пул потоков java – параллельный OCR для PNG + +Задумывались когда‑нибудь, как ускорить OCR для множества PNG‑файлов, используя **fixed thread pool java**? В этом руководстве мы пройдемся по **extract text from PNG** изображениям параллельно, **convert scanned pages text** в редактируемые строки и безопасно **shut down executor service**, когда работа завершится. + +Если вы когда‑либо смотрели на однопоточный цикл, который тянется минутами, вы знаете, как раздражает ожидание завершения каждой страницы перед началом следующей. Хорошие новости? С несколькими строками Java и Aspose OCR вы можете задействовать все ядра процессора, превратить отсканированные страницы в поисковый текст и сохранить отзывчивость приложения. + +Ниже вы найдёте полностью готовый к запуску пример, а также объяснения, почему каждый элемент важен, типичные подводные камни и советы, которые подойдут для любой OCR‑библиотеки. + +--- + +## Что понадобится + +- **Java 17** (или любой современный JDK) – код использует современный синтаксис `var` умеренно, но работает и на более старых версиях. +- **Aspose.OCR for Java** library – её можно получить из Maven Central или скачать пробную версию с сайта Aspose. +- Набор **PNG** файлов, которые нужно обработать – например, сканированные чеки, страницы книг или скриншоты. +- Базовое знакомство с конкуррентностью в Java – не обязательно, но будет полезно. + +Это всё. Никаких внешних сервисов, Docker не требуется, только чистый Java и немного магии многопоточности. + +## Step 1: Add Aspose OCR Dependency & License (Optional) + +Сначала убедитесь, что JAR‑файл Aspose OCR находится в вашем classpath. Если вы используете Maven, добавьте: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Если у вас нет лицензии, библиотека будет работать в режиме оценки; код будет вести себя так же. Чтобы загрузить лицензию (рекомендовано для продакшена), поместите `Aspose.OCR.lic` в папку ресурсов и используйте: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Держите файл лицензии вне системы контроля версий, чтобы избежать случайного раскрытия. + +## Step 2: Create a Thread‑Safe `OcrEngine` Instance + +`OcrEngine` из Aspose OCR потокобезопасен, пока вы переиспользуете один и тот же экземпляр в разных задачах. Создание его один раз экономит память и избавляет от накладных расходов на повторную инициализацию движка для каждого изображения. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Почему переиспользовать? Представьте движок как тяжёлого работника, который загружает языковые модели в память. Создавать новый движок для каждого изображения — всё равно что нанимать нового специалиста для каждой крошечной задачи — дорого и ненужно. + +## Step 3: Set Up a Fixed Thread Pool Java + +Теперь звезда шоу: **fixed thread pool java**. Мы зададим его размер равным количеству логических процессоров, чтобы каждый ядро получало работу без переизбытка потоков. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Использование *фиксированного* пула (в отличие от кеширующего) даёт предсказуемое потребление ресурсов и предотвращает страшные всплески «out‑of‑memory», когда одновременно поступают сотни изображений. + +## Step 4: List the PNG Files You Want to Process (Extract Text from PNG) + +Соберите пути к изображениям, которые нужно распознать. В реальном проекте вы, вероятно, будете сканировать каталог или читать из базы данных; здесь мы просто жёстко зададим несколько примеров. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** Расширение файла **png** важно, потому что Aspose OCR автоматически определяет формат, но вы также можете подавать JPEG или TIFF. + +## Step 5: Submit OCR Tasks – Parallel OCR Processing + +Каждое изображение превращается в `callable`, который возвращает распознанный текст. Поскольку `OcrEngine` общий, нам нужно лишь передать путь к файлу в задачу. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Зачем оборачивать в `Future`? Это позволяет мгновенно запустить все задачи, а затем собрать результаты в том порядке, в котором они были отправлены – идеально для сохранения порядка страниц при **convert scanned pages text** обратно в документ. + +## Step 6: Retrieve Results and Display (Convert Scanned Pages Text) + +Теперь ждём завершения каждого `Future` и выводим результат. Вызов `get()` блокирует только до завершения конкретной задачи, а не всего пула. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Типичный вывод в консоль выглядит так: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Если вам удобнее записывать результаты в файлы, замените `System.out.println` на вызов `Files.writeString`. + +## Step 7: Cleanly Shut Down the Executor Service + +Когда все задачи завершены, критически важно **shut down executor service**; иначе ваш JVM может держать не‑демонские потоки живыми, препятствуя корректному завершению. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Шаблон `awaitTermination` даёт пулу шанс завершить текущую работу перед принудительным завершением. Игнорирование этого шага — частая причина утечек памяти в длительно работающих приложениях. + +## Full Working Example + +Собрав всё вместе, получаем полностью готовую программу, которую можно скопировать в `ParallelBatchDemo.java` и запустить: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/russian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..35d2ef661 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,201 @@ +--- +category: general +date: 2026-02-17 +description: Предобрабатывайте изображение для OCR с помощью Aspose OCR на Java. Узнайте, + как повысить контраст изображения, установить уровень контраста и распознать текст + с изображения всего за несколько минут. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: ru +og_description: Предобрабатывайте изображение для OCR с помощью Aspose OCR Java. Это + руководство показывает, как повысить контраст изображения, установить уровень контраста + и быстро распознать текст на изображении. +og_title: Предобработка изображения для OCR – учебник Java по повышению контрастности + и извлечению текста +tags: +- Java +- OCR +- Image Processing +title: Предобработка изображения для OCR – Полное руководство по Java для повышения + контраста и извлечения текста +url: /ru/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +. + +All good. + +Now produce final content.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Предобработка изображения для OCR – Полное руководство на Java + +Когда‑нибудь вам нужно было **preprocess image for OCR**, но вы не были уверены, какие настройки действительно влияют? Вы не одиноки. Большинство разработчиков бросают изображение в OCR‑движок и надеются на волшебство, получая лишь искажённый вывод. В этом руководстве мы пройдём практический, сквозной пример, который **повышает контраст изображения**, регулирует **contrast level** и, наконец, **recognizes text from image** с помощью Aspose OCR для Java. + +К концу вы получите переиспользуемый фрагмент кода, который **extracts text using OCR** надёжно, даже на шумных сканах. Никаких скрытых трюков, только чёткие шаги и объяснение каждого из них. + +## Что понадобится + +- Java 17 или новее (код компилируется на любой современной JDK) +- Библиотека Aspose OCR for Java (скачайте с официального сайта Aspose) +- Действительный файл лицензии Aspose OCR (`Aspose.OCR.lic`) +- Входное изображение (`input.jpg`), которое вы хотите прочитать +- Любимая IDE или простая настройка командной строки + +Если у вас уже всё есть, отлично — давайте сразу приступим. + +## Шаг 1: Загрузка лицензии Aspose OCR (основная настройка) + +Прежде чем OCR‑движок что‑то сделает, он должен знать, что у вас есть лицензия. В противном случае вы получите водяной знак пробной версии. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Почему это важно:** Без правильной лицензии движок работает в режиме оценки, что может обрезать результаты или добавлять водяные знаки. Установка лицензии заранее также гарантирует, что любые последующие параметры предобработки применяются в полном режиме функций. + +## Шаг 2: Инициализация OCR‑движка + +Создание экземпляра `OcrEngine` даёт вам доступ как к распознаванию, так и к конвейерам предобработки. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Полезный совет:** Держите движок как синглтон, если планируете обрабатывать множество изображений пакетно; он кэширует внутренние ресурсы и ускоряет последующие вызовы. + +## Шаг 3: Настройка предобработки — исправление наклона, шумоподавление и усиление контраста + +Здесь мы **preprocess image for OCR**. Три параметра, которые мы будем настраивать: + +1. **Deskew** – исправляет небольшие вращения. +2. **Denoise** – удаляет пятна, которые сбивают сегментацию символов. +3. **Contrast enhancement** – делает тёмный текст более заметным на фоне. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Почему стоит регулировать уровень контраста? + +Увеличение уровня контраста растягивает гистограмму изображения, делая тёмные пиксели ещё темнее, а светлые — ярче. На практике **contrast level** в `1.3f` часто обеспечивает лучший баланс для печатных документов, тогда как значение выше `1.5f` может переэкспонировать тонкие штрихи. Не стесняйтесь экспериментировать; настройка недорога и может значительно повысить успех **recognize text from image**. + +## Шаг 4: Подготовка входного изображения + +Класс `OcrInput` абстрагирует работу с файлами. Вы можете добавить несколько изображений, если требуется пакетная обработка. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Пограничный случай:** Если ваше изображение в нестандартном формате (например, TIFF с несколькими страницами), вы можете загрузить каждую страницу отдельно или сначала конвертировать её в PNG/JPEG. + +## Шаг 5: Выполнение распознавания + +Теперь движок запускает сконфигурированный нами конвейер предобработки, а затем передаёт очищенное изображение основному OCR‑алгоритму. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Что происходит под капотом?** Aspose OCR сначала применяет трансформацию deskew, затем запускает фильтр denoise и, наконец, регулирует контраст перед передачей изображения в свой нейронно‑сетевой распознаватель. Порядок намеренный; его изменение может привести к суб‑оптимальным результатам. + +## Шаг 6: Вывод распознанного текста + +Наконец, мы выводим извлечённую строку в консоль. В реальном приложении вы можете записать её в файл или отправить по сети. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Ожидаемый вывод + +Если `input.jpg` содержит фразу «Hello World!», консоль должна отобразить: + +``` +Hello World! +``` + +Если вывод выглядит искажённым, дважды проверьте значения предобработки — особенно **contrast level** и **denoise mode** — и попробуйте другой формат изображения. + +## Бонус: Визуализация предобработанного изображения (опционально) + +Иногда хочется увидеть, что видит движок после deskew, denoise и усиления контраста. Aspose OCR позволяет экспортировать промежуточный bitmap: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Откройте `processed.png` рядом с оригиналом; вы заметите более ровный горизонт и чёткий текст. Этот шаг полезен при отладке причин неудачи конкретного скана. + +![пример предобработки изображения для OCR](/images/ocr-preprocess-example.png "предобработка изображения для OCR – до и после усиления контраста") + +*Изображение выше демонстрирует, как повышение контраста и шумоподавление превращают размытый скан в чистое изображение, готовое к OCR.* + +## Распространённые подводные камни и как их избежать + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` too high) | Светлый фон становится белым, стирая слабые символы | Держите уровень между 1.1 и 1.4 для большинства печатных текстов | +| **Deskew tolerance too low** | Небольшие вращения остаются некорректированными | Увеличьте `setDeskewAngleTolerance` до 0.2 или 0.3 для сканированных книг | +| **Using GAUSSIAN denoise on binary images** | Размазывает границы, сливая символы | Оставайтесь с `DenoiseMode.MEDIAN` для чёрно‑белых сканов | +| **Missing license** | Движок переходит в режим пробной версии, обрезая вывод | Проверьте путь к `Aspose.OCR.lic` и убедитесь, что файл доступен для чтения | + +## Следующие шаги: выход за пределы базовой предобработки + +Теперь, когда вы можете **preprocess image for OCR** и **extract text using OCR**, рассмотрите следующие расширения: + +- **Language packs** – загрузите специфические словари языков для повышения точности при работе с неанглийским текстом. +- **Region‑of‑interest (ROI) cropping** – сосредоточьтесь на части изображения, если нужен только фрагмент страницы. +- **Batch processing** – пройдитесь по каталогу изображений, повторно используя тот же экземпляр `OcrEngine` для ускорения. +- **Integrate with PDF** – комбинируйте Aspose OCR с Aspose PDF, чтобы преобразовать сканированные PDF в поисковые PDF в одном конвейере. + +Каждая из этих тем естественно включает наши вторичные ключевые слова: вы всё равно будете **boost image contrast**, **set contrast level**, и продолжите **recognize text from image** во многих сценариях. + +## Заключение + +Мы рассмотрели всё, что нужно для **preprocess image for OCR** с помощью Aspose OCR для Java: загрузка лицензии, настройка deskew, denoise и усиления контраста, передача изображения и, наконец, **recognize text from image**. С полным, исполняемым примером выше вы теперь можете **extract text using OCR** на любой надлежащим образом подготовленной картинке. + +Запустите код, отрегулируйте **contrast level**, и наблюдайте рост точности. Когда будете готовы, изучите модели для конкретных языков или пакетные конвейеры, чтобы превратить эту демонстрацию с одним изображением в решение промышленного уровня. + +*Удачной разработки, и пусть ваши сканы всегда будут чёткими!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/russian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..714177dbe --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Быстро распознавайте текст на изображении с поддержкой GPU в Aspose OCR + для Java. Узнайте, как извлекать текст из изображения и задавать идентификатор GPU‑устройства + для оптимальной производительности. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: ru +og_description: Быстро распознавать текст на изображении с поддержкой GPU в Aspose + OCR на Java. Это руководство показывает, как извлечь текст из изображения и установить + идентификатор GPU‑устройства. +og_title: Распознавание текста на изображении с помощью Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Распознавание текста на изображении с использованием Aspose OCR GPU – Java +url: /ru/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# распознавание текста на изображении с помощью Aspose OCR GPU – Java + +Когда‑нибудь вам нужно было **распознать текст на изображении** в Java‑приложении, но процессор не справлялся с большими файлами? Вы не одиноки — многие разработчики сталкиваются с этой проблемой при обработке сканов высокого разрешения. Хорошая новость? Aspose OCR позволяет **извлекать текст из изображения** с помощью GPU, резко сокращая время обработки. + +В этом руководстве мы пройдём через полностью готовый к запуску пример, который показывает, как настроить лицензию, включить ускорение GPU и **set gpu device id**, если у вас несколько видеокарт. В конце у вас будет автономная программа, выводящая распознанный текст в консоль — без дополнительных шагов. + +## Что понадобится + +- **Java 17** или новее (API совместим с Java 8+, но последняя LTS даёт лучшую производительность). +- **Aspose OCR for Java** library (скачайте JAR с сайта Aspose). +- Действительный **Aspose OCR license file** (`Aspose.OCR.lic`). Бесплатная trial‑версия работает, но функции GPU доступны только в лицензированной версии. +- Файл изображения (`sample-image.png`), содержащий чёткий машинно‑читаемый текст. +- Среда с поддержкой GPU (лучше всего работает карта NVIDIA, совместимая с CUDA). + +Если что‑то из этого вам незнакомо, не переживайте — каждый пункт будет подробно объяснён дальше. + +## Шаг 1: Добавьте Aspose OCR в проект + +Сначала включите JAR‑файл Aspose OCR в classpath. Если вы используете Maven, добавьте следующую зависимость в `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Для Gradle это будет: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Если предпочитаете ручной способ, поместите JAR в папку `libs/` и добавьте её в путь модулей IDE. + +> **Pro tip:** Синхронно поддерживайте номер версии с примечаниями к выпуску библиотеки; новые версии часто содержат улучшения производительности для обработки на GPU. + +## Шаг 2: Загрузите лицензию Aspose OCR (обязательно для использования GPU) + +Без лицензии вызов `setEnableGpu(true)` будет тихо переключаться в режим CPU. Загрузите лицензию сразу в начале `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Замените `YOUR_DIRECTORY` на абсолютный или относительный путь, где хранится файл `.lic`. Если путь указан неверно, Aspose бросит `FileNotFoundException`, поэтому проверьте правописание. + +## Шаг 3: Создайте OCR‑движок и включите ускорение GPU + +Теперь создаём `OcrEngine` и указываем использовать GPU. Метод `setGpuDeviceId` позволяет выбрать конкретную карту, если их несколько. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Зачем нужен идентификатор устройства? На сервере с несколькими GPU вы можете зарезервировать одну карту для предобработки изображений, а другую — для OCR. Установка ID гарантирует, что тяжёлая работа будет выполнена нужным оборудованием. + +## Шаг 4: Подготовьте входное изображение + +Aspose OCR работает с различными форматами (PNG, JPG, BMP, TIFF). Оберните ваш файл в объект `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Если нужно обработать поток (например, загруженный файл), используйте `ocrInput.add(InputStream)` вместо этого. + +## Шаг 5: Запустите процесс распознавания и получите результат + +Метод `recognize` возвращает `OcrResult`, содержащий простой текст, оценки уверенности и даже информацию о разметке, если она нужна. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +В консоли вы увидите что‑то вроде: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Если изображение размыто или язык не поддерживается, результат может быть пустым. В этом случае проверьте значение `ocrResult.getConfidence()` (0‑100), чтобы решить, стоит ли повторить попытку с предобработкой. + +## Полный, готовый к запуску пример + +Собрав все части вместе, вы получаете один Java‑класс, который можно скопировать в IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** Консоль выводит точный текст, содержащийся в `sample-image.png`. Если GPU активен, вы заметите, что время обработки падает с нескольких секунд (CPU) до менее чем одной секунды для типичных 300 dpi сканов. + +## Часто задаваемые вопросы и особые случаи + +### Работает ли это на безголовом сервере? + +Да. Драйвер GPU должен быть установлен, но дисплей не требуется. Просто убедитесь, что набор инструментов `CUDA` (или эквивалент для вашей видеокарты) находится в системном `PATH`. + +### Что делать, если у меня несколько GPU и я хочу использовать GPU 1? + +Измените идентификатор устройства: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Как извлечь текст из изображения на другом языке? + +Установите язык перед вызовом `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose поддерживает более 30 языков; см. документацию API для полного перечня. + +### Что если изображение содержит несколько страниц (например, PDF, преобразованный в изображения)? + +Создайте отдельный элемент `OcrInput` для каждой страницы или выполните цикл по файлам: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Движок объединит результаты в порядке добавления. + +### Как обрабатывать результаты с низкой уверенностью? + +Проверьте оценку уверенности: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Типичные шаги предобработки включают бинаризацию, подавление шума или изменение размера до 300 dpi. + +## Советы по производительности + +- **Пакетная обработка:** Добавление множества изображений в один `OcrInput` уменьшает накладные расходы на повторную инициализацию контекста GPU. +- **Разогрев:** Выполните фиктивное распознавание один раз после старта JVM; первый вызов включает задержку инициализации драйвера. +- **Управление памятью:** После завершения работы освобождайте большие объекты `OcrInput` (`ocrInput.clear()`), чтобы освободить память GPU. + +## Заключение + +Теперь вы знаете, как **распознавать текст на изображении** эффективно с помощью GPU‑движка Aspose OCR в Java, как **извлекать текст из изображения** на любом поддерживаемом языке и как **set gpu device id**, когда работаете с несколькими видеокартами. Полный, готовый к запуску код выше должен работать сразу — просто замените пути к лицензии и изображению. + +Готовы к следующему шагу? Попробуйте обработать папку со сканированными PDF, поэкспериментируйте с различными параметрами `setLanguage` или объедините OCR с моделью машинного обучения для пост‑обработки. Возможности безграничны, а прирост производительности от ускорения GPU делает даже крупномасштабные проекты выполнимыми. + +Счастливого кодинга, и не стесняйтесь оставить комментарий, если столкнётесь с проблемами! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/ocr-operations/_index.md b/ocr/russian/java/ocr-operations/_index.md index d3f16f84f..7e4936ea6 100644 --- a/ocr/russian/java/ocr-operations/_index.md +++ b/ocr/russian/java/ocr-operations/_index.md @@ -79,8 +79,18 @@ weight: 21 Откройте возможности OCR в Java с Aspose.OCR. Легко распознавайте текст в PDF‑документах. Повышайте свои приложения с точностью и скоростью. ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) Мощное распознавание текста в Java с Aspose.OCR. Легко распознавайте текст в TIFF‑изображениях. Скачайте сейчас для бесшовного OCR‑опыта. +### [image to text java: Extract Urdu Text with Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Извлеките урду‑текст из изображений с помощью Aspose OCR в Java. Полный пошаговый туториал. ### [Распознавание текста на изображении с Aspose OCR – Полный Java OCR туториал](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Полный пошаговый туториал по распознаванию текста на изображениях с использованием Aspose OCR в Java. +### [Распознавание текста на изображении с Aspose OCR – Java Tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Краткое руководство по распознаванию текста на изображениях с помощью Aspose OCR в Java. +### [Создание поискового PDF из изображения в Java – пошаговое руководство](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Пошаговое руководство по созданию PDF с возможностью поиска из изображений в Java с использованием Aspose.OCR. +### [Как использовать OCR в Java – извлечение текста из PDF с Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Пошаговое руководство по использованию OCR в Java для извлечения текста из PDF‑файлов с помощью Aspose.OCR. +### [Как использовать OCR в Java – быстро распознавать текст с изображения](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Быстрое руководство по распознаванию текста с изображения в Java с помощью Aspose.OCR. ## Часто задаваемые вопросы diff --git a/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..1549cf70c --- /dev/null +++ b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: 'Создавайте поисковый PDF быстро: узнайте, как создать PDF из изображения + с помощью Aspose OCR, параметров сохранения PDF и преобразовать изображение в поисковый + PDF за считанные минуты.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: ru +og_description: Создайте PDF с возможностью поиска в Java с помощью Aspose OCR. Это + руководство показывает, как создать PDF из изображения, настроить параметры сохранения + PDF и получить полностью поисковый документ. +og_title: Создание поискового PDF из изображения в Java — Полный учебник +tags: +- Aspose OCR +- Java +- PDF generation +title: Создание поискового PDF из изображения в Java – пошаговое руководство +url: /ru/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +becomes "Пример создания поискового PDF". Title maybe "пример создания поискового pdf". Keep case? We'll translate. + +Also table content: translate question and answer content, but keep code snippets unchanged. + +Also bullet list items: translate. + +Let's produce. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Создание поискового PDF из изображения в Java – пошаговое руководство + +Когда‑то вам нужно **создать поисковый pdf** из отсканированного изображения, но вы не знали, какой API выбрать? Вы не одиноки — многие разработчики сталкиваются с этой проблемой, пытаясь превратить растровое изображение в PDF, по которому можно искать. Хорошая новость: с Aspose OCR это делается в несколько строк, а результат выглядит точно как оригинальное изображение, оставаясь при этом текстово‑поисковым. + +В этом руководстве мы пройдём весь процесс: загрузим лицензию, передадим изображение (или многостраничный TIFF) в движок OCR, настроим **pdf save options**, и, наконец, запишем **image to searchable pdf**. К концу вы получите готовую к использованию Java‑программу, создающую поисковый PDF за секунды. Никаких загадок, никаких «см. документацию»‑шорткатов — только полностью готовый пример. + +## Что вы узнаете + +- Как **convert image to pdf** и внедрить скрытый текстовый слой для поиска. +- Какие **pdf save options** следует включить для оптимального соотношения размера и точности. +- Распространённые подводные камни (например, отсутствие лицензии, неподдерживаемые форматы изображений) и как их избежать. +- Как проверить, что полученный файл действительно поисковый (быстрый тест в Adobe Reader). + +**Требования:** Java 8 или новее, Maven или Gradle для получения Aspose OCR JAR, и действующий файл лицензии Aspose OCR. Если лицензии ещё нет, запросите бесплатную пробную версию на сайте Aspose. + +--- + +## Шаг 1 – Загрузка лицензии Aspose OCR (Как безопасно создать PDF) + +Прежде чем движок OCR начнёт работу, ему нужна лицензия; иначе вы получите PDF с водяными знаками. Поместите ваш `Aspose.OCR.lic` в доступное место и укажите путь к нему в классе `License`. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Храните файл лицензии вне каталога с исходным кодом, чтобы случайно не закоммитить его. + +--- + +## Шаг 2 – Подготовка входных данных OCR (Convert Image to PDF) + +Aspose OCR принимает объект `OcrInput`, который может содержать одно или несколько изображений. Здесь мы добавляем один PNG, но можно также передать многостраничный TIFF для пакетной обработки. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Почему это важно:** Добавление изображения в `OcrInput` отделяет работу с файлами от движка, позволяя использовать один и тот же код как для одностраничных, так и для многостраничных сценариев. + +--- + +## Шаг 3 – Настройка параметров сохранения PDF (PDF Save Options Explained) + +Класс `PdfSaveOptions` управляет тем, как будет построен окончательный PDF. Два флага критичны для **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – заставляет движок внедрять скрытый текстовый слой на основе результатов OCR. +2. `setEmbedImages(true)` – сохраняет оригинальное растровое изображение, чтобы визуальное представление осталось неизменным. + +Также можно настроить DPI, сжатие или защиту паролем при необходимости. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** Если установить `setCreateSearchablePdf(false)`, результат будет обычным PDF только с изображением — ничего искать не получится. Всегда проверяйте этот флаг при автоматизации больших пакетов. + +--- + +## Шаг 4 – Запуск OCR и запись поискового PDF (Основная логика «How to Create PDF») + +Теперь собираем всё вместе. Метод `recognize` выполняет OCR над переданным `OcrInput`, применяет `PdfSaveOptions` и записывает результат в файл. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Ожидаемый результат + +После выполнения программы откройте `output-searchable.pdf` в любом PDF‑просмотрщике (Adobe Reader, Foxit и т.д.) и попробуйте выделить текст или воспользоваться поиском. Вы должны увидеть слова, которые изначально были лишь частью изображения. Это и есть признак **searchable PDF**. + +--- + +## Шаг 5 – Проверка поискового слоя (Быстрая QA) + +Иногда уверенность OCR может быть низкой, особенно при сканах низкого разрешения. Быстрый способ проверки: + +1. Откройте PDF в Adobe Reader. +2. Нажмите **Ctrl + F** и введите слово, которое точно присутствует на изображении. +3. Если слово подсвечивается, скрытый текстовый слой работает. + +Если поиск не срабатывает, попробуйте увеличить DPI исходного изображения или включить словари конкретных языков через `ocrEngine.getLanguage().add("eng")`. + +--- + +## Часто задаваемые вопросы и подводные камни + +| Question | Answer | +|----------|--------| +| **Можно ли обработать многостраничный TIFF?** | Да — просто добавьте каждую страницу в тот же `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR будет рассматривать каждый кадр как отдельную страницу. | +| **Что делать, если нет лицензии?** | Бесплатная пробная версия работает, но добавляет водяной знак на каждую страницу. Код остаётся тем же; просто используйте пробный файл `.lic`. | +| **Насколько большой будет PDF?** | При `setEmbedImages(true)` размер файла примерно равен размеру оригинального изображения плюс несколько килобайт для скрытого текста. Изображения можно сжать через `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Нужно ли задавать язык для OCR?** | По умолчанию Aspose OCR использует английский. Для других языков вызовите `ocrEngine.getLanguage().add("spa")` перед `recognize`. | +| **Поисковый PDF будет работать на мобильных устройствах?** | Да — большинство мобильных PDF‑просмотрщиков поддерживают скрытый текстовый слой. | + +--- + +## Бонус: Превращение демо‑кода в переиспользуемую утилиту + +Если планируете использовать эту функциональность в нескольких проектах, оберните логику в статический вспомогательный метод: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Теперь вы можете вызвать `PdfSearchableUtil.convert(...)` из любой части вашего кода, превратив **convert image to pdf** в однострочник. + +--- + +## Заключение + +Мы рассмотрели всё, что нужно для **create searchable pdf** из изображений в Java с помощью Aspose OCR. От загрузки лицензии, формирования входных данных OCR, настройки **pdf save options** до записи **image to searchable pdf** — руководство предоставляет готовое решение «копировать‑вставить». + +Сделайте следующий шаг: поэкспериментируйте с различными форматами изображений, настройте DPI или добавьте защиту паролем через `PdfSaveOptions`. Можно также реализовать пакетную обработку — пройтись по папке со сканами и генерировать поисковый PDF для каждого файла. + +Если это руководство оказалось полезным, поставьте звёздочку на GitHub или оставьте комментарий ниже. Приятного кодинга и удачной трансформации скучных сканов в полностью поисковые документы! + +![Пример создания поискового PDF](placeholder-image.png "пример создания поискового pdf") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..a43ea1b9a --- /dev/null +++ b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,236 @@ +--- +category: general +date: 2026-02-17 +description: Как использовать OCR в Java для извлечения текста из PDF, преобразования + PDF в изображения и выполнения OCR сканированных PDF‑файлов с помощью Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: ru +og_description: Как использовать OCR в Java для извлечения текста из PDF‑файлов. Узнайте, + как преобразовать PDF в изображения и распознать отсканированный PDF с помощью Aspose.OCR. +og_title: Как использовать OCR в Java – Полное руководство +tags: +- OCR +- Java +- Aspose +title: Как использовать OCR в Java — извлекать текст из PDF с помощью Aspose.OCR +url: /ru/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +bottom. + +Let's write. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Как использовать OCR в Java – извлечение текста из PDF с помощью Aspose.OCR + +Когда‑нибудь задавались вопросом **как использовать OCR**, чтобы превратить отсканированный PDF в поисковый текст? Вы не одиноки. Большинство разработчиков сталкиваются с проблемой, когда PDF приходит в виде набора изображений, а обычные извлекатели текста просто ничего не возвращают. Хорошая новость? С несколькими строками Java‑кода и Aspose.OCR вы можете **извлекать текст из PDF**, **конвертировать PDF в изображения** и **распознавать отсканированный PDF** в одном простом рабочем процессе. + +В этом руководстве мы пройдем всё, что нужно знать — от лицензирования библиотеки до вывода окончательного результата. К концу вы получите готовую к запуску программу, которая вытаскивает обычный текст из любого отсканированного отчёта, счета или электронного книги. Никаких внешних сервисов, никакой магии — только чистый Java‑код, которым вы управляете. + +## Что понадобится + +- **Java Development Kit (JDK) 8+** — подойдёт любая современная версия. +- **Aspose.OCR for Java** JAR (скачайте с сайта Aspose). +- **Действительный файл лицензии Aspose.OCR** (`Aspose.OCR.lic`). Бесплатная пробная версия работает, но лицензия открывает полную точность. +- **Пример отсканированного PDF** (например, `scanned-report.pdf`). +- IDE или простой текстовый редактор плюс терминал. + +Это всё. Никакого Maven, Gradle или дополнительных зависимостей — только JAR‑файл Aspose.OCR в вашем classpath. + +![how to use OCR example](image-placeholder.png "how to use OCR example") + +## Шаг 1 – Загрузите лицензию Aspose.OCR (Почему это важно) + +Прежде чем движок сможет работать на полной скорости, необходимо указать, где находится ваша лицензия. Пропуск этого шага переводит библиотеку в режим оценки, который добавляет водяные знаки к результату и может ограничивать точность. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Почему это работает:** Класс `License` читает файл `.lic` и регистрирует его глобально. После установки каждый созданный `OcrEngine` автоматически использует лицензированные возможности. + +## Шаг 2 – Создайте OCR‑движок (Движок, стоящий за магией) + +Экземпляр `OcrEngine` — это рабочая лошадка, которая сканирует изображения и выдаёт текст. Можно сравнить его с мозгом, интерпретирующим пиксельные паттерны. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Pro tip:** Вы можете настроить язык, пороги уверенности или даже включить ускорение GPU через свойства движка. Для большинства английских PDF‑ов значения по умолчанию подходят. + +## Шаг 3 – Подготовьте ввод: добавьте ваш PDF (Конвертация PDF в изображения «под капотом») + +Aspose.OCR рассматривает каждую страницу PDF как изображение. При вызове `addPdf` библиотека бесшумно растеризует каждую страницу, что именно нужно для **конвертации PDF в изображения** перед распознаванием. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Что происходит:** +- PDF открывается. +- Каждая страница рендерится с 300 dpi (по умолчанию) для сохранения детализации символов. +- Полученные bitmap‑объекты сохраняются в коллекцию `OcrInput`. + +Если вам когда‑нибудь понадобятся исходные изображения (для отладки или пользовательской предобработки), вызовите `ocrInput.getPages()` после этого шага. + +## Шаг 4 – Запустите процесс OCR (Выполнение OCR над PDF) + +Теперь начинается тяжёлая работа. Метод `recognize` проходит по каждому изображению, запускает алгоритм распознавания и собирает результаты в `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Зачем это нужно:** `OcrResult` содержит не только обычный текст, но и оценки уверенности, ограничивающие рамки и ссылку на оригинальное изображение. Для большинства сценариев вам понадобится только `getText()`. + +## Шаг 5 – Получите и отобразите извлечённый текст + +Наконец, вытяните строку обычного текста из результата и выведите её. Вы также можете записать её в файл, передать в поисковый индекс или в последующий NLP‑конвейер. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Ожидаемый вывод + +Если `scanned-report.pdf` содержит простой абзац, вы увидите что‑то вроде: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Точное форматирование повторяет оригинальную разметку, насколько это возможно, сохраняя разрывы строк. + +## Обработка распространённых граничных случаев + +### 1. Многоязычные PDF‑ы + +Если ваш документ содержит французский или испанский текст, задайте язык перед вызовом `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Можно передать массив языков, чтобы движок автоматически определял их. + +### 2. Сканирование с низким разрешением + +Для сканов с 150 dpi увеличьте внутреннее DPI рендеринга: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Большее DPI улучшает чёткость символов, но требует больше памяти. + +### 3. Большие PDF‑ы (Управление памятью) + +Для PDF‑ов с десятками страниц обрабатывайте их пакетами: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Так JVM‑куча не будет раздуваться. + +## Полный готовый к запуску пример + +Ниже полностью программа — включая импорты и работу с лицензией — чтобы вы могли скопировать и сразу запустить. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Запустите её так: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Вы должны увидеть извлечённый текст, выведенный в консоль. + +## Итоги – Что мы рассмотрели + +- **Как использовать OCR** в Java с Aspose.OCR. +- Рабочий процесс **извлечения текста из PDF** файлов. +- Внутри библиотека **конвертирует PDF в изображения** перед распознаванием символов. +- Советы по **выполнению OCR над PDF** с несколькими языками, сканами низкого разрешения и большими документами. +- Полный, исполняемый пример кода, который можно вставить в любой Java‑проект. + +## Следующие шаги и связанные темы + +Теперь, когда вы умеете **распознавать отсканированный PDF**, рассмотрите следующие идеи: + +- **Создание поискового PDF** — наложите OCR‑текст обратно на оригинальный PDF, получив документ, пригодный для поиска. +- **Сервис пакетной обработки** — оберните код в микросервис Spring Boot, принимающий PDF‑ы через REST. +- **Интеграция с Elasticsearch** — индексируйте извлечённый текст для быстрого полнотекстового поиска по репозиторию документов. +- **Предобработка изображений** — используйте OpenCV для исправления наклона или удаления шума со страниц перед OCR, чтобы повысить точность. + +Каждая из этих тем опирается на базовые концепции, которые мы изучили, так что экспериментируйте и позволяйте OCR‑движку выполнять тяжёлую работу. + +--- + +*Счастливого кодинга! Если столкнётесь с проблемами — например, ошибками лицензии или неожиданными null‑результатами — оставляйте комментарий ниже. Я всегда готов помочь с отладкой.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..83f87c97b --- /dev/null +++ b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,267 @@ +--- +category: general +date: 2026-02-17 +description: Узнайте, как использовать OCR в Java для распознавания текста из файлов + изображений, извлечения текста из PNG‑чеков и преобразования чека в JSON с помощью + Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: ru +og_description: Пошаговое руководство по использованию OCR в Java для распознавания + текста на изображении, извлечения текста из PNG‑чеков и преобразования чека в JSON. +og_title: Как использовать OCR в Java — распознавать текст с изображения +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Как использовать OCR в Java — быстро распознавать текст на изображении +url: /ru/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +of a photo ...". Translate. + +We need to keep **bold** formatting. + +Proceed. + +Will need to translate bullet list under "What You’ll Need". Keep bold parts. + +Translate blockquote >. + +Translate step headings. + +Translate code block placeholders unchanged. + +Translate other text. + +Make sure to keep markdown syntax. + +Let's produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Как использовать OCR в Java – Быстро распознавать текст на изображении + +Когда‑то задумывались **как использовать OCR**, чтобы извлечь текст из фотографии чека? Возможно, вы пробовали несколько онлайн‑инструментов, но получали искажённые символы или формат, который невозможно разобрать. Хорошая новость: несколько строк кода на Java позволяют **распознавать текст на изображении**, **извлекать текст из PNG** чеков и даже **преобразовать чек в JSON** для дальнейшей обработки. + +В этом руководстве мы пройдём полный рабочий процесс — от лицензирования библиотеки Aspose OCR до получения чистого JSON‑payload, который можно загрузить в базу данных или передать модели машинного обучения. Без лишних слов, только практический, готовый к запуску пример, который можно скопировать и вставить в IDE. К концу вы получите автономную программу, принимающую `receipt.png` и выдающую готовую строку JSON. + +## Что понадобится + +- **Java Development Kit (JDK) 8+** — подойдёт любая современная версия. +- **Aspose OCR for Java** — Maven‑артефакт `com.aspose:aspose-ocr`. +- **Действительный файл лицензии Aspose OCR** (`Aspose.OCR.lic`). Бесплатная trial‑версия подходит для тестов, но полноценная лицензия снимает ограничения оценки. +- Файл изображения (PNG, JPEG и т.д.), содержащий нужный вам текст — назовём его `receipt.png` и разместим в известной папке. +- Любая любимая IDE (IntelliJ IDEA, Eclipse, VS Code…) — выбор за вами. + +> **Pro tip:** Храните файл лицензии вне папки с исходным кодом и указывайте его через абсолютный или относительный путь, чтобы случайно не закоммитить в систему контроля версий. + +Теперь, когда требования ясны, приступим к коду. + +## Как использовать OCR — основные шаги + +Ниже представлена высокоуровневая схема действий: + +1. **Загрузить библиотеку Aspose OCR** и применить лицензию. +2. **Создать экземпляр `OcrEngine`** — это движок, который делает всю тяжёлую работу. +3. **Подготовить объект `OcrInput`**, указывающий на изображение, которое нужно обработать. +4. **Вызвать `recognize` с `ResultFormat.JSON`**, чтобы получить JSON‑представление извлечённого текста. +5. **Обработать JSON‑вывод** — напечатать, записать в файл или дальше распарсить. + +Каждый шаг подробно описан в последующих разделах. + +## Шаг 1 — Установить Aspose OCR и применить лицензию + +Сначала добавьте зависимость Aspose OCR в ваш `pom.xml`, если используете Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Теперь в Java‑коде загрузите лицензию. Этот шаг обязателен; без него библиотека работает в режиме оценки и может добавлять водяные знаки в результат. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Почему это важно:** Объект `License` сообщает OCR‑движку, что вы уполномочены использовать полный набор функций, включая высокоточное распознавание и экспорт в JSON. Пропуск этого шага всё равно позволит **распознавать текст на изображении**, но результаты могут быть ограничены. + +## Шаг 2 — Создать экземпляр OCR‑движка + +Класс `OcrEngine` — точка входа для всех OCR‑операций. Считайте его «мозгом», который читает пиксели и определяет, какие символы они представляют. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Позже вы можете настроить движок (например, задать язык, включить исправление наклона), если ваши чеки содержат нелатинские скрипты или отсканированы под углом. Для большинства чеков из США значения по умолчанию работают отлично. + +## Шаг 3 — Загрузить изображение для обработки + +Теперь укажем OCR‑движку файл с чеком. Класс `OcrInput` может принимать несколько изображений, но в этом руководстве мы ограничимся одним PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Если понадобится **извлекать текст из PNG** файлов пакетно, просто вызывайте `input.add()` многократно или передайте список путей к файлам. + +## Шаг 4 — Распознать текст и преобразовать чек в JSON + +Это сердце руководства. Мы просим движок распознать текст и вернуть результат в формате JSON. Флаг `ResultFormat.JSON` делает всю тяжёлую работу за нас. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON‑payload содержит каждую распознанную строку, её ограничивающий прямоугольник, коэффициент уверенности и сам текст. Такая структура упрощает **преобразование чека в JSON** и последующую передачу в любой downstream‑API. + +## Шаг 5 — Собрать всё вместе и запустить программу + +Ниже полная, готовая к запуску Java‑класс, объединяющий всё вышеописанное. Сохраните её как `JsonExportDemo.java` (или под другим именем) и запустите из IDE или из командной строки. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Ожидаемый вывод + +При запуске программа выводит строку JSON, похожую на следующую (точное содержание зависит от вашего чека): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Теперь вы можете передать этот JSON в базу данных, REST‑endpoint или конвейер анализа данных. Шаг **преобразования чека в JSON** уже выполнен. + +## Часто задаваемые вопросы и особые случаи + +### Что делать, если изображение повернуто? + +Aspose OCR автоматически обнаруживает и исправляет небольшие повороты. Для сильно наклонённых изображений вызовите `engine.getImagePreprocessingOptions().setDeskew(true)` перед распознаванием. + +### Как работать с несколькими языками? + +Используйте `engine.getLanguage()` для установки нужного языка, например `engine.setLanguage(Language.FRENCH)`. Это удобно, когда нужно **распознавать текст на изображении**, содержащем многоязычные чеки. + +### Можно ли вывести обычный текст вместо JSON? + +Конечно. Замените `ResultFormat.JSON` на `ResultFormat.TEXT` и вызовите `result.getText()`. + +### Как ограничить OCR конкретной областью? + +Да — используйте `ocrInput.add(imagePath, new Rectangle(x, y, width, height))`, чтобы сфокусироваться на области чека; это может повысить скорость и точность. + +## Pro Tips для production‑готового OCR + +- **Кешировать объект лицензии**, если обрабатываете много файлов в цикле; повторное создание добавляет накладные расходы. +- **Пакетная обработка**: загрузите все пути к чекам в один `OcrInput` и вызовите `recognize` один раз. JSON будет содержать массив страниц, каждая со своими строками. +- **Валидация JSON**: после получения строки распарсите её библиотекой вроде Jackson, чтобы убедиться в корректности перед сохранением. +- **Контроль уверенности**: в JSON присутствует поле `confidence` для каждой строки. Фильтруйте строки ниже порога (например, 0.85), чтобы избавиться от «мусорных» данных. +- **Защита лицензии**: храните `Aspose.OCR.lic` в безопасном хранилище или переменной окружения, особенно при развертывании в облаке. + +## Заключение + +Мы рассмотрели **как использовать OCR** в Java для **распознавания текста на изображении**, **извлечения текста из PNG** чеков и **преобразования чека в JSON** — всё в компактном, сквозном примере. Шаги просты, код полностью исполняем, а JSON‑вывод даёт структурированное представление, готовое для любой downstream‑системы. + +Дальше вы можете исследовать более продвинутые сценарии: отправлять JSON в Apache Kafka для обработки в реальном времени, применять regex‑шаблоны для извлечения сумм позиций, или интегрировать облачный OCR‑сервис для масштабируемости. Что бы вы ни выбрали, фундаментальные принципы останутся теми же. + +Есть вопросы или возникли трудности при выполнении? Оставьте комментарий ниже, и мы разберёмся вместе. Приятного кодинга и удачной трансформации ваших «грязных» изображений чеков в чистые, поисковые данные! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/russian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..c62c81d2f --- /dev/null +++ b/ocr/russian/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,182 @@ +--- +category: general +date: 2026-02-17 +description: 'Учебник по преобразованию изображения в текст на Java: узнайте, как + извлекать урду‑текст из изображения с помощью Aspose OCR. Включён полный пример + OCR на Java.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: ru +og_description: Учебник по преобразованию изображения в текст на Java показывает, + как извлечь урду‑текст из изображения с помощью Aspose OCR. Следуйте полному примеру + OCR на Java шаг за шагом. +og_title: 'Изображение в текст Java: извлечение урду‑текста с помощью Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'изображение в текст java: извлечение урду‑текста с помощью Aspose OCR' +url: /ru/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Извлечение текста на урду с помощью Aspose OCR + +Если вам нужно выполнить **image to text java** конвертацию для урду‑документов, вы попали по адресу. Когда‑нибудь задумывались *как извлечь текст* из фотографии рукописной заметки или отсканированной страницы газеты? Это руководство проведёт вас через **java ocr example**, который извлекает символы урду прямо из изображения с помощью Aspose OCR. + +Мы охватим всё—from лицензирования библиотеки до вывода результата в консоль. К концу вы сможете **load image ocr** файлы, установить язык — Urdu, и получить чистый Unicode‑вывод — без дополнительных инструментов. + +## Что You'll Need + +- **Java Development Kit (JDK) 8+** – код работает на любой современной JDK. +- **Aspose.OCR for Java** JAR (скачайте с сайта Aspose). +- Действительный файл лицензии **Aspose OCR** (`Aspose.OCR.lic`). +- Изображение, содержащее текст на урду, например `urdu-sample.png`. + +Наличие этих базовых элементов позволяет сразу перейти к коду, не ищя недостающих зависимостей. + +## image to text java – Настройка Aspose OCR + +Сначала нам нужно сообщить Aspose, что у нас есть лицензия. Без неё библиотека работает в режиме оценки и будет добавлять водяные знаки к результату. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Почему это важно:** Лицензирование снимает 5‑секундное ограничение обработки и открывает полный пакет языка Urdu, добавленный в 2025‑Q3. Если пропустить этот шаг, движок OCR всё равно будет работать, но вы увидите небольшую метку «Evaluation» в результатах. + +## Как извлечь текст – Инициализация OCR‑движка + +Теперь мы создаём движок и явно указываем, что нас интересует Urdu. Константа `OcrLanguage.URDU` активирует правильный набор символов и правила сегментации. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Pro tip:** Если вам когда‑нибудь понадобится обрабатывать несколько языков за один запуск, можно передать список через запятую, например `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Движок автоматически определит каждый регион. + +## Загрузка изображения OCR – Подготовка входных данных + +Aspose работает с объектом `OcrInput`, который может содержать одно или несколько изображений. Здесь мы **load image ocr** данные из локального файла. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Note:** Замените `YOUR_DIRECTORY` абсолютным путём или относительным путём от корня проекта. Если файл не найден, Aspose бросит `FileNotFoundException`. Быстрая проверка `new File(path).exists()` может сэкономить много времени на отладку. + +## Распознавание текста – Запуск OCR‑процесса + +С настроенным движком и загруженным изображением мы наконец вызываем `recognize`. Метод возвращает `OcrResult`, содержащий извлечённую строку. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**What’s happening under the hood?** OCR‑движок разбивает изображение на строки, затем на символы, применяя специфические для Urdu правила формирования (например, соединяющие формы). Поэтому ранняя установка языка критична; иначе вы получите искажённые латинские заполнители. + +## Вывод распознанного урду‑текста + +Последний шаг — просто вывести результат. Поскольку Urdu использует скрипт справа налево, убедитесь, что ваша консоль поддерживает Unicode (большинство современных терминалов поддерживают). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Expected output (example):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Если вы видите знаки вопроса или пустые строки, дважды проверьте, что кодировка консоли установлена в UTF‑8 (`chcp 65001` в Windows или запустите Java с `-Dfile.encoding=UTF-8`). + +## Полный рабочий пример – все шаги в одном месте + +Ниже полностью готовая к копированию программа. Без внешних ссылок, только один файл Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Запустите её с помощью: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Замените версию JAR (`23.10`) на ту, которую вы скачали. Консоль должна отобразить урду‑предложение, извлечённое из вашего PNG. + +## Распространённые ошибки и крайние случаи + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | Image is too dark or low‑resolution. | Pre‑process the image (increase contrast, binarize) using `BufferedImage` before feeding it to Aspose. | +| **Garbage characters** | Wrong language set (default is English). | Ensure `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` is called before `recognize`. | +| **License not found** | Path typo or missing file. | Use an absolute path or place the `.lic` file in the classpath and call `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | Large PNGs consume heap. | Call `ocrEngine.setMaxImageSize(2000);` to downscale internally, or resize the image yourself. | + +## Расширение демо + +- **Batch processing:** Перебирайте папку, добавляйте каждый файл в тот же `OcrInput` и собирайте результаты в CSV. +- **Different languages:** Замените `OcrLanguage.URDU` на `OcrLanguage.ARABIC` или комбинируйте несколько языков. +- **Saving to file:** Используйте `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Все эти идеи строятся на **java ocr example**, который мы только что создали, позволяя адаптировать решение под реальные проекты. + +## Заключение + +Теперь у вас есть надёжный **image to text java** рабочий процесс, который извлекает символы урду из изображения с помощью Aspose OCR. Руководство охватило каждый шаг — от лицензирования и выбора языка до загрузки изображения и вывода результата, так что вы можете вставить код в любой Java‑проект и увидеть, как он работает. + +Далее попробуйте поэкспериментировать с более крупными PDF, различными скриптами или даже интегрировать шаг OCR в REST‑endpoint Spring Boot. Те же принципы — **how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/russian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/russian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..f4043e1f3 --- /dev/null +++ b/ocr/russian/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,204 @@ +--- +category: general +date: 2026-02-17 +description: Узнайте, как распознавать текст с изображения и загружать изображение + для OCR с помощью библиотеки Aspose OCR Java. Пошаговое руководство со спелл‑корректором. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: ru +og_description: Распознавать текст с изображения с помощью Aspose OCR Java. Этот учебник + показывает, как загрузить изображение для OCR, включить исправление орфографии и + вывести чистый текст. +og_title: распознавание текста с изображения – Полное руководство по Aspose OCR на + Java +tags: +- Java +- OCR +- Aspose +title: Распознавание текста с изображения с помощью Aspose OCR – учебник Java +url: /ru/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +translate. + +Let's write. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# распознавание текста с изображения с помощью Aspose OCR – Java Tutorial + +Когда‑то вам нужно было **распознать текст с изображения**, но вы не знали, какую библиотеку выбрать? Вы не одиноки. Во многих реальных проектах — сканирование счетов, оцифровка рукописных заметок или извлечение подписей из скриншотов — точные результаты OCR имеют решающее значение. + +В этом руководстве мы пройдем процесс загрузки изображения для OCR, включения встроенного корректора орфографии Aspose OCR и вывода очищенного текста. К концу вы получите готовую к запуску Java‑программу, которая **распознает текст с изображения** всего несколькими строками кода. + +## Что покрывает этот учебник + +- Как применить вашу лицензию Aspose OCR (чтобы демо‑версия работала без водяных знаков) +- Создание экземпляра `OcrEngine` и выбор английского языка распознавания +- **Load image for OCR** с помощью `OcrInput` и указание PNG‑файла, содержащего ошибки в написании слов +- Включение корректора орфографии, при желании указание собственного словаря +- Запуск распознавания и вывод исправленного результата + +Никаких внешних сервисов, никаких скрытых файлов конфигурации — только чистый Java и JAR Aspose OCR. + +> **Pro tip:** Если вы новичок в Aspose, получите бесплатную 30‑дневную пробную лицензию на сайте Aspose и поместите файл `.lic` в папку, доступную из вашего кода. + +## Предварительные требования + +- Java 8 или новее (код также компилируется с JDK 11) +- Aspose.OCR for Java JAR в вашем classpath +- Действительный файл `Aspose.OCR.lic` (или можно работать в режиме оценки, но демо будет содержать водяной знак) +- Файл изображения (`misspelled.png`), содержащий текст с намеренными орфографическими ошибками — идеально подходит для демонстрации работы корректора + +Все готово? Отлично — приступаем. + +## Шаг 1: Примените вашу лицензию Aspose OCR + +Прежде чем движок начнёт работу, он должен знать, что у вас есть лицензия. Иначе в выводе появится баннер «Trial version». + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Почему это важно:* Лицензирование отключает водяной знак пробной версии и открывает полный словарь корректора орфографии. Пропустить этот шаг можно, но вывод будет загрязнён текстом «Aspose OCR Demo». + +## Шаг 2: Создайте и настройте OCR‑движок + +Теперь мы инициализируем движок и указываем, какой язык использовать. Английский — самый распространённый, но Aspose поддерживает десятки языков. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Почему мы задаём язык:* Языковая модель определяет набор символов и влияет на предложения корректора орфографии. Выбор неправильного языка может резко снизить точность. + +## Шаг 3: Включите коррекцию орфографии и (при желании) укажите собственный словарь + +Aspose OCR поставляется со встроенным английским словарём, но вы можете задать свой, если у вас есть термины специфической области (например, медицинская терминология или коды продуктов). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Что делает корректор:* Когда OCR‑движок встречает слово, отсутствующее в словаре, он пытается заменить его на самое близкое совпадение. Поэтому демо может автоматически превратить «recieve» в «receive». + +## Шаг 4: Загрузите изображение для OCR + +Это часть, которая напрямую отвечает на **load image for OCR**. Мы создаём объект `OcrInput` и добавляем наш PNG‑файл. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Почему мы используем `OcrInput`:* Он абстрагирует логику чтения файлов и позволяет позже добавить несколько страниц, если понадобится обработать многостраничный PDF или набор изображений. + +## Шаг 5: Запустите распознавание и получите исправленный текст + +Теперь движок выполняет основную работу — распознаёт символы, применяет языковую модель и в конце корректирует орфографию. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Ожидаемый вывод:* Предположим, `misspelled.png` содержит фразу «Ths is a smple test», консоль выведет: + +``` +Corrected text: +This is a simple test +``` + +Обратите внимание, как ошибочные слова (`Ths`, `smple`) автоматически исправлены. + +## Полный готовый к запуску пример + +Ниже представлен весь код программы в одном блоке. Скопируйте, поправьте пути и нажмите **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Подсказка:** Если хотите обработать JPEG или BMP вместо PNG, просто измените расширение файла — Aspose OCR поддерживает все распространённые растровые форматы. + +## Часто задаваемые вопросы и особые случаи + +- **Что делать, если изображение низкого разрешения?** + Увеличьте DPI перед передачей в Aspose, пересчитав изображение с помощью библиотеки вроде `java.awt.Image`. Большее DPI даёт движку больше пикселей, что обычно повышает точность. + +- **Можно ли распознавать несколько языков в одном изображении?** + Да. Вызовите `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` и при желании добавьте список языков через `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Мой собственный словарь не используется — почему?** + Убедитесь, что папка содержит обычные текстовые файлы с одним словом на строку и что путь указан абсолютный или правильно относительный к рабочей директории. + +- **Как извлечь оценки уверенности?** + `result.getConfidence()` возвращает `float` от 0 до 1 для всей страницы. Для уверенности по отдельным символам изучите `result.getWordList()`. + +## Заключение + +Теперь вы знаете, как **распознавать текст с изображения** с помощью Aspose OCR для Java, как **загружать изображение для OCR** и как включить корректор орфографии для исправления типичных опечаток. Полный пример выше готов к интеграции в любой Maven‑ или Gradle‑проект, а с небольшими изменениями его можно масштабировать для пакетной обработки папок, подключить к веб‑сервису или интегрировать в систему управления документами. + +Готовы к следующему шагу? Попробуйте обработать многостраничный PDF, поэкспериментируйте с собственным словарём для отраслевой терминологии или передайте результат в API перевода. Возможности безграничны, а основной шаблон — лицензия → движок → язык → корректор → ввод → распознавание → вывод — остаётся неизменным. + +Счастливого кодинга, и пусть ваши результаты OCR всегда будут безупречными! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/advanced-ocr-techniques/_index.md b/ocr/spanish/java/advanced-ocr-techniques/_index.md index ad92a78f6..f4fa163db 100644 --- a/ocr/spanish/java/advanced-ocr-techniques/_index.md +++ b/ocr/spanish/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Desbloquee el poder del reconocimiento de texto con Aspose.OCR para Java. Siga n Potencia tus aplicaciones Java con Aspose.OCR para un reconocimiento de texto preciso. Fácil integración, alta precisión. ### [Especificación de caracteres permitidos en Aspose.OCR](./specify-allowed-characters/) Desbloquee la extracción de texto de imágenes sin problemas con Aspose.OCR para Java. Siga nuestra guía paso a paso para una integración eficiente. +### [Reconocer texto de imagen usando Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Acelere el reconocimiento de texto en imágenes con la GPU usando Aspose OCR para Java. Obtenga alta precisión y rendimiento mejorado. +### [Pool de hilos fijo en Java – OCR paralelo para PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Acelere el OCR de imágenes PNG usando un pool de hilos fijo en Java para procesamiento paralelo. +### [Preprocesar imagen para OCR – Guía completa de Java para mejorar el contraste y extraer texto](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Mejore la calidad de sus imágenes antes del OCR, aumentando el contraste y optimizando la extracción de texto con Java. +### [Crear motor OCR Java – Reconocer texto de imágenes grandes](./create-ocr-engine-java-recognize-text-from-large-images/) +Aprenda a crear un motor OCR en Java para reconocer texto en imágenes de gran tamaño con alta precisión y rendimiento. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/spanish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..abde68c7a --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,257 @@ +--- +category: general +date: 2026-02-17 +description: Crea un motor OCR en Java y lee archivos TIFF rápidamente. Aprende cómo + reconocer texto de una imagen grande usando Aspose.OCR en una guía paso a paso. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: es +og_description: Crea ahora un motor OCR en Java. Este tutorial muestra cómo leer un + archivo TIFF en Java y reconocer texto de una imagen grande usando Aspose.OCR. +og_title: Crear motor OCR en Java – Guía completa para el reconocimiento de texto + en imágenes grandes +tags: +- OCR +- Java +- Aspose +title: Crear motor OCR Java – Reconocer texto de imágenes grandes +url: /es/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crear motor OCR Java – Reconocer texto de imágenes grandes + +¿Alguna vez necesitaste código para **create OCR engine Java** que pueda manejar un mapa TIFF masivo, pero no sabías por dónde empezar? No estás solo—la mayoría de los desarrolladores se topan con un muro cuando el tamaño de la imagen supera los límites habituales de memoria. + +En esta guía te guiaremos paso a paso con un ejemplo completo y listo‑para‑ejecutar que **creates an OCR engine in Java**, te muestra cómo **read TIFF file Java** con un `InputStream`, y finalmente **recognizes text from large image** archivos sin agotar el heap. Al final tendrás un programa autónomo que puedes integrar en cualquier proyecto Maven o Gradle. + +## Lo que necesitarás + +- **Java Development Kit (JDK) 8 o más reciente** – el código usa solo I/O estándar más Aspose.OCR. +- **Aspose.OCR for Java** library (la última versión a partir de 2026‑02) – puedes obtener el JAR del sitio de Aspose o a través de Maven Central. +- Un **large TIFF file** (p. ej., un mapa multi‑megapíxel) que deseas OCR. +- Tu **Aspose.OCR license file** (`Aspose.OCR.lic`). Sin ella el motor funciona en modo de evaluación, pero aparecerá una marca de agua. + +> **Consejo profesional:** Mantén el TIFF junto a tu carpeta de origen o usa una ruta absoluta; el motor dividirá la imagen internamente, así que no tendrás que dividirla tú mismo. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagrama del flujo de Create OCR Engine Java"} + +## Paso 1 – Aplicar tu licencia Aspose.OCR (Create OCR Engine Java) + +Antes de que el motor realice cualquier procesamiento intensivo debes registrar la licencia. Omitir este paso obliga al modo de evaluación, que limita el número de páginas y añade una barra al resultado. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Por qué es importante:* El objeto `License` indica al motor OCR que desbloquee el algoritmo de teselado de alta resolución, lo cual es esencial para procesar una **large image** de manera eficiente. + +## Paso 2 – Instanciar el motor OCR (Create OCR Engine Java) + +Ahora iniciamos el núcleo `OcrEngine`. Piensa en él como el cerebro que más adelante leerá los píxeles y generará texto Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Por qué lo mantenemos simple:* Para la mayoría de los escenarios, la configuración predeterminada ya incluye detección automática de idioma y teselado óptimo. Configurar en exceso puede ralentizar el proceso en archivos enormes. + +## Paso 3 – Cargar el archivo TIFF usando un InputStream (Read TIFF File Java) + +Los TIFF grandes pueden ser de varios cientos de megabytes. Cargar todo en un `BufferedImage` haría estallar el heap. En su lugar le damos al motor un `InputStream`; Aspose.OCR leerá y dividirá la imagen sobre la marcha. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Caso límite:* Si tu TIFF está comprimido con CCITT Group 4, Aspose.OCR aún lo maneja, pero podrías querer establecer `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` para un pequeño aumento de velocidad. + +## Paso 4 – Preparar la entrada OCR y sugerir el formato + +El objeto `OcrInput` puede contener múltiples imágenes, pero solo necesitamos una para esta demostración. Proporcionar la cadena de formato (`"tif"`) ayuda al motor a omitir la detección de formato, ahorrando unos pocos milisegundos. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Por qué la sugerencia es útil:* Al trabajar con **large images**, cada milisegundo cuenta. La sugerencia de formato indica al analizador que omita el costoso análisis de encabezado. + +## Paso 5 – Reconocer texto de la imagen grande (Recognize Text from Large Image) + +Con todo conectado, la llamada OCR real es una sola línea. El motor devuelve un `OcrResult` que contiene el texto plano, puntuaciones de confianza e incluso cajas delimitadoras si las necesitas más adelante. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Qué ocurre internamente:* Aspose.OCR divide el TIFF en teselas manejables (por defecto 1024 × 1024 px), ejecuta el modelo de red neuronal en cada tesela y luego une los resultados. Por eso puedes **recognize text from large image** archivos sin pre‑procesamiento manual. + +## Paso 6 – Mostrar una vista previa del texto extraído + +Imprimir todo el documento en la consola puede ser abrumador. Mostremos solo los primeros 200 caracteres, seguidos de una elipsis, para que puedas verificar la salida de un vistazo. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Salida esperada en consola:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Si ves caracteres sin sentido, verifica que el idioma correcto esté seleccionado (por defecto es English) y que el TIFF no esté corrupto. + +## Ejemplo completo funcionando + +Unir todas las piezas te brinda una única clase que puedes compilar y ejecutar: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compilar con: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Reemplaza `aspose-ocr-23.12.jar` con la versión real que descargaste. + +## Errores comunes y consejos + +| Problema | Por qué ocurre | Solución rápida | +|------|----------------|-----------| +| **OutOfMemoryError** | Cargar el TIFF en un `BufferedImage` en lugar de transmitir. | Siempre usa `InputStream` como se muestra; deja que Aspose maneje el teselado. | +| **Blank output** | Pista de extensión de archivo incorrecta (`"tif"` vs `"tiff"`). | Usa la cadena exacta que pasaste a `add`. | +| **Garbage characters** | Licencia no aplicada o caducada. | Verifica la ruta del archivo `.lic` y vuelve a aplicar antes de crear el motor. | +| **Slow recognition** | Uso de un `OcrConfiguration` personalizado con DPI alto. | Mantente con los valores predeterminados para la mayoría de los casos; ajusta solo si necesitas mayor precisión. | + +### Cuándo ajustar la configuración + +- **Documentos multilingües:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Mayor precisión en fuentes pequeñas:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Pero recuerda, cada opción adicional puede aumentar el tiempo de CPU, especialmente en una **large image**. Prueba primero con una sola tesela. + +## Próximos pasos + +Ahora que sabes cómo **create OCR engine Java**, **read TIFF file Java**, y **recognize text from large image**, podrías querer: + +1. **Exportar el resultado a un PDF** – combina Aspose.PDF con el texto OCR para documentos buscables. +2. **Almacenar cajas delimitadoras** – usa `ocrResult.getWords()` para obtener coordenadas para resaltar. +3. **Paralelizar el procesamiento de teselas** – para imágenes satelitales ultra‑grandes, inicia un + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/spanish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..69c6917a5 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Aprende a usar un pool de hilos fijo en Java para extraer texto de imágenes + PNG con procesamiento OCR paralelo y cerrar correctamente el servicio de ejecutor. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: es +og_description: Descubre cómo un pool de hilos fijo en Java puede extraer texto de + imágenes PNG en paralelo, convertir el texto de páginas escaneadas y cerrar el servicio + de ejecución de forma segura. +og_title: Pool de hilos fijo Java – OCR paralelo para PNG +tags: +- java +- ocr +- multithreading +- aspose +title: Pool de hilos fijo Java – OCR paralelo para PNG +url: /es/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +missed text: after code block there is a blank line then closing shortcodes. Ensure we keep them. + +Also note there is a stray blank line after code block before closing shortcodes; keep. + +Now produce final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR paralelo para PNG + +¿Alguna vez te has preguntado cómo acelerar el OCR en un montón de archivos PNG usando un **fixed thread pool java**? En este tutorial recorreremos **extract text from PNG** imágenes en paralelo, **convert scanned pages text** en cadenas editables, y cerramos de forma segura **shut down executor service** una vez que el trabajo haya terminado. + +Si alguna vez te has quedado mirando un bucle de un solo hilo que se prolonga durante minutos, sabes la frustración de esperar a que cada página termine antes de que la siguiente siquiera comience. ¿La buena noticia? Con unas pocas líneas de Java y Aspose OCR puedes liberar el poder de todos tus núcleos de CPU, convertir esas páginas escaneadas en texto buscable y mantener tu aplicación responsiva. + +A continuación encontrarás un ejemplo completo, listo para ejecutar, junto con explicaciones de por qué cada parte es importante, errores comunes y consejos que puedes aplicar a cualquier biblioteca OCR. + +--- + +## Lo que necesitarás + +- **Java 17** (o cualquier JDK reciente) – el código usa la sintaxis moderna `var` con moderación, pero funciona también en versiones anteriores. +- **Aspose.OCR for Java** library – puedes obtenerla de Maven Central o descargar una versión de prueba desde Aspose. +- Un conjunto de archivos **PNG** que deseas procesar – piensa en recibos escaneados, páginas de libros o capturas de pantalla. +- Familiaridad básica con la concurrencia en Java – no es obligatoria, pero es útil. + +Eso es todo. Sin servicios externos, sin Docker, solo Java puro y un poco de magia de multihilos. + +--- + +## Paso 1: Añadir la dependencia de Aspose OCR y la licencia (Opcional) + +Primero, asegúrate de que el JAR de Aspose OCR esté en tu classpath. Si usas Maven, agrega: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Si no tienes una licencia, la biblioteca se ejecutará en modo de evaluación; el código funciona de la misma manera. Para cargar una licencia (recomendado para producción), coloca `Aspose.OCR.lic` en tu carpeta de recursos y usa: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Consejo profesional:** Mantén el archivo de licencia fuera del control de versiones para evitar exposiciones accidentales. + +--- + +## Paso 2: Crear una instancia de `OcrEngine` segura para hilos + +El `OcrEngine` de Aspose OCR es seguro para hilos siempre que reutilices la misma instancia en todas las tareas. Crearlo una sola vez ahorra memoria y evita la sobrecarga de volver a inicializar el motor para cada imagen. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +¿Por qué reutilizar? Piensa en el motor como un trabajador pesado que carga modelos de idioma en memoria. Crear un nuevo motor por imagen sería como contratar a un nuevo especialista para cada pequeño trabajo: costoso e innecesario. + +--- + +## Paso 3: Configurar un Fixed Thread Pool Java + +Ahora llega la estrella del espectáculo: un **fixed thread pool java**. Lo dimensionaremos al número de procesadores lógicos para que cada núcleo reciba trabajo sin sobreasignarse. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Usar un pool *fixed* (en lugar de uno cached) te brinda un uso de recursos predecible y evita los temidos picos de “out‑of‑memory” cuando llegan cientos de imágenes de una vez. + +--- + +## Paso 4: Listar los archivos PNG que deseas procesar (Extract Text from PNG) + +Recopila las rutas a las imágenes que deseas OCR. En un proyecto real podrías escanear un directorio o leer de una base de datos; aquí codificaremos directamente algunos ejemplos. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Nota:** La extensión de archivo **png** es importante porque Aspose OCR detecta automáticamente el formato, pero también podrías proporcionar JPEG o TIFF. + +--- + +## Paso 5: Enviar tareas OCR – Procesamiento OCR paralelo + +Cada imagen se convierte en un callable que devuelve el texto reconocido. Como el `OcrEngine` se comparte, solo necesitamos pasar la ruta del archivo a la tarea. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +¿Por qué envolverlo en un `Future`? Permite lanzar todos los trabajos al instante y luego recopilar los resultados en el orden en que fueron enviados, perfecto para preservar el orden de páginas al **convert scanned pages text** de nuevo a un documento. + +--- + +## Paso 6: Recuperar resultados y mostrarlos (Convert Scanned Pages Text) + +Ahora esperamos a que cada `Future` termine y imprimimos la salida. La llamada `get()` bloquea solo hasta que la tarea específica se complete, no todo el pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Una salida típica en consola se ve así: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Si prefieres escribir los resultados en archivos, reemplaza `System.out.println` con una llamada a `Files.writeString`. + +--- + +## Paso 7: Cerrar limpiamente el Executor Service + +Cuando todas las tareas hayan finalizado, es crucial **shut down executor service**; de lo contrario tu JVM puede mantener hilos no daemon activos, impidiendo una salida elegante. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +El patrón `awaitTermination` le da al pool la oportunidad de terminar el trabajo en curso antes de forzarlo. Ignorar este paso es una fuente común de fugas de memoria en aplicaciones de larga duración. + +--- + +## Ejemplo completo y funcional + +Juntándolo todo, aquí tienes el programa completo que puedes copiar y pegar en `ParallelBatchDemo.java` y ejecutar: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/spanish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..7bc456d5f --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-02-17 +description: Preprocese la imagen para OCR con Aspose OCR en Java. Aprenda a aumentar + el contraste de la imagen, establecer el nivel de contraste y reconocer texto de + la imagen en solo minutos. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: es +og_description: Preprocesar imagen para OCR usando Aspose OCR Java. Esta guía muestra + cómo aumentar el contraste de la imagen, establecer el nivel de contraste y reconocer + texto de la imagen rápidamente. +og_title: Preprocesar imagen para OCR – Tutorial de Java para aumentar el contraste + y extraer texto +tags: +- Java +- OCR +- Image Processing +title: Preprocesar imagen para OCR – Guía completa de Java para mejorar el contraste + y extraer texto +url: /es/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +: keep. + +Also there is a final shortcode for backtop button: keep. + +Now produce final content with all translations. + +Check we didn't translate any code block placeholders. Keep them. + +Make sure markdown formatting preserved. + +Let's craft final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Preprocesar Imagen para OCR – Guía Completa en Java + +¿Alguna vez necesitaste **preprocess image for OCR** pero no estabas seguro de qué configuraciones realmente marcan la diferencia? No estás solo. La mayoría de los desarrolladores lanzan una imagen a un motor OCR y esperan que la magia ocurra, solo para obtener una salida confusa. En este tutorial recorreremos un ejemplo práctico, de extremo a extremo, que **boosts image contrast**, ajusta el **contrast level**, y finalmente **recognizes text from image** usando Aspose OCR para Java. + +Al terminar, tendrás un fragmento de código reutilizable que **extracts text using OCR** de forma fiable, incluso en escaneos ruidosos. Sin trucos ocultos, solo pasos claros y la lógica detrás de cada uno. + +## Lo que Necesitarás + +- Java 17 o superior (el código se compila con cualquier JDK reciente) +- Biblioteca Aspose OCR for Java (descárgala del sitio oficial de Aspose) +- Un archivo de licencia válido de Aspose OCR (`Aspose.OCR.lic`) +- Una imagen de entrada (`input.jpg`) que deseas leer +- Un IDE favorito o una configuración simple de línea de comandos + +Si ya los tienes, genial—¡vamos a sumergirnos! + +## Paso 1: Cargar la Licencia de Aspose OCR (Configuración Principal) + +Antes de que el motor OCR haga algo, necesita saber que tienes una licencia. De lo contrario aparecerá una marca de agua de prueba. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Por qué es importante:** Sin una licencia adecuada, el motor funciona en modo de evaluación, lo que puede truncar resultados o añadir marcas de agua. Configurar la licencia al principio también garantiza que cualquier opción de preprocesamiento posterior se aplique en modo de funciones completas. + +## Paso 2: Inicializar el Motor OCR + +Crear una instancia de `OcrEngine` te brinda acceso tanto al reconocimiento como a las canalizaciones de preprocesamiento. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Consejo profesional:** Mantén el motor como singleton si planeas procesar muchas imágenes en lote; almacena en caché recursos internos y acelera las llamadas posteriores. + +## Paso 3: Configurar el Preprocesamiento – Corrección de Inclinación, Reducción de Ruido y Mejora de Contraste + +Aquí es donde **preprocess image for OCR**. Los tres ajustes que modificaremos son: + +1. **Deskew** – corrige pequeñas rotaciones. +2. **Denoise** – elimina manchas que confunden la segmentación de caracteres. +3. **Contrast enhancement** – hace que el texto oscuro destaque sobre el fondo. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### ¿Por qué Ajustar el Nivel de Contraste? + +Aumentar el nivel de contraste estira el histograma de la imagen, haciendo que los píxeles oscuros sean más oscuros y los brillantes más brillantes. En la práctica, un **contrast level** de `1.3f` suele ofrecer el mejor equilibrio para documentos impresos, mientras que un valor superior a `1.5f` puede sobreexponer trazos finos. Siéntete libre de experimentar; el ajuste es barato de cambiar y puede mejorar drásticamente la tasa de éxito de **recognize text from image**. + +## Paso 4: Preparar la Imagen de Entrada + +La clase `OcrInput` abstrae la gestión de archivos. Puedes añadir múltiples imágenes si necesitas procesamiento por lotes. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Caso límite:** Si tu imagen está en un formato no estándar (p.ej., TIFF con múltiples páginas), puedes cargar cada página por separado o convertirla a PNG/JPEG primero. + +## Paso 5: Realizar el Reconocimiento + +Ahora el motor ejecuta la canalización de preprocesamiento que acabamos de configurar, y luego entrega la imagen limpiada al algoritmo central de OCR. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**¿Qué ocurre bajo el capó?** Aspose OCR primero aplica la transformación deskew, luego ejecuta el filtro denoise y finalmente ajusta el contraste antes de pasar la imagen a su reconocedor basado en redes neuronales. El orden es intencional; cambiarlo podría producir resultados subóptimos. + +## Paso 6: Mostrar el Texto Reconocido + +Finalmente, imprimimos la cadena extraída en la consola. En una aplicación real podrías escribirla en un archivo o enviarla a través de una red. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Salida Esperada + +Si `input.jpg` contiene la frase “Hello World!”, la consola debería mostrar: + +``` +Hello World! +``` + +Si la salida se ve confusa, verifica nuevamente los valores de preprocesamiento—especialmente el **contrast level** y el **denoise mode**—y prueba con un formato de imagen diferente. + +## Bonus: Visualizar la Imagen Pre‑procesada (Opcional) + +A veces quieres ver lo que el motor ve después de deskew, denoise y la mejora de contraste. Aspose OCR te permite exportar el bitmap intermedio: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Abre `processed.png` junto al original; notarás un horizonte más recto y texto más nítido. Este paso es útil cuando estás solucionando por qué un escaneo particular falla. + +![ejemplo de preprocess image for OCR](/images/ocr-preprocess-example.png "preprocess image for OCR – antes y después del aumento de contraste") + +*La imagen anterior ilustra cómo aumentar el contraste y reducir el ruido convierte un escaneo borroso en una imagen limpia y lista para OCR.* + +## Errores Comunes y Cómo Evitarlos + +| Problema | Por qué ocurre | Solución | +|----------|----------------|----------| +| **Sobre‑contraste** (`setContrastLevel` demasiado alto) | El fondo claro se vuelve blanco, borrando caracteres débiles | Mantén el nivel entre 1.1 y 1.4 para la mayoría del texto impreso | +| **Tolerancia de deskew demasiado baja** | Las pequeñas rotaciones permanecen sin corregir | Aumenta `setDeskewAngleTolerance` a 0.2 o 0.3 para libros escaneados | +| **Usar denoise GAUSSIAN en imágenes binarias** | Difumina los bordes, fusionando caracteres | Usa `DenoiseMode.MEDIAN` para escaneos en blanco y negro | +| **Licencia ausente** | El motor recurre al modo de prueba, truncando la salida | Verifica la ruta a `Aspose.OCR.lic` y que el archivo sea legible | + +## Próximos Pasos: Ir Más Allá del Pre‑procesamiento Básico + +Ahora que puedes **preprocess image for OCR** y **extract text using OCR**, considera estas extensiones: + +- **Language packs** – carga diccionarios de idiomas específicos para mejorar la precisión en texto que no sea inglés. +- **Region‑of‑interest (ROI) cropping** – enfócate en una subsección de la imagen si solo necesitas una parte de la página. +- **Batch processing** – recorre un directorio de imágenes, reutilizando la misma instancia de `OcrEngine` para mayor velocidad. +- **Integrate with PDF** – combina Aspose OCR con Aspose PDF para convertir PDFs escaneados en PDFs buscables en una sola canalización. + +Cada uno de estos temas incorpora naturalmente nuestras palabras clave secundarias: seguirás **boost image contrast**, **set contrast level**, y continuarás **recognize text from image** en muchos escenarios. + +## Conclusión + +Hemos cubierto todo lo que necesitas para **preprocess image for OCR** usando Aspose OCR para Java: cargar la licencia, configurar deskew, denoise y mejora de contraste, suministrar la imagen y finalmente **recognize text from image**. Con el ejemplo completo y ejecutable anterior, ahora puedes **extract text using OCR** en cualquier imagen adecuadamente preparada. + +Ejecuta el código, ajusta el **contrast level**, y observa cómo aumenta la precisión. Cuando estés listo, explora modelos específicos de idioma o canalizaciones por lotes para convertir esta demostración de una sola imagen en una solución de nivel producción. + +*¡Feliz codificación, y que tus escaneos siempre sean nítidos!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/spanish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..7734a10c2 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,237 @@ +--- +category: general +date: 2026-02-17 +description: Reconoce texto en imágenes rápidamente con el soporte GPU de Aspose OCR + en Java. Aprende a extraer texto de una imagen y a establecer el ID del dispositivo + GPU para un rendimiento óptimo. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: es +og_description: Reconoce texto en imágenes rápidamente con soporte GPU de Aspose OCR + en Java. Esta guía muestra cómo extraer texto de una imagen y establecer el ID del + dispositivo GPU. +og_title: reconocer texto de imagen usando Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Reconocer texto en imagen usando Aspose OCR GPU – Java +url: /es/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Reconocer texto en imagen usando Aspose OCR GPU – Java + +¿Alguna vez necesitaste **reconocer texto en imagen** en una aplicación Java pero la CPU se quedaba sin aliento con archivos grandes? No eres el único—muchos desarrolladores se topan con ese obstáculo al procesar escaneos de alta resolución. ¿La buena noticia? Aspose OCR te permite **extraer texto de una imagen** en la GPU, reduciendo drásticamente el tiempo de procesamiento. + +En este tutorial recorreremos un ejemplo completo, listo para ejecutar, que muestra exactamente cómo configurar la licencia, habilitar la aceleración GPU y **establecer el id del dispositivo GPU** cuando tienes varias tarjetas gráficas. Al final tendrás un programa autónomo que imprime el texto reconocido en la consola—sin pasos adicionales. + +## Lo que necesitarás + +- **Java 17** o más reciente (la API es compatible con Java 8+, pero el último LTS te brinda mejor rendimiento). +- Biblioteca **Aspose OCR for Java** (descarga el JAR desde el sitio web de Aspose). +- Un archivo de licencia válido de **Aspose OCR** (`Aspose.OCR.lic`). La versión de prueba funciona, pero las funciones de GPU están bloqueadas detrás de una versión licenciada. +- Un archivo de imagen (`sample-image.png`) que contenga texto claro y legible por máquina. +- Un entorno con GPU habilitada (una tarjeta compatible con NVIDIA CUDA funciona mejor). + +Si alguno de esos conceptos te resulta desconocido, no te preocupes—cada punto se explicará a medida que avanzamos. + +## Paso 1: Añadir Aspose OCR a tu proyecto + +Primero, incluye el JAR de Aspose OCR en tu classpath. Si usas Maven, agrega la siguiente dependencia a `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Para Gradle, es: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Si prefieres la ruta manual, coloca el JAR en tu carpeta `libs/` y añádelo a la ruta de módulos del IDE. + +> **Consejo profesional:** Mantén el número de versión sincronizado con las notas de la versión de la biblioteca; las versiones más recientes a menudo incluyen mejoras de rendimiento para el procesamiento en GPU. + +## Paso 2: Cargar la licencia de Aspose OCR (requerido para el uso de GPU) + +Sin una licencia, la llamada `setEnableGpu(true)` volverá silenciosamente al modo CPU. Carga la licencia al inicio del método `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Reemplaza `YOUR_DIRECTORY` con la ruta absoluta o relativa donde guardaste el archivo `.lic`. Si la ruta es incorrecta, Aspose lanzará una `FileNotFoundException`, así que verifica la ortografía. + +## Paso 3: Crear el motor OCR y habilitar la aceleración GPU + +Ahora instanciamos `OcrEngine` y le indicamos que use la GPU. El método `setGpuDeviceId` te permite elegir una tarjeta específica cuando hay más de una presente. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +¿Por qué preocuparse por el ID del dispositivo? En un servidor con múltiples GPU podrías reservar una tarjeta para el preprocesamiento de imágenes y otra para OCR. Establecer el ID garantiza que el hardware correcto realice el trabajo pesado. + +## Paso 4: Preparar la imagen de entrada + +Aspose OCR funciona con una variedad de formatos (PNG, JPG, BMP, TIFF). Envuelve tu archivo en un objeto `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Si necesitas procesar un flujo (p. ej., un archivo subido), usa `ocrInput.add(InputStream)` en su lugar. + +## Paso 5: Ejecutar el proceso de reconocimiento y obtener el resultado + +El método `recognize` devuelve un `OcrResult` que contiene el texto plano, puntuaciones de confianza e incluso información de diseño si la necesitas. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +La consola mostrará algo como: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Si la imagen está borrosa o el idioma no está soportado, el resultado puede estar vacío. En ese caso, verifica el valor de `ocrResult.getConfidence()` (0‑100) para decidir si volver a intentar con preprocesamiento. + +## Ejemplo completo y ejecutable + +Juntando todas las piezas obtienes una única clase Java que puedes copiar y pegar en tu IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Salida esperada:** La consola imprime el texto exacto que aparece en `sample-image.png`. Si la GPU está activa, notarás que el tiempo de procesamiento disminuye de varios segundos (CPU) a menos de un segundo para escaneos típicos de 300 dpi. + +## Preguntas frecuentes y casos límite + +### ¿Funciona esto en un servidor sin pantalla (headless)? + +Sí. El controlador de GPU debe estar instalado, pero no se requiere pantalla. Simplemente asegúrate de que el toolkit `CUDA` (o su equivalente para tu GPU) esté en el `PATH` del sistema. + +### ¿Qué pasa si tengo más de una GPU y quiero usar la GPU 1? + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### ¿Cómo extraer texto de una imagen en otro idioma? + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose soporta más de 30 idiomas; consulta la documentación de la API para la enumeración completa. + +### ¿Qué pasa si la imagen contiene varias páginas (p. ej., un PDF convertido a imágenes)? + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +El motor concatenará los resultados en orden. + +### ¿Cómo manejar resultados de baja confianza? + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Los pasos típicos de preprocesamiento incluyen binarización, reducción de ruido o redimensionado a 300 dpi. + +## Consejos de rendimiento + +- **Procesamiento por lotes:** Añadir muchas imágenes a un solo `OcrInput` reduce la sobrecarga de inicializar repetidamente el contexto GPU. +- **Calentamiento:** Ejecuta un reconocimiento de prueba una vez después de iniciar la JVM; la primera llamada incurre en latencia de inicialización del controlador. +- **Gestión de memoria:** Elimina los objetos `OcrInput` grandes (`ocrInput.clear()`) después de usarlos para liberar memoria GPU. + +## Conclusión + +Ahora sabes cómo **reconocer texto en imagen** de manera eficiente con el motor GPU de Aspose OCR en Java, cómo **extraer texto de una imagen** en cualquier idioma soportado, y cómo **establecer el id del dispositivo GPU** al trabajar con múltiples tarjetas gráficas. El código completo y ejecutable anterior debería funcionar de inmediato—solo reemplaza tu licencia y las rutas de las imágenes. + +¿Listo para el siguiente paso? Prueba procesar una carpeta de PDFs escaneados, experimenta con diferentes opciones `setLanguage`, o combina OCR con un modelo de aprendizaje automático para el post‑procesamiento. Las posibilidades son infinitas, y las mejoras de rendimiento gracias a la aceleración GPU hacen factibles incluso proyectos a gran escala. + +¡Feliz codificación, y siéntete libre de dejar un comentario si encuentras algún problema! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/ocr-operations/_index.md b/ocr/spanish/java/ocr-operations/_index.md index 89cdfd8fa..aaf4cb398 100644 --- a/ocr/spanish/java/ocr-operations/_index.md +++ b/ocr/spanish/java/ocr-operations/_index.md @@ -78,10 +78,20 @@ Desbloquea el poder de la extracción de texto de imágenes con Aspose.OCR para Desbloquea una extracción de texto precisa de imágenes con Aspose.OCR para Java. Sigue nuestra guía paso a paso para un OCR preciso con selección de idioma. ### [OCR Reconociendo documentos PDF en Aspose.OCR para Java](./recognize-pdf/) Desbloquea el poder del OCR en Java con Aspose.OCR. Reconoce texto en documentos PDF sin esfuerzo. Potencia tus aplicaciones con precisión y velocidad. +### [Crear PDF buscable a partir de una imagen en Java – Guía paso a paso](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Desbloquea la creación de PDFs buscables a partir de imágenes usando Aspose OCR en Java. Sigue este tutorial paso a paso. ### [OCR Reconociendo imágenes TIFF en Aspose.OCR para Java](./recognize-tiff/) Desbloquea un poderoso reconocimiento de texto en Java con Aspose.OCR. Reconoce texto en imágenes TIFF sin esfuerzo. Descárgalo ahora para una experiencia OCR fluida. ### [Reconocer texto en imagen con Aspose OCR – Tutorial completo de OCR en Java](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Desbloquea la extracción completa de texto de imágenes usando Aspose OCR en Java. Sigue este tutorial paso a paso. +### [Cómo usar OCR en Java – Reconocer texto de imagen rápidamente](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Aprende a reconocer texto rápidamente a partir de imágenes usando Aspose.OCR en Java con este tutorial paso a paso. +### [Reconocer texto de imagen con Aspose OCR – Tutorial Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Aprende a extraer texto de imágenes con Aspose OCR en Java mediante un tutorial práctico y sencillo. +### [Imagen a texto Java: Extraer texto en urdu con Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Desbloquea la extracción de texto en urdu de imágenes usando Aspose OCR para Java. Sigue este tutorial paso a paso. +### [Cómo usar OCR en Java – Extraer texto de PDF con Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Aprende a usar OCR en Java para extraer texto de archivos PDF con Aspose.OCR en una guía paso a paso. ## Preguntas frecuentes diff --git a/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..0f45e700e --- /dev/null +++ b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Crea PDF buscable rápidamente: aprende cómo crear un PDF a partir de + una imagen usando Aspose OCR, opciones de guardado de PDF y convierte una imagen + en PDF buscable en solo minutos.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: es +og_description: Crear PDF buscable en Java usando Aspose OCR. Esta guía muestra cómo + crear un PDF a partir de una imagen, configurar las opciones de guardado del PDF + y obtener un documento totalmente buscable. +og_title: Crear PDF buscable a partir de una imagen en Java – Tutorial completo +tags: +- Aspose OCR +- Java +- PDF generation +title: Crear PDF buscable a partir de una imagen en Java – Guía paso a paso +url: /es/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crear PDF buscable a partir de una imagen en Java – Guía paso a paso + +¿Alguna vez necesitaste **crear un pdf buscable** a partir de una foto escaneada pero no sabías qué API elegir? No estás solo: muchos desarrolladores se topan con ese obstáculo cuando intentan convertir un bitmap en un PDF que realmente se pueda buscar. ¿La buena noticia? Con Aspose OCR puedes hacerlo en unas pocas líneas, y el resultado se ve exactamente como la imagen original mientras sigue siendo buscable por texto. + +En este tutorial recorreremos todo el proceso: cargar tu licencia, alimentar una imagen (o un TIFF de varias páginas) al motor OCR, ajustar las **opciones de guardado PDF**, y finalmente escribir un **imagen a pdf buscable**. Al final tendrás un programa Java listo para usar que crea un PDF buscable en segundos. Sin misterios, sin atajos de “ver la documentación”, solo un ejemplo completo y ejecutable. + +## Lo que aprenderás + +- Cómo **convertir imagen a pdf** e incrustar una capa de texto oculta para la búsqueda. +- Qué **opciones de guardado PDF** debes habilitar para obtener el mejor equilibrio entre tamaño y precisión. +- Problemas comunes (p. ej., licencia faltante, formatos de imagen no compatibles) y cómo evitarlos. +- Cómo verificar que la salida sea realmente buscable (prueba rápida con Adobe Reader). + +**Requisitos previos:** Java 8 o superior, Maven o Gradle para obtener el JAR de Aspose OCR, y un archivo de licencia válido de Aspose OCR. Si aún no tienes una licencia, puedes solicitar una prueba gratuita en el sitio web de Aspose. + +--- + +## Paso 1 – Cargar la licencia de Aspose OCR (Cómo crear PDF de forma segura) + +Antes de que el motor OCR haga cualquier trabajo necesita una licencia; de lo contrario obtendrás páginas con marca de agua. Coloca tu `Aspose.OCR.lic` en un lugar accesible y apunta la clase `License` a ella. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Consejo profesional:** Mantén el archivo de licencia fuera del directorio de control de versiones para evitar commits accidentales. + +--- + +## Paso 2 – Preparar la entrada OCR (Convertir imagen a PDF) + +Aspose OCR acepta un objeto `OcrInput` que puede contener una o varias imágenes. Aquí añadimos un solo PNG, pero también podrías proporcionar un TIFF de varias páginas para procesamiento por lotes. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Por qué importa:** Añadir la imagen a `OcrInput` desacopla la gestión de archivos del motor, permitiéndote reutilizar el mismo código para escenarios de una sola página o de varias páginas. + +--- + +## Paso 3 – Configurar las opciones de guardado PDF (Explicación de PDF Save Options) + +La clase `PdfSaveOptions` controla cómo se construye el PDF final. Dos banderas son cruciales para un **pdf buscable**: + +1. `setCreateSearchablePdf(true)` – indica al motor que incruste una capa de texto oculta basada en los resultados del OCR. +2. `setEmbedImages(true)` – conserva la imagen raster original para que la apariencia visual permanezca intacta. + +También puedes ajustar DPI, compresión o protección con contraseña si lo necesitas. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Caso límite:** Si estableces `setCreateSearchablePdf(false)`, la salida será un PDF solo de imágenes, sin nada que puedas buscar. Siempre verifica esta bandera al automatizar grandes lotes. + +--- + +## Paso 4 – Ejecutar OCR y escribir el PDF buscable (Lógica central de “Cómo crear PDF”) + +Ahora juntamos todo. El método `recognize` realiza OCR sobre el `OcrInput` suministrado, aplica las `PdfSaveOptions` y envía el resultado a un archivo. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Resultado esperado + +Después de ejecutar el programa, abre `output-searchable.pdf` en cualquier visor de PDF (Adobe Reader, Foxit, etc.) y prueba a seleccionar texto o usar la caja de búsqueda. Deberías poder encontrar palabras que originalmente solo estaban en la imagen. Ese es el sello de un **PDF buscable**. + +--- + +## Paso 5 – Verificar la capa buscable (QA rápido) + +A veces la confianza del OCR puede ser baja, especialmente en escaneos de baja resolución. Una forma rápida de verificar es: + +1. Abre el PDF en Adobe Reader. +2. Presiona **Ctrl + F** y escribe una palabra que sepas que aparece en la imagen. +3. Si la palabra se resalta, la capa de texto oculta está funcionando. + +Si la búsqueda falla, considera aumentar el DPI de la imagen origen o habilitar diccionarios específicos de idioma mediante `ocrEngine.getLanguage().add("eng")`. + +--- + +## Preguntas frecuentes y trampas comunes + +| Pregunta | Respuesta | +|----------|-----------| +| **¿Puedo procesar un TIFF de varias páginas?** | Sí, solo agrega cada página al mismo `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR tratará cada fotograma como una página independiente. | +| **¿Qué pasa si no tengo licencia?** | La prueba gratuita funciona pero agrega una marca de agua en cada página. El código permanece igual; solo usa el archivo `.lic` de prueba. | +| **¿Qué tan grande será el PDF?** | Con `setEmbedImages(true)` el tamaño del archivo es aproximadamente el tamaño de la imagen original más unos pocos kilobytes para el texto oculto. Puedes comprimir imágenes con `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **¿Necesito establecer un idioma para el OCR?** | Por defecto Aspose OCR usa inglés. Para otros idiomas llama a `ocrEngine.getLanguage().add("spa")` antes de `recognize`. | +| **¿El PDF resultante es buscable en dispositivos móviles?** | Absolutamente, la mayoría de los visores PDF móviles respetan la capa de texto oculta. | + +--- + +## Bonus: Convertir la demo en una utilidad reutilizable + +Si prevés necesitar esta funcionalidad en varios proyectos, envuelve la lógica en un método estático de ayuda: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Ahora puedes llamar a `PdfSearchableUtil.convert(...)` desde cualquier parte de tu código, convirtiendo **convertir imagen a pdf** en una sola línea. + +--- + +## Conclusión + +Hemos cubierto todo lo necesario para **crear pdf buscable** a partir de imágenes en Java usando Aspose OCR. Desde cargar la licencia, construir la entrada OCR, ajustar las **opciones de guardado PDF**, hasta escribir finalmente un **imagen a pdf buscable**, el tutorial ofrece una solución completa lista para copiar y pegar. + +Da el siguiente paso experimentando con diferentes formatos de imagen, ajustando DPI o añadiendo protección con contraseña mediante `PdfSaveOptions`. También podrías explorar el procesamiento por lotes: recorrer una carpeta de escaneos y generar un PDF buscable para cada uno. + +Si te resultó útil esta guía, ponle una estrella en GitHub o deja un comentario abajo. ¡Feliz codificación y disfruta convirtiendo esos escaneos aburridos en documentos totalmente buscables! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..d1759f571 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Cómo usar OCR en Java para extraer texto de PDF, convertir PDF a imágenes + y realizar OCR en archivos PDF escaneados usando Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: es +og_description: Cómo usar OCR en Java para extraer texto de archivos PDF. Aprende + a convertir PDF a imágenes y reconocer PDF escaneados con Aspose.OCR. +og_title: Cómo usar OCR en Java – Guía completa +tags: +- OCR +- Java +- Aspose +title: Cómo usar OCR en Java – Extraer texto de PDF con Aspose.OCR +url: /es/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cómo usar OCR en Java – Extraer texto de PDF con Aspose.OCR + +¿Alguna vez te has preguntado **cómo usar OCR** para convertir un PDF escaneado en texto buscable? No eres el único. La mayoría de los desarrolladores se topan con un muro cuando un PDF llega como un conjunto de imágenes, y los extractores de texto habituales simplemente no devuelven nada. ¿La buena noticia? Con unas pocas líneas de Java y Aspose.OCR puedes **extraer texto de PDF**, **convertir PDF a imágenes** y **reconocer PDF escaneado** en un único flujo de trabajo sin complicaciones. + +En este tutorial repasaremos todo lo que necesitas saber, desde la licencia de la biblioteca hasta la impresión del resultado final. Al final tendrás un programa listo‑para‑ejecutar que extrae texto sin formato de cualquier informe, factura o ebook escaneado. Sin servicios externos, sin trucos, solo código Java puro que tú controlas. + +## Lo que necesitarás + +- **Java Development Kit (JDK) 8+** – cualquier versión reciente funciona. +- **Aspose.OCR for Java** JAR (descárgalo desde el sitio web de Aspose). +- Un **archivo de licencia válido de Aspose.OCR** (`Aspose.OCR.lic`). La prueba gratuita funciona, pero una licencia desbloquea la precisión completa. +- Un **PDF escaneado de ejemplo** (p. ej., `scanned-report.pdf`). +- Un IDE o un editor de texto simple más una terminal. + +Eso es todo. Sin Maven, sin Gradle, sin dependencias adicionales, solo el JAR de Aspose.OCR en tu classpath. + +![ejemplo de cómo usar OCR](image-placeholder.png "ejemplo de cómo usar OCR") + +## Paso 1 – Cargar tu licencia de Aspose.OCR (Por qué es importante) + +Antes de que el motor pueda ejecutarse a plena velocidad debes indicarle dónde se encuentra tu licencia. Omitir este paso obliga a la biblioteca a entrar en modo de evaluación, lo que agrega marcas de agua al resultado y puede limitar la precisión. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Por qué funciona:** La clase `License` lee el archivo `.lic` y lo registra globalmente. Una vez configurada, cada `OcrEngine` que crees utilizará automáticamente las funciones con licencia. + +## Paso 2 – Crear el motor OCR (El motor detrás de la magia) + +Una instancia de `OcrEngine` es el motor de trabajo que escanea imágenes y genera texto. Piensa en ella como el cerebro que interpreta patrones de píxeles. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Consejo profesional:** Puedes ajustar el idioma, los umbrales de confianza o incluso habilitar la aceleración GPU mediante las propiedades del motor. Para la mayoría de los PDFs en inglés, los valores predeterminados son adecuados. + +## Paso 3 – Preparar la entrada: agregar tu PDF (Convertir PDF a imágenes internamente) + +Aspose.OCR trata cada página de un PDF como una imagen. Cuando llamas a `addPdf`, la biblioteca rasteriza silenciosamente cada página, que es exactamente lo que necesitas para **convertir PDF a imágenes** antes del reconocimiento. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Lo que está sucediendo:** +- El PDF se abre. +- Cada página se renderiza a 300 dpi (valor predeterminado) para preservar el detalle de los caracteres. +- Los objetos bitmap renderizados se almacenan en la colección `OcrInput`. + +Si alguna vez necesitas las imágenes sin procesar (para depuración o preprocesamiento personalizado), llama a `ocrInput.getPages()` después de este paso. + +## Paso 4 – Ejecutar el proceso OCR (Realizar OCR en PDF) + +Ahora comienza el trabajo pesado. El método `recognize` recorre cada imagen, ejecuta el algoritmo de reconocimiento y agrega los resultados en un `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Por qué deberías importarte:** El `OcrResult` contiene no solo texto plano sino también puntuaciones de confianza, cajas delimitadoras y la referencia a la imagen original. Para la mayoría de los casos de uso solo necesitarás `getText()`. + +## Paso 5 – Recuperar y mostrar el texto extraído + +Finalmente, extrae la cadena de texto plano del resultado y imprímela. También puedes escribirla en un archivo, enviarla a un índice de búsqueda o pasarla a una canalización NLP posterior. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Salida esperada + +Si `scanned-report.pdf` contiene un párrafo simple, verás algo como: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +El formato exacto refleja el diseño original, preservando los saltos de línea cuando sea posible. + +## Manejo de casos límite comunes + +### 1. PDFs multilingües + +Si tu documento contiene texto en francés o español, establece el idioma antes de llamar a `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Puedes proporcionar una matriz de idiomas para que el motor los detecte automáticamente. + +### 2. Escaneos de baja resolución + +Al trabajar con escaneos de 150 dpi, aumenta el DPI de renderizado interno: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Un DPI mayor mejora la claridad de los caracteres pero consume más memoria. + +### 3. PDFs grandes (Gestión de memoria) + +Para PDFs con decenas de páginas, procésalos en lotes: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Este enfoque evita que el heap de la JVM se inflame. + +## Ejemplo completo, listo‑para‑ejecutar + +A continuación se muestra el programa completo, incluidas las importaciones y el manejo de la licencia, para que puedas copiar‑pegar y ejecutar al instante. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Ejecuta con: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Deberías ver el texto extraído impreso en la consola. + +## Recapitulación – Lo que cubrimos + +- **Cómo usar OCR** en Java con Aspose.OCR. +- El flujo de trabajo para **extraer texto de PDF**. +- Internamente, la biblioteca **convierte PDF a imágenes** antes de reconocer los caracteres. +- Consejos para **realizar OCR en PDF** con varios idiomas, escaneos de baja resolución y documentos grandes. +- Un ejemplo de código completo y ejecutable que puedes insertar en cualquier proyecto Java. + +## Próximos pasos y temas relacionados + +Ahora que puedes **reconocer PDFs escaneados**, considera estas ideas de seguimiento: + +- **Generación de PDF buscable** – superponer el texto OCR sobre el PDF original para crear un documento buscable. +- **Servicio de procesamiento por lotes** – encapsular el código en un microservicio Spring Boot que acepte PDFs vía REST. +- **Integración con Elasticsearch** – indexar el texto extraído para una búsqueda rápida de texto completo en tu repositorio de documentos. +- **Preprocesamiento de imágenes** – usar OpenCV para enderezar o reducir ruido de las páginas antes del OCR y lograr una mayor precisión. + +Cada uno de estos temas se basa en los conceptos centrales que exploramos, así que siéntete libre de experimentar y dejar que el motor OCR haga el trabajo pesado. + +--- + +*¡Feliz codificación! Si te encontraste con algún problema —como errores de licencia o resultados nulos inesperados— deja un comentario abajo. Siempre estoy dispuesto a una sesión de depuración.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..94ee81956 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Aprende a usar OCR en Java para reconocer texto de archivos de imagen, + extraer texto de recibos PNG y convertir el recibo a JSON con Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: es +og_description: Guía paso a paso sobre cómo usar OCR en Java para reconocer texto + de una imagen, extraer texto de recibos PNG y convertir el recibo a JSON. +og_title: Cómo usar OCR en Java – Reconocer texto de una imagen +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Cómo usar OCR en Java – Reconoce texto de una imagen rápidamente +url: /es/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cómo usar OCR en Java – Reconocer texto de una imagen rápidamente + +¿Alguna vez te has preguntado **cómo usar OCR** para extraer texto de una foto de un recibo? Tal vez hayas probado algunas herramientas en línea y solo hayas obtenido caracteres confusos o un formato que no puedes procesar. La buena noticia es que con unas pocas líneas de código Java puedes **reconocer texto de una imagen**, **extraer texto de PNG** de recibos e incluso **convertir recibo a JSON** para procesamiento posterior. + +En este tutorial recorreremos todo el flujo de trabajo, desde licenciar la biblioteca Aspose OCR hasta obtener una carga JSON limpia que puedas insertar en una base de datos o en un modelo de machine‑learning. Sin rodeos, solo un ejemplo práctico y ejecutable que puedes copiar‑pegar en tu IDE. Al final tendrás un programa autónomo que toma `receipt.png` y genera una cadena JSON lista para usar. + +## Qué necesitarás + +- **Java Development Kit (JDK) 8+** – cualquier versión reciente funciona. +- Biblioteca **Aspose OCR for Java** (el artefacto Maven es `com.aspose:aspose-ocr`). +- Un **archivo de licencia válido de Aspose OCR** (`Aspose.OCR.lic`). La prueba gratuita sirve para pruebas, pero una licencia adecuada elimina los límites de evaluación. +- Un archivo de imagen (PNG, JPEG, etc.) que contenga el texto que deseas leer—lo llamaremos `receipt.png` y lo colocaremos en una carpeta conocida. +- Tu IDE favorito (IntelliJ IDEA, Eclipse, VS Code…) – elige el que prefieras. + +> **Consejo profesional:** Mantén tu archivo de licencia fuera de la carpeta de código fuente y haz referencia a él mediante una ruta absoluta o relativa para evitar que se incluya en el control de versiones. + +Ahora que los requisitos están claros, vamos al código real. + +## Cómo usar OCR – Pasos principales + +A continuación tienes una visión general de alto nivel de las acciones que realizaremos: + +1. **Cargar la biblioteca Aspose OCR** y aplicar tu licencia. +2. **Crear una instancia de `OcrEngine`** – es el motor que realiza el trabajo pesado. +3. **Preparar un objeto `OcrInput`** que apunte a la imagen que deseas procesar. +4. **Llamar a `recognize` con `ResultFormat.JSON`** para obtener una representación JSON del texto extraído. +5. **Manejar la salida JSON** – imprimirla, escribirla en un archivo o analizarla más a fondo. + +Cada paso se explica en detalle en las secciones siguientes. + +## Paso 1 – Instalar Aspose OCR y aplicar tu licencia + +Primero, agrega la dependencia de Aspose OCR a tu `pom.xml` si usas Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Ahora, en tu código Java, carga la licencia. Este paso es esencial; sin él la biblioteca funciona en modo de evaluación y puede insertar marcas de agua en la salida. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Por qué es importante:** El objeto `License` indica al motor OCR que estás autorizado a usar el conjunto completo de funciones, que incluye reconocimiento de alta precisión y exportación a JSON. Omitir este paso aún te permitirá **reconocer texto de una imagen**, pero los resultados pueden estar limitados. + +## Paso 2 – Crear la instancia del motor OCR + +La clase `OcrEngine` es el punto de entrada para todas las operaciones OCR. Piensa en ella como el “cerebro” que lee los píxeles y decide qué caracteres representan. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Puedes personalizar el motor (por ejemplo, establecer el idioma, habilitar la corrección de inclinación) más adelante si tus recibos contienen scripts no latinos o están escaneados con ángulo. Para la mayoría de los recibos de EE. UU., los valores predeterminados funcionan perfectamente. + +## Paso 3 – Cargar la imagen que deseas procesar + +Ahora apuntaremos el motor OCR al archivo que contiene el recibo. La clase `OcrInput` puede aceptar múltiples imágenes, pero para este tutorial la mantendremos simple con un solo PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Si alguna vez necesitas **extraer texto de PNG** en lote, simplemente llama a `input.add()` repetidamente o pasa una lista de rutas de archivo. + +## Paso 4 – Reconocer texto y convertir recibo a JSON + +Aquí está el corazón del tutorial. Le pedimos al motor que reconozca el texto y solicitamos el resultado en formato JSON. La bandera `ResultFormat.JSON` hace todo el trabajo pesado por nosotros. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +La carga JSON incluye cada línea reconocida, su cuadro delimitador, el puntaje de confianza y el texto bruto. Esta estructura hace trivial **convertir recibo a JSON** y luego enviarlo a cualquier API downstream. + +## Paso 5 – Unir todo y ejecutar el programa + +A continuación tienes la clase Java completa, lista para ejecutarse, que une todos los componentes. Guárdala como `JsonExportDemo.java` (o el nombre que prefieras) y ejecútala desde tu IDE o la línea de comandos. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Salida esperada + +Al ejecutar el programa se imprime una cadena JSON similar a la siguiente (el contenido exacto depende de tu recibo): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Ahora puedes alimentar este JSON a una base de datos, a un endpoint REST o a una canalización de análisis de datos. El paso **convertir recibo a JSON** ya está hecho para ti. + +## Preguntas frecuentes y casos especiales + +### ¿Qué pasa si la imagen está rotada? + +Aspose OCR detecta y corrige automáticamente rotaciones leves. Para imágenes muy sesgadas, llama a `engine.getImagePreprocessingOptions().setDeskew(true)` antes del reconocimiento. + +### ¿Cómo manejo varios idiomas? + +Usa `engine.getLanguage()` para establecer el idioma deseado, por ejemplo `engine.setLanguage(Language.FRENCH)`. Esto es útil cuando necesitas **reconocer texto de una imagen** que contiene recibos multilingües. + +### ¿Puedo obtener texto plano en lugar de JSON? + +Claro. Sustituye `ResultFormat.JSON` por `ResultFormat.TEXT` y llama a `result.getText()`. + +### ¿Existe una forma de limitar el OCR a una región específica? + +Sí—utiliza `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` para enfocarte en el área del recibo, lo que puede mejorar la velocidad y precisión. + +## Consejos profesionales para OCR listo para producción + +- **Cachea el objeto de licencia** si procesas muchos archivos en un bucle; crearla repetidamente añade sobrecarga. +- **Procesamiento por lotes**: carga todas las rutas de recibos en un solo `OcrInput` y llama a `recognize` una vez. El JSON contendrá un arreglo de páginas, cada una con sus propias líneas. +- **Valida el JSON**: después de obtener la cadena, analízala con una biblioteca como Jackson para asegurarte de que está bien formado antes de almacenarla. +- **Monitorea la confianza**: el JSON incluye un campo `confidence` por línea. Filtra las líneas por debajo de un umbral (por ejemplo, 0.85) para evitar datos basura. +- **Protege tu licencia**: guarda `Aspose.OCR.lic` en una bóveda segura o variable de entorno, especialmente en despliegues en la nube. + +## Conclusión + +Hemos cubierto **cómo usar OCR** en Java para **reconocer texto de una imagen**, **extraer texto de PNG** de recibos y **convertir recibo a JSON**, todo con un ejemplo conciso de extremo a extremo. Los pasos son sencillos, el código es totalmente ejecutable y la salida JSON te brinda una representación estructurada lista para cualquier sistema downstream. + +A continuación, podrías explorar escenarios más avanzados: enviar el JSON a Apache Kafka para procesamiento en tiempo real, aplicar expresiones regulares para extraer totales de línea, o integrar con un servicio OCR en la nube para escalar. Sea lo que sea, los fundamentos que acabas de aprender seguirán siendo los mismos. + +¿Tienes preguntas o encontraste algún problema al probarlo? Deja un comentario abajo y lo solucionaremos juntos. ¡Feliz codificación y disfruta convirtiendo esas imágenes desordenadas de recibos en datos limpios y buscables! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/spanish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..6f8576d8b --- /dev/null +++ b/ocr/spanish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,185 @@ +--- +category: general +date: 2026-02-17 +description: 'tutorial de imagen a texto en Java: aprende cómo extraer texto en urdu + de una imagen usando Aspose OCR. Ejemplo completo de OCR en Java incluido.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: es +og_description: El tutorial de imagen a texto en Java muestra cómo extraer texto en + urdu de una imagen usando Aspose OCR. Sigue el ejemplo completo de OCR en Java paso + a paso. +og_title: 'Imagen a texto Java: extraer texto urdu con Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'Imagen a texto Java: extraer texto urdu con Aspose OCR' +url: /es/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +shown). So just translate surrounding text. + +Let's craft. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Extraer texto en Urdu con Aspose OCR + +Si necesitas hacer una conversión **image to text java** para documentos en Urdu, estás en el lugar correcto. ¿Alguna vez te has preguntado *cómo extraer texto* de una foto de una nota manuscrita o de una página escaneada de un periódico? Esta guía te mostrará un **java ocr example** que extrae caracteres en Urdu directamente de una imagen usando Aspose OCR. + +Cubriremos todo, desde la licencia de la biblioteca hasta la impresión del resultado en la consola. Al final podrás **load image ocr** archivos, establecer el idioma a Urdu y obtener una salida Unicode limpia—sin herramientas adicionales. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – el código funciona con cualquier JDK reciente. +- **Aspose.OCR for Java** JAR (descárgalo desde el sitio web de Aspose). +- Un archivo de licencia válido de **Aspose OCR** (`Aspose.OCR.lic`). +- Una imagen que contenga texto en Urdu, por ejemplo `urdu-sample.png`. + +Tener estos elementos básicos listos te permite pasar directamente al código sin buscar dependencias faltantes. + +## image to text java – Setting Up Aspose OCR + +Primero, debemos indicarle a Aspose que tenemos una licencia. Sin ella la biblioteca se ejecuta en modo de evaluación y añadirá marcas de agua al resultado. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Por qué es importante:** La licencia elimina el límite de procesamiento de 5 segundos y desbloquea el paquete completo de idioma Urdu que se añadió en 2025‑Q3. Si omites este paso, el motor OCR seguirá funcionando, pero verás una pequeña etiqueta “Evaluation” en los resultados. + +## How to Extract Text – Initialize the OCR Engine + +Ahora creamos el motor y le indicamos explícitamente que nos interesa Urdu. La constante `OcrLanguage.URDU` activa el conjunto de caracteres y las reglas de segmentación correctas. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Consejo profesional:** Si alguna vez necesitas procesar varios idiomas en una sola ejecución, puedes pasar una lista separada por comas, por ejemplo `OcrLanguage.ENGLISH, OcrLanguage.URDU`. El motor detectará automáticamente cada región. + +## Load Image OCR – Preparing the Input + +Aspose trabaja con un objeto `OcrInput` que puede contener una o varias imágenes. Aquí **load image ocr** datos desde un archivo local. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Nota:** Reemplaza `YOUR_DIRECTORY` con la ruta absoluta o una ruta relativa desde la raíz de tu proyecto. Si el archivo no se encuentra, Aspose lanza una `FileNotFoundException`. Una comprobación rápida con `new File(path).exists()` puede ahorrarte mucho tiempo de depuración. + +## Recognize the Text – Running the OCR Process + +Con el motor configurado y la imagen cargada, finalmente llamamos a `recognize`. El método devuelve un `OcrResult` que contiene la cadena extraída. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**¿Qué ocurre tras bambalinas?** El motor OCR divide la imagen en líneas y luego en caracteres, aplicando reglas de conformación específicas de Urdu (como la unión de formas). Por eso es crucial establecer el idioma al principio; de lo contrario obtendrás marcadores de posición latinos distorsionados. + +## Print the Recognized Urdu Text + +El último paso es simplemente imprimir el resultado. Como Urdu usa escritura de derecha a izquierda, asegúrate de que tu consola soporte Unicode (la mayoría de terminales modernos lo hacen). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Salida esperada (ejemplo):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Si ves signos de interrogación o cadenas vacías, verifica que la codificación de tu consola esté establecida en UTF‑8 (`chcp 65001` en Windows, o ejecuta Java con `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +A continuación tienes el programa completo, listo para copiar y pegar. No necesita referencias externas, solo un único archivo Java. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Ejecuta con: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Reemplaza la versión del JAR (`23.10`) por la que descargaste. La consola debería mostrar la frase en Urdu extraída de tu PNG. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | La imagen es demasiado oscura o de baja resolución. | Pre‑procesa la imagen (aumenta el contraste, binariza) usando `BufferedImage` antes de pasarla a Aspose. | +| **Garbage characters** | Se estableció el idioma incorrecto (el predeterminado es English). | Asegúrate de que `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` se llame antes de `recognize`. | +| **License not found** | Error tipográfico en la ruta o archivo faltante. | Usa una ruta absoluta o coloca el archivo `.lic` en el classpath y llama `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | PNGs muy grandes consumen heap. | Llama `ocrEngine.setMaxImageSize(2000);` para reducir internamente, o redimensiona la imagen tú mismo. | + +## Extending the Demo + +- **Batch processing:** Recorre una carpeta, agrega cada archivo al mismo `OcrInput` y recopila los resultados en un CSV. +- **Different languages:** Cambia `OcrLanguage.URDU` por `OcrLanguage.ARABIC` o combina varios idiomas. +- **Saving to file:** Usa `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Todas estas ideas se basan en el **java ocr example** que acabamos de crear, permitiéndote adaptar la solución a proyectos del mundo real. + +## Conclusion + +Ahora dispones de un flujo de trabajo sólido **image to text java** que extrae caracteres en Urdu de una imagen usando Aspose OCR. El tutorial cubrió cada paso—desde la licencia y la selección de idioma hasta la carga de la imagen y la impresión del resultado—para que puedas pegar el código en cualquier proyecto Java y verlo funcionar. + +A continuación, prueba con PDFs más grandes, diferentes escrituras o incluso integrando el paso OCR en un endpoint REST de Spring Boot. Los mismos principios—**how to extract text**, **load image o** + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/spanish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/spanish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..c5d8e4774 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-02-17 +description: Aprende cómo reconocer texto a partir de una imagen y cargar la imagen + para OCR usando la biblioteca Aspose OCR para Java. Guía paso a paso con corrector + ortográfico. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: es +og_description: reconocer texto de una imagen usando Aspose OCR Java. Este tutorial + muestra cómo cargar la imagen para OCR, habilitar la corrección ortográfica y obtener + texto limpio. +og_title: reconocer texto de imagen – Guía completa de Aspose OCR en Java +tags: +- Java +- OCR +- Aspose +title: reconocer texto de una imagen con Aspose OCR – Tutorial de Java +url: /es/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconocer texto de una imagen con Aspose OCR – Tutorial Java + +¿Alguna vez necesitaste **reconocer texto de una imagen** pero no sabías qué biblioteca elegir? No estás solo. En muchos proyectos del mundo real —piensa en escanear facturas, digitalizar notas manuscritas o extraer subtítulos de capturas de pantalla— obtener resultados de OCR precisos es crucial. + +En esta guía recorreremos cómo cargar una imagen para OCR, activar el corrector ortográfico integrado de Aspose OCR y, finalmente, imprimir el texto corregido. Al final tendrás un programa Java listo para ejecutar que **reconoce texto de una imagen** con solo unas pocas líneas de código. + +## Qué cubre este tutorial + +- Cómo aplicar tu licencia de Aspose OCR (para que la demo se ejecute sin marcas de agua) +- Crear una instancia de `OcrEngine` y seleccionar inglés como idioma de reconocimiento +- **Cargar imagen para OCR** usando `OcrInput` y apuntarla a un PNG que contiene palabras mal escritas +- Habilitar el corrector ortográfico, opcionalmente apuntándolo a un diccionario personalizado +- Ejecutar el reconocimiento e imprimir el resultado corregido + +Sin servicios externos, sin archivos de configuración ocultos —solo Java puro y el JAR de Aspose OCR. + +> **Consejo profesional:** Si eres nuevo en Aspose, obtén una licencia de prueba gratuita de 30 días desde el sitio web de Aspose y coloca el archivo `.lic` en una carpeta que puedas referenciar desde tu código. + +## Requisitos previos + +- Java 8 o superior (el código también compila con JDK 11) +- Aspose.OCR para Java JAR en tu classpath +- Un archivo `Aspose.OCR.lic` válido (o puedes ejecutar en modo de evaluación, pero la demo mostrará una marca de agua) +- Un archivo de imagen (`misspelled.png`) que contenga texto con errores ortográficos intencionales —perfecto para ver el corrector ortográfico en acción + +¿Tienes todo eso? Genial—¡vamos al código! + +## Paso 1: Aplicar tu licencia de Aspose OCR + +Antes de que el motor realice cualquier procesamiento, necesita saber que estás licenciado. De lo contrario obtendrás un banner de “Versión de prueba” en la salida. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Por qué es importante:* La licencia desactiva la marca de agua de prueba y desbloquea el diccionario completo del corrector ortográfico. Omitir este paso funciona, pero tu salida estará contaminada con el texto “Aspose OCR Demo”. + +## Paso 2: Crear y configurar el motor OCR + +Ahora iniciamos el motor y le indicamos qué idioma usar. Inglés es el más común, pero Aspose soporta docenas. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Por qué establecemos el idioma:* El modelo de idioma determina el conjunto de caracteres e influye en las sugerencias del corrector ortográfico. Usar el idioma incorrecto puede reducir drásticamente la precisión. + +## Paso 3: Habilitar la corrección ortográfica y (opcionalmente) apuntar a un diccionario personalizado + +Aspose OCR incluye un diccionario inglés incorporado, pero puedes proporcionar el tuyo propio si tienes términos específicos del dominio (por ejemplo, jerga médica o códigos de producto). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Qué hace el corrector:* Cuando el motor OCR detecta una palabra que no está en el diccionario, intenta reemplazarla por la coincidencia más cercana. Por eso la demo puede convertir “recieve” en “receive” automáticamente. + +## Paso 4: Cargar la imagen para OCR + +Aquí está la parte que responde directamente a **cargar imagen para OCR**. Creamos un objeto `OcrInput` y añadimos nuestro archivo PNG. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Por qué usamos `OcrInput`:* Abstrae la lógica de lectura de archivos y te permite añadir varias páginas más tarde si necesitas procesar un PDF multipágina o un conjunto de imágenes. + +## Paso 5: Ejecutar el reconocimiento y obtener el texto corregido + +Ahora el motor hace el trabajo pesado—reconoce caracteres, aplica el modelo de idioma y, finalmente, corrige la ortografía. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Salida esperada:* Suponiendo que `misspelled.png` contiene la frase “Ths is a smple test”, la consola imprimirá: + +``` +Corrected text: +This is a simple test +``` + +Observa cómo las palabras mal escritas (`Ths`, `smple`) se corrigen automáticamente. + +## Ejemplo completo, listo para ejecutar + +A continuación tienes el programa completo en un solo bloque. Copia‑pega, ajusta las rutas y pulsa **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Consejo:** Si deseas procesar un JPEG o BMP en lugar de PNG, simplemente cambia la extensión del archivo—Aspose OCR soporta todos los formatos raster comunes. + +## Preguntas frecuentes y casos especiales + +- **¿Qué pasa si mi imagen tiene baja resolución?** + Incrementa el DPI antes de pasarla a Aspose redimensionándola con una biblioteca como `java.awt.Image`. Un DPI mayor brinda al motor más píxeles para trabajar, lo que generalmente mejora la precisión. + +- **¿Puedo reconocer varios idiomas en la misma imagen?** + Sí. Llama a `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` y opcionalmente proporciona una lista de idiomas mediante `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Mi diccionario personalizado no se está usando—¿por qué?** + Asegúrate de que la carpeta contenga archivos de texto plano con una palabra por línea y que la ruta sea absoluta o relativa correctamente a tu directorio de trabajo. + +- **¿Cómo extraigo los puntajes de confianza?** + `result.getConfidence()` devuelve un float entre 0 y 1 para toda la página. Para la confianza por carácter, explora `result.getWordList()`. + +## Conclusión + +Ahora sabes cómo **reconocer texto de una imagen** usando Aspose OCR para Java, cómo **cargar imagen para OCR** y cómo habilitar el corrector ortográfico para limpiar errores comunes. El ejemplo completo anterior está listo para integrarse en cualquier proyecto Maven o Gradle, y con algunos ajustes puedes escalarlo para procesar carpetas en lote, conectarlo a un servicio web o integrarlo con un sistema de gestión documental. + +¿Listo para el siguiente paso? Prueba con un PDF multipágina, experimenta con un diccionario personalizado para terminología específica de la industria, o encadena la salida a una API de traducción. Las posibilidades son infinitas, y el patrón central—licencia → motor → idioma → corrector ortográfico → entrada → reconocimiento → salida—permanece igual. + +¡Feliz codificación, y que tus resultados de OCR siempre sean perfectos! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/advanced-ocr-techniques/_index.md b/ocr/swedish/java/advanced-ocr-techniques/_index.md index fcf82f5fd..55572e7fe 100644 --- a/ocr/swedish/java/advanced-ocr-techniques/_index.md +++ b/ocr/swedish/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Lås upp kraften i textigenkänning med Aspose.OCR för Java. Följ vår steg-f Styr dina Java-applikationer med Aspose.OCR för exakt textigenkänning. Enkel integration, hög noggrannhet. ### [Ange tillåtna tecken i Aspose.OCR](./specify-allowed-characters/) Lås upp textextraktion från bilder sömlöst med Aspose.OCR för Java. Följ vår steg-för-steg-guide för effektiv integration. +### [Känn igen text i bild med Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Utnyttja GPU-acceleration för att känna igen text i bilder med Aspose OCR i Java. Snabb och exakt textextraktion. +### [Fast trådpool i Java – parallell OCR för PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Utnyttja en fast trådpool i Java för att köra OCR parallellt på PNG-bilder och öka hastigheten. +### [Förbehandla bild för OCR – Komplett Java-guide för att öka kontrast & extrahera text](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Optimera bildens kontrast för bättre OCR med vår kompletta Java-guide. Förbättra textigenkänning och extrahera text effektivt. +### [Skapa OCR-motor i Java – Känn igen text från stora bilder](./create-ocr-engine-java-recognize-text-from-large-images/) +Skapa en OCR-motor i Java för att känna igen text i stora bilder med hög noggrannhet och prestanda. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/swedish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..25990170c --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,259 @@ +--- +category: general +date: 2026-02-17 +description: Skapa OCR-motor i Java och läs TIFF-filer snabbt i Java. Lär dig hur + du känner igen text från stora bilder med Aspose.OCR i en steg‑för‑steg‑guide. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: sv +og_description: Skapa OCR-motor i Java nu. Den här handledningen visar hur man läser + TIFF-filer i Java och känner igen text från stora bilder med Aspose.OCR. +og_title: Skapa OCR-motor i Java – Fullständig guide till textigenkänning i stora + bilder +tags: +- OCR +- Java +- Aspose +title: Skapa OCR-motor i Java – Känn igen text från stora bilder +url: /sv/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Skapa OCR‑motor i Java – Läs av text från stora bilder + +Har du någonsin behövt **skapa OCR‑motor Java**‑kod som kan hantera en massiv TIFF‑karta, men inte vetat var du ska börja? Du är inte ensam – de flesta utvecklare fastnar när bildstorleken överskrider de vanliga minnesgränserna. + +I den här guiden går vi igenom ett komplett, färdigt exempel som **skapar en OCR‑motor i Java**, visar hur du **läser TIFF‑fil i Java** med ett `InputStream`, och slutligen **läser av text från stora bild‑filer** utan att få slut på heap‑minne. När du är klar har du ett självständigt program som du kan släppa in i vilket Maven‑ eller Gradle‑projekt som helst. + +## Vad du behöver + +- **Java Development Kit (JDK) 8 eller nyare** – koden använder bara standard‑I/O plus Aspose.OCR. +- **Aspose.OCR för Java**‑bibliotek (senaste versionen per 2026‑02) – du kan hämta JAR‑filen från Aspose‑sidan eller via Maven Central. +- En **stor TIFF‑fil** (t.ex. en multi‑megapixel‑karta) som du vill OCR‑behandla. +- Din **Aspose.OCR‑licensfil** (`Aspose.OCR.lic`). Utan den körs motorn i utvärderingsläge, men du får ett vattenmärke. + +> **Pro tip:** Ha TIFF‑filen bredvid din källkods‑mapp eller använd en absolut sökväg; motorn delar upp bilden internt, så du behöver inte dela den själv. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Diagram för Create OCR Engine Java arbetsflöde"} + +## Steg 1 – Registrera din Aspose.OCR‑licens (Create OCR Engine Java) + +Innan motorn gör något tungt arbete måste du registrera licensen. Att hoppa över detta steg tvingar motorn till utvärderingsläge, vilket begränsar antalet sidor och lägger till en banner i resultatet. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Varför detta är viktigt:* `License`‑objektet låser upp OCR‑motorns full‑upplösnings‑tilings‑algoritm, vilket är avgörande för att effektivt bearbeta en **stor bild**. + +## Steg 2 – Instansiera OCR‑motorn (Create OCR Engine Java) + +Nu startar vi kärnan `OcrEngine`. Tänk på den som hjärnan som senare läser pixlarna och spottar ut Unicode‑text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Varför vi håller det enkelt:* För de flesta scenarier är standardinställningarna redan förinställda för automatisk språkdetection och optimal tiling. Att över‑konfigurera kan faktiskt sakta ner processen på enorma filer. + +## Steg 3 – Läs in TIFF‑filen med ett InputStream (Read TIFF File Java) + +Stora TIFF‑filer kan vara flera hundra megabyte. Att ladda hela filen i ett `BufferedImage` skulle spränga heap‑minnet. Istället ger vi motorn ett `InputStream`; Aspose.OCR läser och delar upp bilden i farten. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* Om din TIFF är komprimerad med CCITT Group 4 hanterar Aspose.OCR den fortfarande, men du kan sätta `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` för en liten hastighetsökning. + +## Steg 4 – Förbered OCR‑indatan och ge format‑hinten + +`OcrInput`‑objektet kan hålla flera bilder, men vi behöver bara en för detta exempel. Att ange format‑strängen (`"tif"`) hjälper motorn att hoppa över format‑sniffning, vilket sparar några millisekunder. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Varför hinten är användbar:* När du arbetar med **stora bilder** räknas varje millisekund. Format‑hinten talar om för parsern att kringgå den dyra header‑analysen. + +## Steg 5 – Läs av text från den stora bilden (Recognize Text from Large Image) + +När allt är kopplat är själva OCR‑anropet en enda rad. Motorn returnerar ett `OcrResult` som innehåller ren text, förtroendescore och även bounding‑boxes om du behöver dem senare. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Vad som händer under huven:* Aspose.OCR delar upp TIFF‑filen i hanterbara tiles (standard 1024 × 1024 px), kör neurala nätverks‑modellen på varje tile och sys sedan ihop resultaten. Detta är anledningen till att du kan **läsa av text från stora bild‑filer** utan manuell förbehandling. + +## Steg 6 – Visa en förhandsgranskning av den extraherade texten + +Att skriva ut hela dokumentet i konsolen kan bli överväldigande. Vi visar bara de första 200 tecknen, följt av ellipsis, så att du snabbt kan verifiera resultatet. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Förväntad konsolutskrift:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Om du ser nonsens, dubbelkolla att rätt språk är valt (standard är engelska) och att TIFF‑filen inte är korrupt. + +## Fullt fungerande exempel + +När alla bitar sätts ihop får du en enda klass som du kan kompilera och köra: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Kompilera med: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Byt ut `aspose-ocr-23.12.jar` mot den faktiska version du laddade ner. + +## Vanliga fallgropar & tips + +| Problem | Varför det händer | Snabb lösning | +|------|----------------|-----------| +| **OutOfMemoryError** | TIFF laddas in i ett `BufferedImage` istället för att streamas. | Använd alltid `InputStream` som visat; låt Aspose hantera tiling. | +| **Tomt resultat** | Fel fil‑extension hint (`"tif"` vs `"tiff"`). | Använd exakt den sträng du skickade till `add`. | +| **Garbage‑tecken** | Licens ej applicerad eller utgången. | Verifiera sökvägen till `.lic`‑filen och applicera igen innan du skapar motorn. | +| **Långsam igenkänning** | Anpassad `OcrConfiguration` med hög DPI. | Håll dig till standardinställningarna för de flesta fall; justera bara om du behöver högre precision. | + +### När du bör justera inställningarna + +- **Flerspråkiga dokument:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Högre precision på små teckensnitt:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Kom dock ihåg att varje extra alternativ kan öka CPU‑tiden, särskilt på en **stor bild**. Testa först med en enda tile. + +## Nästa steg + +Nu när du vet hur du **skapar OCR‑motor Java**, **läser TIFF‑fil i Java**, och **läser av text från stora bilder**, kan du vilja: + +1. **Exportera resultatet till PDF** – kombinera Aspose.PDF med OCR‑texten för sökbara dokument. +2. **Spara bounding‑boxes** – använd `ocrResult.getWords()` för att få koordinater för markering. +3. **Parallellisera tile‑bearbetning** – för ultrastora satellitbilder, starta en + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/swedish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..d07390e21 --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-02-17 +description: Lär dig hur du använder en fast trådpool i Java för att extrahera text + från PNG‑bilder med parallell OCR‑behandling och korrekt stänga av executor‑tjänsten. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: sv +og_description: Upptäck hur en fast trådpool i Java kan extrahera text från PNG‑bilder + parallellt, konvertera skannade sidors text och säkert stänga av executor‑tjänsten. +og_title: Fast trådpool java – parallell OCR för PNG +tags: +- java +- ocr +- multithreading +- aspose +title: fast trådpool java – parallell OCR för PNG +url: /sv/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fast trådpool java – parallell OCR för PNG + +Har du någonsin funderat på hur du kan snabba upp OCR på en massa PNG‑filer med en **fixed thread pool java**? I den här handledningen går vi igenom hur du **extraherar text från PNG**‑bilder parallellt, **konverterar skannade sidors text** till redigerbara strängar, och säkert **stänger av executor‑service** när arbetet är klart. + +Om du någonsin har stirrat på en enkeltrådad loop som drar ut på minuter, känner du frustrationen av att vänta på att varje sida ska bli klar innan nästa ens startar. Den goda nyheten? Med några rader Java och Aspose OCR kan du utnyttja kraften i alla dina CPU‑kärnor, omvandla de skannade sidorna till sökbar text och hålla din applikation responsiv. + +Nedan hittar du ett komplett, färdigt exempel, plus förklaringar till varför varje del är viktig, vanliga fallgropar och tips du kan använda med vilket OCR‑bibliotek som helst. + +--- + +## Vad du behöver + +- **Java 17** (eller någon recent JDK) – koden använder den moderna `var`‑syntaxen sparsamt, men fungerar även på äldre versioner. +- **Aspose.OCR for Java**‑biblioteket – du kan hämta det från Maven Central eller ladda ner en provversion från Aspose. +- En uppsättning **PNG**‑filer du vill bearbeta – tänk skannade kvitton, boksidor eller skärmbilder. +- Grundläggande kunskap om Java‑konkurrens – inte nödvändigt, men hjälpsamt. + +Det är allt. Inga externa tjänster, ingen Docker, bara ren Java och lite multitrådad magi. + +## Steg 1: Lägg till Aspose OCR‑beroende & licens (valfritt) + +Först, se till att Aspose OCR‑JAR‑filen finns på din classpath. Om du använder Maven, lägg till: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Om du inte har en licens körs biblioteket i utvärderingsläge; koden fungerar på samma sätt. För att ladda en licens (rekommenderas för produktion), placera `Aspose.OCR.lic` i din resources‑mapp och använd: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Proffstips:** Håll licensfilen utanför versionskontrollen för att undvika oavsiktlig exponering. + +## Steg 2: Skapa en trådsäker `OcrEngine`‑instans + +Aspose OCR:s `OcrEngine` är trådsäker så länge du återanvänder samma instans över uppgifter. Att skapa den en gång sparar minne och undviker overheaden av att återinitialisera motorn för varje bild. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Varför återanvända? Tänk på motorn som en tung arbetskraft som laddar språkmodeller i minnet. Att starta en ny motor per bild skulle vara som att anställa en ny specialist för varje liten uppgift – kostsamt och onödigt. + +## Steg 3: Ställ in en fast trådpool Java + +Nu kommer stjärnan i showen: en **fixed thread pool java**. Vi dimensionerar den efter antalet logiska processorer så varje kärna får arbete utan att överbelasta. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Att använda en *fast* pool (istället för en cachad) ger dig förutsägbar resursanvändning och förhindrar de fruktade “out‑of‑memory”‑spikar när hundratals bilder anländer på en gång. + +## Steg 4: Lista PNG‑filerna du vill bearbeta (Extrahera text från PNG) + +Samla sökvägarna till de bilder du vill OCR‑behandla. I ett riktigt projekt kan du skanna en katalog eller läsa från en databas; här hårdkodar vi några exempel. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Obs:** Filändelsen **png** är viktig eftersom Aspose OCR automatiskt upptäcker formatet, men du kan även mata in JPEG eller TIFF. + +## Steg 5: Skicka OCR‑uppgifter – parallell OCR‑bearbetning + +Varje bild blir ett callable‑objekt som returnerar den igenkända texten. Eftersom `OcrEngine` delas behöver vi bara skicka filvägen till uppgiften. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Varför packa in det i en `Future`? Det låter oss avfyra alla jobb omedelbart, och sedan samla resultaten i den ordning de skickades – perfekt för att bevara sidordningen när **convert scanned pages text** återförs till ett dokument. + +## Steg 6: Hämta resultat och visa (Konvertera skannade sidors text) + +Nu väntar vi på att varje `Future` ska bli klar och skriver ut resultatet. `get()`‑anropet blockerar bara tills den specifika uppgiften är färdig, inte hela poolen. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Typisk konsolutmatning ser ut så här: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Om du föredrar att skriva resultaten till filer, ersätt `System.out.println` med ett `Files.writeString`‑anrop. + +## Steg 7: Stäng av executor‑tjänsten på ett rent sätt + +När alla uppgifter är klara är det avgörande att **shut down executor service**; annars kan din JVM hålla icke‑daemon‑trådar levande, vilket hindrar en smidig avslutning. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +`awaitTermination`‑mönstret ger poolen en chans att avsluta pågående arbete innan vi tvingar den. Att ignorera detta steg är en vanlig källa till minnesläckor i långlivade applikationer. + +## Fullt fungerande exempel + +Sätter vi ihop allt får du det kompletta programmet som du kan kopiera‑klistra in i `ParallelBatchDemo.java` och köra: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/swedish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..5f0202d8a --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,196 @@ +--- +category: general +date: 2026-02-17 +description: Förbehandla bild för OCR med Aspose OCR i Java. Lär dig att öka bildkontrasten, + ställa in kontrastnivån och känna igen text från bilden på bara några minuter. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: sv +og_description: Förbehandla bild för OCR med Aspose OCR Java. Denna guide visar hur + du ökar bildkontrasten, ställer in kontrastnivå och snabbt känner igen text från + bilden. +og_title: Förbehandla bild för OCR – Java-handledning för att öka kontrast och extrahera + text +tags: +- Java +- OCR +- Image Processing +title: Förbehandla bild för OCR – Komplett Java‑guide för att öka kontrast och extrahera + text +url: /sv/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Förbehandla bild för OCR – Komplett Java‑guide + +Har du någonsin behövt **förbehandla bild för OCR** men varit osäker på vilka inställningar som faktiskt gör skillnad? Du är inte ensam. De flesta utvecklare kastar en bild mot en OCR‑motor och hoppas på magi, bara för att få ett förvrängt resultat. I den här handledningen går vi igenom ett praktiskt, end‑to‑end‑exempel som **ökar bildkontrast**, justerar **kontrastnivån** och slutligen **läser text från bild** med Aspose OCR för Java. + +När du är klar har du ett återanvändbart kodexempel som **extraherar text med OCR** på ett pålitligt sätt, även för brusiga skanningar. Inga dolda knep, bara tydliga steg och resonemanget bakom varje steg. + +## Vad du behöver + +- Java 17 eller nyare (koden kompileras med vilken modern JDK som helst) +- Aspose OCR för Java‑biblioteket (ladda ner från den officiella Aspose‑sidan) +- En giltig Aspose OCR‑licensfil (`Aspose.OCR.lic`) +- En inmatningsbild (`input.jpg`) som du vill läsa +- En favorit‑IDE eller ett enkelt kommandorads‑setup + +Om du redan har detta, bra—låt oss dyka rakt in. + +## Steg 1: Ladda Aspose OCR‑licensen (Grundläggande konfiguration) + +Innan OCR‑motorn gör någonting måste den veta att du har licens. Annars får du ett trial‑vattenstämpel. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Varför detta är viktigt:** Utan en korrekt licens körs motorn i utvärderingsläge, vilket kan kapa resultat eller lägga till vattenstämplar. Att sätta licensen tidigt säkerställer också att alla efterföljande förbehandlingsalternativ tillämpas i full‑funktionsläge. + +## Steg 2: Initiera OCR‑motorn + +Att skapa en `OcrEngine`‑instans ger dig tillgång till både igenkänning och förbehandlingspipeline. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Proffstips:** Behåll motorn som en singleton om du planerar att bearbeta många bilder i en batch; den cachar interna resurser och snabbar upp efterföljande anrop. + +## Steg 3: Konfigurera förbehandling – Deskew, Denoise och kontrastförbättring + +Här är vi **förbehandlar bild för OCR**. De tre reglagen vi justerar är: + +1. **Deskew** – korrigerar små rotationer. +2. **Denoise** – tar bort prickar som förvirrar teckensegmentering. +3. **Contrast enhancement** – får mörk text att sticka ut mot bakgrunden. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Varför justera kontrastnivån? + +Att öka kontrastnivån sträcker bildens histogram, vilket gör mörka pixlar mörkare och ljusa pixlar ljusare. I praktiken ger en **contrast level** på `1.3f` ofta den bästa balansen för tryckta dokument, medan ett värde över `1.5f` kan överexponera tunna streck. Känn dig fri att experimentera; inställningen är billig att ändra och kan dramatiskt förbättra **recognize text from image**‑framgången. + +## Steg 4: Förbered inmatningsbilden + +Klassen `OcrInput` abstraherar filhantering. Du kan lägga till flera bilder om du behöver batch‑bearbetning. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Edge case:** Om din bild är i ett icke‑standardformat (t.ex. TIFF med flera sidor) kan du ladda varje sida separat eller konvertera den till PNG/JPEG först. + +## Steg 5: Utför igenkänningen + +Nu kör motorn förbehandlingspipeline som vi just konfigurerat, och levererar sedan den rensade bilden till kärn‑OCR‑algoritmen. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Vad händer under huven?** Aspose OCR applicerar först deskew‑transformationen, sedan körs denoise‑filtret, och slutligen justeras kontrasten innan bilden matas in i dess neurala‑nät‑baserade igenkännare. Ordningen är avsiktlig; att ändra den kan leda till suboptimala resultat. + +## Steg 6: Skriv ut den igenkända texten + +Till sist skriver vi ut den extraherade strängen till konsolen. I en riktig applikation kanske du skriver den till en fil eller skickar den över ett nätverk. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Förväntat resultat + +Om `input.jpg` innehåller frasen “Hello World!”, bör konsolen visa: + +``` +Hello World! +``` + +Om utskriften ser förvrängd ut, dubbelkolla förbehandlingsvärdena—särskilt **contrast level** och **denoise mode**—och prova ett annat bildformat. + +## Bonus: Visualisera den förbehandlade bilden (valfritt) + +Ibland vill du se vad motorn ser efter deskew, denoise och kontrastförbättring. Aspose OCR låter dig exportera den mellanstegsbitaren: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Öppna `processed.png` sida‑vid‑sida med originalet; du kommer märka en rakare horisont och skarpare text. Detta steg är praktiskt när du felsöker varför en viss skanning misslyckas. + +![exempel på förbehandling av bild för OCR](/images/ocr-preprocess-example.png "förbehandling av bild för OCR – före och efter kontrastökning") + +*Bilden ovan visar hur en kontrastökning och denoise‑process förvandlar en suddig skanning till en ren, OCR‑klar bild.* + +## Vanliga fallgropar & hur du undviker dem + +| Fallgrop | Varför det händer | Lösning | +|----------|-------------------|---------| +| **Över‑kontrast** (`setContrastLevel` för hög) | Ljus bakgrund blir vit och suddar ut svaga tecken | Håll nivån mellan 1.1 och 1.4 för de flesta tryckta texter | +| **Deskew‑tolerans för låg** | Små rotationer förblir okorrigerade | Höj `setDeskewAngleTolerance` till 0.2 eller 0.3 för skannade böcker | +| **Använder GAUSSIAN denoise på binära bilder** | Suddar kanter och slår ihop tecken | Använd `DenoiseMode.MEDIAN` för svart‑vita skanningar | +| **Saknad licens** | Motorn faller tillbaka till trial‑läge, vilket trunkerar resultat | Verifiera sökvägen till `Aspose.OCR.lic` och att filen är läsbar | + +## Nästa steg: Gå bortom grundläggande förbehandling + +Nu när du kan **preprocess image for OCR** och **extract text using OCR**, fundera på dessa utökningar: + +- **Language packs** – ladda specifika språkpaket för att förbättra noggrannheten för icke‑engelsk text. +- **Region‑of‑interest (ROI) cropping** – fokusera på ett delområde av bilden om du bara behöver en del av sidan. +- **Batch processing** – loopa över en katalog med bilder, återanvänd samma `OcrEngine`‑instans för hastighet. +- **Integrera med PDF** – kombinera Aspose OCR med Aspose PDF för att konvertera skannade PDF‑filer till sökbara PDF‑filer i en pipeline. + +Varje ämne inkorporerar naturligt våra sekundära nyckelord: du kommer fortfarande **boost image contrast**, **set contrast level**, och fortsätta **recognize text from image** i många scenarier. + +## Slutsats + +Vi har gått igenom allt du behöver för att **preprocess image for OCR** med Aspose OCR för Java: ladda licensen, konfigurera deskew, denoise och kontrastförbättring, mata in bilden och slutligen **recognize text from image**. Med det kompletta, körbara exemplet ovan kan du nu **extract text using OCR** på vilken lämpligt förberedd bild som helst. + +Kör koden, justera **contrast level**, och se noggrannheten skjuta i höjden. När du är redo, utforska språk‑specifika modeller eller batch‑pipelines för att förvandla denna enkla‑bild‑demo till en produktionsklar lösning. + +*Lycka till med kodandet, och må dina skanningar alltid vara skarpa!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/swedish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..77ec77e9a --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: Känn igen text i bild snabbt med Aspose OCR GPU‑stöd i Java. Lär dig + att extrahera text från bild och ange GPU‑enhetens ID för optimal prestanda. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: sv +og_description: igenkänn text i bild snabbt med Aspose OCR GPU‑stöd i Java. Den här + guiden visar hur du extraherar text från en bild och ställer in GPU‑enhetens ID. +og_title: igenkänna text i bild med Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Igenkänna text i bild med Aspose OCR GPU – Java +url: /sv/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# känna igen text i bild med Aspose OCR GPU – Java + +Har du någonsin behövt **känna igen text i bild** i en Java‑applikation men CPU:n hängde på stora filer? Du är inte ensam – många utvecklare stöter på samma problem när de bearbetar högupplösta skanningar. Den goda nyheten? Aspose OCR låter dig **extrahera text från bild** på GPU:n, vilket kraftigt minskar bearbetningstiden. + +I den här handledningen går vi igenom ett komplett, färdigt exempel som visar exakt hur du konfigurerar licensen, aktiverar GPU‑acceleration och **sätter gpu device id** när du har flera grafikkort. När du är klar har du ett självständigt program som skriver ut den igenkända texten till konsolen – inga extra steg behövs. + +## Vad du behöver + +- **Java 17** eller nyare (API‑et är kompatibelt med Java 8+, men den senaste LTS‑versionen ger bättre prestanda). +- **Aspose OCR for Java**‑biblioteket (ladda ner JAR‑filen från Aspose‑webbplatsen). +- En giltig **Aspose OCR‑licensfil** (`Aspose.OCR.lic`). Gratis provversion fungerar, men GPU‑funktionerna är låsta bakom en licensierad version. +- En bildfil (`sample-image.png`) som innehåller klar, maskinläsbar text. +- En GPU‑aktiverad miljö (NVIDIA CUDA‑kompatibelt kort fungerar bäst). + +Om någon av dessa punkter känns obekant, oroa dig inte – varje punkt förklaras när vi går vidare. + +## Steg 1: Lägg till Aspose OCR i ditt projekt + +Börja med att lägga till Aspose OCR‑JAR‑filen på din classpath. Om du använder Maven, lägg till följande beroende i `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +För Gradle är det: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Om du föredrar den manuella vägen, släng JAR‑filen i din `libs/`‑mapp och lägg till den i IDE:ns modul‑sökväg. + +> **Proffstips:** Håll versionsnumret i sync med bibliotekets release‑notes; nyare versioner innehåller ofta prestandaförbättringar för GPU‑bearbetning. + +## Steg 2: Ladda Aspose OCR‑licensen (krävs för GPU‑användning) + +Utan licens kommer anropet `setEnableGpu(true)` tyst att falla tillbaka till CPU‑läge. Ladda licensen precis i början av `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Byt ut `YOUR_DIRECTORY` mot den absoluta eller relativa sökvägen där du sparade `.lic`‑filen. Om sökvägen är fel kommer Aspose att kasta ett `FileNotFoundException`, så dubbelkolla stavningen. + +## Steg 3: Skapa OCR‑motorn och aktivera GPU‑acceleration + +Nu instansierar vi `OcrEngine` och talar om att den ska använda GPU:n. Metoden `setGpuDeviceId` låter dig välja ett specifikt kort när mer än ett finns. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Varför bry sig om enhetens ID? I en multi‑GPU‑server kan du reservera ett kort för bildförbehandling och ett annat för OCR. Genom att sätta ID:t försäkrar du dig om att rätt hårdvara utför det tunga arbetet. + +## Steg 4: Förbered inmatningsbilden + +Aspose OCR fungerar med en mängd olika format (PNG, JPG, BMP, TIFF). Packa in din fil i ett `OcrInput`‑objekt: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Om du behöver bearbeta en ström (t.ex. en uppladdad fil), använd `ocrInput.add(InputStream)` istället. + +## Steg 5: Kör igenkänningsprocessen och hämta resultatet + +Metoden `recognize` returnerar ett `OcrResult` som innehåller ren text, förtroendescore och även layoutinformation om du behöver den. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Konsolen visar något i stil med: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Om bilden är suddig eller språket inte stöds kan resultatet vara tomt. I så fall, kontrollera värdet från `ocrResult.getConfidence()` (0‑100) för att avgöra om du ska försöka igen med förbehandling. + +## Fullt, körbart exempel + +När du sätter ihop alla bitar får du en enda Java‑klass som du kan kopiera‑klistra in i din IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Förväntat resultat:** Konsolen skriver ut exakt den text som finns i `sample-image.png`. Om GPU:n är aktiv märker du att bearbetningstiden sjunker från flera sekunder (CPU) till under en sekund för vanliga 300 dpi‑skanningar. + +## Vanliga frågor & kantfall + +### Fungerar detta på en huvudlös server? + +Ja. GPU‑drivrutinen måste vara installerad, men ingen skärm krävs. Se bara till att `CUDA`‑toolkitet (eller motsvarande för ditt GPU‑kort) finns i system‑`PATH`. + +### Vad händer om jag har fler än ett GPU och vill använda GPU 1? + +Byt enhets‑ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Hur extraherar jag text från bild på ett annat språk? + +Sätt språket innan du anropar `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose stödjer över 30 språk; se API‑dokumentationen för hela uppräkningen. + +### Vad om bilden innehåller flera sidor (t.ex. en PDF konverterad till bilder)? + +Skapa ett separat `OcrInput`‑objekt för varje sida, eller loopa över filerna: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Motorn kommer att konkatenera resultaten i rätt ordning. + +### Hur hanterar jag resultat med låg förtroendegrad? + +Kontrollera förtroendescore: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Vanliga förbehandlingssteg inkluderar binarisering, brusreducering eller skalning till 300 dpi. + +## Prestandatips + +- **Batch‑bearbetning:** Att lägga till många bilder i ett enda `OcrInput` minskar overheaden av att initiera GPU‑kontexten upprepade gånger. +- **Uppvärmning:** Kör en dummy‑igenkänning en gång efter att JVM:n startat; det första anropet drar nytta av drivrutinens initieringslatens. +- **Minneshantering:** Disposera stora `OcrInput`‑objekt (`ocrInput.clear()`) när du är klar för att frigöra GPU‑minne. + +## Slutsats + +Du vet nu hur du **känner igen text i bild** effektivt med Aspose OCR:s GPU‑motor i Java, hur du **extraherar text från bild** på vilket stödjande språk som helst, och hur du **sätter gpu device id** när du arbetar med flera grafikkort. Den kompletta, körbara koden ovan bör fungera direkt – byt bara ut dina licens‑ och bildsökvägar. + +Redo för nästa steg? Prova att bearbeta en mapp med skannade PDF‑filer, experimentera med olika `setLanguage`‑alternativ, eller kombinera OCR med en maskininlärningsmodell för efterbehandling. Möjligheterna är oändliga, och prestandavinsterna från GPU‑acceleration gör även storskaliga projekt genomförbara. + +Lycka till med kodandet, och lämna gärna en kommentar om du stöter på problem! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/ocr-operations/_index.md b/ocr/swedish/java/ocr-operations/_index.md index c91019ce7..19298274e 100644 --- a/ocr/swedish/java/ocr-operations/_index.md +++ b/ocr/swedish/java/ocr-operations/_index.md @@ -81,6 +81,16 @@ Lås upp kraften i OCR i Java med Aspose.OCR. Känn igen text i PDF‑dokument e Lås upp kraftfull textigenkänning i Java med Aspose.OCR. Känn igen text i TIFF‑bilder enkelt. Ladda ner nu för en sömlös OCR‑upplevelse. ### [Känna igen text i bild med Aspose OCR – Fullständig Java OCR-handledning](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) En komplett guide som visar hur du använder Aspose OCR för att känna igen text i bilder med Java. +### [Känna igen text i bild med Aspose OCR – Java‑tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +En steg‑för‑steg‑guide för att känna igen text i bilder med Aspose OCR i Java. +### [Bild till text Java: Extrahera Urdu‑text med Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Lär dig hur du extraherar Urdu‑text från bilder med Aspose OCR i Java. +### [Skapa sökbar PDF från bild i Java – Steg‑för‑steg‑guide](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Lär dig hur du konverterar en bild till en sökbar PDF i Java med Aspose.OCR i en enkel steg‑för‑steg‑guide. +### [Hur man använder OCR i Java – Extrahera text från PDF med Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Lär dig hur du använder OCR i Java för att extrahera text från PDF‑filer med Aspose.OCR. +### [Hur man använder OCR i Java – Känn igen text från bild snabbt](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Lär dig snabbt hur du använder Aspose.OCR i Java för att känna igen text i bilder med enkla kodexempel. ## Vanliga frågor diff --git a/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..3aa8e7c13 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,254 @@ +--- +category: general +date: 2026-02-17 +description: 'Skapa sökbar PDF snabbt: lär dig hur du skapar PDF från en bild med + Aspose OCR, PDF‑sparalternativ och konverterar bilden till en sökbar PDF på bara + några minuter.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: sv +og_description: Skapa sökbar PDF i Java med Aspose OCR. Denna guide visar hur du skapar + PDF från en bild, konfigurerar PDF‑sparaalternativ och får ett helt sökbart dokument. +og_title: Skapa sökbar PDF från bild i Java – Komplett handledning +tags: +- Aspose OCR +- Java +- PDF generation +title: Skapa sökbar PDF från bild i Java – steg‑för‑steg guide +url: /sv/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +careful with markdown formatting. + +Proceed. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Skapa sökbar PDF från bild i Java – Steg‑för‑steg‑guide + +Har du någonsin behövt **skapa sökbar pdf** från en skannad bild men varit osäker på vilket API du ska välja? Du är inte ensam – många utvecklare stöter på samma hinder när de första gången försöker omvandla en bitmap till en PDF som faktiskt går att söka i. Den goda nyheten? Med Aspose OCR kan du göra det på några få rader, och resultatet ser exakt ut som originalbilden samtidigt som det är text‑sökbart. + +I den här handledningen går vi igenom hela processen: laddar din licens, matar in en bild (eller en flersidig TIFF) i OCR‑motorn, justerar **pdf‑sparalternativ**, och slutligen skriver ut en **bild till sökbar pdf**. När du är klar har du ett färdigt Java‑program som skapar en sökbar PDF på några sekunder. Inga hemligheter, inga “se dokumentationen”-genvägar – bara ett komplett, körbart exempel. + +## Vad du kommer att lära dig + +- Hur du **konverterar bild till pdf** och bäddar in ett dolt textlager för sökning. +- Vilka **pdf‑sparalternativ** du bör aktivera för bästa balans mellan storlek och noggrannhet. +- Vanliga fallgropar (t.ex. saknad licens, bildformat som inte stöds) och hur du undviker dem. +- Hur du verifierar att utdata verkligen är sökbar (snabbtest med Adobe Reader). + +**Förutsättningar:** Java 8 eller senare, Maven eller Gradle för att hämta Aspose OCR‑JAR, och en giltig Aspose OCR‑licensfil. Om du ännu inte har en licens kan du begära en gratis provversion från Asposes webbplats. + +--- + +## Steg 1 – Ladda Aspose OCR‑licensen (Hur du skapar PDF säkert) + +Innan OCR‑motorn gör något arbete behöver den en licens; annars får du vattenstämplade sidor. Placera din `Aspose.OCR.lic` någonstans där den är åtkomlig och peka `License`‑klassen på den. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Proffstips:** Håll licensfilen utanför din källkodskontrolls‑katalog för att undvika oavsiktliga commits. + +--- + +## Steg 2 – Förbered OCR‑indatan (Konvertera bild till PDF) + +Aspose OCR accepterar ett `OcrInput`‑objekt som kan innehålla en eller flera bilder. Här lägger vi till en enda PNG, men du kan också mata in en flersidig TIFF för batch‑bearbetning. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Varför detta är viktigt:** Att lägga till bilden i `OcrInput` separerar filhanteringen från motorn, så att du kan återanvända samma kod för både enkel‑ och flersidiga scenarier. + +--- + +## Steg 3 – Konfigurera PDF‑sparalternativ (PDF‑sparalternativ förklarade) + +Klassen `PdfSaveOptions` styr hur den slutgiltiga PDF‑filen byggs. Två flaggor är avgörande för en **sökbar pdf**: + +1. `setCreateSearchablePdf(true)` – instruerar motorn att bädda in ett dolt textlager baserat på OCR‑resultaten. +2. `setEmbedImages(true)` – bevarar den ursprungliga rasterbilden så att det visuella utseendet förblir intakt. + +Du kan också justera DPI, komprimering eller lösenordsskydd om så behövs. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** Om du sätter `setCreateSearchablePdf(false)` blir resultatet en ren bild‑PDF – inget du kan söka i. Kontrollera alltid den här flaggan när du automatiserar stora batcher. + +--- + +## Steg 4 – Kör OCR och skriv den sökbara PDF‑en (Kärnlogiken “Hur du skapar PDF”) + +Nu sätter vi ihop allt. Metoden `recognize` utför OCR på den medföljande `OcrInput`, tillämpar `PdfSaveOptions` och strömmar resultatet till en fil. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Förväntat resultat + +Efter att programmet har körts, öppna `output-searchable.pdf` i någon PDF‑visare (Adobe Reader, Foxit, osv.) och försök markera text eller använda sökfältet. Du bör kunna hitta ord som ursprungligen bara fanns i bilden. Det är kännetecknet för en **sökbar PDF**. + +--- + +## Steg 5 – Verifiera det sökbara lagret (Snabb QA) + +Ibland kan OCR‑konfidensen vara låg, särskilt på lågupplösta skanningar. Ett snabbt sätt att verifiera är: + +1. Öppna PDF‑en i Adobe Reader. +2. Tryck **Ctrl + F** och skriv in ett ord du vet finns i bilden. +3. Om ordet markeras fungerar det dolda textlagret. + +Om sökningen misslyckas, överväg att öka DPI på källbilden eller aktivera språk‑specifika ordböcker via `ocrEngine.getLanguage().add("eng")`. + +--- + +## Vanliga frågor & fallgropar + +| Fråga | Svar | +|----------|--------| +| **Kan jag bearbeta en flersidig TIFF?** | Ja – lägg bara till varje sida i samma `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR behandlar varje ram som en separat sida. | +| **Vad händer om jag inte har en licens?** | Gratisprovet fungerar men lägger till en vattenstämpel på varje sida. Koden förblir densamma; använd bara prov‑`.lic`‑filen. | +| **Hur stor blir PDF‑en?** | Med `setEmbedImages(true)` är filstorleken ungefär lika stor som originalbilden plus några kilobyte för det dolda textlagret. Du kan komprimera bilder via `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Behöver jag ange språk för OCR?** | Som standard använder Aspose OCR engelska. För andra språk anropa `ocrEngine.getLanguage().add("spa")` innan `recognize`. | +| **Är den genererade PDF‑en sökbar på mobila enheter?** | Absolut – de flesta mobila PDF‑visare respekterar det dolda textlagret. | + +--- + +## Bonus: Gör demon till ett återanvändbart verktyg + +Om du tror att du kommer behöva denna funktionalitet i flera projekt, slå in logiken i en statisk hjälpfunktion: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Nu kan du anropa `PdfSearchableUtil.convert(...)` från vilken del av din kodbas som helst, och göra **konvertera bild till pdf** till en endaste rad. + +--- + +## Slutsats + +Vi har gått igenom allt du behöver för att **skapa sökbar pdf** från bilder i Java med Aspose OCR. Från att ladda licensen, bygga OCR‑indatan, justera **pdf‑sparalternativ**, till att slutligen skriva en **bild till sökbar pdf**, ger handledningen en komplett copy‑and‑paste‑lösning. + +Ta nästa steg genom att experimentera med olika bildformat, justera DPI eller lägga till lösenordsskydd via `PdfSaveOptions`. Du kan också utforska batch‑bearbetning – loopa igenom en mapp med skanningar och generera en sökbar PDF för varje. + +Om du fann den här guiden hjälpsam, ge den ett stjärnmärke på GitHub eller lämna en kommentar nedan. Lycka till med kodandet, och njut av att förvandla tråkiga skanningar till fullt sökbara dokument! + +![Skapa sökbar PDF exempelskärmbild](placeholder-image.png "skapa sökbar pdf exempel") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..321b733b5 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Hur man använder OCR i Java för att extrahera text från PDF, konvertera + PDF till bilder och utföra OCR på skannade PDF-filer med Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: sv +og_description: Hur man använder OCR i Java för att extrahera text från PDF-filer. + Lär dig att konvertera PDF till bilder och känna igen skannade PDF-filer med Aspose.OCR. +og_title: Hur du använder OCR i Java – Komplett guide +tags: +- OCR +- Java +- Aspose +title: Så använder du OCR i Java – Extrahera text från PDF med Aspose.OCR +url: /sv/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hur man använder OCR i Java – Extrahera text från PDF med Aspose.OCR + +Har du någonsin undrat **hur man använder OCR** för att omvandla en skannad PDF till sökbar text? Du är inte ensam. De flesta utvecklare fastnar när en PDF kommer som en massa bilder, och de vanliga text‑extraheringsverktygen bara returnerar ingenting. Den goda nyheten? Med några rader Java‑kod och Aspose.OCR kan du **extrahera text från PDF**, **konvertera PDF till bilder** och **igenkänna skannad PDF** i ett enda, smärtfritt arbetsflöde. + +I den här handledningen går vi igenom allt du behöver veta – från licensiering av biblioteket till utskrift av det slutliga resultatet. När du är klar har du ett färdigt program som drar ut ren text från vilken skannad rapport, faktura eller e‑bok som helst. Inga externa tjänster, ingen magi – bara ren Java‑kod som du kontrollerar. + +## Vad du behöver + +- **Java Development Kit (JDK) 8+** – vilken modern version som helst fungerar. +- **Aspose.OCR for Java**‑JAR (ladda ner från Aspose‑webbplatsen). +- En **giltig Aspose.OCR‑licensfil** (`Aspose.OCR.lic`). Gratis provversion fungerar, men en licens låser upp full noggrannhet. +- En **exempel‑skannad PDF** (t.ex. `scanned-report.pdf`). +- En IDE eller en enkel textredigerare plus en terminal. + +Det är allt. Inga Maven, inga Gradle, inga extra beroenden – bara Aspose.OCR‑JAR‑filen på din classpath. + +![exempel på hur man använder OCR](image-placeholder.png "exempel på hur man använder OCR") + +## Steg 1 – Ladda din Aspose.OCR‑licens (Varför det är viktigt) + +Innan motorn kan köras på full hastighet måste du berätta var licensen finns. Att hoppa över detta steg tvingar biblioteket in i utvärderingsläge, vilket lägger vattenstämplar på resultatet och kan begränsa noggrannheten. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Varför detta fungerar:** `License`‑klassen läser `.lic`‑filen och registrerar den globalt. När den är satt kommer varje `OcrEngine` du skapar automatiskt att använda de licensierade funktionerna. + +## Steg 2 – Skapa OCR‑motorn (Motorn bakom magin) + +En `OcrEngine`‑instans är arbetshästen som skannar bilder och spottar ut text. Tänk på den som hjärnan som tolkar pixelmönster. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Proffstips:** Du kan justera språk, förtroendegränser eller till och med aktivera GPU‑acceleration via motorns egenskaper. För de flesta engelska PDF‑filer fungerar standardinställningarna bra. + +## Steg 3 – Förbered indata: Lägg till din PDF (Konvertera PDF till bilder under huven) + +Aspose.OCR behandlar varje sida i en PDF som en bild. När du anropar `addPdf` rasteriserar biblioteket tyst varje sida, vilket är exakt vad du behöver för att **konvertera PDF till bilder** innan igenkänning. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Vad som händer:** +- PDF‑filen öppnas. +- Varje sida renderas med 300 dpi (standard) för att bevara teckendetaljer. +- De renderade bitmap‑objekten lagras i `OcrInput`‑samlingen. + +Om du någonsin behöver de råa bilderna (för felsökning eller anpassad förbehandling), anropa `ocrInput.getPages()` efter detta steg. + +## Steg 4 – Kör OCR‑processen (Utför OCR på PDF) + +Nu börjar det tunga arbetet. Metoden `recognize` loopar över varje bild, kör igenkänningsalgoritmen och samlar resultaten i ett `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Varför du bör bry dig:** `OcrResult` innehåller inte bara ren text utan också förtroendescore, avgränsningsrutor och referensen till originalbilden. För de flesta användningsfall räcker `getText()`. + +## Steg 5 – Hämta och visa den extraherade texten + +Till sist drar du ut ren‑text‑strängen från resultatet och skriver ut den. Du kan också skriva den till en fil, skicka den till ett sökindex eller föra in den i en efterföljande NLP‑pipeline. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Förväntad utskrift + +Om `scanned-report.pdf` innehåller ett enkelt stycke kommer du att se något i stil med: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Den exakta formateringen speglar den ursprungliga layouten och bevarar radbrytningar där det är möjligt. + +## Hantera vanliga kantfall + +### 1. Flerspråkiga PDF‑filer + +Om ditt dokument innehåller fransk eller spansk text, sätt språket innan du anropar `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Du kan ange en array av språk så att motorn kan autodetektera. + +### 2. Låga upplösningar + +När du arbetar med 150 dpi‑skanningar, öka den interna renderings‑DPI:n: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Högre DPI förbättrar teckenklarheten men kräver mer minne. + +### 3. Stora PDF‑filer (Minneshantering) + +För PDF‑filer med dussintals sidor, behandla dem i batcher: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Detta förhindrar att JVM‑heapen växer okontrollerat. + +## Fullt, kör‑klart exempel + +Nedan är det kompletta programmet – inklusive imports och licenshantering – så att du kan kopiera och köra direkt. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Kör det med: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Du bör se den extraherade texten skriven till konsolen. + +## Sammanfattning – Vad vi gick igenom + +- **Hur man använder OCR** i Java med Aspose.OCR. +- Arbetsflödet för att **extrahera text från PDF**‑filer. +- Internt konverterar biblioteket **PDF till bilder** innan teckenigenkänning. +- Tips för **att utföra OCR på PDF** med flera språk, låga upplösningar och stora dokument. +- Ett komplett, körbart kodexempel som du kan klistra in i vilket Java‑projekt som helst. + +## Nästa steg & relaterade ämnen + +Nu när du kan **igenkänna skannad PDF**, fundera på dessa uppföljningsidéer: + +- **Skapande av sökbar PDF** – lägg OCR‑texten över den ursprungliga PDF‑filen för att skapa ett sökbart dokument. +- **Batch‑behandlingstjänst** – paketera koden i en Spring Boot‑mikrotjänst som tar emot PDF‑filer via REST. +- **Integration med Elasticsearch** – indexera den extraherade texten för snabb fulltextsökning i ditt dokumentarkiv. +- **Bild‑förbehandling** – använd OpenCV för att räta upp eller avbrusa sidor innan OCR för ännu högre precision. + +Varje ämne bygger på de grundläggande koncept vi gått igenom, så experimentera gärna och låt OCR‑motorn göra det tunga arbetet. + +--- + +*Lycka till med kodandet! Om du stöter på problem – som licensfel eller oväntade null‑resultat – lämna en kommentar nedan. Jag hjälper gärna till med felsökning.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..56625d86f --- /dev/null +++ b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-02-17 +description: Lär dig hur du använder OCR i Java för att känna igen text från bildfiler, + extrahera text från PNG‑kvitton och konvertera kvittot till JSON med Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: sv +og_description: Steg‑för‑steg‑guide om hur man använder OCR i Java för att känna igen + text från bild, extrahera text från PNG‑kvitton och konvertera kvitto till JSON. +og_title: Hur man använder OCR i Java – Känn igen text från en bild +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Hur du använder OCR i Java – känna igen text från en bild snabbt +url: /sv/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hur man använder OCR i Java – Känn igen text från bild snabbt + +Har du någonsin funderat **hur man använder OCR** för att dra ut text från ett foto på ett kvitto? Kanske har du provat några onlinetjänster, bara för att få en massa felaktiga tecken eller ett format du inte kan bearbeta. Den goda nyheten är att med några få rader Java‑kod kan du **känna igen text från bild**‑filer, **extrahera text från PNG**‑kvitton, och till och med **konvertera kvitto till JSON** för vidare bearbetning. + +I den här handledningen går vi igenom hela arbetsflödet – från att licensiera Aspose OCR‑biblioteket till att få en ren JSON‑payload som du kan mata in i en databas eller en maskininlärningsmodell. Inga onödiga utsvävningar, bara ett praktiskt, körbart exempel som du kan kopiera‑klistra in i din IDE. När du är klar har du ett självständigt program som tar `receipt.png` och levererar en färdig‑att‑använda JSON‑sträng. + +## Vad du behöver + +- **Java Development Kit (JDK) 8+** – vilken recent version som helst fungerar. +- **Aspose OCR for Java**‑biblioteket (Maven‑artefakten är `com.aspose:aspose-ocr`). +- En **giltig Aspose OCR‑licensfil** (`Aspose.OCR.lic`). Den fria provversionen fungerar för testning, men en riktig licens tar bort utvärderingsbegränsningarna. +- En bildfil (PNG, JPEG, osv.) som innehåller den text du vill läsa – låt oss kalla den `receipt.png` och placera den i en känd mapp. +- Din favorit‑IDE (IntelliJ IDEA, Eclipse, VS Code…) – du får välja själv. + +> **Proffstips:** Håll licensfilen utanför källkods‑mappen och referera den via en absolut eller relativ sökväg för att undvika att den checkas in i versionskontrollen. + +Nu när förutsättningarna är klara, låt oss dyka ner i själva koden. + +## Hur man använder OCR – Kärnsteg + +Nedan följer en hög‑nivå‑översikt av de åtgärder vi kommer att utföra: + +1. **Ladda Aspose OCR‑biblioteket** och tillämpa din licens. +2. **Skapa en `OcrEngine`‑instans** – detta är motorn som gör det tunga arbetet. +3. **Förbered ett `OcrInput`‑objekt** som pekar på bilden du vill bearbeta. +4. **Anropa `recognize` med `ResultFormat.JSON`** för att få en JSON‑representation av den extraherade texten. +5. **Hantera JSON‑utdata** – skriv ut den, spara den i en fil, eller analysera den vidare. + +Varje steg förklaras i detalj i avsnitten som följer. + +## Steg 1 – Installera Aspose OCR och tillämpa din licens + +Först, lägg till Aspose OCR‑beroendet i din `pom.xml` om du använder Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Nu, i din Java‑kod, läs in licensen. Detta steg är avgörande; utan det körs biblioteket i utvärderingsläge och kan lägga in vattenstämplar i resultatet. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Varför detta är viktigt:** `License`‑objektet berättar för OCR‑motorn att du är auktoriserad att använda hela funktionsuppsättningen, vilket inkluderar hög‑precision igenkänning och JSON‑export. Att hoppa över detta steg låter dig fortfarande **känna igen text från bild**, men resultaten kan vara begränsade. + +## Steg 2 – Skapa OCR‑motorns instans + +Klassen `OcrEngine` är ingångspunkten för alla OCR‑operationer. Tänk på den som “hjärnan” som läser pixlarna och bestämmer vilka tecken de representerar. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Du kan anpassa motorn (t.ex. sätta språk, aktivera deskew) senare om dina kvitton innehåller icke‑latinska skript eller är skannade i en vinkel. För de flesta kvitton i USA fungerar standardinställningarna utmärkt. + +## Steg 3 – Ladda bilden du vill bearbeta + +Nu pekar vi OCR‑motorn på filen som innehåller kvittot. Klassen `OcrInput` kan ta emot flera bilder, men för den här handledningen håller vi det enkelt med en enda PNG. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Om du någonsin behöver **extrahera text från PNG**‑filer i bulk, anropa bara `input.add()` upprepade gånger eller skicka in en lista med filsökvägar. + +## Steg 4 – Känn igen text och konvertera kvitto till JSON + +Här kommer hjärtat i handledningen. Vi ber motorn att känna igen texten och begär resultatet i JSON‑format. Flaggan `ResultFormat.JSON` sköter allt det tunga arbetet åt oss. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON‑payloaden innehåller varje erkänd rad, dess omgivande rektangel, förtroendescore och den råa texten. Denna struktur gör det enkelt att **konvertera kvitto till JSON** och sedan mata in det i någon downstream‑API. + +## Steg 5 – Sätt ihop allt och kör programmet + +Nedan är den kompletta, körklara Java‑klassen som binder ihop allt. Spara den som `JsonExportDemo.java` (eller ett annat namn du föredrar) och kör den från din IDE eller kommandorad. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Förväntad utdata + +När programmet körs skrivs en JSON‑sträng ut som liknar följande (det exakta innehållet beror på ditt kvitto): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Du kan nu föra in denna JSON i en databas, ett REST‑endpoint eller en data‑analys‑pipeline. Steget **konvertera kvitto till JSON** är redan gjort åt dig. + +## Vanliga frågor och specialfall + +### Vad händer om bilden är roterad? + +Aspose OCR upptäcker och korrigerar automatiskt milda rotationer. För kraftigt snedvridna bilder, anropa `engine.getImagePreprocessingOptions().setDeskew(true)` innan igenkänning. + +### Hur hanterar jag flera språk? + +Använd `engine.getLanguage()` för att sätta önskat språk, t.ex. `engine.setLanguage(Language.FRENCH)`. Detta är praktiskt när du behöver **känna igen text från bild** som innehåller flerspråkiga kvitton. + +### Kan jag få ut vanlig text istället för JSON? + +Absolut. Byt ut `ResultFormat.JSON` mot `ResultFormat.TEXT` och anropa `result.getText()`. + +### Finns det ett sätt att begränsa OCR till ett specifikt område? + +Ja – använd `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` för att fokusera på kvitto‑området, vilket kan förbättra hastighet och precision. + +## Proffstips för produktionsklar OCR + +- **Cacha licens‑objektet** om du bearbetar många filer i en loop; att skapa det upprepade gånger ger onödig overhead. +- **Batch‑processa**: läs in alla kvitto‑sökvägar i ett enda `OcrInput` och anropa `recognize` en gång. JSON‑en kommer då att innehålla en array av sidor, var och en med sina egna rader. +- **Validera JSON**: efter att du fått strängen, parsea den med ett bibliotek som Jackson för att säkerställa att den är väl‑formad innan du lagrar den. +- **Övervaka förtroende**: JSON‑en innehåller ett `confidence`‑fält per rad. Filtrera bort rader under en tröskel (t.ex. 0,85) för att undvika skräpdataset. +- **Säkra din licens**: lagra `Aspose.OCR.lic` i ett säkert valv eller som en miljövariabel, särskilt i moln‑deployment. + +## Slutsats + +Vi har gått igenom **hur man använder OCR** i Java för att **känna igen text från bild**, **extrahera text från PNG**‑kvitton, och **konvertera kvitto till JSON** – allt med ett kortfattat, end‑to‑end‑exempel. Stegen är raka, koden är fullt körbar, och JSON‑utdata ger dig en strukturerad representation redo för vilket downstream‑system som helst. + +Nästa steg kan vara att utforska mer avancerade scenarier: skicka JSON‑en till Apache Kafka för real‑tids‑bearbetning, applicera regex‑mönster för att plocka ut totalsummor, eller integrera med en molnbaserad OCR‑tjänst för skalbarhet. Oavsett vad du väljer, kommer grunderna du just lärt dig att förbli desamma. + +Har du frågor, eller stötte du på ett problem när du provade detta? Lämna en kommentar nedan så hjälper vi varandra. Lycka till med kodandet, och njut av att förvandla röriga kvitto‑bilder till ren, sökbar data! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/swedish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..899fd8fb7 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 'bild till text java-handledning: lär dig hur du extraherar urdutext + från en bild med Aspose OCR. Komplett java OCR‑exempel inkluderat.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: sv +og_description: image to text java tutorial visar hur man extraherar urdutext från + en bild med Aspose OCR. Följ det kompletta java OCR‑exemplet steg för steg. +og_title: 'Bild till text Java: Extrahera urdustext med Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'Bild till text Java: Extrahera Urdu‑text med Aspose OCR' +url: /sv/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Extrahera Urdu-text med Aspose OCR + +Om du behöver göra **image to text java**-konvertering för Urdu-dokument, är du på rätt plats. Har du någonsin undrat *hur man extraherar text* från en bild av en handskriven anteckning eller en skannad tidningssida? Den här guiden går igenom ett **java ocr example** som hämtar Urdu-tecken direkt från en bild med hjälp av Aspose OCR. + +Vi kommer att gå igenom allt från licensiering av biblioteket till att skriva ut resultatet i konsolen. I slutet kommer du att kunna **load image ocr**-filer, ställa in språket till Urdu och få ren Unicode-utdata—utan extra verktyg. + +## Vad du behöver + +- **Java Development Kit (JDK) 8+** – koden fungerar på alla moderna JDK. +- **Aspose.OCR for Java** JAR (ladda ner från Aspose webbplats). +- En giltig **Aspose OCR license**-fil (`Aspose.OCR.lic`). +- En bild som innehåller Urdu-text, t.ex. `urdu-sample.png`. + +Att ha dessa grundläggande komponenter på plats betyder att du kan hoppa rakt in i koden utan att leta efter saknade beroenden. + +## image to text java – Konfigurera Aspose OCR + +Först måste vi meddela Aspose att vi har en licens. Utan den körs biblioteket i utvärderingsläge och lägger till vattenstämplar i resultatet. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Varför detta är viktigt:** Licensiering tar bort 5‑sekunders begränsningen och låser upp hela Urdu-språkpaketet som lades till under 2025‑Q3. Om du hoppar över detta steg fungerar OCR-motorn fortfarande, men du kommer att se en liten “Evaluation”-etikett i resultaten. + +## Så extraherar du text – Initiera OCR-motorn + +Nu skapar vi motorn och talar explicit om att vi är intresserade av Urdu. Konstanten `OcrLanguage.URDU` aktiverar rätt teckenuppsättning och segmenteringsregler. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Proffstips:** Om du någonsin behöver bearbeta flera språk i ett körning kan du skicka en kommaseparerad lista, t.ex. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Motorn kommer automatiskt att upptäcka varje region. + +## Ladda bild OCR – Förbereda indata + +Aspose arbetar med ett `OcrInput`-objekt som kan hålla en eller flera bilder. Här **load image ocr**-data från en lokal fil. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Obs:** Ersätt `YOUR_DIRECTORY` med den absoluta sökvägen eller en relativ sökväg från ditt projekts rot. Om filen inte hittas kastar Aspose ett `FileNotFoundException`. En snabb kontroll med `new File(path).exists()` kan spara dig mycket felsökningstid. + +## Känn igen texten – Köra OCR-processen + +När motorn är konfigurerad och bilden laddad, anropar vi slutligen `recognize`. Metoden returnerar ett `OcrResult` som innehåller den extraherade strängen. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Vad händer under huven?** OCR-motorn delar upp bilden i rader, sedan tecken, och tillämpar Urdu‑specifika formningsregler (som sammanslagna former). Detta är varför det är avgörande att ställa in språket tidigt; annars får du förvrängda latinska platshållare. + +## Skriv ut den igenkända Urdu-texten + +Det sista steget är helt enkelt att skriva ut resultatet. Eftersom Urdu använder en höger‑till‑vänster-skrift, se till att din konsol stödjer Unicode (de flesta moderna terminaler gör det). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Förväntat resultat (exempel):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Om du ser frågetecken eller tomma strängar, dubbelkolla att din konsolkodning är satt till UTF‑8 (`chcp 65001` på Windows, eller kör Java med `-Dfile.encoding=UTF-8`). + +## Fullt fungerande exempel – Alla steg på ett ställe + +Nedan är det kompletta, kopiera‑och‑klistra‑klara programmet. Inga externa referenser, bara en enda Java-fil. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Kör det med: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Ersätt JAR-versionen (`23.10`) med den du laddade ner. Konsolen bör visa den Urdu-sats som extraherats från din PNG. + +## Vanliga fallgropar & kantfall + +| Problem | Varför det händer | Hur man åtgärdar | +|-------|----------------|------------| +| **Tomt resultat** | Bilden är för mörk eller låg upplösning. | Förprocessa bilden (öka kontrast, binarisera) med `BufferedImage` innan du skickar den till Aspose. | +| **Skräptecken** | Fel språk inställt (standard är engelska). | Se till att `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` anropas innan `recognize`. | +| **Licens saknas** | Felaktig sökväg eller fil saknas. | Använd en absolut sökväg eller placera `.lic`-filen i classpath och anropa `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory på stora bilder** | Stora PNG-filer förbrukar heapen. | Anropa `ocrEngine.setMaxImageSize(2000);` för att skala ner internt, eller ändra storlek på bilden själv. | + +## Utöka demonstrationen + +- **Batchbearbetning:** Loopa över en mapp, lägg till varje fil i samma `OcrInput` och samla resultat i en CSV. +- **Olika språk:** Byt `OcrLanguage.URDU` mot `OcrLanguage.ARABIC` eller kombinera flera språk. +- **Spara till fil:** Använd `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Alla dessa idéer bygger på **java ocr example** som vi just skapade, vilket låter dig anpassa lösningen till verkliga projekt. + +## Slutsats + +Du har nu ett robust **image to text java**-arbetsflöde som extraherar Urdu-tecken från en bild med hjälp av Aspose OCR. Handledningen täckte varje steg—från licensiering och språkval till att ladda bilden och skriva ut resultatet—så att du kan klistra in koden i vilket Java‑projekt som helst och se den fungera. + +Nästa steg, prova att experimentera med större PDF-filer, olika skript, eller till och med integrera OCR-steget i en Spring Boot REST‑endpoint. Samma principer—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/swedish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/swedish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..39ba606f7 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: Lär dig att känna igen text från bild och ladda bild för OCR med Aspose + OCR Java‑biblioteket. Steg‑för‑steg‑guide med stavningskorrigerare. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: sv +og_description: Igenkänn text från bild med Aspose OCR Java. Denna handledning visar + hur du laddar en bild för OCR, aktiverar stavningskorrigering och får ut ren text. +og_title: igenkänna text från bild – Komplett Aspose OCR Java-guide +tags: +- Java +- OCR +- Aspose +title: Känna igen text från bild med Aspose OCR – Java-handledning +url: /sv/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# igenkänna text från bild med Aspose OCR – Java‑handledning + +Har du någonsin behövt **igenkänna text från bild** men varit osäker på vilket bibliotek du ska välja? Du är inte ensam. I många verkliga projekt—tänk på att skanna fakturor, digitalisera handskrivna anteckningar eller extrahera bildtexter från skärmdumpar—är det avgörande att få korrekta OCR‑resultat. + +I den här guiden går vi igenom hur du laddar en bild för OCR, slår på Aspose OCR:s inbyggda stavningskorrigerare och slutligen skriver ut den rensade texten. När du är klar har du ett färdigt Java‑program som **igenkänner text från bild** med bara några rader kod. + +## Vad den här handledningen täcker + +- Hur du tillämpar din Aspose OCR‑licens (så att demonstrationen körs utan vattenstämplar) +- Skapa en `OcrEngine`‑instans och välja engelska som igenkänningsspråk +- **Ladda bild för OCR** med `OcrInput` och peka på en PNG som innehåller felstavade ord +- Aktivera stavningskorrigeraren, eventuellt peka på en anpassad ordlista +- Köra igenkänningen och skriva ut det korrigerade resultatet + +Inga externa tjänster, inga dolda konfigurationsfiler—bara ren Java och Aspose OCR‑JAR. + +> **Pro tip:** Om du är ny på Aspose, skaffa en gratis 30‑dagars provlicens från Aspose‑webbplatsen och lägg `.lic`‑filen i en mapp som du kan referera till från din kod. + +## Förutsättningar + +- Java 8 eller nyare (koden kompileras även med JDK 11) +- Aspose.OCR för Java‑JAR på din klassväg +- En giltig `Aspose.OCR.lic`‑fil (eller så kan du köra i utvärderingsläge, men demonstrationen kommer då att bädda in en vattenstämpel) +- En bildfil (`misspelled.png`) som innehåller text med avsiktliga stavfel—perfekt för att se stavningskorrigeraren i aktion + +Har du allt? Bra—låt oss dyka ner. + +## Steg 1: Tillämpa din Aspose OCR‑licens + +Innan motorn gör något tungt arbete måste den veta att du har licens. Annars får du en “Trial version”-banner i utskriften. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Varför detta är viktigt:* Licensiering inaktiverar provvattenstämpeln och låser upp hela stavningskorrigerar‑ordlistan. Att hoppa över detta steg fungerar, men din utskrift blir förorenad med texten “Aspose OCR Demo”. + +## Steg 2: Skapa och konfigurera OCR‑motorn + +Nu startar vi motorn och talar om vilket språk som ska användas. Engelska är det vanligaste, men Aspose stödjer dussintals språk. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Varför vi ställer in språket:* Språkmodellen bestämmer teckenuppsättningen och påverkar stavningskorrigerarens förslag. Att använda fel språk kan dramatiskt minska noggrannheten. + +## Steg 3: Aktivera stavningskorrigering och (valfritt) peka på en anpassad ordlista + +Aspose OCR levereras med en inbyggd engelsk ordlista, men du kan ange din egen om du har domänspecifika termer (tänk medicinsk jargong eller produktkoder). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Vad korrigeraren gör:* När OCR‑motorn upptäcker ett ord som inte finns i ordlistan försöker den ersätta det med det närmaste matchande ordet. Detta är anledningen till att demonstrationen kan omvandla “recieve” till “receive” automatiskt. + +## Steg 4: Ladda bilden för OCR + +Här är delen som svarar direkt på **ladda bild för OCR**. Vi skapar ett `OcrInput`‑objekt och lägger till vår PNG‑fil. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Varför vi använder `OcrInput`:* Det abstraherar bort fil‑läsningslogiken och låter dig lägga till flera sidor senare om du behöver bearbeta en flersidig PDF eller en samling bilder. + +## Steg 5: Kör igenkänningen och hämta korrigerad text + +Motorn gör det tunga arbetet nu—igenkänner tecken, tillämpar språkmodellen och korrigerar slutligen stavningen. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Förväntad utskrift:* Om `misspelled.png` innehåller frasen “Ths is a smple test” kommer konsolen att skriva ut: + +``` +Corrected text: +This is a simple test +``` + +Lägg märke till hur de felstavade orden (`Ths`, `smple`) har rättats automatiskt. + +## Fullt, kör‑klart exempel + +Nedan är hela programmet i ett block. Kopiera‑klistra, justera sökvägarna och tryck **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tips:** Om du vill bearbeta en JPEG eller BMP istället för PNG, ändra bara filändelsen—Aspose OCR stödjer alla vanliga rasterformat. + +## Vanliga frågor & kantfall + +- **Vad händer om min bild har låg upplösning?** + Öka DPI innan du skickar den till Aspose genom att skala om med ett bibliotek som `java.awt.Image`. Högre DPI ger motorn fler pixlar att arbeta med, vilket vanligtvis förbättrar noggrannheten. + +- **Kan jag känna igen flera språk i samma bild?** + Ja. Anropa `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` och ange eventuellt en lista med språk via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **Min anpassade ordlista används inte—varför?** + Kontrollera att mappen innehåller rena textfiler med ett ord per rad och att sökvägen är absolut eller korrekt relativ till din arbetskatalog. + +- **Hur extraherar jag förtroendesiffror?** + `result.getConfidence()` returnerar ett flyttal mellan 0 och 1 för hela sidan. För förtroende per tecken, utforska `result.getWordList()`. + +## Slutsats + +Du vet nu hur du **igenkänner text från bild** med Aspose OCR för Java, hur du **laddar bild för OCR**, och hur du aktiverar stavningskorrigeraren för att rensa vanliga stavfel. Det kompletta exemplet ovan är redo att placeras i vilket Maven‑ eller Gradle‑projekt som helst, och med några justeringar kan du skala upp till att batch‑processa mappar, koppla in det i en webbtjänst eller integrera det med ett dokumenthanteringssystem. + +Redo för nästa steg? Prova att mata in en flersidig PDF, experimentera med en anpassad ordlista för branschspecifik terminologi, eller kedja resultatet till ett översättnings‑API. Möjligheterna är oändliga, och det grundläggande mönstret—licens → motor → språk → stavningskorrigerare → indata → igenkänning → utdata—förblir detsamma. + +Lycka till med kodandet, och må dina OCR‑resultat alltid vara prick‑perfekta! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/advanced-ocr-techniques/_index.md b/ocr/thai/java/advanced-ocr-techniques/_index.md index 39f6051c8..0796cc57c 100644 --- a/ocr/thai/java/advanced-ocr-techniques/_index.md +++ b/ocr/thai/java/advanced-ocr-techniques/_index.md @@ -45,9 +45,10 @@ Aspose.OCR สำหรับ Java เป็นตัวเปลี่ยนเ แยกข้อความจากรูปภาพได้อย่างง่ายดายโดยการระบุอักขระที่อนุญาตด้วย Aspose.OCR สำหรับ Java ปฏิบัติตามคำแนะนำทีละขั้นตอนของเราเพื่อการผสานรวมที่มีประสิทธิภาพ รับรองประสบการณ์การจดจำข้อความที่ราบรื่น ปรับปรุงแอปพลิเคชัน Java ของคุณด้วยความสามารถของ Aspose.OCR -## บทสรุป +## [การจดจำข้อความรูปภาพโดยใช้ Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) + +ใช้ Aspose OCR GPU สำหรับ Java เพื่อจดจำข้อความจากรูปภาพอย่างรวดเร็วและแม่นยำ ปรับปรุงประสิทธิภาพแอปพลิเคชันของคุณ -ด้วย Aspose.OCR สำหรับ Java การเรียนรู้เทคนิค OCR ขั้นสูงไม่เคยง่ายอย่างนี้มาก่อน เจาะลึกบทช่วยสอนเหล่านี้ และปลดล็อกศักยภาพเต็มรูปแบบของการจดจำข้อความในโปรเจ็กต์ Java ของคุณ ยกระดับแอปพลิเคชันของคุณด้วยการผสานรวมที่ราบรื่น ความแม่นยำสูง และความสามารถในการแยกข้อความที่หลากหลาย ดาวน์โหลดตอนนี้และก้าวแรกสู่ความเป็นเลิศของ OCR ด้วย Aspose.OCR สำหรับ Java! ## บทช่วยสอนเทคนิค OCR ขั้นสูง ### [การแสดง OCR บน BufferedImage ใน Aspose.OCR สำหรับ Java](./perform-ocr-buffered-image/) ดำเนินการ OCR บน BufferedImage ได้อย่างง่ายดายด้วย Aspose.OCR สำหรับ Java แยกข้อความจากรูปภาพได้อย่างลงตัว ดาวน์โหลดตอนนี้เพื่อรับประสบการณ์การรู้จำข้อความที่หลากหลาย @@ -61,9 +62,18 @@ Aspose.OCR สำหรับ Java เป็นตัวเปลี่ยนเ เสริมศักยภาพแอปพลิเคชัน Java ของคุณด้วย Aspose.OCR เพื่อการจดจำข้อความที่แม่นยำ บูรณาการได้ง่าย มีความแม่นยำสูง ### [การระบุอักขระที่อนุญาตใน Aspose.OCR](./specify-allowed-characters/) ปลดล็อกการแยกข้อความจากรูปภาพได้อย่างราบรื่นด้วย Aspose.OCR สำหรับ Java ปฏิบัติตามคำแนะนำทีละขั้นตอนของเราเพื่อการบูรณาการที่มีประสิทธิภาพ +### [การจดจำข้อความรูปภาพโดยใช้ Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +ใช้ Aspose OCR GPU สำหรับ Java เพื่อจดจำข้อความจากรูปภาพอย่างรวดเร็วและแม่นยำ ปรับปรุงประสิทธิภาพแอปพลิเคชันของคุณ +### [การเตรียมภาพสำหรับ OCR – คู่มือ Java ครบชุดเพื่อเพิ่มคอนทราสต์และดึงข้อความ](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +เรียนรู้วิธีปรับปรุงภาพเพื่อเพิ่มความคมชัดและประสิทธิภาพการจดจำข้อความด้วย Aspose.OCR ใน Java +### [Fixed Thread Pool Java – OCR แบบขนานสำหรับ PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +เรียนรู้วิธีใช้ Fixed Thread Pool ใน Java เพื่อทำ OCR แบบขนานบนไฟล์ PNG ด้วย Aspose.OCR เพิ่มประสิทธิภาพการประมวลผล +### [สร้าง OCR Engine Java – จดจำข้อความจากภาพขนาดใหญ่](./create-ocr-engine-java-recognize-text-from-large-images/) +เรียนรู้วิธีสร้าง OCR Engine ด้วย Java เพื่อจดจำข้อความจากภาพขนาดใหญ่ด้วย Aspose.OCR + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/thai/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..162458b1f --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,256 @@ +--- +category: general +date: 2026-02-17 +description: สร้างเครื่องมือ OCR ด้วย Java และอ่านไฟล์ TIFF อย่างรวดเร็วใน Java เรียนรู้วิธีจดจำข้อความจากภาพขนาดใหญ่โดยใช้ + Aspose.OCR ในคู่มือขั้นตอนต่อขั้นตอน +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: th +og_description: สร้างเครื่องมือ OCR ด้วย Java ตอนนี้ บทเรียนนี้แสดงวิธีอ่านไฟล์ TIFF + ด้วย Java และจดจำข้อความจากภาพขนาดใหญ่โดยใช้ Aspose.OCR. +og_title: สร้าง OCR Engine ด้วย Java – คู่มือเต็มสำหรับการจดจำข้อความในภาพขนาดใหญ่ +tags: +- OCR +- Java +- Aspose +title: สร้าง OCR Engine ด้วย Java – แยกข้อความจากภาพขนาดใหญ่ +url: /th/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# สร้าง OCR Engine ด้วย Java – จดจำข้อความจากภาพขนาดใหญ่ + +เคยต้องการโค้ด **create OCR engine Java** ที่สามารถจัดการกับแผนที่ TIFF ขนาดมหาศาล แต่ไม่แน่ใจว่าจะเริ่มต้นอย่างไรหรือไม่? คุณไม่ได้อยู่คนเดียว—นักพัฒนาส่วนใหญ่มักเจออุปสรรคเมื่อขนาดภาพเกินขีดจำกัดหน่วยความจำปกติ. + +ในคู่มือนี้ เราจะพาคุณผ่านตัวอย่างที่สมบูรณ์และพร้อมรันที่ **creates an OCR engine in Java**, แสดงวิธี **read TIFF file Java** ด้วย `InputStream`, และสุดท้าย **recognizes text from large image** ไฟล์โดยไม่ทำให้ heap หมด. เมื่อเสร็จคุณจะมีโปรแกรมที่ทำงานอิสระซึ่งสามารถใส่ลงในโปรเจกต์ Maven หรือ Gradle ใดก็ได้. + +## สิ่งที่คุณต้องการ + +- **Java Development Kit (JDK) 8 หรือใหม่กว่า** – โค้ดใช้เพียง I/O มาตรฐานพร้อม Aspose.OCR. +- **Aspose.OCR for Java** library (เวอร์ชันล่าสุด ณ เดือน 02‑2026) – คุณสามารถดาวน์โหลด JAR จากเว็บไซต์ Aspose หรือผ่าน Maven Central. +- **ไฟล์ TIFF ขนาดใหญ่** (เช่น แผนที่หลายเมกะพิกเซล) ที่คุณต้องการทำ OCR. +- **ไฟล์ลิขสิทธิ์ Aspose.OCR** (`Aspose.OCR.lic`). หากไม่มีไฟล์นี้ engine จะทำงานในโหมดประเมินผล แต่จะมีลายน้ำ. + +> **เคล็ดลับ:** เก็บไฟล์ TIFF ไว้ใกล้โฟลเดอร์ซอร์สของคุณหรือใช้เส้นทางแบบเต็ม; engine จะทำการแบ่งภาพเป็นแผ่นภายในโดยอัตโนมัติ ดังนั้นคุณไม่จำเป็นต้องแยกไฟล์ด้วยตนเอง. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="แผนผังการทำงานของ Create OCR Engine Java"} + +## ขั้นตอนที่ 1 – ใช้ลิขสิทธิ์ Aspose.OCR ของคุณ (Create OCR Engine Java) + +ก่อนที่ engine จะทำงานหนักใด ๆ คุณต้องลงทะเบียนลิขสิทธิ์ การข้ามขั้นตอนนี้จะทำให้เข้าสู่โหมดประเมินผล ซึ่งจำกัดจำนวนหน้าและเพิ่มแบนเนอร์ในผลลัพธ์. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*ทำไมเรื่องนี้ถึงสำคัญ:* วัตถุ `License` บอกให้ OCR engine ปลดล็อกอัลกอริทึมการแบ่งภาพแบบความละเอียดเต็ม ซึ่งจำเป็นสำหรับการประมวลผล **large image** อย่างมีประสิทธิภาพ. + +## ขั้นตอนที่ 2 – สร้างอินสแตนซ์ OCR Engine (Create OCR Engine Java) + +ตอนนี้เราจะสร้าง `OcrEngine` หลักขึ้นมา คิดว่าเป็นสมองที่จะอ่านพิกเซลและส่งออกข้อความ Unicode ในภายหลัง. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*ทำไมเราถึงทำให้เรียบง่าย:* ในหลาย ๆ สถานการณ์ การตั้งค่าเริ่มต้นมีการตรวจจับภาษาที่อัตโนมัติและการแบ่งภาพที่เหมาะสมแล้ว การกำหนดค่ามากเกินไปอาจทำให้การประมวลผลไฟล์ขนาดใหญ่ช้าลง. + +## ขั้นตอนที่ 3 – โหลดไฟล์ TIFF ด้วย InputStream (Read TIFF File Java) + +TIFF ขนาดใหญ่สามารถมีหลายร้อยเมกะไบต์ การโหลดทั้งหมดเข้า `BufferedImage` จะทำให้ heap ระเบิด แทนที่จะทำเช่นนั้น เราจะส่ง `InputStream` ให้ engine; Aspose.OCR จะอ่านและแบ่งภาพแบบเรียลไทม์. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*กรณีเฉพาะ:* หาก TIFF ของคุณถูกบีบอัดด้วย CCITT Group 4, Aspose.OCR ยังรองรับได้ แต่คุณอาจตั้งค่า `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` เพื่อเพิ่มความเร็วเล็กน้อย. + +## ขั้นตอนที่ 4 – เตรียม OCR Input และบอกรูปแบบไฟล์ + +อ็อบเจ็กต์ `OcrInput` สามารถเก็บหลายภาพได้ แต่สำหรับการสาธิตนี้เราต้องการเพียงหนึ่งภาพ การระบุสตริงรูปแบบ (`"tif"`) ช่วยให้ engine ข้ามการตรวจสอบรูปแบบ ลดเวลาไปหลายมิลลิวินาที. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*ทำไมการบอกรูปแบบจึงมีประโยชน์:* เมื่อทำงานกับ **large images** ทุกมิลลิวินาทีมีค่า การบอกรูปแบบทำให้ parser ข้ามการวิเคราะห์หัวไฟล์ที่ใช้ทรัพยากรสูง. + +## ขั้นตอนที่ 5 – จดจำข้อความจากภาพขนาดใหญ่ (Recognize Text from Large Image) + +เมื่อทุกอย่างเชื่อมต่อเรียบร้อย การเรียก OCR จริงเป็นเพียงบรรทัดเดียว Engine จะคืนค่า `OcrResult` ที่มีข้อความธรรมดา, คะแนนความเชื่อมั่น, และแม้แต่กรอบพิกัด (bounding boxes) หากคุณต้องการใช้ในภายหลัง. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*สิ่งที่เกิดขึ้นภายใน:* Aspose.OCR จะแบ่ง TIFF เป็นแผ่นย่อยที่จัดการได้ (ขนาดเริ่มต้น 1024 × 1024 px), รันโมเดล neural‑net บนแต่ละแผ่น, แล้วรวมผลลัพธ์เข้าด้วยกัน นี่คือเหตุผลที่คุณสามารถ **recognize text from large image** ไฟล์ได้โดยไม่ต้องทำการเตรียมล่วงหน้า. + +## ขั้นตอนที่ 6 – แสดงตัวอย่างข้อความที่สกัดออกมา + +การพิมพ์เอกสารทั้งหมดลงคอนโซลอาจทำให้มองไม่ชัด เราจะพิมพ์เฉพาะ 200 ตัวอักษรแรกตามด้วยจุดไข่ปลา เพื่อให้คุณตรวจสอบผลลัพธ์ได้อย่างรวดเร็ว. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*ผลลัพธ์คอนโซลที่คาดหวัง:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +หากคุณเห็นข้อความเป็นอักษรผีดิบ ตรวจสอบอีกครั้งว่าภาษาได้ถูกตั้งค่าอย่างถูกต้อง (ค่าเริ่มต้นคือ English) และไฟล์ TIFF ไม่เสียหาย. + +## ตัวอย่างทำงานเต็มรูปแบบ + +การรวมส่วนต่าง ๆ เข้าด้วยกันจะได้คลาสเดียวที่คุณสามารถคอมไพล์และรันได้: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +คอมไพล์ด้วย: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +แทนที่ `aspose-ocr-23.12.jar` ด้วยเวอร์ชันจริงที่คุณดาวน์โหลด. + +## ข้อผิดพลาดทั่วไปและเคล็ดลับ + +| ปัญหา | สาเหตุ | วิธีแก้เร็ว | +|------|----------------|-----------| +| **OutOfMemoryError** | โหลด TIFF เข้า `BufferedImage` แทนการสตรีมมิ่ง. | ใช้ `InputStream` เสมอตามที่แสดง; ให้ Aspose จัดการการแบ่งภาพ. | +| **Blank output** | บอกส่วนขยายไฟล์ผิด (`"tif"` กับ `"tiff"`). | ใช้สตริงที่คุณส่งให้ `add` อย่างตรงกัน. | +| **Garbage characters** | ลิขสิทธิ์ไม่ได้ถูกใช้หรือหมดอายุ. | ตรวจสอบเส้นทางไฟล์ `.lic` และลงทะเบียนใหม่ก่อนสร้าง engine. | +| **Slow recognition** | ใช้ `OcrConfiguration` ที่กำหนดเองพร้อม DPI สูง. | ใช้ค่าตั้งต้นสำหรับส่วนใหญ่; ปรับเฉพาะเมื่อจำเป็นต้องความแม่นยำสูง. | + +### เมื่อควรปรับการตั้งค่า + +- **เอกสารหลายภาษา:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **ความแม่นยำสูงสำหรับฟอนต์ขนาดเล็ก:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +แต่จำไว้ว่าแต่ละตัวเลือกเพิ่มเติมอาจเพิ่มเวลา CPU โดยเฉพาะกับ **large image**. ควรทดสอบด้วยแผ่นเดียวก่อน. + +## ขั้นตอนต่อไป + +เมื่อคุณรู้วิธี **create OCR engine Java**, **read TIFF file Java**, และ **recognize text from large image** แล้ว คุณอาจต้องการ: + +1. **ส่งออกผลลัพธ์เป็น PDF** – รวม Aspose.PDF กับข้อความ OCR เพื่อสร้างเอกสารที่ค้นหาได้. +2. **เก็บ bounding boxes** – ใช้ `ocrResult.getWords()` เพื่อรับพิกัดสำหรับการไฮไลท์. +3. **ทำการประมวลผลแผ่นแบบขนาน** – สำหรับภาพถ่ายดาวเทียมขนาดใหญ่มาก ให้สร้าง... + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/thai/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..e271946b4 --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: เรียนรู้วิธีใช้ Fixed Thread Pool ของ Java เพื่อดึงข้อความจากภาพ PNG + ด้วยการประมวลผล OCR แบบขนานและปิดบริการ Executor อย่างถูกต้อง +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: th +og_description: ค้นพบว่า pool เธรดคงที่ใน Java สามารถดึงข้อความจากภาพ PNG แบบขนาน + แปลงข้อความจากหน้าสแกน และปิดบริการ executor อย่างปลอดภัยได้อย่างไร. +og_title: พูลเธรดคงที่ใน Java – OCR แบบขนานสำหรับ PNG +tags: +- java +- ocr +- multithreading +- aspose +title: พูลเธรดคงที่ใน Java – OCR ขนานสำหรับ PNG +url: /th/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR ขนานสำหรับ PNG + +เคยสงสัยไหมว่าจะเร่งความเร็วของ OCR บนไฟล์ PNG จำนวนมากอย่างไรด้วย **fixed thread pool java**? ในบทเรียนนี้เราจะอธิบายขั้นตอนการ **extract text from PNG** ภาพแบบขนาน, **convert scanned pages text** ให้เป็นสตริงที่แก้ไขได้, และการ **shut down executor service** อย่างปลอดภัยเมื่อทำงานเสร็จ + +ถ้าคุณเคยมองลูปแบบ single‑threaded ที่ใช้เวลานานหลายนาที คุณคงรู้สึกหงุดหงิดกับการต้องรอให้แต่ละหน้าเสร็จก่อนหน้าถัดไปจะเริ่มทำงาน ข่าวดีคือ? ด้วยเพียงไม่กี่บรรทัดของ Java และ Aspose OCR คุณสามารถใช้พลังของทุกคอร์ CPU, แปลงหน้าที่สแกนเป็นข้อความที่ค้นหาได้, และทำให้แอปพลิเคชันของคุณตอบสนองได้อย่างต่อเนื่อง + +ด้านล่างนี้เป็นตัวอย่างที่พร้อมรันเต็มรูปแบบ พร้อมคำอธิบายว่าทำไมแต่ละส่วนจึงสำคัญ, ข้อผิดพลาดที่พบบ่อย, และเคล็ดลับที่คุณสามารถนำไปใช้กับไลบรารี OCR ใดก็ได้ + +--- + +## สิ่งที่คุณต้องมี + +- **Java 17** (หรือ JDK เวอร์ชันใหม่) – โค้ดใช้ไวยากรณ์ `var` แบบจำกัด, แต่ยังทำงานได้บนเวอร์ชันเก่า +- **Aspose.OCR for Java** library – สามารถดึงจาก Maven Central หรือดาวน์โหลด trial จาก Aspose +- ชุดไฟล์ **PNG** ที่ต้องการประมวลผล – เช่น ใบเสร็จสแกน, หน้าหนังสือ, หรือสกรีนช็อต +- ความคุ้นเคยพื้นฐานกับการทำ concurrency ของ Java – ไม่จำเป็นแต่จะช่วยได้ + +แค่นี้แหละ ไม่มีบริการภายนอก, ไม่มี Docker, เพียง Java ธรรมดาและการทำ multithreading เล็กน้อย + +--- + +## ขั้นตอนที่ 1: เพิ่ม Aspose OCR Dependency & License (Optional) + +ก่อนอื่นให้แน่ใจว่า JAR ของ Aspose OCR อยู่ใน classpath ของคุณ หากใช้ Maven ให้เพิ่ม: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +หากไม่มี license ไลบรารีจะทำงานในโหมด evaluation; โค้ดทำงานเช่นเดิม เพื่อโหลด license (แนะนำสำหรับ production) ให้วางไฟล์ `Aspose.OCR.lic` ในโฟลเดอร์ resources แล้วใช้: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** เก็บไฟล์ license ไว้ด้านนอกระบบ version control เพื่อหลีกเลี่ยงการเปิดเผยโดยบังเอิญ + +--- + +## ขั้นตอนที่ 2: สร้างอินสแตนซ์ `OcrEngine` ที่ Thread‑Safe + +`OcrEngine` ของ Aspose OCR เป็น thread‑safe ตราบใดที่คุณใช้อินสแตนซ์เดียวกันหลายงาน การสร้างเพียงครั้งเดียวช่วยประหยัดหน่วยความจำและลดค่าใช้จ่ายจากการรี‑อินิชิอัลไจ engine สำหรับแต่ละภาพ + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +ทำไมต้อง reuse? คิดว่า engine เป็น worker ตัวหนักที่โหลดโมเดลภาษาเข้า memory การสร้าง engine ใหม่สำหรับแต่ละภาพเหมือนจ้างผู้เชี่ยวชาญใหม่ทุกงาน – แพงและไม่จำเป็น + +--- + +## ขั้นตอนที่ 3: ตั้งค่า Fixed Thread Pool Java + +ต่อไปคือส่วนสำคัญ: **fixed thread pool java** เราจะกำหนดขนาดให้เท่ากับจำนวน logical processor เพื่อให้ทุกคอร์ทำงานโดยไม่เกิดการ oversubscribe + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +การใช้ *fixed* pool (แทน cached) ให้การใช้ทรัพยากรคาดเดาได้และป้องกัน “out‑of‑memory” spikes เมื่อมีภาพหลายร้อยไฟล์มาพร้อมกัน + +--- + +## ขั้นตอนที่ 4: ระบุไฟล์ PNG ที่ต้องการประมวลผล (Extract Text from PNG) + +รวบรวมพาธของภาพที่ต้องการ OCR ในโปรเจคจริงคุณอาจสแกนโฟลเดอร์หรืออ่านจากฐานข้อมูล; ที่นี่เราจะ hard‑code ตัวอย่างไม่กี่ไฟล์ + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** ส่วนขยายไฟล์ **png** มีความสำคัญเพราะ Aspose OCR ตรวจจับฟอร์แมตอัตโนมัติ, แต่คุณก็สามารถใส่ JPEG หรือ TIFF ได้เช่นกัน + +--- + +## ขั้นตอนที่ 5: ส่งงาน OCR – Parallel OCR Processing + +แต่ละภาพจะกลายเป็น callable ที่คืนค่าข้อความที่จดจำได้ เนื่องจาก `OcrEngine` ถูกแชร์ เราแค่ส่งพาธไฟล์เข้าไปใน task + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +ทำไมต้องห่อใน `Future`? เพราะมันทำให้เราส่งงานทั้งหมดไปพร้อมกัน, แล้วค่อยเก็บผลลัพธ์ตามลำดับที่ส่ง – เหมาะกับการรักษาลำดับหน้าเมื่อ **convert scanned pages text** กลับเป็นเอกสาร + +--- + +## ขั้นตอนที่ 6: ดึงผลลัพธ์และแสดง (Convert Scanned Pages Text) + +ตอนนี้เรารอแต่ละ `Future` ให้เสร็จและพิมพ์ผลลัพธ์ `get()` จะบล็อกเฉพาะงานนั้นเท่านั้น, ไม่ใช่ทั้ง pool + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +ผลลัพธ์ที่แสดงบน console ปกติจะเป็นเช่นนี้: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +หากต้องการบันทึกผลลงไฟล์ ให้แทนที่ `System.out.println` ด้วย `Files.writeString` + +--- + +## ขั้นตอนที่ 7: ปิด Executor Service อย่างสะอาด + +เมื่อทุกงานเสร็จสิ้น จำเป็นต้อง **shut down executor service** มิฉะนั้น JVM อาจค้าง thread ที่ไม่ใช่ daemon ทำให้ไม่สามารถออกจากโปรแกรมได้อย่างราบรื่น + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +รูปแบบ `awaitTermination` ให้ pool มีโอกาสทำงานที่ค้างอยู่ให้เสร็จก่อนที่เราจะบังคับปิด การละเลยขั้นตอนนี้เป็นสาเหตุหลักของ memory leak ในแอปพลิเคชันที่ทำงานต่อเนื่อง + +--- + +## ตัวอย่างทำงานเต็มรูปแบบ + +รวมทุกส่วนเข้าด้วยกัน นี่คือโปรแกรมสมบูรณ์ที่คุณสามารถคัดลอก‑วางลงใน `ParallelBatchDemo.java` แล้วรันได้: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/thai/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..b519628e3 --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,193 @@ +--- +category: general +date: 2026-02-17 +description: เตรียมภาพสำหรับ OCR ด้วย Aspose OCR ใน Java เรียนรู้การเพิ่มความคมของภาพ + ตั้งค่าระดับความคม และจดจำข้อความจากภาพได้ภายในไม่กี่นาที. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: th +og_description: เตรียมภาพล่วงหน้าสำหรับ OCR ด้วย Aspose OCR Java คู่มือนี้แสดงวิธีเพิ่มความคมชัดของภาพ + ตั้งค่าระดับความคมชัด และจดจำข้อความจากภาพอย่างรวดเร็ว. +og_title: การเตรียมภาพสำหรับ OCR – บทเรียน Java เพื่อเพิ่มคอนทราสต์และสกัดข้อความ +tags: +- Java +- OCR +- Image Processing +title: การเตรียมภาพสำหรับ OCR – คู่มือ Java ครบวงจรเพื่อเพิ่มคอนทราสต์และดึงข้อความ +url: /th/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# การเตรียมภาพสำหรับ OCR – คู่มือ Java ฉบับสมบูรณ์ + +เคยต้องการ **preprocess image for OCR** แต่ไม่แน่ใจว่าการตั้งค่าใดทำให้ผลลัพธ์แตกต่างจริงหรือไม่? คุณไม่ได้เป็นคนเดียวที่เจอเรื่องนี้. นักพัฒนาส่วนใหญ่จะโยนภาพเข้าไปในเครื่อง OCR แล้วหวังว่าเวทมนตร์จะทำงาน, แต่กลับได้ผลลัพธ์ที่อ่านไม่ออก. ในบทแนะนำนี้เราจะพาคุณผ่านตัวอย่างเชิงปฏิบัติแบบครบวงจรที่ **boosts image contrast**, ปรับ **contrast level**, และสุดท้าย **recognizes text from image** ด้วย Aspose OCR for Java. + +เมื่อคุณทำเสร็จแล้ว, คุณจะได้โค้ดสแนปช็อตที่สามารถใช้ซ้ำได้ซึ่ง **extracts text using OCR** อย่างเชื่อถือได้, แม้ในสแกนที่มีเสียงรบกวน. ไม่มีเทคนิคลับ, มีเพียงขั้นตอนที่ชัดเจนและเหตุผลเบื้องหลังแต่ละขั้นตอน. + +## สิ่งที่คุณต้องการ + +- Java 17 หรือใหม่กว่า (โค้ดสามารถคอมไพล์กับ JDK ล่าสุดใดก็ได้) +- ไลบรารี Aspose OCR for Java (ดาวน์โหลดจากเว็บไซต์อย่างเป็นทางการของ Aspose) +- ไฟล์ลิขสิทธิ์ Aspose OCR ที่ถูกต้อง (`Aspose.OCR.lic`) +- ภาพอินพุต (`input.jpg`) ที่คุณต้องการอ่าน +- IDE ที่คุณชื่นชอบหรือการตั้งค่าแบบบรรทัดคำสั่งง่าย ๆ + +หากคุณมีทั้งหมดนี้แล้ว, เยี่ยม—มาเริ่มกันเลย. + +## ขั้นตอนที่ 1: โหลดลิขสิทธิ์ Aspose OCR (การตั้งค่าเบื้องต้น) + +ก่อนที่เครื่อง OCR จะทำงานใด ๆ, มันต้องรู้ว่าคุณมีลิขสิทธิ์แล้ว. มิฉะนั้นคุณจะเจอลายน้ำเวอร์ชันทดลอง. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**ทำไมเรื่องนี้ถึงสำคัญ:** หากไม่มีลิขสิทธิ์ที่ถูกต้อง, เครื่องจะทำงานในโหมดประเมินผล, ซึ่งอาจทำให้ผลลัพธ์ถูกตัดหรือมีลายน้ำ. การตั้งค่าลิขสิทธิ์ตั้งแต่แรกยังช่วยให้ตัวเลือกการเตรียมภาพใด ๆ ที่ตามมาถูกนำไปใช้ในโหมดเต็มคุณสมบัติ. + +## ขั้นตอนที่ 2: เริ่มต้น OcrEngine + +การสร้างอินสแตนซ์ `OcrEngine` จะทำให้คุณเข้าถึงทั้ง pipeline การจดจำและการเตรียมภาพ. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**เคล็ดลับ:** เก็บ engine เป็น singleton หากคุณวางแผนจะประมวลผลหลายภาพในชุด; มันจะเก็บแคชทรัพยากรภายในและเร่งการเรียกใช้ครั้งต่อไป. + +## ขั้นตอนที่ 3: กำหนดค่าการเตรียมภาพ – Deskew, Denoise, และการเพิ่มคอนทราสต์ + +นี่คือจุดที่เราจะ **preprocess image for OCR**. สามตัวควบคุมที่เราจะปรับคือ: + +1. **Deskew** – แก้ไขการหมุนเล็กน้อย. +2. **Denoise** – ลบจุดรบกวนที่ทำให้การแยกอักขระสับสน. +3. **Contrast enhancement** – ทำให้ข้อความสีเข้มเด่นชัดขึ้นจากพื้นหลัง. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### ทำไมต้องปรับระดับคอนทราสต์? + +การเพิ่มระดับคอนทราสต์จะขยายฮิสโตแกรมของภาพ, ทำให้พิกเซลสีเข้มเข้มขึ้นและพิกเซลสีสว่างสว่างขึ้น. ในการใช้งานจริง, **contrast level** ที่ `1.3f` มักให้สมดุลที่ดีที่สุดสำหรับเอกสารพิมพ์, ในขณะที่ค่าที่มากกว่า `1.5f` อาจทำให้เส้นบาง ๆ แสงจ้าเกินไป. คุณสามารถทดลองได้ตามต้องการ; การตั้งค่านี้เปลี่ยนแปลงได้ง่ายและสามารถปรับปรุงอัตราความสำเร็จของ **recognize text from image** อย่างมาก. + +## ขั้นตอนที่ 4: เตรียมภาพอินพุต + +คลาส `OcrInput` จัดการไฟล์ให้คุณโดยอัตโนมัติ. คุณสามารถเพิ่มหลายภาพได้หากต้องการประมวลผลเป็นชุด. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**กรณีขอบ:** หากภาพของคุณอยู่ในรูปแบบที่ไม่มาตรฐาน (เช่น TIFF ที่มีหลายหน้า), คุณสามารถโหลดแต่ละหน้าต่างหากหรือแปลงเป็น PNG/JPEG ก่อน. + +## ขั้นตอนที่ 5: ทำการจดจำ + +ตอนนี้ engine จะรัน pipeline การเตรียมภาพที่เราตั้งค่าไว้, จากนั้นส่งภาพที่ทำความสะอาดแล้วไปยังอัลกอริทึม OCR หลัก. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**อะไรกำลังเกิดขึ้นเบื้องหลัง?** Aspose OCR จะทำการแปลง deskew ก่อน, จากนั้นรันฟิลเตอร์ denoise, และสุดท้ายปรับคอนทราสต์ก่อนส่งภาพไปยัง recognizer ที่ใช้ neural‑network. ลำดับนี้ตั้งใจไว้; การเปลี่ยนลำดับอาจทำให้ผลลัพธ์ไม่ดีที่สุด. + +## ขั้นตอนที่ 6: แสดงข้อความที่จดจำได้ + +สุดท้าย, เราจะพิมพ์สตริงที่สกัดออกมาที่คอนโซล. ในแอปพลิเคชันจริงคุณอาจเขียนลงไฟล์หรือส่งผ่านเครือข่าย. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### ผลลัพธ์ที่คาดหวัง + +หาก `input.jpg` มีข้อความ “Hello World!” คอนโซลควรแสดง: + +``` +Hello World! +``` + +หากผลลัพธ์ดูเป็นอักขระผสม, ตรวจสอบค่าการเตรียมภาพอีกครั้ง—โดยเฉพาะ **contrast level** และ **denoise mode**—และลองใช้รูปแบบภาพอื่น. + +## โบนัส: แสดงภาพที่เตรียมไว้ล่วงหน้า (ออปชัน) + +บางครั้งคุณอาจต้องการดูว่า engine เห็นอย่างไรหลังจาก deskew, denoise, และการเพิ่มคอนทราสต์. Aspose OCR ให้คุณส่งออก bitmap ระหว่างขั้นตอน: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +เปิด `processed.png` ข้าง ๆ กับภาพต้นฉบับ; คุณจะสังเกตเห็นแนวขอบที่ตรงขึ้นและข้อความที่คมชัดขึ้น. ขั้นตอนนี้เป็นประโยชน์เมื่อคุณกำลังแก้ปัญหาว่าทำไมสแกนบางภาพถึงล้มเหลว. + +![preprocess image for OCR example](/images/ocr-preprocess-example.png "preprocess image for OCR – ก่อนและหลังการเพิ่มคอนทราสต์") + +*ภาพด้านบนแสดงให้เห็นว่าการเพิ่มคอนทราสต์และการลดสัญญาณรบกวนทำให้สแกนที่เบลอกลายเป็นภาพที่สะอาดและพร้อมสำหรับ OCR.* + +## ข้อผิดพลาดทั่วไปและวิธีหลีกเลี่ยง + +| Pitfall | Why it Happens | Fix | +|---------|----------------|-----| +| **Over‑contrasting** (`setContrastLevel` สูงเกินไป) | พื้นหลังสีอ่อนกลายเป็นสีขาว, ทำให้ตัวอักษรที่จางหายไป | ตั้งระดับไว้ระหว่าง 1.1 และ 1.4 สำหรับข้อความพิมพ์ส่วนใหญ่ | +| **Deskew tolerance too low** | การหมุนเล็กน้อยยังไม่ได้รับการแก้ไข | เพิ่มค่า `setDeskewAngleTolerance` เป็น 0.2 หรือ 0.3 สำหรับหนังสือที่สแกน | +| **Using GAUSSIAN denoise on binary images** | ทำให้ขอบเบลอ, ตัวอักษรรวมกัน | ใช้ `DenoiseMode.MEDIAN` สำหรับสแกนขาว‑ดำ | +| **Missing license** | Engine กลับไปใช้โหมดทดลอง, ทำให้ผลลัพธ์ถูกตัด | ตรวจสอบเส้นทางไปยัง `Aspose.OCR.lic` และไฟล์สามารถอ่านได้ | + +## ขั้นตอนต่อไป: ไปไกลกว่าการเตรียมภาพพื้นฐาน + +ตอนนี้คุณสามารถ **preprocess image for OCR** และ **extract text using OCR** แล้ว, พิจารณาการขยายต่อไปนี้: + +- **Language packs** – โหลดพจนานุกรมภาษาที่เฉพาะเจาะจงเพื่อปรับปรุงความแม่นยำสำหรับข้อความที่ไม่ใช่ภาษาอังกฤษ. +- **Region‑of‑interest (ROI) cropping** – โฟกัสที่ส่วนย่อยของภาพหากคุณต้องการเพียงบางส่วนของหน้า. +- **Batch processing** – วนลูปผ่านไดเรกทอรีของภาพ, ใช้ `OcrEngine` อินสแตนซ์เดียวกันเพื่อความเร็ว. +- **Integrate with PDF** – ผสาน Aspose OCR กับ Aspose PDF เพื่อแปลง PDF ที่สแกนเป็น PDF ที่ค้นหาได้ใน pipeline เดียว. + +แต่ละหัวข้อเหล่านี้จะรวมคีย์เวิร์ดรองของเราโดยธรรมชาติ: คุณยังคง **boost image contrast**, **set contrast level**, และยังคง **recognize text from image** ในหลายสถานการณ์. + +## สรุป + +เราได้ครอบคลุมทุกสิ่งที่คุณต้องการเพื่อ **preprocess image for OCR** ด้วย Aspose OCR for Java: การโหลดลิขสิทธิ์, การตั้งค่า deskew, denoise, และการเพิ่มคอนทราสต์, การส่งภาพ, และสุดท้าย **recognize text from image**. ด้วยตัวอย่างที่สมบูรณ์และสามารถรันได้ข้างต้น, คุณสามารถ **extract text using OCR** บนภาพใด ๆ ที่เตรียมไว้อย่างเหมาะสมได้แล้ว. + +ลองรันโค้ด, ปรับ **contrast level**, และดูความแม่นยำเพิ่มขึ้น. เมื่อคุณพร้อม, สำรวจโมเดลเฉพาะภาษา หรือ pipeline แบบ batch เพื่อเปลี่ยนเดโมภาพเดียวนี้ให้เป็นโซลูชันระดับการผลิต. + +*ขอให้เขียนโค้ดอย่างสนุกสนาน, และสแกนของคุณมีความคมชัดเสมอ!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/thai/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..2e693d61e --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: จดจำข้อความจากภาพอย่างรวดเร็วด้วย Aspose OCR ที่รองรับ GPU ใน Java. เรียนรู้การดึงข้อความจากภาพและตั้งค่า + ID ของอุปกรณ์ GPU เพื่อประสิทธิภาพที่ดีที่สุด. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: th +og_description: จดจำข้อความในภาพอย่างรวดเร็วด้วย Aspose OCR ที่รองรับ GPU ใน Java + คู่มือนี้แสดงวิธีดึงข้อความจากภาพและตั้งค่า ID ของอุปกรณ์ GPU. +og_title: จดจำข้อความในภาพโดยใช้ Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: จดจำข้อความจากภาพโดยใช้ Aspose OCR GPU – Java +url: /th/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# จดจำข้อความจากภาพด้วย Aspose OCR GPU – Java + +เคยต้อง **จดจำข้อความจากภาพ** ในแอปพลิเคชัน Java แต่ CPU ทำงานช้าเมื่อต้องจัดการไฟล์ขนาดใหญ่หรือไม่? คุณไม่ได้เป็นคนเดียว—นักพัฒนาหลายคนเจอปัญหาเดียวกันเมื่อต้องประมวลผลสแกนความละเอียดสูง ข่าวดีคือ Aspose OCR ให้คุณ **ดึงข้อความจากภาพ** บน GPU ทำให้เวลาในการประมวลผลลดลงอย่างมาก + +ในบทเรียนนี้เราจะเดินผ่านตัวอย่างที่พร้อมรันเต็มรูปแบบ ซึ่งจะแสดงวิธีตั้งค่าไลเซนส์, เปิดใช้งานการเร่งความเร็วด้วย GPU, และ **ตั้งค่า gpu device id** เมื่อคุณมีการ์ดกราฟิกหลายตัว สุดท้ายคุณจะได้โปรแกรมที่พิมพ์ข้อความที่จดจำได้ลงคอนโซล—ไม่มีขั้นตอนเพิ่มเติมใด ๆ + +## สิ่งที่คุณต้องเตรียม + +- **Java 17** หรือใหม่กว่า (API รองรับ Java 8+ แต่ LTS ล่าสุดให้ประสิทธิภาพดีกว่า) +- ไลบรารี **Aspose OCR for Java** (ดาวน์โหลดไฟล์ JAR จากเว็บไซต์ Aspose) +- ไฟล์ไลเซนส์ **Aspose OCR** ที่ถูกต้อง (`Aspose.OCR.lic`) เวอร์ชันทดลองใช้ได้ แต่ฟีเจอร์ GPU จะต้องมีไลเซนส์เต็ม +- ไฟล์ภาพ (`sample-image.png`) ที่มีข้อความอ่านได้ชัดเจน +- สภาพแวดล้อมที่รองรับ GPU (การ์ด NVIDIA ที่เข้ากันได้กับ CUDA จะดีที่สุด) + +หากคุณไม่คุ้นเคยกับข้อใดข้อหนึ่ง ไม่ต้องกังวล—แต่ละหัวข้อจะอธิบายต่อไป + +## ขั้นตอนที่ 1: เพิ่ม Aspose OCR ลงในโปรเจกต์ของคุณ + +แรกสุดให้ใส่ไฟล์ JAR ของ Aspose OCR ลงใน classpath หากใช้ Maven ให้เพิ่ม dependency ต่อไปนี้ใน `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +สำหรับ Gradle ให้ใช้: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +หากคุณชอบวิธีแมนนวล ให้วาง JAR ลงในโฟลเดอร์ `libs/` แล้วเพิ่มเข้าไปใน module path ของ IDE + +> **เคล็ดลับ:** ควรทำให้หมายเลขเวอร์ชันตรงกับบันทึกการปล่อยของไลบรารี; เวอร์ชันใหม่มักมีการปรับปรุงประสิทธิภาพสำหรับการประมวลผลด้วย GPU + +## ขั้นตอนที่ 2: โหลดไลเซนส์ Aspose OCR (จำเป็นสำหรับการใช้ GPU) + +หากไม่มีไลเซนส์ การเรียก `setEnableGpu(true)` จะกลับไปใช้โหมด CPU อย่างเงียบ ๆ โหลดไลเซนส์ตั้งแต่เริ่มต้นเมธอด `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +แทนที่ `YOUR_DIRECTORY` ด้วยพาธเต็มหรือพาธสัมพันธ์ที่คุณเก็บไฟล์ `.lic` หากพาธผิด Aspose จะโยน `FileNotFoundException` ตรวจสอบการสะกดให้ถูกต้อง + +## ขั้นตอนที่ 3: สร้าง OCR engine และเปิดการเร่งความเร็วด้วย GPU + +ตอนนี้เราจะสร้างอ็อบเจ็กต์ `OcrEngine` และบอกให้ใช้ GPU เมธอด `setGpuDeviceId` ช่วยให้คุณเลือกการ์ดเฉพาะเมื่อมีมากกว่าหนึ่งตัว + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +ทำไมต้องระบุ device ID? ในเซิร์ฟเวอร์ที่มีหลาย GPU คุณอาจจองการ์ดหนึ่งสำหรับการเตรียมภาพและอีกการ์ดหนึ่งสำหรับ OCR การตั้งค่า ID จะทำให้ฮาร์ดแวร์ที่ถูกต้องทำงานหนักแทน + +## ขั้นตอนที่ 4: เตรียมภาพอินพุต + +Aspose OCR รองรับหลายรูปแบบ (PNG, JPG, BMP, TIFF) ให้ห่อไฟล์ของคุณในอ็อบเจ็กต์ `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +หากต้องการประมวลผลจากสตรีม (เช่นไฟล์ที่อัปโหลด) ให้ใช้ `ocrInput.add(InputStream)` แทน + +## ขั้นตอนที่ 5: รันกระบวนการจดจำและดึงผลลัพธ์ + +เมธอด `recognize` จะคืนค่า `OcrResult` ซึ่งบรรจุข้อความธรรมดา, คะแนนความมั่นใจ, และข้อมูลเลย์เอาต์หากต้องการ + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +คอนโซลจะแสดงผลประมาณนี้: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +หากภาพเบลอหรือภาษาที่ใช้ไม่รองรับ ผลลัพธ์อาจเป็นค่าว่าง ในกรณีนั้นตรวจสอบค่า `ocrResult.getConfidence()` (0‑100) เพื่อพิจารณาว่าจะทำการประมวลผลใหม่ด้วยการเตรียมภาพหรือไม่ + +## ตัวอย่างเต็มที่สามารถรันได้ + +รวมทุกส่วนเข้าด้วยกันจะได้คลาส Java เดียวที่คุณสามารถคัดลอก‑วางลงใน IDE ได้: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **ผลลัพธ์ที่คาดหวัง:** คอนโซลพิมพ์ข้อความที่ปรากฏใน `sample-image.png` อย่างตรงไปตรงมา หาก GPU ทำงานอยู่ คุณจะสังเกตเห็นเวลาในการประมวลผลลดจากหลายวินาที (CPU) เหลือน้อยกว่า 1 วินาทีสำหรับสแกน 300 dpi ปกติ + +## คำถามที่พบบ่อยและกรณีขอบ + +### ทำงานได้บนเซิร์ฟเวอร์แบบ headless หรือไม่? + +ได้ครับ ต้องติดตั้งไดรเวอร์ GPU แต่ไม่จำเป็นต้องมีจอแสดงผล เพียงตรวจสอบให้ `CUDA` toolkit (หรือเทียบเท่าสำหรับ GPU ของคุณ) อยู่ใน `PATH` ของระบบ + +### ถ้ามี GPU มากกว่าหนึ่งตัวและต้องการใช้ GPU 1 จะทำอย่างไร? + +เปลี่ยนค่า device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### จะดึงข้อความจากภาพในภาษาต่าง ๆ อย่างไร? + +ตั้งค่าภาษาให้กับ engine ก่อนเรียก `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose รองรับมากกว่า 30 ภาษา; ดูเอกสาร API เพื่อดูรายการเต็ม + +### หากภาพมีหลายหน้า (เช่น PDF ที่แปลงเป็นภาพ) จะทำอย่างไร? + +สร้างรายการ `OcrInput` แยกแต่ละหน้า หรือวนลูปไฟล์: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Engine จะต่อผลลัพธ์ตามลำดับหน้า + +### จะจัดการกับผลลัพธ์ที่ความมั่นใจต่ำอย่างไร? + +ตรวจสอบคะแนนความมั่นใจ: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +ขั้นตอนเตรียมภาพทั่วไป ได้แก่ การทำไบนารีเซชัน, ลดสัญญาณรบกวน, หรือปรับขนาดเป็น 300 dpi + +## เคล็ดลับเพื่อประสิทธิภาพ + +- **ประมวลผลเป็นชุด:** เพิ่มหลายภาพลงใน `OcrInput` เดียวจะลดค่าโอเวอร์เฮดจากการเริ่มต้นบริบท GPU ซ้ำหลายครั้ง +- **อุ่นเครื่อง:** รันการจดจำเทียมหนึ่งครั้งหลังจากเปิด JVM; การเรียกครั้งแรกจะใช้เวลาตั้งค่าไดรเวอร์ +- **การจัดการหน่วยความจำ:** ทำลายอ็อบเจ็กต์ `OcrInput` ขนาดใหญ่ (`ocrInput.clear()`) หลังใช้งานเพื่อคืนหน่วยความจำ GPU + +## สรุป + +ตอนนี้คุณรู้วิธี **จดจำข้อความจากภาพ** อย่างมีประสิทธิภาพด้วยเอ็นจิ้น GPU ของ Aspose OCR ใน Java, วิธี **ดึงข้อความจากภาพ** ในภาษาที่รองรับ, และวิธี **ตั้งค่า gpu device id** เมื่อทำงานกับการ์ดกราฟิกหลายตัว โค้ดที่สามารถรันได้เต็มรูปแบบข้างต้นควรทำงานได้ทันที—เพียงเปลี่ยนไลเซนส์และพาธภาพของคุณ + +พร้อมก้าวต่อไปหรือยัง? ลองประมวลผลโฟลเดอร์ของ PDF ที่สแกน, ทดลองตัวเลือก `setLanguage` ต่าง ๆ, หรือผสาน OCR กับโมเดลแมชชีนเลิร์นนิงเพื่อทำ post‑processing ความเป็นไปได้ไม่มีที่สิ้นสุดและการเร่งความเร็วด้วย GPU ทำให้โครงการขนาดใหญ่เป็นเรื่องทำได้ + +ขอให้เขียนโค้ดสนุกนะครับ และอย่าลังเลที่จะคอมเมนต์หากเจออุปสรรคใด ๆ! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/ocr-operations/_index.md b/ocr/thai/java/ocr-operations/_index.md index 62bd4ef9b..fa7aa5719 100644 --- a/ocr/thai/java/ocr-operations/_index.md +++ b/ocr/thai/java/ocr-operations/_index.md @@ -78,8 +78,18 @@ weight: 21 ปลดล็อกพลังของ OCR ใน Java ด้วย Aspose.OCR Recognize ข้อความในเอกสาร PDF อย่างง่ายดาย เพิ่มแอปพลิเคชันของคุณด้วยความแม่นยำและความเร็ว ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) ปลดล็อกการจดจำข้อความที่ทรงพลังใน Java ด้วย Aspose.OCR Recognize ข้อความในภาพ TIFF อย่างไม่มีอุปสรรค ดาวน์โหลดเลยเพื่อประสบการณ์ OCR ที่ไร้รอยต่อ +### [วิธีใช้ OCR ใน Java – ดึงข้อความจาก PDF ด้วย Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +เรียนรู้ขั้นตอนการใช้ OCR ใน Java เพื่อดึงข้อความจากไฟล์ PDF ด้วย Aspose.OCR อย่างละเอียดและง่ายดาย ### [จดจำข้อความจากภาพด้วย Aspose OCR – คำแนะนำเต็มสำหรับ Java OCR](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) เรียนรู้ขั้นตอนเต็มเพื่อจดจำข้อความจากภาพด้วย Aspose OCR ใน Java +### [จดจำข้อความจากภาพด้วย Aspose OCR – Java Tutorial](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +เรียนรู้วิธีจดจำข้อความจากภาพด้วย Aspose OCR ใน Java อย่างละเอียดและง่ายดาย +### [image to text java: ดึงข้อความอูรดูด้วย Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +เรียนรู้วิธีดึงข้อความภาษาอูรดูจากภาพด้วย Aspose OCR ใน Java อย่างละเอียดและง่ายดาย +### [สร้าง PDF ที่ค้นหาได้จากภาพใน Java – คู่มือขั้นตอน‑ต่อ‑ขั้นตอน](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +เรียนรู้วิธีแปลงภาพเป็น PDF ที่ค้นหาได้ด้วย Aspose.OCR for Java อย่างละเอียดและง่ายดาย +### [วิธีใช้ OCR ใน Java – ดึงข้อความจากภาพอย่างรวดเร็ว](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +เรียนรู้วิธีใช้ OCR ใน Java เพื่อดึงข้อความจากภาพอย่างรวดเร็วและแม่นยำในไม่กี่ขั้นตอน {{< /blocks/products/pf/tutorial-page-section >}} diff --git a/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..8f49b214e --- /dev/null +++ b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-02-17 +description: 'สร้าง PDF ที่ค้นหาได้อย่างรวดเร็ว: เรียนรู้วิธีสร้าง PDF จากภาพโดยใช้ + Aspose OCR, ตัวเลือกการบันทึก PDF, และแปลงภาพเป็น PDF ที่ค้นหาได้ในไม่กี่นาที.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: th +og_description: สร้าง PDF ที่ค้นหาได้ใน Java ด้วย Aspose OCR คำแนะนำนี้แสดงวิธีสร้าง + PDF จากภาพ, ตั้งค่าตัวเลือกการบันทึก PDF, และได้เอกสารที่สามารถค้นหาได้อย่างเต็มรูปแบบ. +og_title: สร้าง PDF ที่ค้นหาได้จากรูปภาพใน Java – บทเรียนครบถ้วน +tags: +- Aspose OCR +- Java +- PDF generation +title: สร้าง PDF ที่ค้นหาได้จากภาพใน Java – คู่มือแบบขั้นตอนต่อขั้นตอน +url: /th/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# สร้าง PDF ที่ค้นหาได้จากรูปภาพใน Java – คู่มือขั้นตอนโดยละเอียด + +เคยต้องการ **create searchable pdf** จากรูปสแกนแต่ไม่แน่ใจว่าจะเลือก API ไหนหรือไม่? คุณไม่ได้เป็นคนเดียว—นักพัฒนาหลายคนเจออุปสรรคนี้เมื่อต้องแปลงบิตแมพเป็น PDF ที่สามารถค้นหาได้ ข่าวดีคือ? ด้วย Aspose OCR คุณทำได้ในไม่กี่บรรทัด และผลลัพธ์ดูเหมือนภาพต้นฉบับอย่างแม่นยำพร้อมยังสามารถค้นหาเป็นข้อความได้ + +ในบทเรียนนี้เราจะเดินผ่านกระบวนการทั้งหมด: โหลดไลเซนส์, ป้อนรูปภาพ (หรือ TIFF หลายหน้า) ให้กับเครื่องมือ OCR, ปรับ **pdf save options**, และสุดท้ายเขียน **image to searchable pdf**. เมื่อเสร็จคุณจะมีโปรแกรม Java ที่พร้อมใช้งานซึ่งสร้าง PDF ที่ค้นหาได้ในไม่กี่วินาที ไม่ซับซ้อน ไม่ต้อง “ดูเอกสาร” เพียงตัวอย่างที่ทำงานได้เต็มรูปแบบ + +## สิ่งที่คุณจะได้เรียนรู้ + +- วิธี **convert image to pdf** และฝังชั้นข้อความที่ซ่อนอยู่เพื่อการค้นหา +- **pdf save options** ใดที่ควรเปิดใช้งานเพื่อให้ได้ขนาดและความแม่นยำที่ดีที่สุด +- ปัญหาที่พบบ่อย (เช่น ไฟล์ไลเซนส์หาย, รูปแบบภาพที่ไม่รองรับ) และวิธีหลีกเลี่ยง +- วิธีตรวจสอบว่าผลลัพธ์จริง ๆ แล้วสามารถค้นหาได้ (ทดสอบเร็วด้วย Adobe Reader) + +**Prerequisites:** Java 8 หรือใหม่กว่า, Maven หรือ Gradle เพื่อดึง Aspose OCR JAR, และไฟล์ไลเซนส์ Aspose OCR ที่ถูกต้อง หากคุณยังไม่มีไลเซนส์ คุณสามารถขอทดลองใช้ฟรีจากเว็บไซต์ของ Aspose + +--- + +## Step 1 – Load the Aspose OCR License (How to Create PDF Securely) + +ก่อนที่เครื่องมือ OCR จะทำงานใด ๆ มันต้องการไลเซนส์; หากไม่มีคุณจะได้หน้า PDF มีลายน้ำ วางไฟล์ `Aspose.OCR.lic` ไว้ในตำแหน่งที่เข้าถึงได้ แล้วชี้คลาส `License` ไปที่ไฟล์นั้น + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** เก็บไฟล์ไลเซนส์ให้อยู่ไกลจากไดเรกทอรีที่อยู่ภายใต้การควบคุมเวอร์ชันเพื่อหลีกเลี่ยงการคอมมิตโดยบังเอิญ + +--- + +## Step 2 – Prepare the OCR Input (Convert Image to PDF) + +Aspose OCR ยอมรับอ็อบเจ็กต์ `OcrInput` ที่สามารถบรรจุภาพได้หนึ่งหรือหลายภาพ ที่นี่เราเพิ่ม PNG หนึ่งไฟล์ แต่คุณก็สามารถป้อน TIFF หลายหน้าเพื่อประมวลผลเป็นชุดได้เช่นกัน + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Why this matters:** การเพิ่มภาพเข้า `OcrInput` ทำให้การจัดการไฟล์แยกออกจากเครื่องมือ OCR ช่วยให้คุณใช้โค้ดเดียวกันได้ทั้งกรณีหน้าเดียวและหลายหน้า + +--- + +## Step 3 – Configure PDF Save Options (PDF Save Options Explained) + +คลาส `PdfSaveOptions` ควบคุมวิธีการสร้าง PDF สุดท้าย มีสองฟล็อกที่สำคัญสำหรับ **searchable pdf**: + +1. `setCreateSearchablePdf(true)` – บอกเครื่องมือให้ฝังชั้นข้อความที่ซ่อนอยู่ตามผลลัพธ์ OCR +2. `setEmbedImages(true)` – เก็บภาพราสเตอร์ต้นฉบับไว้เพื่อให้ลักษณะภาพคงเดิม + +คุณยังสามารถปรับ DPI, การบีบอัด, หรือการป้องกันด้วยรหัสผ่านได้หากต้องการ + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Edge case:** หากคุณตั้งค่า `setCreateSearchablePdf(false)` ผลลัพธ์จะเป็น PDF ที่มีภาพอย่างเดียวโดยไม่มีข้อความที่ค้นหาได้ อย่าลืมตรวจสอบฟล็อกนี้เมื่อทำงานอัตโนมัติเป็นชุดใหญ่ + +--- + +## Step 4 – Run OCR and Write the Searchable PDF (The Core “How to Create PDF” Logic) + +ตอนนี้เรานำทุกอย่างมารวมกัน เมธอด `recognize` จะทำ OCR บน `OcrInput` ที่ให้มา, ใช้ `PdfSaveOptions`, และสตรีมผลลัพธ์ไปยังไฟล์ + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Expected Result + +หลังจากรันโปรแกรมแล้ว เปิดไฟล์ `output-searchable.pdf` ด้วยโปรแกรมดู PDF ใดก็ได้ (Adobe Reader, Foxit ฯลฯ) แล้วลองเลือกข้อความหรือใช้ช่องค้นหา คุณควรจะพบคำที่อยู่ในภาพเดิม นั่นคือสัญญาณของ **searchable PDF** ที่สำเร็จ + +--- + +## Step 5 – Verify the Searchable Layer (Quick QA) + +บางครั้งความมั่นใจของ OCR อาจต่ำโดยเฉพาะกับสแกนความละเอียดต่ำ วิธีตรวจสอบอย่างรวดเร็วคือ: + +1. เปิด PDF ใน Adobe Reader +2. กด **Ctrl + F** แล้วพิมพ์คำที่คุณรู้ว่ามีในภาพ +3. หากคำถูกไฮไลต์ แสดงว่าชั้นข้อความที่ซ่อนอยู่ทำงานได้ + +หากการค้นหาไม่สำเร็จ ให้ลองเพิ่ม DPI ของภาพต้นฉบับหรือเปิดใช้พจนานุกรมเฉพาะภาษาโดยใช้ `ocrEngine.getLanguage().add("eng")` + +--- + +## Common Questions & Gotchas + +| Question | Answer | +|----------|--------| +| **Can I process a multi‑page TIFF?** | ได้—เพียงเพิ่มแต่ละหน้าลงใน `OcrInput` เดียวกัน (`ocrInput.add(tiffPath)`) Aspose OCR จะถือแต่ละเฟรมเป็นหน้าแยก | +| **What if I don’t have a license?** | รุ่นทดลองฟรีทำงานได้แต่จะใส่ลายน้ำทุกหน้า โค้ดยังคงเหมือนเดิม เพียงใช้ไฟล์ `.lic` รุ่นทดลอง | +| **How large will the PDF be?** | เมื่อเปิด `setEmbedImages(true)` ขนาดไฟล์จะประมาณขนาดของภาพต้นฉบับบวกกับไม่กี่กิโลไบต์สำหรับข้อความที่ซ่อนอยู่ คุณสามารถบีบอัดภาพด้วย `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)` | +| **Do I need to set a language for OCR?** | โดยค่าเริ่มต้น Aspose OCR ใช้ภาษาอังกฤษ หากต้องการภาษาอื่นให้เรียก `ocrEngine.getLanguage().add("spa")` ก่อน `recognize` | +| **Is the output PDF searchable on mobile devices?** | แน่นอน—โปรแกรมดู PDF บนมือถือส่วนใหญ่รองรับชั้นข้อความที่ซ่อนอยู่ | + +--- + +## Bonus: Turning the Demo into a Reusable Utility + +หากคุณต้องการใช้ฟังก์ชันนี้ในหลายโครงการ ให้ห่อหุ้มตรรกะเป็นเมธอดสเตติกช่วยเหลือ: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +ตอนนี้คุณสามารถเรียก `PdfSearchableUtil.convert(...)` จากส่วนใดของโค้ดก็ได้ ทำให้การ **convert image to pdf** กลายเป็นบรรทัดเดียว + +--- + +## Conclusion + +เราได้ครอบคลุมทุกอย่างที่คุณต้องการเพื่อ **create searchable pdf** จากภาพใน Java ด้วย Aspose OCR ตั้งแต่การโหลดไลเซนส์, การสร้างอินพุต OCR, การปรับ **pdf save options**, จนถึงการเขียน **image to searchable pdf** บทเรียนนี้ให้โซลูชันที่คัดลอก‑วางได้ครบถ้วน + +ก้าวต่อไปด้วยการทดลองรูปแบบภาพต่าง ๆ, ปรับ DPI, หรือเพิ่มการป้องกันด้วยรหัสผ่านผ่าน `PdfSaveOptions` คุณอาจลองประมวลผลเป็นชุด—วนลูปโฟลเดอร์สแกนและสร้าง PDF ที่ค้นหาได้สำหรับแต่ละไฟล์ + +หากคุณพบว่าคู่มือนี้มีประโยชน์ อย่าลืมให้ดาวน์โหลดดาวน์โหลดบน GitHub หรือแสดงความคิดเห็นด้านล่าง ขอให้เขียนโค้ดอย่างสนุกและเปลี่ยนสแกนที่น่าเบื่อให้เป็นเอกสารที่ค้นหาได้เต็มที่! + +![ตัวอย่างการสร้าง PDF ที่ค้นหาได้](placeholder-image.png "ตัวอย่างการสร้าง searchable pdf") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..5bfed8ad9 --- /dev/null +++ b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: วิธีใช้ OCR ใน Java เพื่อดึงข้อความจาก PDF, แปลง PDF เป็นภาพ, และทำ OCR + บนไฟล์ PDF ที่สแกนโดยใช้ Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: th +og_description: วิธีใช้ OCR ใน Java เพื่อดึงข้อความจากไฟล์ PDF เรียนรู้การแปลง PDF + เป็นภาพและการจดจำ PDF ที่สแกนด้วย Aspose.OCR. +og_title: วิธีใช้ OCR ใน Java – คู่มือครบถ้วน +tags: +- OCR +- Java +- Aspose +title: วิธีใช้ OCR ใน Java – ดึงข้อความจาก PDF ด้วย Aspose.OCR +url: /th/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# วิธีใช้ OCR ใน Java – ดึงข้อความจาก PDF ด้วย Aspose.OCR + +เคยสงสัย **วิธีใช้ OCR** เพื่อแปลง PDF ที่สแกนเป็นข้อความที่ค้นหาได้หรือไม่? คุณไม่ได้เป็นคนเดียว นักพัฒนาส่วนใหญ่มักเจอปัญหาเมื่อ PDF มาถึงในรูปแบบของภาพหลายๆ หน้า และเครื่องมือดึงข้อความทั่วไปก็ให้ผลลัพธ์เป็นศูนย์ ข่าวดีคือ ด้วยเพียงไม่กี่บรรทัดของ Java และ Aspose.OCR คุณสามารถ **ดึงข้อความจาก PDF**, **แปลง PDF เป็นภาพ**, และ **จดจำ PDF ที่สแกน** ได้ในขั้นตอนเดียวที่ง่ายดาย + +ในบทแนะนำนี้เราจะพาคุณผ่านทุกอย่างที่ต้องรู้—from การรับลิขสิทธิ์ของไลบรารีจนถึงการพิมพ์ผลลัพธ์สุดท้าย เมื่อจบคุณจะมีโปรแกรมที่พร้อมรันเพื่อดึงข้อความธรรมดาออกจากรายงาน, ใบแจ้งหนี้ หรืออีบุ๊คที่สแกนใดๆ ไม่ต้องพึ่งบริการภายนอก ไม่ต้องใช้เวทมนตร์—เพียงโค้ด Java ที่คุณควบคุมเอง + +## สิ่งที่คุณต้องมี + +- **Java Development Kit (JDK) 8+** – เวอร์ชันล่าสุดใดก็ได้ +- **Aspose.OCR for Java** JAR (ดาวน์โหลดจากเว็บไซต์ของ Aspose) +- **ไฟล์ลิขสิทธิ์ Aspose.OCR ที่ถูกต้อง** (`Aspose.OCR.lic`) เวอร์ชันทดลองฟรีก็ใช้ได้ แต่ลิขสิทธิ์เต็มจะให้ความแม่นยำสูงสุด +- **PDF ที่สแกนตัวอย่าง** (เช่น `scanned-report.pdf`) +- IDE หรือโปรแกรมแก้ไขข้อความธรรมดาพร้อมเทอร์มินัล + +แค่นั้นเอง ไม่ต้องใช้ Maven, Gradle หรือ dependency เพิ่มเติม—แค่ใส่ Aspose.OCR JAR ลงใน classpath + +![ตัวอย่างการใช้ OCR](image-placeholder.png "ตัวอย่างการใช้ OCR") + +## ขั้นตอนที่ 1 – โหลดลิขสิทธิ์ Aspose.OCR (ทำไมต้องทำ) + +ก่อนที่เอนจินจะทำงานเต็มประสิทธิภาพ คุณต้องบอกตำแหน่งไฟล์ลิขสิทธิ์ให้มันรู้ หากข้ามขั้นตอนนี้ ไลบรารีจะอยู่ในโหมดทดลอง ซึ่งจะใส่ลายน้ำบนผลลัพธ์และอาจจำกัดความแม่นยำ + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**ทำไมถึงได้ผล:** คลาส `License` จะอ่านไฟล์ `.lic` แล้วลงทะเบียนแบบทั่วโลก หลังจากตั้งค่าแล้ว ทุก `OcrEngine` ที่คุณสร้างจะใช้ฟีเจอร์ที่ได้รับลิขสิทธิ์โดยอัตโนมัติ + +## ขั้นตอนที่ 2 – สร้าง OCR Engine (เอนจินที่ทำงานเบื้องหลัง) + +อินสแตนซ์ `OcrEngine` คือหัวใจหลักที่สแกนภาพและแปลงเป็นข้อความ คิดว่าเป็นสมองที่ตีความรูปแบบพิกเซล + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**เคล็ดลับ:** คุณสามารถปรับภาษา, ค่า confidence threshold, หรือแม้กระทั่งเปิดการเร่งความเร็วด้วย GPU ผ่านคุณสมบัติของเอนจิน สำหรับ PDF ภาษาอังกฤษส่วนใหญ่ค่าเริ่มต้นก็เพียงพอ + +## ขั้นตอนที่ 3 – เตรียมข้อมูลเข้า: เพิ่ม PDF ของคุณ (แปลง PDF เป็นภาพภายใน) + +Aspose.OCR จะถือแต่ละหน้าของ PDF เป็นภาพ เมื่อคุณเรียก `addPdf` ไลบรารีจะทำการ rasterize แต่ละหน้าโดยอัตโนมัติ ซึ่งเป็นสิ่งที่คุณต้องการเพื่อ **แปลง PDF เป็นภาพ** ก่อนทำการจดจำ + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**สิ่งที่เกิดขึ้น:** +- PDF ถูกเปิดขึ้น +- แต่ละหน้าเรนเดอร์ที่ 300 dpi (ค่าเริ่มต้น) เพื่อรักษารายละเอียดของอักขระ +- วัตถุ bitmap ที่เรนเดอร์จะถูกเก็บไว้ในคอลเลกชัน `OcrInput` + +หากคุณต้องการภาพดิบ (เพื่อดีบักหรือทำการประมวลผลล่วงหน้า) ให้เรียก `ocrInput.getPages()` หลังจากขั้นตอนนี้ + +## ขั้นตอนที่ 4 – รันกระบวนการ OCR (ทำ OCR บน PDF) + +ตอนนี้งานหนักเริ่มขึ้นแล้ว เมธอด `recognize` จะวนลูปผ่านทุกภาพ, รันอัลกอริทึมจดจำ, และรวมผลลัพธ์ไว้ใน `OcrResult` + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**ทำไมคุณควรสนใจ:** `OcrResult` ไม่ได้มีแค่ข้อความธรรมดาเท่านั้น แต่ยังมีคะแนนความมั่นใจ, กล่องขอบเขต, และอ้างอิงภาพต้นฉบับ สำหรับการใช้งานส่วนใหญ่คุณแค่ต้องการ `getText()` เท่านั้น + +## ขั้นตอนที่ 5 – ดึงและแสดงข้อความที่สกัดออกมา + +สุดท้าย ดึงสตริงข้อความธรรมดาจากผลลัพธ์และพิมพ์ออกมา คุณยังสามารถบันทึกลงไฟล์, ส่งต่อไปยังดัชนีการค้นหา, หรือป้อนเข้าสู่ pipeline NLP ต่อไปได้ + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### ผลลัพธ์ที่คาดหวัง + +หาก `scanned-report.pdf` มีเพียงย่อหน้าง่าย ๆ คุณจะเห็นข้อความประมาณนี้: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +รูปแบบจะสะท้อนโครงสร้างต้นฉบับโดยคงการขึ้นบรรทัดใหม่ไว้เท่าที่เป็นไปได้ + +## การจัดการกรณีขอบทั่วไป + +### 1. PDF หลายภาษา + +หากเอกสารของคุณมีข้อความภาษาฝรั่งเศสหรือสเปน ให้ตั้งค่าภาษาก่อนเรียก `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +คุณสามารถส่งอาเรย์ของภาษาเพื่อให้เอนจินทำการตรวจจับอัตโนมัติได้ + +### 2. สแกนความละเอียดต่ำ + +เมื่อทำงานกับสแกน 150 dpi ให้เพิ่ม DPI การเรนเดอร์ภายใน: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +DPI ที่สูงขึ้นช่วยให้ตัวอักษรคมชัดขึ้น แต่จะใช้หน่วยความจำมากขึ้น + +### 3. PDF ขนาดใหญ่ (การจัดการหน่วยความจำ) + +สำหรับ PDF ที่มีหลายสิบหน้า ให้ประมวลผลเป็นชุด: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +วิธีนี้จะช่วยป้องกันไม่ให้ heap ของ JVM เติบโตจนเกินขนาด + +## ตัวอย่างเต็มพร้อมรัน + +ด้านล่างเป็นโปรแกรมสมบูรณ์—รวมการ import และการจัดการลิขสิทธิ์—เพื่อให้คุณคัดลอกและรันได้ทันที + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +รันด้วยคำสั่ง: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +คุณควรเห็นข้อความที่สกัดออกมาปรากฏบนคอนโซล + +## สรุป – สิ่งที่เราได้ครอบคลุม + +- **วิธีใช้ OCR** ใน Java ด้วย Aspose.OCR +- ขั้นตอนการ **ดึงข้อความจาก PDF** +- ภายในไลบรารีจะ **แปลง PDF เป็นภาพ** ก่อนทำการจดจำอักขระ +- เคล็ดลับสำหรับ **ทำ OCR บน PDF** ที่มีหลายภาษา, สแกนความละเอียดต่ำ, และเอกสารขนาดใหญ่ +- ตัวอย่างโค้ดที่พร้อมรันที่คุณสามารถใส่ลงในโปรเจกต์ Java ใดก็ได้ + +## ขั้นตอนต่อไป & หัวข้อที่เกี่ยวข้อง + +เมื่อคุณสามารถ **จดจำ PDF ที่สแกน** ได้แล้ว ลองสำรวจไอเดียต่อไปนี้: + +- **สร้าง PDF ที่ค้นหาได้** – นำข้อความ OCR กลับไปวางบน PDF ต้นฉบับเพื่อสร้างเอกสารที่ค้นหาได้ +- **บริการประมวลผลแบบแบตช์** – ห่อหุ้มโค้ดใน microservice ของ Spring Boot ที่รับ PDF ผ่าน REST +- **เชื่อมต่อกับ Elasticsearch** – ทำดัชนีข้อความที่สกัดเพื่อการค้นหาเต็มข้อความอย่างรวดเร็วในคลังเอกสารของคุณ +- **การประมวลผลภาพล่วงหน้า** – ใช้ OpenCV เพื่อลบการเอียงหรือสัญญาณรบกวนของหน้า ก่อนทำ OCR เพื่อความแม่นยำที่สูงขึ้น + +หัวข้อเหล่านี้ต่อยอดจากแนวคิดหลักที่เราได้สำรวจไว้แล้ว อย่ากลัวที่จะทดลองและให้ OCR engine ทำงานหนักแทนคุณ + +--- + +*ขอให้เขียนโค้ดสนุก! หากเจออุปสรรค—เช่นข้อผิดพลาดลิขสิทธิ์หรือผลลัพธ์เป็น null—แสดงความคิดเห็นด้านล่างได้เลย ฉันพร้อมช่วยดีบักเสมอ* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..632835464 --- /dev/null +++ b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: เรียนรู้วิธีใช้ OCR ใน Java เพื่อจดจำข้อความจากไฟล์รูปภาพ ดึงข้อความจากใบเสร็จ + PNG และแปลงใบเสร็จเป็น JSON ด้วย Aspose OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: th +og_description: คู่มือแบบขั้นตอนต่อขั้นตอนเกี่ยวกับวิธีใช้ OCR ใน Java เพื่อจดจำข้อความจากภาพ + ดึงข้อความจากใบเสร็จ PNG และแปลงใบเสร็จเป็น JSON. +og_title: วิธีใช้ OCR ใน Java – แยกข้อความจากรูปภาพ +tags: +- OCR +- Java +- Aspose +- Image Processing +title: วิธีใช้ OCR ใน Java – แยกข้อความจากรูปภาพอย่างรวดเร็ว +url: /th/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# วิธีใช้ OCR ใน Java – รับรู้ข้อความจากภาพอย่างรวดเร็ว + +เคยสงสัย **how to use OCR** เพื่อดึงข้อความออกจากรูปถ่ายของใบเสร็จหรือไม่? บางครั้งคุณอาจลองใช้เครื่องมือออนไลน์หลายตัวแล้วได้ผลลัพธ์เป็นอักขระที่บิดเบี้ยวหรือรูปแบบที่อ่านไม่ออก ข่าวดีคือด้วยโค้ด Java เพียงไม่กี่บรรทัดคุณก็สามารถ **recognize text from image** จากไฟล์ภาพ, **extract text from PNG** ใบเสร็จ, และแม้กระทั่ง **convert receipt to JSON** เพื่อการประมวลผลต่อไปได้ + +ในบทแนะนำนี้เราจะเดินผ่านขั้นตอนการทำงานทั้งหมด—ตั้งแต่การขอใบอนุญาต Aspose OCR library จนถึงการได้ JSON payload ที่สะอาดพร้อมนำเข้าไปยังฐานข้อมูลหรือโมเดลแมชชีน‑เลิร์นนิง ไม่เสียเวลา แค่ตัวอย่างที่ทำงานได้จริงที่คุณสามารถคัดลอก‑วางลงใน IDE ของคุณได้เลย เมื่อทำเสร็จคุณจะมีโปรแกรมที่รับ `receipt.png` แล้วส่งออกเป็นสตริง JSON ที่พร้อมใช้ + +## สิ่งที่คุณต้องเตรียม + +- **Java Development Kit (JDK) 8+** – เวอร์ชันล่าสุดใดก็ได้ +- **Aspose OCR for Java** library (Maven artifact คือ `com.aspose:aspose-ocr`) +- ไฟล์ **ใบอนุญาต Aspose OCR ที่ใช้งานได้** (`Aspose.OCR.lic`) รุ่นทดลองฟรีใช้สำหรับทดสอบได้ แต่ใบอนุญาตเต็มจะลบข้อจำกัดการประเมินผลออก +- ไฟล์ภาพ (PNG, JPEG ฯลฯ) ที่มีข้อความที่คุณต้องการอ่าน—สมมติว่าเป็น `receipt.png` และวางไว้ในโฟลเดอร์ที่รู้จัก +- IDE ที่คุณชื่นชอบ (IntelliJ IDEA, Eclipse, VS Code…) – เลือกตามสบาย + +> **Pro tip:** เก็บไฟล์ใบอนุญาตไว้ไกลจากโฟลเดอร์ซอร์สและอ้างอิงด้วยพาธแบบ absolute หรือ relative เพื่อหลีกเลี่ยงการคอมมิตเข้า version control + +เมื่อเงื่อนไขเบื้องต้นพร้อมแล้ว ไปต่อที่โค้ดจริงกันเลย + +## วิธีใช้ OCR – ขั้นตอนหลัก + +ด้านล่างเป็นภาพรวมระดับสูงของการกระทำที่เราจะทำ: + +1. **Load the Aspose OCR library** และใช้ใบอนุญาตของคุณ +2. **Create an `OcrEngine` instance** – ตัว engine ที่ทำงานหนักให้ +3. **Prepare an `OcrInput` object** ชี้ไปที่ภาพที่ต้องการประมวลผล +4. **Call `recognize` with `ResultFormat.JSON`** เพื่อรับผลเป็น JSON ของข้อความที่สกัดออกมา +5. **Handle the JSON output** – พิมพ์, เขียนไฟล์, หรือแปลงต่อในขั้นตอนถัดไป + +แต่ละขั้นจะอธิบายรายละเอียดในส่วนต่อไป + +## ขั้นตอนที่ 1 – ติดตั้ง Aspose OCR และใช้ใบอนุญาต + +แรกสุดให้เพิ่ม dependency ของ Aspose OCR ลงใน `pom.xml` หากคุณใช้ Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +จากนั้นในโค้ด Java ของคุณให้โหลดใบอนุญาต ขั้นตอนนี้สำคัญ; หากข้ามจะทำให้ไลบรารีทำงานในโหมดประเมินผลและอาจใส่ลายน้ำในผลลัพธ์ + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** วัตถุ `License` บอกให้ OCR engine รู้ว่าคุณได้รับสิทธิ์ใช้ฟีเจอร์เต็มรูปแบบ ซึ่งรวมถึงการรับรู้ความแม่นยำสูงและการส่งออกเป็น JSON การข้ามขั้นตอนนี้คุณยังสามารถ **recognize text from image** ได้ แต่ผลลัพธ์อาจถูกจำกัด + +## ขั้นตอนที่ 2 – สร้างอินสแตนซ์ของ OCR Engine + +คลาส `OcrEngine` เป็นจุดเริ่มต้นของทุกการทำ OCR คิดว่าเป็น “สมอง” ที่อ่านพิกเซลและตัดสินใจว่าอักขระใดเป็นตัวแทน + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +คุณสามารถปรับแต่ง engine (เช่น ตั้งค่าภาษา, เปิด deskew) ภายหลังได้ หากใบเสร็จของคุณมีสคริปต์ที่ไม่ใช่ละตินหรือสแกนมุมเอียง สำหรับใบเสร็จส่วนใหญ่ในสหรัฐฯ ค่าเริ่มต้นทำงานได้ดี + +## ขั้นตอนที่ 3 – โหลดภาพที่ต้องการประมวลผล + +ต่อไปเราจะชี้ OCR engine ไปที่ไฟล์ใบเสร็จ `OcrInput` สามารถรับหลายภาพได้ แต่ในบทแนะนำนี้เราจะใช้ PNG เพียงไฟล์เดียวเพื่อความง่าย + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +หากต้องการ **extract text from PNG** เป็นจำนวนมาก เพียงเรียก `input.add()` ซ้ำหลายครั้งหรือส่งรายการพาธไฟล์ + +## ขั้นตอนที่ 4 – รับรู้ข้อความและ **convert receipt to JSON** + +นี่คือหัวใจของบทแนะนำ เราขอให้ engine รับรู้ข้อความและขอผลในรูปแบบ JSON ธง `ResultFormat.JSON` จะทำงานหนักให้เรา + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Payload JSON จะรวมแต่ละบรรทัดที่รับรู้, กล่องขอบเขต, คะแนนความเชื่อมั่น, และข้อความดิบ โครงสร้างนี้ทำให้การ **convert receipt to JSON** เป็นเรื่องง่ายและสามารถส่งต่อไปยัง API ใดก็ได้ + +## ขั้นตอนที่ 5 – รวมทุกอย่างและรันโปรแกรม + +ด้านล่างเป็นคลาส Java เต็มรูปแบบที่พร้อมรัน ซึ่งรวมทุกขั้นตอนเข้าด้วยกัน บันทึกเป็น `JsonExportDemo.java` (หรือชื่ออื่นที่คุณชอบ) แล้วรันจาก IDE หรือ command line + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### ผลลัพธ์ที่คาดหวัง + +เมื่อรันโปรแกรมจะพิมพ์สตริง JSON คล้ายกับตัวอย่างต่อไปนี้ (เนื้อหาอาจแตกต่างตามใบเสร็จของคุณ) + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +ตอนนี้คุณสามารถนำ JSON นี้ไปใส่ในฐานข้อมูล, REST endpoint, หรือ pipeline การวิเคราะห์ข้อมูลได้ ขั้นตอน **convert receipt to JSON** ทำเสร็จแล้ว + +## คำถามที่พบบ่อยและกรณีขอบ + +### ถ้าภาพถูกหมุน? + +Aspose OCR จะตรวจจับและแก้ไขการหมุนเล็กน้อยอัตโนมัติ สำหรับภาพที่เอียงมาก ให้เรียก `engine.getImagePreprocessingOptions().setDeskew(true)` ก่อนทำการรับรู้ + +### จะจัดการหลายภาษาอย่างไร? + +ใช้ `engine.getLanguage()` ตั้งค่าภาษา เช่น `engine.setLanguage(Language.FRENCH)` เหมาะเมื่อคุณต้อง **recognize text from image** ที่มีใบเสร็จหลายภาษา + +### สามารถส่งออกเป็นข้อความธรรมดาแทน JSON ได้ไหม? + +ทำได้เลย เปลี่ยน `ResultFormat.JSON` เป็น `ResultFormat.TEXT` แล้วเรียก `result.getText()` + +### มีวิธีจำกัด OCR ให้ทำงานเฉพาะพื้นที่ที่กำหนดหรือไม่? + +มี — ใช้ `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` เพื่อโฟกัสที่ส่วนใบเสร็จ ซึ่งช่วยเพิ่มความเร็วและความแม่นยำ + +## เคล็ดลับสำหรับ OCR ที่พร้อมใช้งานใน Production + +- **Cache ใบอนุญาต** หากต้องประมวลผลหลายไฟล์ในลูป; การสร้างใหม่ทุกครั้งเพิ่ม overhead +- **Batch process**: โหลดพาธใบเสร็จทั้งหมดลงใน `OcrInput` เดียวแล้วเรียก `recognize` ครั้งเดียว JSON จะมีอาเรย์ของหน้าแต่ละหน้า +- **Validate JSON**: หลังได้สตริงแล้วให้พาร์สด้วยไลบรารีอย่าง Jackson เพื่อตรวจสอบความสมบูรณ์ก่อนเก็บ +- **Monitor confidence**: JSON มีฟิลด์ `confidence` ต่อบรรทัด กรองบรรทัดที่ต่ำกว่า threshold (เช่น 0.85) เพื่อหลีกเลี่ยงข้อมูลขยะ +- **Secure ใบอนุญาต**: เก็บ `Aspose.OCR.lic` ใน vault หรือ environment variable โดยเฉพาะใน deployment บนคลาวด์ + +## สรุป + +เราได้ครอบคลุม **how to use OCR** ใน Java เพื่อ **recognize text from image**, **extract text from PNG** ใบเสร็จ, และ **convert receipt to JSON** — ทั้งหมดด้วยตัวอย่างสั้น ๆ ที่ทำงานได้ครบวงจร ขั้นตอนง่าย ๆ โค้ดพร้อมรัน และผลลัพธ์ JSON ที่พร้อมใช้ในระบบต่อไป + +ต่อไปคุณอาจสำรวจสถานการณ์ขั้นสูง: ส่ง JSON ไปยัง Apache Kafka เพื่อประมวลผลแบบเรียลไทม์, ใช้ regex ดึงยอดรายการ, หรือเชื่อมต่อกับบริการ OCR บนคลาวด์เพื่อสเกลใหญ่ ไม่ว่าคุณจะเลือกทำอะไร พื้นฐานที่คุณเรียนรู้วันนี้จะยังคงเป็นหัวใจ + +มีคำถามหรือเจอปัญหาในขณะทำตามขั้นตอน? แสดงความคิดเห็นด้านล่างและเราจะช่วยกันแก้ไข ขอให้สนุกกับการเขียนโค้ดและแปลงภาพใบเสร็จที่ยุ่งยากให้เป็นข้อมูลที่สะอาดและค้นหาได้ง่าย! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/thai/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..9a3471701 --- /dev/null +++ b/ocr/thai/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,180 @@ +--- +category: general +date: 2026-02-17 +description: 'บทเรียน Java แปลงภาพเป็นข้อความ: เรียนรู้วิธีดึงข้อความอูรดูจากภาพโดยใช้ + Aspose OCR ตัวอย่าง Java OCR ครบถ้วนรวมอยู่ด้วย' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: th +og_description: บทเรียน Java แปลงภาพเป็นข้อความแสดงวิธีการสกัดข้อความอูรดูจากภาพโดยใช้ + Aspose OCR. ทำตามตัวอย่าง Java OCR อย่างครบถ้วนขั้นตอนต่อขั้นตอน. +og_title: 'แปลงรูปเป็นข้อความใน Java: ดึงข้อความอูรดูด้วย Aspose OCR' +tags: +- OCR +- Java +- Aspose +title: 'แปลงภาพเป็นข้อความใน Java: ดึงข้อความอูรดูด้วย Aspose OCR' +url: /th/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: แยกข้อความ Urdu ด้วย Aspose OCR + +หากคุณต้องการทำการแปลง **image to text java** สำหรับเอกสาร Urdu คุณมาถูกที่แล้ว. เคยสงสัยไหมว่า *วิธีการแยกข้อความ* จากรูปภาพของโน้ตมือหรือหน้าหนังสือพิมพ์ที่สแกน? คู่มือนี้จะพาคุณผ่าน **java ocr example** ที่ดึงอักขระ Urdu ออกมาจากภาพโดยใช้ Aspose OCR. + +เราจะครอบคลุมทุกอย่างตั้งแต่การขอใบอนุญาตของไลบรารีจนถึงการพิมพ์ผลลัพธ์บนคอนโซล. เมื่อจบคุณจะสามารถ **load image ocr** ไฟล์, ตั้งค่าภาษาเป็น Urdu, และได้ผลลัพธ์ Unicode ที่สะอาด—ไม่ต้องใช้เครื่องมือเพิ่มเติม. + +## สิ่งที่คุณต้องการ + +- **Java Development Kit (JDK) 8+** – โค้ดทำงานบน JDK เวอร์ชันล่าสุดใดก็ได้. +- **Aspose.OCR for Java** JAR (ดาวน์โหลดจากเว็บไซต์ Aspose). +- ไฟล์ **Aspose OCR license** ที่ถูกต้อง (`Aspose.OCR.lic`). +- ภาพที่มีข้อความ Urdu, ตัวอย่างเช่น `urdu-sample.png`. + +เมื่อมีพื้นฐานเหล่านี้แล้ว คุณสามารถกระโดดเข้าสู่โค้ดได้โดยตรงโดยไม่ต้องค้นหา dependencies ที่ขาดหาย. + +## image to text java – ตั้งค่า Aspose OCR + +ก่อนแรก เราต้องบอก Aspose ว่าเรามีใบอนุญาต หากไม่มีไลบรารีจะทำงานในโหมดประเมินผลและจะใส่ลายน้ำในผลลัพธ์. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**ทำไมเรื่องนี้ถึงสำคัญ:** การขอใบอนุญาตจะลบข้อจำกัดการประมวลผล 5 วินาทีและปลดล็อกแพ็คภาษา Urdu เต็มรูปแบบที่เพิ่มในไตรมาส 3 ปี 2025 หากคุณข้ามขั้นตอนนี้ OCR engine ยังทำงานได้ แต่คุณจะเห็นแท็ก “Evaluation” เล็ก ๆ ในผลลัพธ์. + +## วิธีการแยกข้อความ – เริ่มต้น OCR Engine + +ตอนนี้เราจะสร้าง engine และบอกอย่างชัดเจนว่าเราต้องการ Urdu ค่าคงที่ `OcrLanguage.URDU` จะเปิดใช้งานชุดอักขระและกฎการแบ่งส่วนที่เหมาะสม. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**เคล็ดลับ:** หากคุณต้องการประมวลผลหลายภาษาในหนึ่งรอบ คุณสามารถส่งรายการคั่นด้วยคอมม่า เช่น `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Engine จะตรวจจับแต่ละพื้นที่โดยอัตโนมัติ. + +## โหลด Image OCR – เตรียมข้อมูลเข้า + +Aspose ทำงานกับอ็อบเจ็กต์ `OcrInput` ที่สามารถเก็บหนึ่งหรือหลายภาพ ที่นี่เราจะ **load image ocr** ข้อมูลจากไฟล์ในเครื่อง. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **หมายเหตุ:** แทนที่ `YOUR_DIRECTORY` ด้วยพาธเต็มหรือพาธสัมพัทธ์จากโฟลเดอร์รากของโปรเจกต์ หากไฟล์ไม่พบ Aspose จะโยน `FileNotFoundException` การตรวจสอบอย่างรวดเร็วด้วย `new File(path).exists()` สามารถช่วยประหยัดเวลา debug ได้มาก. + +## จดจำข้อความ – รันกระบวนการ OCR + +เมื่อ engine ถูกตั้งค่าและภาพถูกโหลดแล้ว เราจะเรียก `recognize` สุดท้าย เมธอดนี้จะคืนค่า `OcrResult` ที่บรรจุสตริงที่แยกออกมา. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**อะไรที่เกิดขึ้นภายใน:** OCR engine จะแบ่งภาพเป็นบรรทัดแล้วเป็นอักขระ โดยใช้กฎการจัดรูปแบบเฉพาะ Urdu (เช่น การเชื่อมต่อรูปแบบ) นี่คือเหตุผลที่การตั้งค่าภาษาแต่แรกสำคัญ; หากไม่จะได้ตัวอักษร Latin ที่ผิดรูป. + +## พิมพ์ข้อความ Urdu ที่จดจำได้ + +ขั้นตอนสุดท้ายคือการพิมพ์ผลลัพธ์ออกมา เนื่องจาก Urdu ใช้สคริปต์จากขวาไปซ้าย ตรวจสอบให้แน่ใจว่าคอนโซลของคุณรองรับ Unicode (เทอร์มินัลสมัยใหม่ส่วนใหญ่รองรับ). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**ผลลัพธ์ที่คาดหวัง (ตัวอย่าง):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +หากคุณเห็นเครื่องหมายคำถามหรือสตริงว่าง ให้ตรวจสอบอีกครั้งว่าการเข้ารหัสคอนโซลของคุณตั้งเป็น UTF‑8 (`chcp 65001` บน Windows, หรือรัน Java ด้วย `-Dfile.encoding=UTF-8`). + +## ตัวอย่างทำงานเต็มรูปแบบ – ทุกขั้นตอนในที่เดียว + +ด้านล่างเป็นโปรแกรมที่พร้อมคัดลอก‑วางครบถ้วน ไม่ต้องอ้างอิงภายนอก มีเพียงไฟล์ Java เดียว. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +รันด้วย: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +แทนที่เวอร์ชัน JAR (`23.10`) ด้วยเวอร์ชันที่คุณดาวน์โหลด คอนโซลควรแสดงประโยค Urdu ที่แยกจาก PNG ของคุณ. + +## ปัญหาที่พบบ่อย & กรณีขอบ + +| ปัญหา | สาเหตุ | วิธีแก้ | +|-------|--------|----------| +| **ผลลัพธ์ว่าง** | ภาพมืดเกินไปหรือความละเอียดต่ำ. | ทำการประมวลผลล่วงหน้าภาพ (เพิ่มคอนทราสต์, ทำไบนารี) ด้วย `BufferedImage` ก่อนส่งให้ Aspose. | +| **อักขระเสีย** | ตั้งค่าภาษาไม่ถูกต้อง (ค่าเริ่มต้นคือ English). | ตรวจสอบว่าได้เรียก `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` ก่อน `recognize`. | +| **ไม่พบใบอนุญาต** | พาธพิมพ์ผิดหรือไฟล์หาย. | ใช้พาธเต็มหรือวางไฟล์ `.lic` ใน classpath แล้วเรียก `license.setLicense("Aspose.OCR.lic");`. | +| **หน่วยความจำเต็มเมื่อใช้ภาพขนาดใหญ่** | PNG ขนาดใหญ่ใช้หน่วยความจำ heap มาก. | เรียก `ocrEngine.setMaxImageSize(2000);` เพื่อลดขนาดภายใน, หรือปรับขนาดภาพด้วยตนเอง. | + +## ขยายการสาธิต + +- **การประมวลผลเป็นชุด:** วนลูปโฟลเดอร์, เพิ่มไฟล์แต่ละไฟล์ลงใน `OcrInput` เดียวกัน, แล้วเก็บผลลัพธ์ใน CSV. +- **หลายภาษา:** แทนที่ `OcrLanguage.URDU` ด้วย `OcrLanguage.ARABIC` หรือรวมหลายภาษา. +- **บันทึกลงไฟล์:** ใช้ `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +แนวคิดทั้งหมดนี้สร้างบน **java ocr example** ที่เราสร้างขึ้น ช่วยให้คุณปรับโซลูชันให้เหมาะกับโครงการจริง. + +## สรุป + +ตอนนี้คุณมีเวิร์กโฟลว์ **image to text java** ที่มั่นคงสำหรับแยกอักขระ Urdu จากภาพด้วย Aspose OCR คำแนะนำได้ครอบคลุมทุกขั้นตอน—from การขอใบอนุญาตและการเลือกภาษาไปจนถึงการโหลดภาพและการพิมพ์ผลลัพธ์—เพื่อให้คุณสามารถคัดลอกโค้ดไปใส่ในโปรเจกต์ Java ใดก็ได้และเห็นการทำงาน. + +ต่อไป ลองทดลองกับ PDF ที่ใหญ่ขึ้น, สคริปต์ต่าง ๆ, หรือแม้กระทั่งผสานขั้นตอน OCR เข้าไปใน Spring Boot REST endpoint. หลักการเดียวกัน—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/thai/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/thai/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..6a00cbe80 --- /dev/null +++ b/ocr/thai/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-02-17 +description: เรียนรู้วิธีจดจำข้อความจากภาพและโหลดภาพสำหรับ OCR ด้วยไลบรารี Aspose + OCR Java คู่มือแบบขั้นตอนพร้อมตัวแก้ไขการสะกดคำ +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: th +og_description: จดจำข้อความจากภาพด้วย Aspose OCR Java การสอนนี้แสดงวิธีโหลดภาพสำหรับ + OCR, เปิดการแก้ไขการสะกดคำ, และส่งออกข้อความที่สะอาด. +og_title: การจดจำข้อความจากภาพ – คู่มือ Aspose OCR Java ฉบับสมบูรณ์ +tags: +- Java +- OCR +- Aspose +title: แยกข้อความจากภาพด้วย Aspose OCR – บทเรียน Java +url: /th/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# จดจำข้อความจากรูปภาพด้วย Aspose OCR – Java Tutorial + +เคยต้องการ **จดจำข้อความจากรูปภาพ** แต่ไม่แน่ใจว่าจะเลือกไลบรารีใดใช่ไหม? คุณไม่ได้เป็นคนเดียว ในหลายโครงการจริง—เช่น การสแกนใบแจ้งหนี้, การแปลงโน้ตมือเป็นดิจิทัล, หรือการดึงคำบรรยายจากภาพหน้าจอ—การได้ผลลัพธ์ OCR ที่แม่นยำเป็นสิ่งสำคัญ + +ในคู่มือนี้เราจะอธิบายขั้นตอนการโหลดรูปภาพสำหรับ OCR, เปิดใช้งาน spell corrector ในตัวของ Aspose OCR, และสุดท้ายพิมพ์ข้อความที่ทำความสะอาดแล้วออกมา เมื่อเสร็จคุณจะมีโปรแกรม Java ที่พร้อมรันและ **จดจำข้อความจากรูปภาพ** เพียงไม่กี่บรรทัดของโค้ด + +## สิ่งที่บทเรียนนี้ครอบคลุม + +- วิธีนำใบอนุญาต Aspose OCR ของคุณเข้าไปใช้ (เพื่อให้ตัวอย่างทำงานโดยไม่มีลายน้ำ) +- การสร้างอินสแตนซ์ `OcrEngine` และเลือกภาษาอังกฤษเป็นภาษาการจดจำ +- **โหลดรูปภาพสำหรับ OCR** ด้วย `OcrInput` และชี้ไปที่ไฟล์ PNG ที่มีคำสะกดผิด +- การเปิดใช้งาน spell‑corrector พร้อมกับการระบุพจนานุกรมแบบกำหนดเอง (ถ้าต้องการ) +- การรันการจดจำและพิมพ์ผลลัพธ์ที่ได้รับการแก้ไข + +ไม่มีบริการภายนอก, ไม่มีไฟล์กำหนดค่าที่ซ่อนอยู่—แค่ Java ธรรมดาและ JAR ของ Aspose OCR + +> **เคล็ดลับ:** หากคุณใหม่กับ Aspose, ดาวน์โหลดใบอนุญาตทดลองใช้ฟรี 30‑วันจากเว็บไซต์ Aspose แล้ววางไฟล์ `.lic` ลงในโฟลเดอร์ที่คุณสามารถอ้างอิงจากโค้ดได้ + +## ข้อกำหนดเบื้องต้น + +- Java 8 หรือใหม่กว่า (โค้ดนี้ยังคอมไพล์ได้กับ JDK 11 ด้วย) +- Aspose.OCR for Java JAR อยู่ใน classpath ของคุณ +- ไฟล์ `Aspose.OCR.lic` ที่ถูกต้อง (หรือคุณสามารถรันในโหมดประเมินผลได้, แต่ตัวอย่างจะมีลายน้ำ) +- ไฟล์รูปภาพ (`misspelled.png`) ที่มีข้อความพร้อมข้อผิดพลาดการสะกดโดยเจตนา—เหมาะสำหรับดูการทำงานของ spell corrector + +พร้อมหรือยัง? ดี—มาเริ่มกันเลย + +## ขั้นตอน 1: นำใบอนุญาต Aspose OCR ไปใช้ + +ก่อนที่เอนจินจะทำงานหนัก, มันต้องรู้ว่าคุณมีใบอนุญาตแล้ว มิฉะนั้นคุณจะเห็นแบนเนอร์ “Trial version” ในผลลัพธ์ + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*ทำไมขั้นตอนนี้สำคัญ:* การกำหนดใบอนุญาตจะปิดลายน้ำเวอร์ชันทดลองและเปิดพจนานุกรม spell‑corrector เต็มรูปแบบ การข้ามขั้นตอนนี้ก็ทำได้, แต่ผลลัพธ์ของคุณจะเต็มไปด้วยข้อความ “Aspose OCR Demo” + +## ขั้นตอน 2: สร้างและกำหนดค่า OCR Engine + +ตอนนี้เราจะสตาร์ทเอนจินและบอกให้มันใช้ภาษาอะไร ภาษาอังกฤษเป็นภาษาที่ใช้บ่อยที่สุด, แต่ Aspose รองรับหลายสิบภาษา + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*ทำไมต้องตั้งค่าภาษา:* โมเดลภาษาเป็นตัวกำหนดชุดอักขระและมีผลต่อคำแนะนำของ spell‑corrector การใช้ภาษาที่ไม่ตรงอาจทำให้ความแม่นยำลดลงอย่างมาก + +## ขั้นตอน 3: เปิดใช้งาน Spell Correction และ (ถ้าต้องการ) ระบุพจนานุกรมแบบกำหนดเอง + +Aspose OCR มาพร้อมพจนานุกรมภาษาอังกฤษในตัว, แต่คุณสามารถใส่ของคุณเองได้หากมีคำเฉพาะด้าน (เช่น คำศัพท์ทางการแพทย์หรือรหัสสินค้า) + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*สิ่งที่ตัวแก้ไขทำ:* เมื่อเอนจิน OCR พบคำที่ไม่มีในพจนานุกรม, มันจะพยายามแทนที่ด้วยคำที่ใกล้เคียงที่สุด นี่คือเหตุผลที่ตัวอย่างสามารถเปลี่ยน “recieve” เป็น “receive” ได้โดยอัตโนมัติ + +## ขั้นตอน 4: โหลดรูปภาพสำหรับ OCR + +นี่คือส่วนที่ตอบคำถาม **โหลดรูปภาพสำหรับ OCR** โดยตรง เราจะสร้างอ็อบเจ็กต์ `OcrInput` แล้วเพิ่มไฟล์ PNG ของเราเข้าไป + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*ทำไมต้องใช้ `OcrInput`:* มันทำหน้าที่แยกความซับซ้อนของการอ่านไฟล์และให้คุณเพิ่มหลายหน้าได้ในภายหลัง หากต้องการประมวลผล PDF หลายหน้า หรือชุดรูปภาพหลายไฟล์ + +## ขั้นตอน 5: รันการจดจำและดึงข้อความที่แก้ไขแล้วออกมา + +เอนจินจะทำงานหนักในขั้นตอนนี้—จดจำอักขระ, ใช้โมเดลภาษา, และสุดท้ายแก้ไขการสะกด + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*ผลลัพธ์ที่คาดหวัง:* สมมติว่า `misspelled.png` มีประโยค “Ths is a smple test”, คอนโซลจะพิมพ์: + +``` +Corrected text: +This is a simple test +``` + +สังเกตว่าคำที่สะกดผิด (`Ths`, `smple`) ถูกแก้ไขโดยอัตโนมัติแล้ว + +## ตัวอย่างเต็มพร้อมรัน + +ด้านล่างเป็นโปรแกรมทั้งหมดในบล็อกเดียว คัดลอก‑วาง, ปรับเส้นทางไฟล์, แล้วกด **Run** + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**เคล็ดลับ:** หากต้องการประมวลผล JPEG หรือ BMP แทน PNG เพียงเปลี่ยนนามสกุลไฟล์—Aspose OCR รองรับรูปแบบ raster ทั่วไปทั้งหมด + +## คำถามที่พบบ่อย & กรณีขอบ + +- **ถ้ารูปภาพของฉันความละเอียดต่ำล่ะ?** + เพิ่ม DPI ก่อนส่งให้ Aspose โดยปรับขนาดด้วยไลบรารีเช่น `java.awt.Image` DPI ที่สูงจะให้พิกเซลมากขึ้นกับเอนจิน, ซึ่งมักทำให้ความแม่นยำดีขึ้น + +- **ฉันสามารถจดจำหลายภาษาในรูปเดียวกันได้ไหม?** + ทำได้. เรียก `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` และอาจเพิ่มรายการภาษาผ่าน `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` + +- **พจนานุกรมที่กำหนดเองของฉันไม่ทำงาน—ทำไม?** + ตรวจสอบให้แน่ใจว่าโฟลเดอร์มีไฟล์ข้อความธรรมดาที่มีหนึ่งคำต่อบรรทัดและเส้นทางเป็นแบบ absolute หรือ relative อย่างถูกต้องต่อไดเรกทอรีทำงานของคุณ + +- **จะดึงคะแนนความเชื่อมั่นออกมาอย่างไร?** + `result.getConfidence()` คืนค่า float ระหว่าง 0 และ 1 สำหรับหน้าเต็ม. สำหรับความเชื่อมั่นต่ออักขระ, สำรวจ `result.getWordList()` + +## สรุป + +คุณได้เรียนรู้วิธี **จดจำข้อความจากรูปภาพ** ด้วย Aspose OCR สำหรับ Java, วิธี **โหลดรูปภาพสำหรับ OCR**, และวิธีเปิดใช้งาน spell‑corrector เพื่อทำความสะอาดข้อผิดพลาดทั่วไป ตัวอย่างเต็มด้านบนพร้อมใส่ลงในโปรเจกต์ Maven หรือ Gradle ใดก็ได้, และด้วยการปรับเล็กน้อยคุณสามารถขยายให้ประมวลผลหลายโฟลเดอร์, เชื่อมต่อกับเว็บเซอร์วิส, หรือรวมกับระบบจัดการเอกสารได้ + +พร้อมก้าวต่อไปหรือยัง? ลองใส่ PDF หลายหน้า, ทดลองพจนานุกรมแบบกำหนดเองสำหรับศัพท์เฉพาะอุตสาหกรรม, หรือเชื่อมต่อผลลัพธ์กับ API แปลภาษา ความเป็นไปได้ไม่มีที่สิ้นสุด, และรูปแบบหลัก—license → engine → language → spell‑corrector → input → recognize → output—ยังคงเหมือนเดิม + +ขอให้เขียนโค้ดสนุก, และขอให้ผลลัพธ์ OCR ของคุณแม่นยำเสมอ! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/advanced-ocr-techniques/_index.md b/ocr/turkish/java/advanced-ocr-techniques/_index.md index fe9ccf330..8ae414c21 100644 --- a/ocr/turkish/java/advanced-ocr-techniques/_index.md +++ b/ocr/turkish/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Aspose.OCR for Java ile metin tanımanın gücünü ortaya çıkarın. Sorunsuz Hassas metin tanıma için Java uygulamalarınızı Aspose.OCR ile güçlendirin. Kolay entegrasyon, yüksek doğruluk. ### [Aspose.OCR'da İzin Verilen Karakterleri Belirleme](./specify-allowed-characters/) Aspose.OCR for Java ile görüntülerden metin çıkarmanın kilidini sorunsuz bir şekilde açın. Verimli entegrasyon için adım adım kılavuzumuzu izleyin. +### [Aspose OCR GPU ile metin görüntüsü tanıma – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Aspose OCR GPU desteğiyle Java uygulamalarında yüksek performanslı metin görüntüsü tanıma yapın. Hızlı ve doğru sonuçlar alın. +### [Sabit İş Parçacığı Havuzu Java – PNG için Paralel OCR](./fixed-thread-pool-java-parallel-ocr-for-png/) +Java'da sabit iş parçacığı havuzu kullanarak PNG dosyalarında paralel OCR gerçekleştirin. Performansı artırın ve hızlı sonuç alın. +### [OCR için Görüntü Ön İşleme – Kontrastı Artırmak ve Metin Çıkarmak İçin Tam Java Kılavuzu](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Görüntü ön işleme teknikleriyle OCR doğruluğunu artırın, kontrastı yükseltin ve metni etkili bir şekilde çıkarın. +### [Java’da OCR Motoru Oluşturma – Büyük Görüntülerden Metin Tanıma](./create-ocr-engine-java-recognize-text-from-large-images/) +Aspose.OCR for Java ile büyük görüntülerde metin tanıma için özel OCR motoru oluşturun ve yüksek performans elde edin. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/turkish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..b3690f92f --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,257 @@ +--- +category: general +date: 2026-02-17 +description: Java’da OCR motoru oluşturun ve TIFF dosyasını hızlıca okuyun. Aspose.OCR + kullanarak büyük bir görüntüden metin tanıma işlemini adım adım öğrenin. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: tr +og_description: Şimdi Java OCR motoru oluşturun. Bu öğreticide, Java’da TIFF dosyasını + nasıl okuyacağınızı ve Aspose.OCR kullanarak büyük bir görüntüden metni nasıl tanıyacağınızı + gösterir. +og_title: Java ile OCR Motoru Oluşturma – Büyük Görüntü Metin Tanıma İçin Tam Kılavuz +tags: +- OCR +- Java +- Aspose +title: Java ile OCR Motoru Oluştur – Büyük Görüntülerden Metin Tanıma +url: /tr/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR Motoru Java Oluşturma – Büyük Görüntülerden Metin Tanıma + +Ever needed to **create OCR engine Java** code that can handle a massive TIFF map, but weren’t sure where to start? You’re not alone—most developers hit a wall when the image size blows past the usual memory limits. + +In this guide we’ll walk you through a complete, ready‑to‑run example that **creates an OCR engine in Java**, shows you how to **read TIFF file Java** with an `InputStream`, and finally **recognizes text from large image** files without running out of heap. By the end you’ll have a self‑contained program you can drop into any Maven or Gradle project. + +## İhtiyacınız Olanlar + +- **Java Development Kit (JDK) 8 veya üzeri** – kod yalnızca standart I/O ve Aspose.OCR kullanır. +- **Aspose.OCR for Java** kütüphanesi (2026‑02 itibarıyla en son sürüm) – JAR dosyasını Aspose sitesinden ya da Maven Central üzerinden alabilirsiniz. +- **large TIFF file** (örneğin çok megapiksel bir harita) OCR yapmak istediğiniz bir dosya. +- **Aspose.OCR license file** (`Aspose.OCR.lic`). Bu dosya olmadan motor değerlendirme modunda çalışır ve bir filigran ekler. + +> **Pro ipucu:** TIFF dosyasını kaynak klasörünüzün yanına koyun ya da mutlak bir yol kullanın; motor görüntüyü dahili olarak döşeleyecek, böylece kendiniz bölmek zorunda kalmayacaksınız. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Create OCR Engine Java iş akışı diyagramı"} + +## Adım 1 – Aspose.OCR Lisansınızı Uygulayın (Create OCR Engine Java) + +Before the engine does any heavy lifting you must register the license. Skipping this step forces the evaluation mode, which limits the number of pages and adds a banner to the output. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Why this matters:* `License` nesnesi OCR motoruna tam‑resolution tiling algorithmunu açmasını söyler; bu, **large image** verimli bir şekilde işlemek için gereklidir. + +## Adım 2 – OCR Motorunu Örnekleyin (Create OCR Engine Java) + +Now we spin up the core `OcrEngine`. Think of it as the brain that will later read the pixels and spit out Unicode text. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Why we keep it simple:* Çoğu senaryoda varsayılan ayarlar zaten otomatik dil algılamayı ve optimal döşemeyi içerir. Fazla yapılandırma, büyük dosyalarda aslında yavaşlamaya neden olabilir. + +## Adım 3 – TIFF Dosyasını InputStream ile Yükleyin (Read TIFF File Java) + +Large TIFFs can be several hundred megabytes. Loading the whole thing into a `BufferedImage` would explode the heap. Instead we give the engine an `InputStream`; Aspose.OCR will read and tile the image on‑the‑fly. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Edge case:* If your TIFF is compressed with CCITT Group 4, Aspose.OCR still handles it, but you might want to set `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` for a tiny speed boost. + +## Adım 4 – OCR Girişini Hazırlayın ve Formatı İpucu Olarak Belirtin + +The `OcrInput` object can hold multiple images, but we only need one for this demo. Providing the format string (`"tif"`) helps the engine skip format sniffing, shaving off a few milliseconds. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Why the hint is useful:* When dealing with **large images**, every millisecond counts. The format hint tells the parser to bypass the expensive header analysis. + +## Adım 5 – Büyük Görüntüden Metin Tanıma (Recognize Text from Large Image) + +With everything wired up, the actual OCR call is a single line. The engine returns an `OcrResult` that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*What happens under the hood:* Aspose.OCR splits the TIFF into manageable tiles (default 1024 × 1024 px), runs the neural‑net model on each tile, and then stitches the results together. This is why you can **recognize text from large image** files without manual pre‑processing. + +## Adım 6 – Çıkarılan Metnin Önizlemesini Göster + +Printing the whole document to the console can be overwhelming. Let’s show just the first 200 characters, followed by an ellipsis, so you can verify the output at a glance. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Expected console output:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +If you see gibberish, double‑check that the correct language is selected (default is English) and that the TIFF isn’t corrupted. + +## Tam Çalışan Örnek + +Putting all the pieces together gives you a single class you can compile and run: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Compile with: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Replace `aspose-ocr-23.12.jar` with the actual version you downloaded. + +## Yaygın Tuzaklar ve İpuçları + +| Sorun | Neden Oluşur | Hızlı Çözüm | +|------|----------------|-----------| +| **OutOfMemoryError** | TIFF'i akış yerine bir `BufferedImage` içine yüklemek. | Her zaman gösterildiği gibi `InputStream` kullanın; Aspose'un döşemeyi yönetmesine izin verin. | +| **Blank output** | Yanlış dosya uzantısı ipucu (`"tif"` vs `"tiff"`). | `add` metoduna gönderdiğiniz tam dizeyi kullanın. | +| **Garbage characters** | Lisans uygulanmamış veya süresi dolmuş. | `.lic` dosya yolunu doğrulayın ve motoru oluşturmadan önce tekrar uygulayın. | +| **Slow recognition** | Yüksek DPI'lı özel bir `OcrConfiguration` kullanmak. | Çoğu durumda varsayılanları kullanın; yalnızca daha yüksek doğruluk gerektiğinde ayarlama yapın. | + +### Ayarları Ne Zaman Değiştirmeli + +- **Multi‑language documents:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Higher accuracy on tiny fonts:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +But remember, each extra option can increase CPU time, especially on a **large image**. Test with a single tile first. + +## Sonraki Adımlar + +Now that you know how to **create OCR engine Java**, **read TIFF file Java**, and **recognize text from large image**, you might want to: + +1. **Export the result to a PDF** – Aspose.PDF'yi OCR metniyle birleştirerek aranabilir belgeler oluşturun. +2. **Store bounding boxes** – vurgulama için koordinatları almak üzere `ocrResult.getWords()` kullanın. +3. **Parallelize tile processing** – ultra‑büyük uydu görüntüleri için bir + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/turkish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..2106ef746 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,235 @@ +--- +category: general +date: 2026-02-17 +description: Sabit bir iş parçacığı havuzu Java'sını kullanarak PNG görüntülerinden + metin çıkarmak için paralel OCR işleme ve yürütücü hizmetini düzgün bir şekilde + kapatmayı öğrenin. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: tr +og_description: Bir sabit iş parçacığı havuzu Java'sının PNG görüntülerinden paralel + olarak metin çıkarabildiğini, taranmış sayfaların metnini dönüştürebildiğini ve + yürütücü hizmetini güvenli bir şekilde kapatabildiğini keşfedin. +og_title: Sabit iş parçacığı havuzu Java – PNG için paralel OCR +tags: +- java +- ocr +- multithreading +- aspose +title: Sabit iş parçacığı havuzu Java – PNG için paralel OCR +url: /tr/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +other bold: **Java 17**, **Aspose.OCR for Java**, **PNG**. Keep. + +Now check any italic: *fixed* we translated "*fixed*". We wrote "*Fixed*". Keep. + +Now check any code formatting inside text: `OcrEngine`, `var`, etc. Keep. + +Now final output must include all shortcodes and placeholders unchanged. + +Let's assemble final answer.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# sabit iş parçacığı havuzu java – PNG için paralel OCR + +Birçok PNG dosyasında OCR'ı **fixed thread pool java** kullanarak nasıl hızlandırabileceğinizi hiç merak ettiniz mi? Bu öğreticide **extract text from PNG** görüntülerini paralel olarak işleyip, **convert scanned pages text**'i düzenlenebilir string'lere dönüştüreceğiz ve iş tamamlandığında güvenli bir şekilde **shut down executor service** yapacağız. + +Eğer dakikalarca süren tek‑iş parçacıklı bir döngüye baktıysanız, bir sonraki sayfa başlamadan önce her sayfanın bitmesini beklemenin hayal kırıklığını biliyorsunuzdur. İyi haber? Birkaç satır Java ve Aspose OCR ile tüm CPU çekirdeklerinizin gücünü ortaya çıkarabilir, bu taranmış sayfaları aranabilir metne dönüştürebilir ve uygulamanızın yanıt vermesini sağlayabilirsiniz. + +Aşağıda tamamen çalıştırılabilir bir örnek, her parçanın neden önemli olduğuna dair açıklamalar, yaygın tuzaklar ve herhangi bir OCR kütüphanesine uygulayabileceğiniz ipuçları bulacaksınız. + +--- + +## İhtiyacınız Olanlar + +- **Java 17** (veya herhangi bir yeni JDK) – kod, modern `var` sözdizimini nadiren kullanır, ancak eski sürümlerde de çalışır. +- **Aspose.OCR for Java** kütüphanesi – Maven Central'dan alabilir veya Aspose'tan bir deneme sürümü indirebilirsiniz. +- İşlemek istediğiniz **PNG** dosyalarının bir seti – taranmış makbuzlar, kitap sayfaları veya ekran görüntüleri gibi düşünün. +- Java eşzamanlılığına temel bir aşinalık – zorunlu değil, ancak faydalı. + +Hepsi bu. Harici hizmetler yok, Docker yok, sadece saf Java ve biraz çoklu iş parçacığı sihri. + +## Adım 1: Aspose OCR Bağımlılığını ve Lisansı Ekleyin (İsteğe Bağlı) + +İlk olarak, Aspose OCR JAR dosyasının sınıf yolunuzda olduğundan emin olun. Maven kullanıyorsanız, ekleyin: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Bir lisansınız yoksa, kütüphane değerlendirme modunda çalışır; kod aynı şekilde çalışır. Bir lisans yüklemek (üretim için önerilir) için `Aspose.OCR.lic` dosyasını kaynak klasörünüze koyun ve şu şekilde kullanın: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro ipucu:** Lisans dosyasını sürüm kontrolünün dışına tutarak yanlışlıkla ifşa edilmesini önleyin. + +## Adım 2: Thread‑Safe `OcrEngine` Örneği Oluşturun + +Aspose OCR’nin `OcrEngine`i, aynı örneği görevler arasında yeniden kullandığınız sürece thread‑safe'dir. Bir kez oluşturmak bellek tasarrufu sağlar ve motoru her görüntü için yeniden başlatma yükünden kaçınır. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Neden yeniden kullanmalı? Motoru, dil modellerini belleğe yükleyen ağır bir çalışan olarak düşünün. Görüntü başına yeni bir motor oluşturmak, her küçük iş için yeni bir uzman işe almak gibi olur – maliyetli ve gereksiz. + +## Adım 3: Sabit İş Parçacığı Havuzu Java'yı Kurun + +Şimdi gösterinin yıldızı geliyor: bir **fixed thread pool java**. Mantıksal işlemci sayısına göre boyutlandıracağız, böylece her çekirdek iş alır ve aşırı yüklenmez. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +*Fixed* bir havuz (önbellekli bir havuz yerine) size öngörülebilir kaynak kullanımı sağlar ve yüzlerce görüntü aynı anda geldiğinde korkulan “bellek yetersizliği” dalgalanmalarını önler. + +## Adım 4: İşlemek İstediğiniz PNG Dosyalarını Listeleyin (Extract Text from PNG) + +OCR yapmak istediğiniz görüntülerin yollarını toplayın. Gerçek bir projede bir dizini tarayabilir veya bir veritabanından okuyabilirsiniz; burada birkaç örnek sabit kodlayacağız. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Not:** Dosya uzantısı **png** önemlidir çünkü Aspose OCR formatı otomatik olarak algılar, ancak JPEG veya TIFF da verebilirsiniz. + +## Adım 5: OCR Görevlerini Gönderin – Paralel OCR İşleme + +Her görüntü, tanınan metni döndüren bir callable olur. `OcrEngine` paylaşıldığı için, göreve sadece dosya yolunu geçmemiz yeterlidir. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +`Future` içinde neden sarmalıyız? Tüm işleri anında başlatmamızı sağlar, ardından sonuçları gönderildikleri sırayla toplar – **convert scanned pages text**'i bir belgeye geri dönüştürürken sayfa sırasını korumak için mükemmeldir. + +## Adım 6: Sonuçları Alın ve Görüntüleyin (Convert Scanned Pages Text) + +Şimdi her `Future`'ın bitmesini bekliyor ve çıktıyı yazdırıyoruz. `get()` çağrısı sadece ilgili görev tamamlanana kadar bloklar, tüm havuzu değil. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Tipik konsol çıktısı şu şekildedir: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Sonuçları dosyalara yazmayı tercih ederseniz, `System.out.println` ifadesini bir `Files.writeString` çağrısı ile değiştirin. + +## Adım 7: Executor Service'i Temiz Bir Şekilde Kapatın + +Tüm görevler tamamlandığında, **shut down executor service** yapmak çok önemlidir; aksi takdirde JVM, daemon olmayan iş parçacıklarını canlı tutabilir ve sorunsuz bir çıkışı engelleyebilir. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +`awaitTermination` deseni, zorlamadan önce havuzun devam eden işleri bitirme şansı verir. Bu adımı atlamak, uzun süren uygulamalarda yaygın bir bellek sızıntısı kaynağıdır. + +## Tam Çalışan Örnek + +Hepsini bir araya getirerek, `ParallelBatchDemo.java` dosyasına kopyalayıp yapıştırabileceğiniz ve çalıştırabileceğiniz tam program aşağıdadır: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/turkish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..e316c4501 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-02-17 +description: Java'da Aspose OCR ile OCR için görüntüyü ön işleme. Görüntü kontrastını + artırmayı, kontrast seviyesini ayarlamayı ve görüntüden metni sadece birkaç dakikada + tanımayı öğrenin. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: tr +og_description: Aspose OCR Java kullanarak OCR için görüntüyü ön işleme. Bu kılavuz, + görüntü kontrastını artırmayı, kontrast seviyesini ayarlamayı ve görüntüden metni + hızlı bir şekilde tanımayı gösterir. +og_title: OCR için Görüntüyü Ön İşleme – Kontrastı Artırma ve Metin Çıkarma İçin Java + Eğitimi +tags: +- Java +- OCR +- Image Processing +title: OCR için Görüntüyü Ön İşleme – Kontrastı Artırmak ve Metin Çıkarmak için Tam + Java Rehberi +url: /tr/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR için Görüntü Ön İşleme – Tam Java Rehberi + +Hiç **OCR için görüntü ön işleme** yapmanız gerekti ama hangi ayarların gerçekten fark yarattığından emin olamadınız mı? Yalnız değilsiniz. Çoğu geliştirici bir görüntüyü OCR motoruna atar ve sihrin gerçekleşmesini bekler, sadece bozuk bir çıktı alır. Bu öğreticide, **görüntü kontrastını artıran**, **kontrast seviyesini ayarlayan** ve sonunda Aspose OCR for Java kullanarak **görüntüden metin tanıyan** pratik, uçtan uca bir örnek üzerinden ilerleyeceğiz. + +Tamamladığınızda, gürültülü taramalarda bile **OCR kullanarak metin çıkaran** yeniden kullanılabilir bir kod parçacığına sahip olacaksınız. Gizli hileler yok, sadece net adımlar ve her birinin ardındaki mantık var. + +## Gereksinimler + +- Java 17 veya daha yeni bir sürüm (kod, herhangi bir güncel JDK ile derlenebilir) +- Aspose OCR for Java kütüphanesi (resmi Aspose sitesinden indirin) +- Geçerli bir Aspose OCR lisans dosyası (`Aspose.OCR.lic`) +- Okumak istediğiniz giriş görüntüsü (`input.jpg`) +- Sevdiğiniz bir IDE veya basit bir komut satırı ortamı + +Eğer bunlara sahipseniz, harika—hadi hemen başlayalım. + +## Adım 1: Aspose OCR Lisansını Yükleyin (Temel Kurulum) + +OCR motoru bir şey yapmadan önce lisanslı olduğunuzu bilmesi gerekir. Aksi takdirde deneme su işaretiyle karşılaşırsınız. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Neden önemli:** Uygun bir lisans olmadan motor değerlendirme modunda çalışır, bu da sonuçları kısaltabilir veya su işareti ekleyebilir. Lisansı erken ayarlamak, sonraki tüm ön işleme seçeneklerinin tam özellikli modda uygulanmasını da sağlar. + +## Adım 2: OCR Motorunu Başlatın + +Bir `OcrEngine` örneği oluşturmak, tanıma ve ön işleme boru hatlarına erişmenizi sağlar. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**İpucu:** Birden çok görüntüyü toplu olarak işlemek istiyorsanız motoru tek bir örnek (singleton) olarak tutun; iç kaynakları önbelleğe alır ve sonraki çağrıları hızlandırır. + +## Adım 3: Ön İşlemeyi Yapılandırın – Döndürme Düzeltme, Gürültü Giderme ve Kontrast Artırma + +İşte **OCR için görüntü ön işleme** kısmı. Ayarlayacağımız üç düğme şunlar: + +1. **Deskew** – hafif döndürmeleri düzeltir. +2. **Denoise** – karakter bölütlemesini karıştıran lekeleri temizler. +3. **Contrast enhancement** – koyu metnin arka plan üzerinde öne çıkmasını sağlar. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Neden Kontrast Seviyesi Ayarlanmalı? + +Kontrast seviyesini artırmak, görüntünün histogramını genişletir; koyu pikseller daha koyu, parlak pikseller daha parlak olur. Pratikte, `1.3f` **kontrast seviyesi** çoğu basılı belge için en iyi dengeyi verir, `1.5f` üzerindeki bir değer ise ince çizgileri aşırı aydınlatabilir. Denemekten çekinmeyin; bu ayar değiştirmesi ucuzdur ve **görüntüden metin tanıma** başarısını büyük ölçüde artırabilir. + +## Adım 4: Giriş Görüntüsünü Hazırlayın + +`OcrInput` sınıfı dosya işlemlerini soyutlar. Toplu işleme ihtiyacınız varsa birden çok görüntü ekleyebilirsiniz. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Köşe durumu:** Görüntünüz standart dışı bir formatta (ör. çok sayfalı TIFF) ise her sayfayı ayrı ayrı yükleyebilir veya önce PNG/JPEG’e dönüştürebilirsiniz. + +## Adım 5: Tanıma İşlemini Gerçekleştirin + +Şimdi motor, az önce yapılandırdığımız ön işleme boru hattını çalıştırır, ardından temizlenmiş görüntüyü temel OCR algoritmasına verir. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Arka planda ne oluyor?** Aspose OCR önce döndürme düzeltme dönüşümünü uygular, ardından gürültü giderme filtresini çalıştırır ve son olarak kontrastı ayarlar; ardından görüntüyü sinir ağı tabanlı tanıma motoruna gönderir. Sıra kasıtlıdır; değiştirilmesi alt‑optimum sonuçlara yol açabilir. + +## Adım 6: Tanınan Metni Çıktılayın + +Son olarak, çıkarılan dizeyi konsola yazdırıyoruz. Gerçek bir uygulamada bunu bir dosyaya yazabilir veya bir ağa gönderebilirsiniz. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Beklenen Çıktı + +`input.jpg` içinde “Hello World!” ifadesi varsa, konsol şu şekilde görüntülenmelidir: + +``` +Hello World! +``` + +Çıktı bozuk görünüyorsa, özellikle **kontrast seviyesi** ve **gürültü giderme modu** gibi ön işleme değerlerini yeniden kontrol edin ve farklı bir görüntü formatı deneyin. + +## Bonus: Ön‑İşlenmiş Görüntüyü Görselleştirme (İsteğe Bağlı) + +Bazen motorun döndürme düzeltme, gürültü giderme ve kontrast artırma sonrası ne gördüğünü görmek istersiniz. Aspose OCR ara bitmap’i dışa aktarmanıza izin verir: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +`processed.png` dosyasını orijinaliyle yan yana açın; daha düz bir ufuk ve daha net metin fark edeceksiniz. Bu adım, belirli bir taramanın neden başarısız olduğunu araştırırken çok işe yarar. + +![OCR için görüntü ön işleme örneği](/images/ocr-preprocess-example.png "OCR için görüntü ön işleme – kontrast artırmadan önce ve sonra") + +*Yukarıdaki görsel, kontrast artırma ve gürültü giderme sayesinde bulanık bir taramanın temiz, OCR‑hazır bir resme dönüşümünü göstermektedir.* + +## Yaygın Tuzaklar ve Kaçınma Yöntemleri + +| Tuzak | Neden Oluşur | Çözüm | +|------|--------------|------| +| **Aşırı kontrast** (`setContrastLevel` çok yüksek) | Açık arka plan beyazlaşır, soluk karakterler silinir | Çoğu basılı metin için seviyeyi 1.1‑1.4 arasında tutun | +| **Düşük döndürme toleransı** | Küçük döndürmeler düzeltilmez | `setDeskewAngleTolerance` değerini 0.2 ya da 0.3’e yükseltin | +| **Binary görüntülerde GAUSSIAN gürültü giderme** | Kenarları bulanıklaştırır, karakterleri birleştirir | Siyah‑beyaz taramalarda `DenoiseMode.MEDIAN` kullanın | +| **Lisans eksikliği** | Motor deneme moduna geçer, çıktıyı kısaltır | `Aspose.OCR.lic` dosyasının yolunu ve okunabilirliğini doğrulayın | + +## Sonraki Adımlar: Temel Ön‑İşlemenin Ötesine Geçmek + +Artık **OCR için görüntü ön işleme** ve **OCR kullanarak metin çıkarma** yapabildiğinize göre, aşağıdaki genişletmeleri düşünebilirsiniz: + +- **Dil paketleri** – İngilizce dışı metinlerde doğruluğu artırmak için belirli dil sözlüklerini yükleyin. +- **İlgi bölgesi (ROI) kırpma** – sayfanın yalnızca bir kısmına ihtiyacınız varsa o bölgeye odaklanın. +- **Toplu işleme** – bir dizindeki tüm görüntüler üzerinde döngü kurun, aynı `OcrEngine` örneğini yeniden kullanarak hızı artırın. +- **PDF entegrasyonu** – Aspose OCR’u Aspose PDF ile birleştirerek taranmış PDF’leri tek bir boru hattında aranabilir PDF’lere dönüştürün. + +Bu konular doğal olarak ikincil anahtar kelimelerimizi içerir: hâlâ **görüntü kontrastını artıracak**, **kontrast seviyesini ayarlayacak** ve **görüntüden metin tanıyacak** şekilde çalışacaksınız. + +## Sonuç + +Aspose OCR for Java kullanarak **OCR için görüntü ön işleme** konusundaki tüm adımları ele aldık: lisansı yükleme, döndürme düzeltme, gürültü giderme ve kontrast artırma yapılandırması, görüntüyü besleme ve sonunda **görüntüden metin tanıma**. Yukarıdaki tam, çalıştırılabilir örnekle artık **OCR kullanarak metin çıkarabilir** ve uygun şekilde hazırlanmış herhangi bir resimde bunu uygulayabilirsiniz. + +Kodu çalıştırın, **kontrast seviyesini** ayarlayın ve doğruluğun nasıl yükseldiğini izleyin. Hazır olduğunuzda, dil‑spesifik modelleri veya toplu boru hatlarını keşfederek bu tek‑görüntü demosunu üretim‑düzeyinde bir çözüme dönüştürün. + +*İyi kodlamalar, ve taramalarınız her zaman net olsun!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/turkish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..47cbdb327 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,236 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR GPU desteğiyle Java’da metin görüntüsünü hızlıca tanıyın. + Görüntüden metin çıkarmayı öğrenin ve optimal performans için GPU cihaz kimliğini + ayarlayın. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: tr +og_description: Aspose OCR GPU desteğiyle Java’da metin görüntüsünü hızlıca tanıyın. + Bu kılavuz, görüntüden metin çıkarmayı ve GPU cihaz kimliğini ayarlamayı gösterir. +og_title: Aspose OCR GPU – Java ile metin görüntüsünü tanıma +tags: +- Java +- OCR +- Aspose +- GPU +title: Aspose OCR GPU – Java ile metin görüntüsünü tanıma +url: /tr/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR GPU – Java kullanarak metin görüntüsü tanıma + +Ever needed to **recognize text image** in a Java application but the CPU was choking on large files? You're not the only one—many developers hit that wall when processing high‑resolution scans. The good news? Aspose OCR lets you **extract text from image** on the GPU, slashing processing time dramatically. + +In this tutorial we’ll walk through a complete, ready‑to‑run example that shows exactly how to set up the license, enable GPU acceleration, and **set gpu device id** when you have multiple graphics cards. By the end you’ll have a self‑contained program that prints the recognized text to the console—no extra steps required. + +## Gereksinimler + +- **Java 17** veya daha yeni (API, Java 8+ ile uyumludur, ancak en yeni LTS daha iyi performans sağlar). +- **Aspose OCR for Java** kütüphanesi (JAR dosyasını Aspose web sitesinden indirin). +- Geçerli bir **Aspose OCR lisans dosyası** (`Aspose.OCR.lic`). Ücretsiz deneme çalışır, ancak GPU özellikleri lisanslı bir sürümle açılır. +- Açık, makine tarafından okunabilir metin içeren bir görüntü dosyası (`sample-image.png`). +- GPU‑destekli bir ortam (NVIDIA CUDA‑uyumlu kart en iyisidir). + +If any of those sound unfamiliar, don’t worry—each bullet point will be explained as we go. + +## Adım 1: Aspose OCR'ı Projenize Ekleyin + +First, include the Aspose OCR JAR on your classpath. If you’re using Maven, add the following dependency to `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +For Gradle, it’s: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +If you prefer the manual route, drop the JAR into your `libs/` folder and add it to the IDE’s module path. + +> **Pro tip:** Sürüm numarasını kütüphanenin sürüm notlarıyla senkronize tutun; daha yeni sürümler genellikle GPU işleme için performans iyileştirmeleri getirir. + +## Adım 2: Aspose OCR Lisansını Yükleyin (GPU kullanımı için gerekli) + +Without a license the `setEnableGpu(true)` call will silently fall back to CPU mode. Load the license right at the start of `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Replace `YOUR_DIRECTORY` with the absolute or relative path where you stored the `.lic` file. If the path is wrong, Aspose will throw a `FileNotFoundException`, so double‑check the spelling. + +## Adım 3: OCR motorunu oluşturun ve GPU hızlandırmayı etkinleştirin + +Now we instantiate `OcrEngine` and tell it to use the GPU. The `setGpuDeviceId` method lets you pick a specific card when more than one is present. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Why bother with the device ID? In a multi‑GPU server you might reserve one card for image preprocessing and another for OCR. Setting the ID ensures the right hardware does the heavy lifting. + +## Adım 4: Giriş görüntüsünü hazırlayın + +Aspose OCR works with a variety of formats (PNG, JPG, BMP, TIFF). Wrap your file in an `OcrInput` object: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +If you need to process a stream (e.g., an uploaded file), use `ocrInput.add(InputStream)` instead. + +## Adım 5: Tanıma sürecini çalıştırın ve sonucu alın + +The `recognize` method returns an `OcrResult` which contains the plain text, confidence scores, and even layout information if you need it. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +The console will display something like: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +If the image is blurry or the language isn’t supported, the result may be empty. In that case, check the `ocrResult.getConfidence()` value (0‑100) to decide whether to retry with preprocessing. + +## Tam, Çalıştırılabilir Örnek + +Putting all the pieces together gives you a single Java class you can copy‑paste into your IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Expected output:** Konsol, `sample-image.png` içinde görülen tam metni yazdırır. GPU aktifse, tipik 300 dpi taramalar için işleme süresinin birkaç saniyeden (CPU) bir saniyenin altına düştüğünü fark edeceksiniz. + +## Yaygın Sorular & Özel Durumlar + +### Bu, ekransız (headless) bir sunucuda çalışır mı? + +Yes. The GPU driver must be installed, but no display is required. Just ensure the `CUDA` toolkit (or equivalent for your GPU) is in the system `PATH`. + +### Birden fazla GPU'm var ve GPU 1'i kullanmak istiyorum, ne yapmalıyım? + +Change the device ID: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Farklı bir dilde görüntüden metin nasıl çıkarılır? + +Set the language before calling `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose 30'dan fazla dili destekler; tam liste için API belgelerine bakın. + +### Görüntü birden fazla sayfa içeriyorsa (ör. PDF görüntülere dönüştürülmüşse) ne olur? + +Create a separate `OcrInput` entry for each page, or loop over the files: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +The engine will concatenate the results in order. + +### Düşük güvenilirlik sonuçları nasıl ele alınır? + +Check the confidence score: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Typical preprocessing steps include binarization, noise reduction, or resizing to 300 dpi. + +## Performans İpuçları + +- **Batch processing:** Birçok görüntüyü tek bir `OcrInput` içine eklemek, GPU bağlamının tekrar tekrar başlatılmasından kaynaklanan ek yükü azaltır. +- **Warm‑up:** JVM başlatıldıktan sonra bir deneme tanıması çalıştırın; ilk çağrı sürücü başlatma gecikmesi getirir. +- **Memory management:** İşiniz bittiğinde büyük `OcrInput` nesnelerini (`ocrInput.clear()`) temizleyerek GPU belleğini serbest bırakın. + +## Sonuç + +You now know how to **recognize text image** efficiently with Aspose OCR’s GPU engine in Java, how to **extract text from image** in any supported language, and how to **set gpu device id** when working with multiple graphics cards. The complete, runnable code above should work out‑of‑the‑box—just swap in your license and image paths. + +Ready for the next step? Try processing a folder of scanned PDFs, experiment with different `setLanguage` options, or combine OCR with a machine‑learning model for post‑processing. The possibilities are endless, and the performance gains from GPU acceleration make even large‑scale projects feasible. + +Happy coding, and feel free to drop a comment if you hit any snags! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/ocr-operations/_index.md b/ocr/turkish/java/ocr-operations/_index.md index 802843c9e..8f9499294 100644 --- a/ocr/turkish/java/ocr-operations/_index.md +++ b/ocr/turkish/java/ocr-operations/_index.md @@ -80,6 +80,15 @@ Aspose.OCR ile Java'da OCR gücünü açığa çıkarın. PDF belgelerinde metni Aspose.OCR ile Java'da güçlü metin tanımanın kilidini açın. TIFF görüntülerinde metni sorunsuz bir şekilde tanıyın. Kesintisiz bir OCR deneyimi için şimdi indirin. ### [Aspose OCR ile Görüntü Metni Tanıma – Tam Java OCR Öğreticisi](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Java'da Aspose OCR kullanarak görüntüden metin tanıma sürecini adım adım öğrenin. +### [Aspose OCR ile Görüntüden Metin Tanıma – Java Öğreticisi](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Java'da Aspose OCR kullanarak bir görüntüden metin tanıma adımlarını öğrenin. +### [Java’da Görüntüden Aranabilir PDF Oluşturma – Adım Adım Kılavuz](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Java kullanarak bir görüntü dosyasını OCR ile aranabilir PDF'ye dönüştürün ve adım adım uygulamayı izleyin. +### [Java’da OCR Nasıl Kullanılır – Aspose.OCR ile PDF’den Metin Çıkarma](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Java uygulamanızda Aspose.OCR kullanarak PDF dosyalarından metin çıkarma adımlarını öğrenin. +### [Java’da OCR Nasıl Kullanılır – Görüntüden Metni Hızlıca Tanıma](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Java’da Aspose.OCR kullanarak bir görüntüden metni hızlıca tanıma adımlarını öğrenin. +### [Aspose OCR ile Urdu Metni Çıkarma – Java](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) ## Sıkça Sorulan Sorular diff --git a/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..dd9c4cb7c --- /dev/null +++ b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-02-17 +description: 'Aranabilir PDF''i hızlı bir şekilde oluşturun: Aspose OCR, PDF kaydetme + seçeneklerini kullanarak bir görüntüden PDF oluşturmayı öğrenin ve görüntüyü sadece + birkaç dakikada aranabilir PDF''ye dönüştürün.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: tr +og_description: Aspose OCR kullanarak Java’da aranabilir PDF oluşturun. Bu kılavuz, + bir görüntüden PDF oluşturmayı, PDF kaydetme seçeneklerini yapılandırmayı ve tamamen + aranabilir bir belge elde etmeyi gösterir. +og_title: Java'da Görüntüden Aranabilir PDF Oluşturma – Tam Kılavuz +tags: +- Aspose OCR +- Java +- PDF generation +title: Java'da Görüntüden Aranabilir PDF Oluşturma – Adım Adım Rehber +url: /tr/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java’da Görüntüden Aranabilir PDF Oluşturma – Adım Adım Rehber + +Hiç taranmış bir resimden **create searchable pdf** oluşturmanız gerekti, ancak hangi API'yi seçeceğinizden emin olmadınız mı? Yalnız değilsiniz—birçok geliştirici, bir bitmap'i gerçekten aranabilir bir PDF'e dönüştürmeye çalıştıklarında bu engelle karşılaşıyor. İyi haber? Aspose OCR ile bunu birkaç satırda yapabilirsiniz ve sonuç, orijinal görüntüye tam olarak benzerken hâlâ metin‑aranabilir oluyor. + +Bu öğreticide tüm süreci adım adım inceleyeceğiz: lisansınızı yükleme, bir görüntüyü (veya çok sayfalı bir TIFF'i) OCR motoruna besleme, **pdf save options** ayarlarını ince ayar yapma ve sonunda bir **image to searchable pdf** yazma. Sonuna geldiğinizde, saniyeler içinde aranabilir bir PDF oluşturan, kullanıma hazır bir Java programına sahip olacaksınız. Hiçbir gizem, “belgelere bak” kısayolları yok—sadece eksiksiz, çalıştırılabilir bir örnek. + +## Öğrenecekleriniz + +- Nasıl **convert image to pdf** yapıp arama için gizli bir metin katmanı gömeceğinizi. +- Hangi **pdf save options**'ı etkinleştirmeniz gerektiğini, boyut ve doğruluk dengesini en iyi şekilde sağlamak için. +- Yaygın tuzaklar (ör. eksik lisans, desteklenmeyen görüntü formatları) ve bunlardan nasıl kaçınılacağını. +- Çıktının gerçekten aranabilir olduğunu nasıl doğrulayacağınızı (Adobe Reader ile hızlı test). + +**Prerequisites:** Java 8 ve üzeri, Aspose OCR JAR'ını çekmek için Maven veya Gradle ve geçerli bir Aspose OCR lisans dosyası. Henüz lisansınız yoksa, Aspose'un web sitesinden ücretsiz deneme talep edebilirsiniz. + +--- + +## 1. Adım – Aspose OCR Lisansını Yükleme (PDF'yi Güvenli Oluşturma) + +OCR motoru çalışmaya başlamadan önce bir lisansa ihtiyaç duyar; aksi takdirde sayfalara filigran eklenir. `Aspose.OCR.lic` dosyanızı erişilebilir bir yere koyun ve ardından `License` sınıfını ona yönlendirin. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Pro tip:** Lisans dosyasını kaynak‑kontrol dizininizin dışına koyun, böylece yanlışlıkla commit edilmesini önlersiniz. + +--- + +## 2. Adım – OCR Girişini Hazırlama (Görüntüyü PDF'e Dönüştürme) + +Aspose OCR, bir veya birden fazla görüntü tutabilen bir `OcrInput` nesnesini kabul eder. Burada tek bir PNG ekliyoruz, ancak toplu işleme için çok sayfalı bir TIFF de besleyebilirsiniz. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Neden önemli:** Görüntüyü `OcrInput`'a eklemek, dosya işlemesini motorun dışına çıkarır ve aynı kodu tek sayfalı ya da çok sayfalı senaryolarda yeniden kullanmanıza olanak tanır. + +--- + +## 3. Adım – PDF Kaydetme Seçeneklerini Yapılandırma (PDF Kaydetme Seçenekleri Açıklaması) + +`PdfSaveOptions` sınıfı, son PDF'in nasıl oluşturulacağını kontrol eder. İki bayrak, bir **searchable pdf** için kritik öneme sahiptir: + +1. `setCreateSearchablePdf(true)` – motorun OCR sonuçlarına dayalı gizli bir metin katmanı eklemesini sağlar. +2. `setEmbedImages(true)` – orijinal raster görüntüyü korur, böylece görsel görünüm aynı kalır. + +İhtiyacınıza göre DPI, sıkıştırma veya parola korumasını da ayarlayabilirsiniz. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Köşe durum:** `setCreateSearchablePdf(false)` ayarlarsanız, çıktı sadece görüntü‑PDF olur—aramak için hiçbir şey olmaz. Büyük toplu işlemler otomatikleştirirken bu bayrağı her zaman iki kez kontrol edin. + +--- + +## 4. Adım – OCR'ı Çalıştır ve Aranabilir PDF'i Yaz (Temel “PDF Nasıl Oluşturulur” Mantığı) + +Şimdi her şeyi bir araya getiriyoruz. `recognize` yöntemi, sağlanan `OcrInput` üzerinde OCR gerçekleştirir, `PdfSaveOptions`'ı uygular ve sonucu bir dosyaya akıtır. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Beklenen Sonuç + +Programı çalıştırdıktan sonra, `output-searchable.pdf` dosyasını herhangi bir PDF görüntüleyicide (Adobe Reader, Foxit vb.) açın ve metni seçmeyi ya da arama kutusunu kullanmayı deneyin. Görüntünün sadece bir parçası olan kelimeleri bulabilmelisiniz. Bu, bir **searchable PDF**'in özelliğidir. + +--- + +## 5. Adım – Aranabilir Katmanı Doğrulama (Hızlı QA) + +Bazen OCR güveni düşük olabilir, özellikle düşük çözünürlüklü taramalarda. Hızlı bir doğrulama yöntemi: + +1. PDF'i Adobe Reader'da açın. +2. **Ctrl + F** tuşlarına basın ve görüntüde bulunduğunu bildiğiniz bir kelimeyi yazın. +3. Kelime vurgulanıyorsa, gizli metin katmanı çalışıyor demektir. + +Arama başarısız olursa, kaynak görüntünün DPI'sını artırmayı veya `ocrEngine.getLanguage().add("eng")` ile dil‑spesifik sözlükleri etkinleştirmeyi düşünün. + +## Yaygın Sorular & Dikkat Edilmesi Gerekenler + +| Question | Answer | +|----------|--------| +| **Bir çok sayfalı TIFF işleyebilir miyim?** | Evet—her sayfayı aynı `OcrInput`'a ekleyin (`ocrInput.add(tiffPath)`). Aspose OCR, her çerçeveyi ayrı bir sayfa olarak ele alır. | +| **Lisansım yoksa ne olur?** | Ücretsiz deneme çalışır ancak her sayfaya filigran ekler. Kod aynı kalır; sadece deneme `.lic` dosyasını kullanın. | +| **PDF ne kadar büyük olur?** | `setEmbedImages(true)` ile dosya boyutu, orijinal görüntünün boyutu artı gizli metin için birkaç kilobayt civarındadır. Görüntüleri `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)` ile sıkıştırabilirsiniz. | +| **OCR için bir dil ayarlamam gerekiyor mu?** | Varsayılan olarak Aspose OCR İngilizce kullanır. Diğer diller için `recognize`'dan önce `ocrEngine.getLanguage().add("spa")` çağırın. | +| **Çıktı PDF mobil cihazlarda aranabilir mi?** | Kesinlikle—çoğu mobil PDF görüntüleyici gizli metin katmanını destekler. | + +--- + +## Bonus: Demo'yu Yeniden Kullanılabilir Bir Yardımcı Araca Dönüştürme + +Bu işlevselliğe birden fazla projede ihtiyaç duyacağınızı düşünüyorsanız, mantığı statik bir yardımcı metoda paketleyin: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Artık kod tabanınızın herhangi bir yerinden `PdfSearchableUtil.convert(...)` çağırabilirsiniz, böylece **convert image to pdf** işlemini tek satırda yapabilirsiniz. + +## Sonuç + +Aspose OCR kullanarak Java'da görüntülerden **create searchable pdf** dosyaları oluşturmak için ihtiyacınız olan her şeyi ele aldık. Lisansı yüklemek, OCR girişini oluşturmak, **pdf save options** ayarlarını ince ayar yapmak ve sonunda bir **image to searchable pdf** yazmak gibi adımlarla, öğretici eksiksiz, kopyala‑yapıştır bir çözüm sunuyor. + +Bir sonraki adımı, farklı görüntü formatlarıyla denemeler yaparak, DPI ayarlayarak veya `PdfSaveOptions` ile parola koruması ekleyerek atın. Ayrıca toplu işleme de göz atabilirsiniz—tarama klasöründeki dosyalar üzerinde döngü kurup her biri için aranabilir bir PDF oluşturun. + +Bu rehberi faydalı bulduysanız, GitHub'da yıldız verin ya da aşağıya bir yorum bırakın. Kodlamanız keyifli olsun ve sıkıcı taramaları tam anlamıyla aranabilir belgelere dönüştürmenin tadını çıkarın! + +![Create searchable PDF example screenshot](placeholder-image.png "create searchable pdf example") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..b4347f663 --- /dev/null +++ b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-02-17 +description: Java'da OCR kullanarak PDF'den metin çıkarmak, PDF'yi görüntülere dönüştürmek + ve Aspose.OCR kullanarak taranmış PDF dosyalarında OCR gerçekleştirmek nasıl yapılır? +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: tr +og_description: Java'da OCR kullanarak PDF dosyalarından metin nasıl çıkarılır. PDF'yi + görüntülere dönüştürmeyi ve taranmış PDF'yi Aspose.OCR ile tanımayı öğrenin. +og_title: Java'da OCR Nasıl Kullanılır – Tam Kılavuz +tags: +- OCR +- Java +- Aspose +title: Java'da OCR Nasıl Kullanılır – Aspose.OCR ile PDF'den Metin Çıkarma +url: /tr/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java’da OCR Nasıl Kullanılır – Aspose.OCR ile PDF’ten Metin Çıkarma + +Tarayıcıdan gelen bir PDF’i aranabilir metne **nasıl dönüştürebileceğinizi** hiç merak ettiniz mi? Tek başınıza değilsiniz. Çoğu geliştirici, PDF bir dizi görüntü olarak geldiğinde bir duvara çarpar ve geleneksel metin çıkarıcıları hiçbir şey döndürmez. İyi haber? Birkaç satır Java ve Aspose.OCR ile **PDF’ten metin çıkarabilir**, **PDF’i görüntülere dönüştürebilir** ve **tar scanned PDF’yi tanıyabilirsiniz** tek bir, zahmetsiz iş akışı içinde. + +Bu öğreticide, kütüphaneyi lisanslamaktan son sonucu yazdırmaya kadar bilmeniz gereken her şeyi adım adım ele alacağız. Sonunda, taranmış rapor, fatura veya e‑kitaptan düz metin çıkaran, çalıştırmaya hazır bir programınız olacak. Harici hizmetler, sihir yok — sadece kontrol sizde olan saf Java kodu. + +## Gereksinimler + +- **Java Development Kit (JDK) 8+** – herhangi bir yeni sürüm yeterli. +- **Aspose.OCR for Java** JAR (Aspose web sitesinden indirin). +- **Geçerli bir Aspose.OCR lisans dosyası** (`Aspose.OCR.lic`). Ücretsiz deneme çalışır, ancak lisans tam doğruluk sağlar. +- **Örnek bir taranmış PDF** (ör. `scanned-report.pdf`). +- Bir IDE veya basit bir metin editörü ve bir terminal. + +Hepsi bu. Maven, Gradle veya ekstra bağımlılıklar yok — sadece Aspose.OCR JAR’ı sınıf yolunuza ekleyin. + +![OCR kullanma örneği](image-placeholder.png "OCR kullanma örneği") + +## Adım 1 – Aspose.OCR Lisansınızı Yükleyin (Neden Önemli) + +Motor tam hızda çalışabilmesi için lisans dosyanızın nerede olduğunu ona söylemeniz gerekir. Bu adımı atlamak, kütüphaneyi değerlendirme moduna sokar; bu da çıktıya filigran ekler ve doğruluğu sınırlayabilir. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Neden işe yarıyor:** `License` sınıfı `.lic` dosyasını okur ve global olarak kaydeder. Bir kez ayarlandığında, oluşturduğunuz her `OcrEngine` otomatik olarak lisanslı özellikleri kullanır. + +## Adım 2 – OCR Motorunu Oluşturun (Sihirin Arkasındaki Motor) + +`OcrEngine` örneği, görüntüleri tarayan ve metin üreten iş gücüdür. Piksel desenlerini yorumlayan beyin gibi düşünün. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**İpucu:** Dil, güven eşiği gibi ayarları değiştirebilir veya motorun özellikleri aracılığıyla GPU hızlandırmasını etkinleştirebilirsiniz. Çoğu İngilizce PDF için varsayılanlar yeterlidir. + +## Adım 3 – Girişi Hazırlayın: PDF’nizi Ekleyin (PDF’i Görüntülere Dönüştürme) + +Aspose.OCR, bir PDF’in her sayfasını bir görüntü olarak ele alır. `addPdf` metodunu çağırdığınızda kütüphane sessizce her sayfayı rasterleştirir; bu da **PDF’i görüntülere dönüştürme** işlemini tanıma öncesinde yapmanızı sağlar. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Ne oluyor:** +- PDF açılıyor. +- Her sayfa, karakter detayını korumak için 300 dpi (varsayılan) ile işleniyor. +- Oluşturulan bitmap nesneleri `OcrInput` koleksiyonunda saklanıyor. + +Eğer ham görüntülere (hata ayıklama veya özel ön işleme için) ihtiyacınız olursa, bu adımdan sonra `ocrInput.getPages()` metodunu çağırabilirsiniz. + +## Adım 4 – OCR İşlemini Çalıştırın (PDF Üzerinde OCR Yapma) + +Şimdi asıl iş başlıyor. `recognize` metodu her görüntü üzerinde döner, tanıma algoritmasını çalıştırır ve sonuçları bir `OcrResult` içinde toplar. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Neden önemli:** `OcrResult` sadece düz metni değil, aynı zamanda güven skorlarını, sınırlayıcı kutuları ve orijinal görüntü referansını da içerir. Çoğu senaryoda sadece `getText()` yeterlidir. + +## Adım 5 – Çıkarılan Metni Alın ve Görüntüleyin + +Son olarak, sonuçtan düz metin dizesini alın ve ekrana yazdırın. Ayrıca bir dosyaya kaydedebilir, bir arama indeksine besleyebilir veya sonraki bir NLP boru hattına aktarabilirsiniz. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Beklenen Çıktı + +`scanned-report.pdf` basit bir paragraf içeriyorsa, aşağıdakine benzer bir çıktı görürsünüz: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Tam formatlama, mümkün olduğunca orijinal düzeni korur; satır sonları da aynı kalır. + +## Yaygın Kenar Durumlarını Ele Alma + +### 1. Çok‑Dilli PDF’ler + +Belgeniz Fransızca veya İspanyolca metin içeriyorsa, `recognize` çağırmadan önce dili ayarlayın: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Motorun otomatik algılamasını sağlamak için bir dizi dil de verebilirsiniz. + +### 2. Düşük Çözünürlüklü Taramalar + +150 dpi taramalarla çalışıyorsanız, iç render DPI değerini artırın: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +Daha yüksek DPI karakter netliğini artırır ancak daha fazla bellek tüketir. + +### 3. Büyük PDF’ler (Bellek Yönetimi) + +Yüzlerce sayfalı PDF’ler için, sayfaları partiler halinde işleyin: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Bu yöntem, JVM yığınının aşırı büyümesini önler. + +## Tam, Çalıştırmaya Hazır Örnek + +Aşağıda, import’lar ve lisans yönetimi dahil tam program yer alıyor; kopyalayıp anında çalıştırabilirsiniz. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Şu komutla çalıştırın: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Çıkarılan metnin konsola yazdırıldığını göreceksiniz. + +## Özet – Neler Öğrendik + +- Java’da **OCR nasıl kullanılır** ve Aspose.OCR ile. +- **PDF’ten metin çıkarma** iş akışı. +- Kütüphane, karakterleri tanımadan önce **PDF’i görüntülere dönüştürür**. +- **PDF üzerinde OCR** yaparken çoklu dil, düşük çözünürlük ve büyük belgeler için ipuçları. +- Herhangi bir Java projesine ekleyebileceğiniz tam, çalıştırılabilir kod örneği. + +## Sonraki Adımlar ve İlgili Konular + +Artık **tar scanned PDF** tanıyabildiğinize göre, şu fikirleri değerlendirebilirsiniz: + +- **Aranabilir PDF Oluşturma** – OCR metnini orijinal PDF üzerine bindirerek aranabilir bir belge yaratın. +- **Toplu İşleme Servisi** – Kodu bir Spring Boot mikroservisine sararak PDF’leri REST üzerinden kabul edin. +- **Elasticsearch Entegrasyonu** – Çıkarılan metni hızlı tam‑metin arama için indeksleyin. +- **Görüntü Ön‑İşleme** – OpenCV kullanarak sayfaları eğriltme düzeltme veya gürültü azaltma yapın; böylece doğruluk daha da artar. + +Bu konular, keşfettiğimiz temel kavramların üzerine inşa edilmiştir; deney yapmaktan çekinmeyin ve OCR motorunun ağır işini üstlenmesine izin verin. + +--- + +*İyi kodlamalar! Lisans hataları ya da beklenmedik null sonuçları gibi sorunlarla karşılaşırsanız, aşağıya yorum bırakın. Her zaman bir hata ayıklama oturumuna hazırım.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..5cea0e90f --- /dev/null +++ b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,246 @@ +--- +category: general +date: 2026-02-17 +description: Java'da OCR kullanarak görüntü dosyalarından metin tanımayı, PNG makbuzlarından + metin çıkarmayı ve makbuzu Aspose OCR ile JSON'a dönüştürmeyi öğrenin. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: tr +og_description: Görüntüden metin tanıma, PNG makbuzlardan metin çıkarma ve makbuzu + JSON'a dönüştürme için Java'da OCR kullanımına yönelik adım adım rehber. +og_title: Java'da OCR Nasıl Kullanılır – Görüntüden Metin Tanıma +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Java'da OCR Nasıl Kullanılır – Görüntüden Metni Hızlıca Tanıma +url: /tr/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java'da OCR Nasıl Kullanılır – Görüntüden Metni Hızlıca Tanıma + +Hiç **how to use OCR**'ı bir makbuz fotoğrafından metin çıkarmak için kullandınız mı? Belki birkaç çevrimiçi araç denediniz, ancak karışık karakterler ya da işleyemediğiniz bir formatla karşılaştınız. İyi haber şu ki, birkaç Java satırıyla **recognize text from image** dosyalarından **extract text from PNG** makbuzlarından metin çıkarabilir ve hatta **convert receipt to JSON** yaparak sonraki işlemler için kullanabilirsiniz. + +Bu öğreticide, Aspose OCR kütüphanesinin lisanslanmasından temiz bir JSON yükü elde etmeye kadar tam iş akışını adım adım göstereceğiz; bu JSON'u bir veritabanına ya da makine‑öğrenimi modeline besleyebilirsiniz. Gereksiz ayrıntı yok, sadece IDE'nize kopyalayıp yapıştırabileceğiniz pratik, çalıştırılabilir bir örnek. Sonunda, `receipt.png` dosyasını alıp kullanıma hazır bir JSON dizesi üreten bağımsız bir programınız olacak. + +## Gereksinimler + +- **Java Development Kit (JDK) 8+** – herhangi bir yeni sürüm yeterlidir. +- **Aspose OCR for Java** kütüphanesi (Maven bağımlılığı `com.aspose:aspose-ocr`). +- **Geçerli bir Aspose OCR lisans dosyası** (`Aspose.OCR.lic`). Ücretsiz deneme sürümü test için çalışır, ancak tam lisans değerlendirme sınırlamalarını kaldırır. +- Metni okumak istediğiniz bir görüntü dosyası (PNG, JPEG vb.) – buna `receipt.png` diyelim ve bilinen bir klasöre koyun. +- Sevdiğiniz IDE (IntelliJ IDEA, Eclipse, VS Code…) – seçiminiz serbest. + +> **Pro tip:** Lisans dosyanızı kaynak klasörünün dışına koyun ve mutlak ya da göreli bir yol ile referans verin; böylece sürüm kontrolüne eklenmesini önlersiniz. + +Şimdi ön koşullar net, gerçek koda dalalım. + +## OCR Nasıl Kullanılır – Temel Adımlar + +Aşağıda gerçekleştireceğimiz eylemlerin yüksek‑seviye bir özetini bulabilirsiniz: + +1. **Aspose OCR kütüphanesini yükleyin** ve lisansınızı uygulayın. +2. **`OcrEngine` örneği oluşturun** – bu, ağır işi yapan motor. +3. **İşlemek istediğiniz görüntüyü işaret eden bir `OcrInput` nesnesi hazırlayın**. +4. **`ResultFormat.JSON` ile `recognize` çağırın** ve çıkarılan metnin JSON temsilini alın. +5. **JSON çıktısını işleyin** – ekrana yazdırın, dosyaya kaydedin ya da daha ileri işleyin. + +Her adım, aşağıdaki bölümlerde ayrıntılı olarak açıklanmıştır. + +## Adım 1 – Aspose OCR'yi Kurun ve Lisansınızı Uygulayın + +İlk olarak, Maven kullanıyorsanız `pom.xml` dosyanıza Aspose OCR bağımlılığını ekleyin: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Şimdi, Java kodunuzda lisansı yükleyin. Bu adım çok önemlidir; lisans olmadan kütüphane değerlendirme modunda çalışır ve çıktıya filigran ekleyebilir. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Why this matters:** `License` nesnesi OCR motoruna tam özellik setini (yüksek doğruluklu tanıma ve JSON dışa aktarma dahil) kullanma yetkisi verildiğini bildirir. Bu adımı atlamak **recognize text from image** yapmanıza izin verir, ancak sonuçlar kısıtlanabilir. + +## Adım 2 – OCR Motoru Örneğini Oluşturun + +`OcrEngine` sınıfı tüm OCR işlemlerinin giriş noktasıdır. Bunu, pikselleri okuyup hangi karakterleri temsil ettiklerine karar veren “beyin” olarak düşünebilirsiniz. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Motoru (örneğin dil ayarlamak, eğikliği düzeltmek) daha sonra özelleştirebilirsiniz; makbuzlarınız Latin dışı betikler içeriyorsa ya da açıyla taranmışsa bu faydalı olur. Çoğu ABD‑tabanlı makbuz için varsayılan ayarlar gayet yeterlidir. + +## Adım 3 – İşlemek İstediğiniz Görüntüyü Yükleyin + +Şimdi OCR motorunu makbuzu tutan dosyaya yönlendireceğiz. `OcrInput` sınıfı birden fazla görüntüyü kabul edebilir, ancak bu öğreticide tek bir PNG ile basit tutacağız. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Eğer toplu olarak **extract text from PNG** dosyalarına ihtiyacınız olursa, sadece `input.add()` metodunu tekrar tekrar çağırın ya da bir dosya yolu listesi geçirin. + +## Adım 4 – Metni Tanıyın ve Makbuzu JSON'a Dönüştürün + +İşte öğreticinin kalbi. Motoru metni tanıması ve sonucu JSON formatında döndürmesi için istiyoruz. `ResultFormat.JSON` bayrağı tüm ağır işi bizim için yapar. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +JSON yükü, tanınan her satırı, sınırlayıcı kutusunu, güven skorunu ve ham metni içerir. Bu yapı, **convert receipt to JSON** işlemini son derece basit hâle getirir ve ardından herhangi bir downstream API'ye besleyebilirsiniz. + +## Adım 5 – Hepsini Bir Araya Getirin ve Programı Çalıştırın + +Aşağıda, her şeyi birleştiren tam, çalıştırılabilir Java sınıfı yer alıyor. `JsonExportDemo.java` (ya da istediğiniz başka bir ad) olarak kaydedin ve IDE'nizden ya da komut satırından çalıştırın. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Beklenen Çıktı + +Programı çalıştırdığınızda aşağıdakine benzer bir JSON dizesi yazdırılır (içerik makbuzunuza bağlı olarak değişir): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Artık bu JSON'u bir veritabanına, bir REST uç noktasına ya da bir veri‑analiz hattına besleyebilirsiniz. **convert receipt to JSON** adımı zaten sizin için tamamlanmış durumda. + +## Yaygın Sorular ve Kenar Durumları + +### Görüntü döndürülmüşse ne olur? + +Aspose OCR hafif döndürmeleri otomatik olarak algılar ve düzeltir. Şiddetli eğik görüntüler için tanımadan önce `engine.getImagePreprocessingOptions().setDeskew(true)` çağırın. + +### Birden fazla dili nasıl yönetirim? + +İstediğiniz dili ayarlamak için `engine.getLanguage()` kullanın, örneğin `engine.setLanguage(Language.FRENCH)`. Bu, **recognize text from image** içeren çok dilli makbuzlarla çalışırken işe yarar. + +### JSON yerine düz metin çıkışı alabilir miyim? + +Kesinlikle. `ResultFormat.JSON` yerine `ResultFormat.TEXT` kullanın ve `result.getText()` çağırın. + +### OCR'yi belirli bir bölgeyle sınırlamanın bir yolu var mı? + +Evet—`ocrInput.add(imagePath, new Rectangle(x, y, width, height))` kullanarak sadece makbuz alanına odaklanın; bu hız ve doğruluğu artırabilir. + +## Üretim‑Hazır OCR için Pro İpuçları + +- **Cache the license** nesnesini, bir döngü içinde çok sayıda dosya işliyorsanız saklayın; sürekli oluşturmak ek yük getirir. +- **Batch process**: tüm makbuz yollarını tek bir `OcrInput` içine yükleyin ve `recognize` metodunu bir kez çağırın. JSON, her sayfanın kendi satırlarını içeren bir dizi barındırır. +- **Validate JSON**: dizeyi aldıktan sonra Jackson gibi bir kütüphane ile ayrıştırarak iyi biçimlendirilmiş olduğundan emin olun, ardından depolayın. +- **Monitor confidence**: JSON, satır başına bir `confidence` alanı içerir. 0.85 gibi bir eşik altında kalan satırları filtreleyerek hatalı veriyi önleyin. +- **Secure your license**: `Aspose.OCR.lic` dosyasını güvenli bir kasada ya da ortam değişkeninde saklayın, özellikle bulut dağıtımlarında. + +## Sonuç + +**how to use OCR**'ı Java’da **recognize text from image**, **extract text from PNG** makbuzları ve **convert receipt to JSON** yapmak için kapsamlı, uçtan uca bir örnekle ele aldık. Adımlar basit, kod tamamen çalıştırılabilir ve JSON çıktısı, herhangi bir downstream sistem için hazır yapılandırılmış bir temsil sunar. + +Sonraki adımda daha gelişmiş senaryoları keşfedebilirsiniz: JSON'u gerçek‑zamanlı işleme için Apache Kafka'ya beslemek, satır‑item toplamlarını çekmek için regex desenleri uygulamak ya da ölçeklenebilirlik için bir bulut OCR hizmetiyle bütünleştirmek. Ne seçerseniz seçin, yeni öğrendiğiniz temeller aynı kalacak. + +Sorularınız mı var, yoksa deneme sırasında bir sorun mu yaşadınız? Aşağıya yorum bırakın, birlikte çözümleyelim. Mutlu kodlamalar, ve o dağınık makbuz görüntülerini temiz, aranabilir verilere dönüştürmenin tadını çıkarın! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/turkish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..ca600ecf7 --- /dev/null +++ b/ocr/turkish/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,184 @@ +--- +category: general +date: 2026-02-17 +description: 'görüntüden metne java öğreticisi: Aspose OCR kullanarak bir görüntüden + Urdu metnini nasıl çıkaracağınızı öğrenin. Tam java OCR örneği dahil.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: tr +og_description: Görüntüden metne Java öğreticisi, Aspose OCR kullanarak bir görüntüden + Urdu metnini nasıl çıkaracağını gösterir. Tam Java OCR örneğini adım adım izleyin. +og_title: 'görüntüden metne java: Aspose OCR ile Urdu Metnini Çıkar' +tags: +- OCR +- Java +- Aspose +title: 'görüntüden metne java: Aspose OCR ile Urdu Metnini Çıkar' +url: /tr/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +/products/products-backtop-button >}} + +All preserved. + +Now produce final output with translated content. Ensure no extra explanations.{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Aspose OCR ile Urdu Metnini Çıkarın + +Urdu belgeleri için **image to text java** dönüşümüne ihtiyacınız varsa, doğru yerdesiniz. *Metni nasıl çıkaracağınızı* bir el yazısı notunun ya da taranmış bir gazete sayfasının fotoğrafından merak ettiniz mi? Bu rehber, Aspose OCR kullanarak bir görüntüden doğrudan Urdu karakterlerini çeken bir **java ocr example** üzerinden size yol gösterecek. + +Kütüphaneyi lisanslamaktan sonuçları konsola yazdırmaya kadar her şeyi ele alacağız. Sonunda **load image ocr** dosyalarını yükleyebilecek, dili Urdu olarak ayarlayabilecek ve temiz Unicode çıktısı elde edebileceksiniz—ekstra araçlara gerek kalmayacak. + +## Gereksinimler + +- **Java Development Kit (JDK) 8+** – kod, herhangi bir yeni JDK'da çalışır. +- **Aspose.OCR for Java** JAR (Aspose web sitesinden indirin). +- Geçerli bir **Aspose OCR license** dosyası (`Aspose.OCR.lic`). +- Urdu metin içeren bir görüntü, ör. `urdu-sample.png`. + +Bu temel öğelere sahip olmak, eksik bağımlılıkları aramadan doğrudan koda atlamanızı sağlar. + +## image to text java – Aspose OCR Kurulumu + +İlk olarak, Aspose'a bir lisansımız olduğunu söylememiz gerekir. Lisans olmadan kütüphane değerlendirme modunda çalışır ve çıktıya filigran ekler. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Neden önemli:** Lisanslama, 5 saniyelik işleme sınırını kaldırır ve 2025‑Q3'te eklenen tam Urdu dil paketinin kilidini açar. Bu adımı atlayırsanız, OCR motoru hâlâ çalışır, ancak sonuçlarda küçük bir “Evaluation” etiketi görürsünüz. + +## Metni Çıkarma – OCR Motorunu Başlatma + +Şimdi motoru oluşturuyor ve açıkça Urdu ile ilgilendiğimizi belirtiyoruz. `OcrLanguage.URDU` sabiti doğru karakter kümesini ve segmentasyon kurallarını etkinleştirir. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**İpucu:** Tek bir çalıştırmada birden fazla dili işlemek isterseniz, virgülle ayrılmış bir liste geçirebilirsiniz, ör. `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Motor her bölgeyi otomatik algılayacaktır. + +## Load Image OCR – Girdiyi Hazırlama + +Aspose, bir veya birden fazla görüntüyü tutabilen bir `OcrInput` nesnesiyle çalışır. Burada yerel bir dosyadan **load image ocr** verisini yüklüyoruz. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Not:** `YOUR_DIRECTORY` ifadesini mutlak yol ya da proje kökünden göreceli bir yol ile değiştirin. Dosya bulunamazsa, Aspose bir `FileNotFoundException` fırlatır. `new File(path).exists()` ile hızlı bir kontrol, çokça hata ayıklama süresinden tasarruf sağlar. + +## Metni Tanıma – OCR Sürecini Çalıştırma + +Motor yapılandırıldı ve görüntü yüklendiğinde, sonunda `recognize` metodunu çağırıyoruz. Bu metod, çıkarılan dizeyi tutan bir `OcrResult` döndürür. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Arka planda ne oluyor?** OCR motoru görüntüyü satırlara, ardından karakterlere ayırır ve Urdu’ya özgü şekillendirme kurallarını (örneğin birleştirme formları) uygular. Bu yüzden dili erken ayarlamak çok önemlidir; aksi takdirde karışık Latin yer tutucular elde edersiniz. + +## Tanınan Urdu Metnini Yazdırma + +Son adım sadece sonucu yazdırmaktır. Urdu sağ‑dan‑sola bir yazı sistemi kullandığı için, konsolunuzun Unicode desteklediğinden emin olun (çoğu modern terminal bunu yapar). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Beklenen çıktı (örnek):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Eğer soru işaretleri ya da boş dizeler görürseniz, konsol kodlamanızın UTF‑8 olarak ayarlandığını iki kez kontrol edin (`Windows`'ta `chcp 65001` ya da Java'yı `-Dfile.encoding=UTF-8` ile çalıştırın). + +## Tam Çalışan Örnek – Tüm Adımlar Tek Bir Yerde + +Aşağıda, tamamen kopyala‑yapıştır‑hazır program bulunmaktadır. Harici referans yok, sadece tek bir Java dosyası. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Şöyle çalıştırın: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +JAR sürümünü (`23.10`) indirdiğiniz sürümle değiştirin. Konsol, PNG dosyanızdan çıkarılan Urdu cümlesini göstermelidir. + +## Yaygın Tuzaklar ve Kenar Durumları + +| Sorun | Neden Oluşur | Nasıl Düzeltilir | +|-------|----------------|------------| +| **Boş çıktı** | Görüntü çok karanlık veya düşük çözünürlüktedir. | Aspose'a vermeden önce `BufferedImage` kullanarak görüntüyü ön işleme tabi tutun (kontrastı artırın, ikilileştirin). | +| **Bozuk karakterler** | Yanlış dil ayarı (varsayılan İngilizcedir). | `recognize` çağrılmadan önce `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` çağrıldığından emin olun. | +| **Lisans bulunamadı** | Yol hatası ya da dosya eksik. | Mutlak bir yol kullanın veya `.lic` dosyasını sınıf yoluna koyun ve `license.setLicense("Aspose.OCR.lic");` çağırın. | +| **Büyük görüntülerde bellek yetersizliği** | Büyük PNG dosyaları heap'i tüketir. | İçeride küçültmek için `ocrEngine.setMaxImageSize(2000);` çağırın, ya da görüntüyü kendiniz yeniden boyutlandırın. | + +## Demoyu Genişletme + +- **Batch processing:** Bir klasörü döngüye al, her dosyayı aynı `OcrInput`a ekle ve sonuçları bir CSV'de topla. +- **Different languages:** `OcrLanguage.URDU` yerine `OcrLanguage.ARABIC` kullan veya birden fazla dili birleştir. +- **Saving to file:** `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));` kullan. + +Bu fikirlerin tümü, az önce oluşturduğumuz **java ocr example** üzerine inşa edilmiştir ve çözümü gerçek‑dünya projelerine göre uyarlamanıza olanak tanır. + +## Sonuç + +Artık Aspose OCR kullanarak bir görüntüden Urdu karakterlerini çıkaran sağlam bir **image to text java** iş akışına sahipsiniz. Eğitim, lisanslamadan dil seçimine, görüntüyü yüklemeye ve sonucu yazdırmaya kadar her adımı kapsadı—böylece kodu herhangi bir Java projesine yapıştırıp çalışmasını izleyebilirsiniz. + +Sonra, daha büyük PDF'lerle, farklı yazı sistemleriyle denemeler yapın ya da OCR adımını bir Spring Boot REST uç noktasına entegre etmeyi deneyin. Aynı prensipler—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/turkish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/turkish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..a5b06eb39 --- /dev/null +++ b/ocr/turkish/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Aspose OCR Java kütüphanesini kullanarak görüntüden metin tanımayı ve + OCR için görüntüyü yüklemeyi öğrenin. Yazım düzeltmeli adım adım kılavuz. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: tr +og_description: Aspose OCR Java kullanarak görüntüden metin tanıma. Bu öğreticide + OCR için görüntünün nasıl yükleneceği, yazım düzeltmesinin nasıl etkinleştirileceği + ve temiz metnin nasıl çıktılanacağı gösterilmektedir. +og_title: görüntüden metin tanıma – Tam Aspose OCR Java Rehberi +tags: +- Java +- OCR +- Aspose +title: Aspose OCR ile görüntüden metin tanıma – Java Öğreticisi +url: /tr/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# recognize text from image with Aspose OCR – Java Tutorial + +Hiç **görüntüden metin tanıma** yapmak istediniz ama hangi kütüphaneyi seçeceğinizi bilemediniz mi? Tek başınıza değilsiniz. Gerçek dünyadaki birçok projede—faturaları tarama, el yazısı notları dijitalleştirme ya da ekran görüntülerinden altyazı çıkarma gibi—doğru OCR sonuçları elde etmek çok önemlidir. + +Bu rehberde bir resmi OCR için yüklemeyi, Aspose OCR’ın yerleşik imla düzelticisini açmayı ve sonunda temizlenmiş metni yazdırmayı adım adım göstereceğiz. Sonunda sadece birkaç satır kodla **görüntüden metin tanıma** yapabilen çalışır bir Java programınız olacak. + +## What This Tutorial Covers + +- Aspose OCR lisansınızı nasıl uygulayacağınız (demo su işareti olmadan çalışır) +- Bir `OcrEngine` örneği oluşturup tanıma dili olarak İngilizce seçmek +- **Load image for OCR** işlemini `OcrInput` ile yapmak ve içinde hatalı kelimeler bulunan bir PNG’ye işaret etmek +- İmla düzelticiyi etkinleştirmek, isteğe bağlı olarak özel bir sözlüğe yönlendirmek +- Tanıma işlemini çalıştırıp düzeltilmiş sonucu yazdırmak + +Harici hizmetler, gizli yapılandırma dosyaları yok—sadece saf Java ve Aspose OCR JAR. + +> **Pro tip:** Aspose’a yeniyseniz, Aspose web sitesinden ücretsiz 30‑günlük deneme lisansını alın ve `.lic` dosyasını kodunuzdan referans verebileceğiniz bir klasöre koyun. + +## Prerequisites + +- Java 8 veya daha yeni (kod JDK 11 ile de derlenir) +- Aspose.OCR for Java JAR’ı sınıf yolunuzda +- Geçerli bir `Aspose.OCR.lic` dosyası (ya da değerlendirme modunda çalışabilirsiniz, ancak demo bir su işareti ekleyecektir) +- Bilerek yazım hataları içeren bir görüntü dosyası (`misspelled.png`)—imla düzelticinin nasıl çalıştığını görmek için ideal + +Hepsi hazır mı? Harika—hadi başlayalım. + +## Step 1: Apply Your Aspose OCR License + +Motor ağır işi yapmadan önce lisanslı olduğunuzu bilmesi gerekir. Aksi takdirde çıktıda “Trial version” bannerı görürsünüz. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Bu neden önemli:* Lisans, deneme su işaretini devre dışı bırakır ve tam imla‑düzeltici sözlüğünün kilidini açar. Bu adımı atlamak çalışır, ancak çıktınız “Aspose OCR Demo” metniyle kirlenir. + +## Step 2: Create and Configure the OCR Engine + +Şimdi motoru başlatıp hangi dili kullanacağını söylüyoruz. İngilizce en yaygın olanıdır, ancak Aspose onlarca dili destekler. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Dili neden ayarlıyoruz:* Dil modeli karakter setini belirler ve imla‑düzelticinin önerilerini etkiler. Yanlış dil seçimi doğruluğu büyük ölçüde düşürebilir. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Aspose OCR, yerleşik bir İngilizce sözlükle gelir, ancak alan‑özgü terimleriniz (örneğin tıbbi jargon ya da ürün kodları) varsa kendi sözlüğünüzü de sağlayabilirsiniz. + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*Düzelticinin yaptığı:* OCR motoru sözlükte bulunmayan bir kelime gördüğünde, en yakın eşleşmeyle değiştirmeye çalışır. Bu yüzden demo “recieve” kelimesini otomatik olarak “receive” yapabilir. + +## Step 4: Load the Image for OCR + +İşte **load image for OCR** sorusunun doğrudan cevabı. Bir `OcrInput` nesnesi oluşturup PNG dosyamızı ekliyoruz. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*`OcrInput` neden kullanıyoruz:* Dosya okuma mantığını soyutlar ve ileride çok sayfalı PDF ya da bir dizi görüntü işlemek isterseniz birden fazla sayfa eklemenize olanak tanır. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +Motor şimdi ağır işi yapıyor—karakterleri tanıyor, dil modelini uyguluyor ve sonunda imla düzeltmesi yapıyor. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Beklenen çıktı:* `misspelled.png` içinde “Ths is a smple test” ifadesi varsa, konsol şu şekilde yazdırır: + +``` +Corrected text: +This is a simple test +``` + +Yanlış yazılmış kelimelerin (`Ths`, `smple`) otomatik olarak düzeltildiğine dikkat edin. + +## Full, Ready‑to‑Run Example + +Aşağıda tüm program tek bir blokta verilmiştir. Kopyalayıp yapıştırın, yolları ayarlayın ve **Run** tuşuna basın. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**İpucu:** PNG yerine JPEG ya da BMP işlemek isterseniz sadece dosya uzantısını değiştirin—Aspose OCR tüm yaygın raster formatlarını destekler. + +## Common Questions & Edge Cases + +- **Görüntüm düşük çözünürlükte ise ne yapmalıyım?** + Aspose’a vermeden önce DPI’yı artırmak için `java.awt.Image` gibi bir kütüphane ile yeniden ölçeklendirin. Daha yüksek DPI, motorun daha fazla pikselle çalışmasını sağlar ve genellikle doğruluğu artırır. + +- **Aynı görüntüde birden fazla dili tanıyabilir miyim?** + Evet. `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` çağırın ve isteğe bağlı olarak `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);` gibi bir dil listesi ekleyin. + +- **Özel sözlüğüm kullanılmıyor—neden?** + Klasörün her satırda bir kelime olacak şekilde düz metin dosyaları içerdiğinden ve yolun mutlak ya da çalışma dizinine göre doğru olduğundan emin olun. + +- **Güven skorlarını nasıl çıkarırım?** + `result.getConfidence()` tüm sayfa için 0 ile 1 arasında bir float döndürür. Karakter bazında güven için `result.getWordList()` metodunu inceleyin. + +## Conclusion + +Artık Aspose OCR for Java kullanarak **görüntüden metin tanıma**, **load image for OCR** ve yaygın yazım hatalarını temizleyen imla‑düzelticiyi nasıl etkinleştireceğinizi biliyorsunuz. Yukarıdaki tam örnek, herhangi bir Maven ya da Gradle projesine eklenmeye hazır ve birkaç ayarlama ile klasörleri toplu işlemek, bir web servisine bağlamak ya da bir belge yönetim sistemiyle bütünleştirmek mümkün. + +Bir sonraki adıma hazır mısınız? Çok sayfalı bir PDF deneyin, sektöre özgü terimler için özel bir sözlükle oynayın ya da çıktıyı bir çeviri API’sine zincirleyin. Olasılıklar sınırsız ve temel akış—lisans → motor → dil → imla‑düzeltici → giriş → tanıma → çıktı—her zaman aynı kalır. + +İyi kodlamalar, OCR sonuçlarınız her zaman kusursuz olsun! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/advanced-ocr-techniques/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/_index.md index 744ed3b3c..8e8471210 100644 --- a/ocr/vietnamese/java/advanced-ocr-techniques/_index.md +++ b/ocr/vietnamese/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Khai phá sức mạnh của nhận dạng văn bản với Aspose.OCR cho Java. Trao quyền cho các ứng dụng Java của bạn với Aspose.OCR để nhận dạng văn bản chính xác. Tích hợp dễ dàng, độ chính xác cao. ### [Chỉ định các ký tự được phép trong Aspose.OCR](./specify-allowed-characters/) Mở khóa tính năng trích xuất văn bản từ hình ảnh một cách liền mạch với Aspose.OCR cho Java. Hãy làm theo hướng dẫn từng bước của chúng tôi để tích hợp hiệu quả. +### [Nhận dạng văn bản hình ảnh bằng Aspose OCR GPU – Java](./recognize-text-image-using-aspose-ocr-gpu-java/) +Tận dụng sức mạnh GPU để nhận dạng văn bản trong hình ảnh nhanh chóng với Aspose OCR cho Java. Tải xuống ngay để cải thiện hiệu suất. +### [fixed thread pool Java – OCR song song cho PNG](./fixed-thread-pool-java-parallel-ocr-for-png/) +Sử dụng fixed thread pool trong Java để thực hiện OCR song song trên các tệp PNG, tăng tốc độ xử lý và hiệu suất dự án. +### [Tiền xử lý hình ảnh cho OCR – Hướng dẫn Java hoàn chỉnh để tăng độ tương phản & trích xuất văn bản](./preprocess-image-for-ocr-complete-java-guide-to-boost-contra/) +Tăng cường độ tương phản và chuẩn bị hình ảnh để OCR chính xác hơn trong Java. Hướng dẫn chi tiết từng bước. +### [Tạo Engine OCR Java – Nhận dạng Văn bản từ Hình ảnh Lớn](./create-ocr-engine-java-recognize-text-from-large-images/) +Tận dụng Aspose.OCR để xây dựng engine OCR tùy chỉnh, nhận dạng văn bản chính xác từ hình ảnh lớn trong Java. + {{< /blocks/products/pf/tutorial-page-section >}} {{< /blocks/products/pf/main-container >}} {{< /blocks/products/pf/main-wrap-class >}} -{{< blocks/products/products-backtop-button >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md new file mode 100644 index 000000000..5a15c6629 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/_index.md @@ -0,0 +1,256 @@ +--- +category: general +date: 2026-02-17 +description: Tạo công cụ OCR bằng Java và đọc nhanh file TIFF. Tìm hiểu cách nhận + dạng văn bản từ hình ảnh lớn bằng Aspose.OCR trong hướng dẫn từng bước. +draft: false +keywords: +- create ocr engine java +- read tiff file java +- recognize text from large image +- Aspose OCR Java +- large image processing Java +language: vi +og_description: Tạo engine OCR Java ngay bây giờ. Hướng dẫn này cho thấy cách đọc + tệp TIFF trong Java và nhận dạng văn bản từ hình ảnh lớn bằng Aspose.OCR. +og_title: Tạo Engine OCR Java – Hướng Dẫn Toàn Diện Nhận Dạng Văn Bản Ảnh Lớn +tags: +- OCR +- Java +- Aspose +title: Tạo Engine OCR Java – Nhận dạng Văn bản từ Hình ảnh Lớn +url: /vi/java/advanced-ocr-techniques/create-ocr-engine-java-recognize-text-from-large-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tạo OCR Engine Java – Nhận Diện Văn Bản Từ Ảnh Lớn + +Bạn đã bao giờ cần **tạo OCR engine Java** để xử lý một bản đồ TIFF khổng lồ, nhưng không biết bắt đầu từ đâu? Bạn không đơn độc—nhiều nhà phát triển gặp khó khăn khi kích thước ảnh vượt quá giới hạn bộ nhớ thông thường. + +Trong hướng dẫn này, chúng tôi sẽ dẫn bạn qua một ví dụ hoàn chỉnh, sẵn sàng chạy, **tạo một OCR engine trong Java**, cho bạn thấy cách **đọc file TIFF Java** bằng `InputStream`, và cuối cùng **nhận dạng văn bản từ ảnh lớn** mà không bị hết heap. Khi hoàn thành, bạn sẽ có một chương trình tự chứa có thể đưa vào bất kỳ dự án Maven hoặc Gradle nào. + +## Những Gì Bạn Cần Chuẩn Bị + +- **Java Development Kit (JDK) 8 trở lên** – mã chỉ sử dụng I/O chuẩn cộng với Aspose.OCR. +- Thư viện **Aspose.OCR for Java** (phiên bản mới nhất tính đến 2026‑02) – bạn có thể tải JAR từ trang Aspose hoặc qua Maven Central. +- Một **file TIFF lớn** (ví dụ: bản đồ đa megapixel) mà bạn muốn OCR. +- **File giấy phép Aspose.OCR** (`Aspose.OCR.lic`). Nếu không có, engine sẽ chạy ở chế độ đánh giá, nhưng sẽ có watermark. + +> **Mẹo chuyên nghiệp:** Đặt file TIFF cạnh thư mục nguồn của bạn hoặc dùng đường dẫn tuyệt đối; engine sẽ tự chia ảnh thành các ô, vì vậy bạn không cần tự tách ảnh. + +![Create OCR Engine Java workflow](ocr-workflow.png){alt="Sơ đồ quy trình tạo OCR Engine Java"} + +## Bước 1 – Áp Dụng Giấy Phép Aspose.OCR (Create OCR Engine Java) + +Trước khi engine thực hiện bất kỳ công việc nặng nào, bạn phải đăng ký giấy phép. Bỏ qua bước này sẽ buộc engine vào chế độ đánh giá, giới hạn số trang và thêm banner vào kết quả. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** Loads the Aspose.OCR license from the given path. */ + public static void applyLicense(String licensePath) throws Exception { + License license = new License(); + license.setLicense(licensePath); // throws if the file is missing or invalid + } +} +``` + +*Lý do quan trọng:* Đối tượng `License` thông báo cho OCR engine mở khóa thuật toán chia ô độ phân giải đầy đủ, điều này thiết yếu để xử lý **ảnh lớn** một cách hiệu quả. + +## Bước 2 – Khởi Tạo OCR Engine (Create OCR Engine Java) + +Bây giờ chúng ta khởi động `OcrEngine` cốt lõi. Hãy nghĩ nó như bộ não sẽ sau này đọc các pixel và xuất ra văn bản Unicode. + +```java +/** Returns a fresh OcrEngine ready for recognition. */ +public static OcrEngine buildEngine() { + // No special configuration needed for basic text extraction. + // You can tweak language, DPI, or preprocessing here if required. + return new OcrEngine(); +} +``` + +*Tại sao chúng ta giữ nó đơn giản:* Đối với hầu hết các trường hợp, cài đặt mặc định đã bao gồm phát hiện ngôn ngữ tự động và chia ô tối ưu. Cấu hình quá mức thực tế có thể làm chậm quá trình trên các file khổng lồ. + +## Bước 3 – Tải File TIFF Bằng InputStream (Read TIFF File Java) + +Các file TIFF lớn có thể lên tới vài trăm megabyte. Việc tải toàn bộ vào một `BufferedImage` sẽ làm tràn heap. Thay vào đó, chúng ta cung cấp cho engine một `InputStream`; Aspose.OCR sẽ đọc và chia ô ảnh ngay trong quá trình xử lý. + +```java +import java.io.*; + +public static InputStream openTiff(String filePath) throws FileNotFoundException { + // Using try‑with‑resources later guarantees the stream is closed. + return new FileInputStream(filePath); +} +``` + +*Trường hợp đặc biệt:* Nếu TIFF của bạn được nén bằng CCITT Group 4, Aspose.OCR vẫn xử lý được, nhưng bạn có thể muốn đặt `ocrEngine.getConfiguration().setTiffCompression(TiffCompression.CCITT4)` để tăng tốc nhẹ. + +## Bước 4 – Chuẩn Bị OCR Input và Gợi Ý Định Dạng + +Đối tượng `OcrInput` có thể chứa nhiều ảnh, nhưng trong demo này chúng ta chỉ cần một. Cung cấp chuỗi định dạng (`"tif"`) giúp engine bỏ qua việc dò định dạng, tiết kiệm vài mili giây. + +```java +import com.aspose.ocr.*; + +public static OcrInput buildInput(InputStream imageStream) throws Exception { + OcrInput input = new OcrInput(); + input.add(imageStream, "tif"); // second argument is the optional file extension hint + return input; +} +``` + +*Lý do gợi ý hữu ích:* Khi làm việc với **ảnh lớn**, mỗi mili giây đều quan trọng. Gợi ý định dạng cho parser bỏ qua việc phân tích header tốn kém. + +## Bước 5 – Nhận Diện Văn Bản Từ Ảnh Lớn (Recognize Text from Large Image) + +Khi mọi thứ đã được kết nối, lời gọi OCR thực tế chỉ là một dòng duy nhất. Engine trả về một `OcrResult` chứa văn bản thuần, điểm tin cậy, và thậm chí các bounding box nếu bạn cần chúng sau này. + +```java +public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + // The recognize method performs tiling internally, so memory usage stays low. + return engine.recognize(input); +} +``` + +*Điều gì xảy ra phía sau:* Aspose.OCR chia TIFF thành các ô có kích thước quản lý được (mặc định 1024 × 1024 px), chạy mô hình neural‑net trên mỗi ô, rồi ghép kết quả lại. Đó là lý do bạn có thể **nhận dạng văn bản từ ảnh lớn** mà không cần tiền xử lý thủ công. + +## Bước 6 – Hiển Thị Xem Trước Văn Bản Đã Trích Xuất + +In toàn bộ tài liệu ra console có thể quá tải. Hãy hiển thị chỉ 200 ký tự đầu tiên, kèm dấu ba chấm, để bạn nhanh chóng kiểm tra kết quả. + +```java +public static void printPreview(OcrResult result) { + String text = result.getText(); + if (text.length() > 200) { + System.out.println(text.substring(0, 200) + "…"); + } else { + System.out.println(text); + } +} +``` + +*Kết quả console dự kiến:* + +``` +The quick brown fox jumps over the lazy dog. This map shows the historic... +``` + +Nếu bạn thấy ký tự rối rắm, hãy kiểm tra lại ngôn ngữ đã chọn (mặc định là tiếng Anh) và đảm bảo TIFF không bị hỏng. + +## Ví Dụ Hoàn Chỉnh + +Kết hợp tất cả các phần lại sẽ cho bạn một lớp duy nhất có thể biên dịch và chạy: + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class LargeImageDemo { + + public static void main(String[] args) throws Exception { + // ------------------------------------------------- + // 1️⃣ Apply your Aspose.OCR license (Create OCR Engine Java) + // ------------------------------------------------- + LicenseHelper.applyLicense("Aspose.OCR.lic"); + + // ------------------------------------------------- + // 2️⃣ Build the OCR engine (Create OCR Engine Java) + // ------------------------------------------------- + OcrEngine ocrEngine = buildEngine(); + + // ------------------------------------------------- + // 3️⃣ Open the huge TIFF (Read TIFF File Java) + // ------------------------------------------------- + try (InputStream imageStream = openTiff("YOUR_DIRECTORY/huge-map.tif")) { + + // ------------------------------------------------- + // 4️⃣ Prepare OCR input, hint the format + // ------------------------------------------------- + OcrInput ocrInput = buildInput(imageStream); + + // ------------------------------------------------- + // 5️⃣ Recognize text from large image (Recognize Text from Large Image) + // ------------------------------------------------- + OcrResult ocrResult = runRecognition(ocrEngine, ocrInput); + + // ------------------------------------------------- + // 6️⃣ Show a preview of the extracted text + // ------------------------------------------------- + printPreview(ocrResult); + } + } + + // Helper methods from previous sections ------------------------------------ + public static void applyLicense(String path) throws Exception { + License lic = new License(); + lic.setLicense(path); + } + + public static OcrEngine buildEngine() { + return new OcrEngine(); + } + + public static InputStream openTiff(String filePath) throws FileNotFoundException { + return new FileInputStream(filePath); + } + + public static OcrInput buildInput(InputStream stream) throws Exception { + OcrInput input = new OcrInput(); + input.add(stream, "tif"); + return input; + } + + public static OcrResult runRecognition(OcrEngine engine, OcrInput input) throws Exception { + return engine.recognize(input); + } + + public static void printPreview(OcrResult result) { + String txt = result.getText(); + System.out.println(txt.length() > 200 ? txt.substring(0, 200) + "…" : txt); + } +} +``` + +Biên dịch bằng: + +```bash +javac -cp "aspose-ocr-23.12.jar" LargeImageDemo.java +java -cp ".:aspose-ocr-23.12.jar" LargeImageDemo +``` + +Thay `aspose-ocr-23.12.jar` bằng phiên bản thực tế bạn đã tải về. + +## Những Sai Lầm Thường Gặp & Mẹo + +| Vấn đề | Nguyên nhân | Giải pháp nhanh | +|------|----------------|-----------| +| **OutOfMemoryError** | Tải TIFF vào `BufferedImage` thay vì stream. | Luôn sử dụng `InputStream` như ví dụ; để Aspose xử lý chia ô. | +| **Kết quả trống** | Gợi ý phần mở rộng file sai (`"tif"` vs `"tiff"`). | Dùng đúng chuỗi bạn đã truyền vào `add`. | +| **Ký tự rác** | Giấy phép chưa được áp dụng hoặc đã hết hạn. | Kiểm tra đường dẫn file `.lic` và áp dụng lại trước khi tạo engine. | +| **Nhận dạng chậm** | Sử dụng `OcrConfiguration` tùy chỉnh với DPI cao. | Giữ mặc định cho hầu hết các trường hợp; chỉ điều chỉnh khi cần độ chính xác cao hơn. | + +### Khi Nào Nên Điều Chỉnh Cài Đặt + +- **Tài liệu đa ngôn ngữ:** `ocrEngine.getConfiguration().setLanguage(Language.English, Language.French);` +- **Độ chính xác cao hơn cho phông chữ nhỏ:** `ocrEngine.getConfiguration().setPreprocessOptions(PreprocessOptions.ENHANCE);` + +Nhưng nhớ rằng, mỗi tùy chọn bổ sung có thể tăng thời gian CPU, đặc biệt trên **ảnh lớn**. Hãy thử với một ô duy nhất trước. + +## Các Bước Tiếp Theo + +Bây giờ bạn đã biết cách **tạo OCR engine Java**, **đọc file TIFF Java**, và **nhận dạng văn bản từ ảnh lớn**, bạn có thể muốn: + +1. **Xuất kết quả ra PDF** – kết hợp Aspose.PDF với văn bản OCR để tạo tài liệu có thể tìm kiếm. +2. **Lưu trữ bounding boxes** – dùng `ocrResult.getWords()` để lấy tọa độ cho việc đánh dấu. +3. **Song song hoá xử lý ô** – cho ảnh vệ tinh siêu lớn, khởi chạy một + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md new file mode 100644 index 000000000..3b62c5a7f --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-02-17 +description: Tìm hiểu cách sử dụng một fixed thread pool trong Java để trích xuất + văn bản từ các ảnh PNG bằng xử lý OCR song song và tắt dịch vụ executor một cách + đúng cách. +draft: false +keywords: +- fixed thread pool java +- extract text from png +- parallel ocr processing +- convert scanned pages text +- shut down executor service +language: vi +og_description: Khám phá cách một pool luồng cố định trong Java có thể trích xuất + văn bản từ ảnh PNG một cách song song, chuyển đổi văn bản của các trang quét và + tắt dịch vụ executor một cách an toàn. +og_title: fixed thread pool Java – OCR song song cho PNG +tags: +- java +- ocr +- multithreading +- aspose +title: bể luồng cố định Java – OCR song song cho PNG +url: /vi/java/advanced-ocr-techniques/fixed-thread-pool-java-parallel-ocr-for-png/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# fixed thread pool java – OCR song song cho PNG + +Bạn đã bao giờ tự hỏi làm thế nào để tăng tốc OCR trên một loạt các tệp PNG bằng cách sử dụng **fixed thread pool java**? Trong hướng dẫn này, chúng ta sẽ thực hiện **extract text from PNG** các hình ảnh một cách song song, **convert scanned pages text** thành các chuỗi có thể chỉnh sửa, và an toàn **shut down executor service** khi công việc hoàn thành. + +Nếu bạn từng nhìn chằm chằm vào một vòng lặp single‑threaded kéo dài trong nhiều phút, bạn sẽ hiểu cảm giác chờ đợi mỗi trang hoàn thành trước khi trang tiếp theo bắt đầu. Tin tốt là gì? Chỉ với vài dòng Java và Aspose OCR, bạn có thể khai thác sức mạnh của tất cả các lõi CPU, biến những trang quét thành văn bản có thể tìm kiếm, và giữ cho ứng dụng của bạn luôn phản hồi. + +Dưới đây là một ví dụ hoàn chỉnh, sẵn sàng chạy, cùng với các giải thích tại sao mỗi phần lại quan trọng, những lỗi thường gặp, và các mẹo bạn có thể áp dụng cho bất kỳ thư viện OCR nào. + +--- + +## Những gì bạn cần + +- **Java 17** (hoặc bất kỳ JDK hiện đại nào) – mã sử dụng cú pháp hiện đại `var` một cách hạn chế, nhưng vẫn hoạt động trên các phiên bản cũ hơn. +- Thư viện **Aspose.OCR for Java** – bạn có thể lấy nó từ Maven Central hoặc tải bản dùng thử từ Aspose. +- Một tập hợp các tệp **PNG** bạn muốn xử lý – ví dụ như biên lai quét, trang sách, hoặc ảnh chụp màn hình. +- Kiến thức cơ bản về đồng thời trong Java – không bắt buộc, nhưng sẽ hữu ích. + +Đó là tất cả. Không cần dịch vụ bên ngoài, không cần Docker, chỉ cần Java thuần và một chút ma thuật đa luồng. + +## Bước 1: Thêm phụ thuộc Aspose OCR & Giấy phép (Tùy chọn) + +Đầu tiên, đảm bảo JAR Aspose OCR có trong classpath của bạn. Nếu bạn dùng Maven, thêm: + +```xml + + + com.aspose + aspose-ocr + 23.10 + +``` + +Nếu bạn không có giấy phép, thư viện sẽ chạy ở chế độ đánh giá; mã vẫn hoạt động như bình thường. Để tải giấy phép (được khuyến nghị cho môi trường production), đặt `Aspose.OCR.lic` vào thư mục resources và sử dụng: + +```java +// Load the Aspose OCR license (optional) +License license = new License(); +license.setLicense("Aspose.OCR.lic"); +``` + +> **Pro tip:** Giữ file giấy phép ra ngoài hệ thống kiểm soát phiên bản để tránh việc lộ ra ngoài vô tình. + +## Bước 2: Tạo một đối tượng `OcrEngine` Thread‑Safe + +`OcrEngine` của Aspose OCR là thread‑safe miễn là bạn tái sử dụng cùng một thể hiện cho các tác vụ. Tạo nó một lần sẽ tiết kiệm bộ nhớ và tránh chi phí khởi tạo lại engine cho mỗi hình ảnh. + +```java +// One shared OcrEngine for all threads +OcrEngine ocrEngine = new OcrEngine(); +``` + +Tại sao nên tái sử dụng? Hãy tưởng tượng engine như một nhân viên nặng ký tải các mô hình ngôn ngữ vào bộ nhớ. Tạo một engine mới cho mỗi hình ảnh sẽ giống như thuê một chuyên gia mới cho mỗi công việc nhỏ – tốn kém và không cần thiết. + +## Bước 3: Thiết lập Fixed Thread Pool Java + +Bây giờ là phần trọng tâm: một **fixed thread pool java**. Chúng ta sẽ đặt kích thước bằng số bộ xử lý logic để mỗi lõi đều có công việc mà không bị quá tải. + +```java +// Determine available processors and create a fixed pool +int threadCount = Runtime.getRuntime().availableProcessors(); +ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); +``` + +Sử dụng một pool *fixed* (thay vì cached) giúp bạn dự đoán được việc sử dụng tài nguyên và ngăn ngừa các đợt “out‑of‑memory” khi hàng trăm hình ảnh đến cùng một lúc. + +## Bước 4: Liệt kê các tệp PNG bạn muốn xử lý (Extract Text from PNG) + +Thu thập các đường dẫn tới các hình ảnh bạn muốn OCR. Trong dự án thực tế bạn có thể quét một thư mục hoặc đọc từ cơ sở dữ liệu; ở đây chúng ta sẽ hard‑code một vài ví dụ. + +```java +List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" +); +``` + +> **Note:** Phần mở rộng tệp **png** là quan trọng vì Aspose OCR tự động phát hiện định dạng, nhưng bạn cũng có thể đưa JPEG hoặc TIFF vào. + +## Bước 5: Gửi các tác vụ OCR – Xử lý OCR song song + +Mỗi hình ảnh sẽ trở thành một callable trả về văn bản đã nhận dạng. Vì `OcrEngine` được chia sẻ, chúng ta chỉ cần truyền đường dẫn tệp vào tác vụ. + +```java +List> ocrFutures = new ArrayList<>(); + +for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + // Prepare input for this image + OcrInput input = new OcrInput(); + input.add(imagePath); + + // Perform OCR using the shared engine + OcrResult result = ocrEngine.recognize(input); + + // Return the plain text + return result.getText(); + })); +} +``` + +Tại sao lại bọc trong một `Future`? Nó cho phép chúng ta khởi chạy tất cả các công việc ngay lập tức, sau đó thu thập kết quả theo thứ tự đã gửi – hoàn hảo để giữ thứ tự trang khi **convert scanned pages text** trở lại một tài liệu. + +## Bước 6: Lấy kết quả và hiển thị (Convert Scanned Pages Text) + +Bây giờ chúng ta chờ mỗi `Future` hoàn thành và in ra kết quả. Lệnh `get()` chỉ chặn cho đến khi tác vụ cụ thể hoàn thành, không phải toàn bộ pool. + +```java +for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); // prints OCR result for one PNG +} +``` + +Kết quả console điển hình trông như sau: + +``` +---- +The quick brown fox jumps over the lazy dog. +---- +Lorem ipsum dolor sit amet, consectetur adipiscing elit. +---- +Page 3 content goes here… +``` + +Nếu bạn muốn ghi kết quả ra file, thay `System.out.println` bằng lệnh `Files.writeString`. + +## Bước 7: Tắt dịch vụ Executor một cách sạch sẽ + +Khi mọi tác vụ đã hoàn thành, việc **shut down executor service** là rất quan trọng; nếu không JVM có thể giữ các luồng non‑daemon sống, ngăn cản việc thoát ứng dụng một cách êm ái. + +```java +threadPool.shutdown(); // No new tasks accepted +if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); // Force shutdown after timeout +} +``` + +Mẫu `awaitTermination` cho phép pool có thời gian hoàn thành công việc đang chạy trước khi chúng ta buộc dừng. Bỏ qua bước này là nguyên nhân phổ biến gây rò rỉ bộ nhớ trong các ứng dụng chạy lâu dài. + +## Ví dụ Hoạt động đầy đủ + +Kết hợp tất cả lại, dưới đây là chương trình hoàn chỉnh mà bạn có thể sao chép‑dán vào `ParallelBatchDemo.java` và chạy: + +```java +import com.aspose.ocr.*; + +import java.util.*; +import java.util.concurrent.*; + +public class ParallelBatchDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license (optional) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // 2️⃣ Shared, thread‑safe OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Fixed thread pool java – one thread per core + int threadCount = Runtime.getRuntime().availableProcessors(); + ExecutorService threadPool = Executors.newFixedThreadPool(threadCount); + + // 4️⃣ Files to process – extract text from png + List imageFiles = Arrays.asList( + "YOUR_DIRECTORY/page1.png", + "YOUR_DIRECTORY/page2.png", + "YOUR_DIRECTORY/page3.png" + ); + + // 5️⃣ Submit tasks – parallel OCR processing + List> ocrFutures = new ArrayList<>(); + for (String imagePath : imageFiles) { + ocrFutures.add(threadPool.submit(() -> { + OcrInput input = new OcrInput(); + input.add(imagePath); + OcrResult result = ocrEngine.recognize(input); + return result.getText(); + })); + } + + // 6️⃣ Retrieve and print – convert scanned pages text + for (Future future : ocrFutures) { + System.out.println("----"); + System.out.println(future.get()); + } + + // 7️⃣ Shut down executor service cleanly + threadPool.shutdown(); + if (!threadPool.awaitTermination(60, TimeUnit.SECONDS)) { + threadPool.shutdownNow(); + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md new file mode 100644 index 000000000..b7b5c0242 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-02-17 +description: Tiền xử lý hình ảnh cho OCR với Aspose OCR trong Java. Học cách tăng + độ tương phản của hình ảnh, đặt mức độ tương phản và nhận dạng văn bản từ hình ảnh + chỉ trong vài phút. +draft: false +keywords: +- preprocess image for ocr +- boost image contrast +- recognize text from image +- extract text using OCR +- set contrast level +language: vi +og_description: Tiền xử lý hình ảnh cho OCR bằng Aspose OCR Java. Hướng dẫn này cho + thấy cách tăng độ tương phản của hình ảnh, thiết lập mức độ tương phản và nhận dạng + văn bản từ hình ảnh một cách nhanh chóng. +og_title: Tiền xử lý hình ảnh cho OCR – Hướng dẫn Java để tăng độ tương phản & trích + xuất văn bản +tags: +- Java +- OCR +- Image Processing +title: Tiền xử lý hình ảnh cho OCR – Hướng dẫn Java toàn diện để tăng độ tương phản + & trích xuất văn bản +url: /vi/java/advanced-ocr-techniques/preprocess-image-for-ocr-complete-java-guide-to-boost-contra/ +--- + +produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tiền xử lý ảnh cho OCR – Hướng dẫn Java đầy đủ + +Bạn đã bao giờ cần **tiền xử lý ảnh cho OCR** nhưng không chắc những cài đặt nào thực sự tạo ra sự khác biệt? Bạn không đơn độc. Hầu hết các nhà phát triển chỉ đưa một ảnh vào engine OCR và hy vọng phép màu sẽ xảy ra, nhưng kết quả lại rối rắm. Trong tutorial này, chúng ta sẽ đi qua một ví dụ thực tế, từ đầu đến cuối, **tăng độ tương phản của ảnh**, điều chỉnh **mức độ tương phản**, và cuối cùng **nhận dạng văn bản từ ảnh** bằng Aspose OCR cho Java. + +Khi hoàn thành, bạn sẽ có một đoạn mã có thể tái sử dụng để **trích xuất văn bản bằng OCR** một cách đáng tin cậy, ngay cả trên các bản quét nhiễu. Không có thủ thuật ẩn, chỉ có các bước rõ ràng và lý do đằng sau mỗi bước. + +## Những gì bạn cần + +- Java 17 hoặc mới hơn (mã sẽ biên dịch với bất kỳ JDK nào gần đây) +- Thư viện Aspose OCR cho Java (tải về từ trang chính thức của Aspose) +- Tệp giấy phép Aspose OCR hợp lệ (`Aspose.OCR.lic`) +- Ảnh đầu vào (`input.jpg`) mà bạn muốn đọc +- IDE yêu thích hoặc môi trường dòng lệnh đơn giản + +Nếu bạn đã có những thứ này, tuyệt vời—hãy bắt đầu ngay. + +## Bước 1: Tải giấy phép Aspose OCR (Cài đặt chính) + +Trước khi engine OCR làm bất kỳ việc gì, nó cần biết rằng bạn đã có giấy phép. Nếu không, bạn sẽ gặp watermark bản dùng thử. + +```java +import com.aspose.ocr.*; + +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // Load the Aspose OCR license – this disables the evaluation limits + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +**Tại sao điều này quan trọng:** Không có giấy phép hợp lệ, engine sẽ chạy ở chế độ đánh giá, có thể cắt ngắn kết quả hoặc thêm watermark. Đặt giấy phép ngay từ đầu cũng đảm bảo rằng mọi tùy chọn tiền xử lý sau này được áp dụng trong chế độ đầy đủ tính năng. + +## Bước 2: Khởi tạo OCR Engine + +Tạo một thể hiện `OcrEngine` sẽ cho bạn quyền truy cập cả vào pipeline nhận dạng và tiền xử lý. + +```java + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Mẹo chuyên nghiệp:** Giữ engine dưới dạng singleton nếu bạn dự định xử lý nhiều ảnh trong một batch; nó sẽ cache các tài nguyên nội bộ và tăng tốc các lần gọi tiếp theo. + +## Bước 3: Cấu hình tiền xử lý – Độ nghiêng, Khử nhiễu và Tăng cường Độ tương phản + +Đây là nơi chúng ta **tiền xử lý ảnh cho OCR**. Ba nút chúng ta sẽ điều chỉnh là: + +1. **Deskew** – sửa các góc quay nhẹ. +2. **Denoise** – loại bỏ các điểm nhiễu gây rối việc phân đoạn ký tự. +3. **Contrast enhancement** – làm cho văn bản tối nổi bật hơn so với nền. + +```java + // Access preprocessing settings + PreprocessingSettings preprocessing = ocrEngine.getPreprocessing(); + + // Enable automatic deskew (helps with scanned pages that are a few degrees off) + preprocessing.setDeskew(true); + preprocessing.setDeskewAngleTolerance(0.1); // tolerance in degrees + + // Turn on denoising – median works well for salt‑and‑pepper noise + preprocessing.setDenoise(true); + preprocessing.setDenoiseMode(DenoiseMode.MEDIAN); // alternatives: GAUSSIAN + + // Boost contrast – this is the “boost image contrast” step + preprocessing.setContrastEnhance(true); + preprocessing.setContrastLevel(1.3f); // 1.0 = no change, >1.0 = stronger contrast +``` + +### Tại sao cần điều chỉnh Mức độ tương phản? + +Tăng mức độ tương phản sẽ kéo dài histogram của ảnh, làm cho các pixel tối trở nên tối hơn và các pixel sáng trở nên sáng hơn. Trong thực tế, **mức độ tương phản** `1.3f` thường cho cân bằng tốt nhất cho tài liệu in, trong khi giá trị trên `1.5f` có thể làm quá sáng các nét mỏng. Hãy thoải mái thử nghiệm; cài đặt này thay đổi nhanh và có thể cải thiện đáng kể tỷ lệ **nhận dạng văn bản từ ảnh**. + +## Bước 4: Chuẩn bị Ảnh Đầu vào + +Lớp `OcrInput` trừu tượng hoá việc xử lý tệp. Bạn có thể thêm nhiều ảnh nếu cần xử lý batch. + +```java + // Prepare the image for OCR – you can add more files to the same OcrInput + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/input.jpg"); +``` + +**Trường hợp biên:** Nếu ảnh của bạn ở định dạng không chuẩn (ví dụ, TIFF có nhiều trang), bạn có thể tải từng trang riêng biệt hoặc chuyển đổi sang PNG/JPEG trước. + +## Bước 5: Thực hiện Nhận dạng + +Bây giờ engine sẽ chạy pipeline tiền xử lý mà chúng ta vừa cấu hình, sau đó chuyển ảnh đã được làm sạch cho thuật toán OCR cốt lõi. + +```java + // Run OCR – this returns a result object containing the extracted text + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Điều gì đang diễn ra phía sau?** Aspose OCR đầu tiên áp dụng phép biến đổi deskew, sau đó chạy bộ lọc denoise, và cuối cùng điều chỉnh độ tương phản trước khi đưa ảnh vào bộ nhận dạng dựa trên mạng nơ-ron. Thứ tự này được thiết kế cố ý; thay đổi nó có thể dẫn đến kết quả không tối ưu. + +## Bước 6: Xuất Văn bản Đã Nhận dạng + +Cuối cùng, chúng ta in chuỗi đã trích xuất ra console. Trong một ứng dụng thực tế, bạn có thể ghi nó vào tệp hoặc gửi qua mạng. + +```java + // Print the recognized text to the console + System.out.println(ocrResult.getText()); + } +} +``` + +### Kết quả Dự kiến + +Nếu `input.jpg` chứa cụm từ “Hello World!”, console sẽ hiển thị: + +``` +Hello World! +``` + +Nếu đầu ra bị rối, hãy kiểm tra lại các giá trị tiền xử lý—đặc biệt là **mức độ tương phản** và **chế độ denoise**—và thử một định dạng ảnh khác. + +## Bonus: Visualising the Pre‑Processed Image (Optional) + +Đôi khi bạn muốn xem engine nhìn thấy gì sau khi đã deskew, denoise và tăng cường độ tương phản. Aspose OCR cho phép bạn xuất bitmap trung gian: + +```java + // Export the pre‑processed image for debugging + BufferedImage processed = preprocessing.getProcessedImage(); + ImageIO.write(processed, "png", new File("processed.png")); +``` + +Mở `processed.png` cạnh nhau với ảnh gốc; bạn sẽ nhận thấy đường chân trời thẳng hơn và văn bản sắc nét hơn. Bước này hữu ích khi bạn đang khắc phục lý do một bản quét cụ thể thất bại. + +![ví dụ tiền xử lý ảnh cho OCR](/images/ocr-preprocess-example.png "tiền xử lý ảnh cho OCR – trước và sau khi tăng độ tương phản") + +*Hình ảnh trên minh họa cách tăng độ tương phản và khử nhiễu biến một bản quét mờ thành một bức ảnh sạch, sẵn sàng cho OCR.* + +## Những Sai Lầm Thường Gặp & Cách Tránh + +| Sai lầm | Tại sao xảy ra | Cách khắc phục | +|---------|----------------|----------------| +| **Quá tăng độ tương phản** (`setContrastLevel` quá cao) | Nền sáng trở nên trắng, xóa bỏ các ký tự mờ | Giữ mức giữa 1.1 và 1.4 cho hầu hết văn bản in | +| **Độ dung sai deskew quá thấp** | Các góc quay nhỏ không được chỉnh sửa | Tăng `setDeskewAngleTolerance` lên 0.2 hoặc 0.3 cho sách quét | +| **Dùng GAUSSIAN denoise trên ảnh nhị phân** | Làm mờ các cạnh, gộp ký tự | Dùng `DenoiseMode.MEDIAN` cho ảnh đen‑trắng | +| **Thiếu giấy phép** | Engine chuyển sang chế độ dùng thử, cắt ngắn đầu ra | Kiểm tra đường dẫn tới `Aspose.OCR.lic` và đảm bảo tệp có thể đọc được | + +## Các Bước Tiếp Theo: Vượt Qua Tiền Xử Lý Cơ Bản + +Bây giờ bạn đã có thể **tiền xử lý ảnh cho OCR** và **trích xuất văn bản bằng OCR**, hãy cân nhắc các mở rộng sau: + +- **Gói ngôn ngữ** – tải các từ điển ngôn ngữ cụ thể để cải thiện độ chính xác cho văn bản không phải tiếng Anh. +- **Cắt vùng quan tâm (ROI)** – tập trung vào một phần của ảnh nếu bạn chỉ cần một đoạn của trang. +- **Xử lý batch** – lặp qua một thư mục ảnh, tái sử dụng cùng một thể hiện `OcrEngine` để tăng tốc. +- **Tích hợp với PDF** – kết hợp Aspose OCR với Aspose PDF để chuyển PDF quét thành PDF có thể tìm kiếm trong một pipeline duy nhất. + +Mỗi chủ đề này tự nhiên sẽ bao gồm các từ khóa phụ của chúng ta: bạn vẫn sẽ **tăng độ tương phản ảnh**, **đặt mức độ tương phản**, và tiếp tục **nhận dạng văn bản từ ảnh** trong nhiều kịch bản. + +## Kết luận + +Chúng ta đã bao quát mọi thứ cần thiết để **tiền xử lý ảnh cho OCR** bằng Aspose OCR cho Java: tải giấy phép, cấu hình deskew, denoise và tăng cường độ tương phản, đưa ảnh vào và cuối cùng **nhận dạng văn bản từ ảnh**. Với ví dụ hoàn chỉnh, có thể chạy ngay, bạn giờ có thể **trích xuất văn bản bằng OCR** trên bất kỳ ảnh đã được chuẩn bị phù hợp nào. + +Hãy chạy thử mã, điều chỉnh **mức độ tương phản**, và quan sát độ chính xác tăng lên. Khi đã sẵn sàng, khám phá các mô hình ngôn ngữ riêng hoặc pipeline batch để biến demo ảnh đơn thành giải pháp cấp sản xuất. + +*Chúc lập trình vui vẻ, và mong các bản quét của bạn luôn sắc nét!* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md new file mode 100644 index 000000000..e93340da1 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/_index.md @@ -0,0 +1,241 @@ +--- +category: general +date: 2026-02-17 +description: Nhận dạng nhanh văn bản trong hình ảnh với hỗ trợ GPU của Aspose OCR + trong Java. Tìm hiểu cách trích xuất văn bản từ hình ảnh và thiết lập ID thiết bị + GPU để đạt hiệu suất tối ưu. +draft: false +keywords: +- recognize text image +- extract text from image +- set gpu device id +- Aspose OCR Java +- GPU acceleration OCR +language: vi +og_description: Nhận dạng nhanh văn bản trong hình ảnh với hỗ trợ GPU của Aspose OCR + trong Java. Hướng dẫn này cho thấy cách trích xuất văn bản từ hình ảnh và thiết + lập ID thiết bị GPU. +og_title: Nhận dạng văn bản trong hình ảnh bằng Aspose OCR GPU – Java +tags: +- Java +- OCR +- Aspose +- GPU +title: Nhận dạng văn bản trong hình ảnh bằng Aspose OCR GPU – Java +url: /vi/java/advanced-ocr-techniques/recognize-text-image-using-aspose-ocr-gpu-java/ +--- + +. + +Let's craft translation. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Nhận dạng ảnh chứa văn bản bằng Aspose OCR GPU – Java + +Bạn đã bao giờ cần **nhận dạng ảnh chứa văn bản** trong một ứng dụng Java nhưng CPU lại chậm chạp khi xử lý các tệp lớn? Bạn không phải là người duy nhất—nhiều nhà phát triển gặp phải vấn đề này khi xử lý các bản quét độ phân giải cao. Tin tốt là gì? Aspose OCR cho phép bạn **trích xuất văn bản từ ảnh** trên GPU, giảm đáng kể thời gian xử lý. + +Trong hướng dẫn này, chúng ta sẽ đi qua một ví dụ hoàn chỉnh, sẵn sàng chạy, cho thấy cách thiết lập giấy phép, bật tăng tốc GPU, và **đặt id thiết bị GPU** khi bạn có nhiều card đồ họa. Khi hoàn thành, bạn sẽ có một chương trình tự chứa in ra văn bản đã nhận dạng lên console—không cần bước nào thêm. + +## Những gì bạn cần + +- **Java 17** hoặc mới hơn (API tương thích với Java 8+, nhưng LTS mới nhất mang lại hiệu năng tốt hơn). +- Thư viện **Aspose OCR for Java** (tải JAR từ trang web Aspose). +- Một tệp giấy phép **Aspose OCR hợp lệ** (`Aspose.OCR.lic`). Bản dùng thử miễn phí hoạt động, nhưng các tính năng GPU chỉ có trong phiên bản có giấy phép. +- Một tệp ảnh (`sample-image.png`) chứa văn bản rõ ràng, có thể đọc được bởi máy. +- Môi trường hỗ trợ GPU (card NVIDIA tương thích CUDA là lựa chọn tốt nhất). + +Nếu bất kỳ mục nào trên nghe lạ, đừng lo—mỗi mục sẽ được giải thích chi tiết trong phần sau. + +## Bước 1: Thêm Aspose OCR vào dự án của bạn + +Đầu tiên, đưa JAR của Aspose OCR vào classpath. Nếu bạn dùng Maven, thêm phụ thuộc sau vào `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Đối với Gradle, dùng: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Nếu bạn thích cách thủ công, sao chép JAR vào thư mục `libs/` và thêm nó vào đường dẫn module của IDE. + +> **Mẹo chuyên nghiệp:** Giữ số phiên bản đồng bộ với ghi chú phát hành của thư viện; các phiên bản mới thường mang lại cải tiến hiệu năng cho xử lý GPU. + +## Bước 2: Tải giấy phép Aspose OCR (cần thiết cho việc sử dụng GPU) + +Nếu không có giấy phép, lệnh `setEnableGpu(true)` sẽ tự động chuyển về chế độ CPU mà không báo lỗi. Tải giấy phép ngay trong hàm `main`: + +```java +import com.aspose.ocr.License; + +// ... + +License ocrLicense = new License(); +ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +Thay `YOUR_DIRECTORY` bằng đường dẫn tuyệt đối hoặc tương đối nơi bạn lưu tệp `.lic`. Nếu đường dẫn sai, Aspose sẽ ném ra `FileNotFoundException`, vì vậy hãy kiểm tra kỹ chính tả. + +## Bước 3: Tạo engine OCR và bật tăng tốc GPU + +Bây giờ chúng ta khởi tạo `OcrEngine` và chỉ định sử dụng GPU. Phương thức `setGpuDeviceId` cho phép bạn chọn card cụ thể khi có hơn một card. + +```java +import com.aspose.ocr.OcrEngine; + +// ... + +OcrEngine ocrEngine = new OcrEngine(); +ocrEngine.getDevice().setEnableGpu(true); // activate GPU support +ocrEngine.getDevice().setGpuDeviceId(0); // optional: choose GPU index (0 = first card) +``` + +Tại sao cần chỉ định ID thiết bị? Trong một server đa GPU, bạn có thể dành một card cho tiền xử lý ảnh và một card khác cho OCR. Đặt ID đảm bảo phần cứng đúng thực hiện công việc nặng. + +## Bước 4: Chuẩn bị ảnh đầu vào + +Aspose OCR hỗ trợ nhiều định dạng (PNG, JPG, BMP, TIFF). Đóng gói tệp của bạn vào đối tượng `OcrInput`: + +```java +import com.aspose.ocr.OcrInput; + +// ... + +OcrInput ocrInput = new OcrInput(); +ocrInput.add("YOUR_DIRECTORY/sample-image.png"); // path to the image you want to process +``` + +Nếu bạn cần xử lý một luồng (ví dụ, tệp tải lên), dùng `ocrInput.add(InputStream)` thay thế. + +## Bước 5: Chạy quá trình nhận dạng và lấy kết quả + +Phương thức `recognize` trả về một `OcrResult` chứa văn bản thuần, điểm tin cậy, và thậm chí thông tin bố cục nếu bạn cần. + +```java +import com.aspose.ocr.OcrResult; + +// ... + +OcrResult ocrResult = ocrEngine.recognize(ocrInput); +System.out.println("Recognized text:\n" + ocrResult.getText()); +``` + +Console sẽ hiển thị gì đó giống như: + +``` +Recognized text: +Hello, world! +This is a sample image. +``` + +Nếu ảnh mờ hoặc ngôn ngữ không được hỗ trợ, kết quả có thể rỗng. Trong trường hợp đó, kiểm tra giá trị `ocrResult.getConfidence()` (0‑100) để quyết định có nên thử lại với tiền xử lý hay không. + +## Ví dụ đầy đủ, có thể chạy ngay + +Kết hợp tất cả các phần lại, bạn sẽ có một lớp Java duy nhất có thể sao chép‑dán vào IDE: + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Load license – required for GPU usage + License ocrLicense = new License(); + ocrLicense.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // 2️⃣ Create OCR engine and turn on GPU + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getDevice().setEnableGpu(true); // enable GPU acceleration + ocrEngine.getDevice().setGpuDeviceId(0); // optional: select GPU index + + // 3️⃣ Load the image you want to process + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/sample-image.png"); + + // 4️⃣ Perform recognition + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // 5️⃣ Output the recognized text + System.out.println("Recognized text:\n" + ocrResult.getText()); + } +} +``` + +> **Kết quả mong đợi:** Console in ra chính xác văn bản xuất hiện trong `sample-image.png`. Nếu GPU đang hoạt động, bạn sẽ nhận thấy thời gian xử lý giảm từ vài giây (CPU) xuống dưới một giây cho các bản quét 300 dpi tiêu chuẩn. + +## Các câu hỏi thường gặp & Trường hợp đặc biệt + +### Có hoạt động trên server không có giao diện (headless) không? + +Có. Driver GPU phải được cài đặt, nhưng không cần màn hình. Chỉ cần đảm bảo toolkit `CUDA` (hoặc tương đương cho GPU của bạn) có trong `PATH` hệ thống. + +### Nếu tôi có hơn một GPU và muốn dùng GPU 1 thì sao? + +Thay đổi ID thiết bị: + +```java +ocrEngine.getDevice().setGpuDeviceId(1); // selects the second GPU (zero‑based index) +``` + +### Làm sao trích xuất văn bản từ ảnh bằng ngôn ngữ khác? + +Đặt ngôn ngữ trước khi gọi `recognize`: + +```java +ocrEngine.setLanguage(OcrLanguage.FRENCH); +``` + +Aspose hỗ trợ hơn 30 ngôn ngữ; xem tài liệu API để biết toàn bộ danh sách. + +### Nếu ảnh chứa nhiều trang (ví dụ, PDF chuyển thành ảnh) thì sao? + +Tạo một mục `OcrInput` riêng cho mỗi trang, hoặc lặp qua các tệp: + +```java +for (String path : imagePaths) { + ocrInput.add(path); +} +``` + +Engine sẽ nối các kết quả theo thứ tự. + +### Làm sao xử lý kết quả có độ tin cậy thấp? + +Kiểm tra điểm tin cậy: + +```java +if (ocrResult.getConfidence() < 70) { + System.out.println("Low confidence – consider preprocessing the image."); +} +``` + +Các bước tiền xử lý thường gặp bao gồm nhị phân hoá, giảm nhiễu, hoặc thay đổi kích thước lên 300 dpi. + +## Mẹo tối ưu hiệu năng + +- **Xử lý hàng loạt:** Thêm nhiều ảnh vào một `OcrInput` duy nhất giảm chi phí khởi tạo ngữ cảnh GPU lặp lại. +- **Khởi động nóng:** Chạy một lần nhận dạng giả sau khi JVM khởi động; lần gọi đầu tiên sẽ chịu độ trễ khởi tạo driver. +- **Quản lý bộ nhớ:** Giải phóng các đối tượng `OcrInput` lớn (`ocrInput.clear()`) sau khi dùng để giải phóng bộ nhớ GPU. + +## Kết luận + +Bây giờ bạn đã biết cách **nhận dạng ảnh chứa văn bản** một cách hiệu quả với engine GPU của Aspose OCR trong Java, cách **trích xuất văn bản từ ảnh** bằng bất kỳ ngôn ngữ nào được hỗ trợ, và cách **đặt id thiết bị GPU** khi làm việc với nhiều card đồ họa. Mã nguồn hoàn chỉnh, có thể chạy ở trên sẽ hoạt động ngay—chỉ cần thay đổi đường dẫn tới giấy phép và ảnh của bạn. + +Sẵn sàng cho bước tiếp theo? Hãy thử xử lý một thư mục các PDF đã quét, khám phá các tùy chọn `setLanguage` khác nhau, hoặc kết hợp OCR với mô hình machine‑learning để tiền xử lý. Khả năng là vô hạn, và lợi thế về hiệu năng từ tăng tốc GPU giúp các dự án quy mô lớn trở nên khả thi. + +Chúc lập trình vui vẻ, và đừng ngại để lại bình luận nếu gặp bất kỳ khó khăn nào! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/ocr-operations/_index.md b/ocr/vietnamese/java/ocr-operations/_index.md index 7d9b0fa83..d3c0b9d4e 100644 --- a/ocr/vietnamese/java/ocr-operations/_index.md +++ b/ocr/vietnamese/java/ocr-operations/_index.md @@ -79,6 +79,16 @@ Mở khóa sức mạnh của OCR trong Java với Aspose.OCR. Nhận dạng vă Mở khóa khả năng nhận dạng văn bản mạnh mẽ trong Java với Aspose.OCR. Nhận dạng văn bản trong hình ảnh TIFF một cách dễ dàng. Tải xuống ngay để có trải nghiệm OCR liền mạch. ### [Nhận dạng hình ảnh văn bản với Aspose OCR – Hướng dẫn OCR Java đầy đủ](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) Khám phá cách nhận dạng toàn diện hình ảnh văn bản bằng Aspose OCR trong Java, từ cấu hình đến xuất kết quả chính xác. +### [Nhận dạng văn bản từ hình ảnh với Aspose OCR – Hướng dẫn Java](./recognize-text-from-image-with-aspose-ocr-java-tutorial/) +Hướng dẫn chi tiết cách nhận dạng văn bản từ hình ảnh bằng Aspose OCR trong Java, từ cài đặt đến xuất kết quả chính xác. +### [image to text java: Trích xuất văn bản Urdu với Aspose OCR](./image-to-text-java-extract-urdu-text-with-aspose-ocr/) +Khám phá cách trích xuất văn bản Urdu từ hình ảnh bằng Aspose OCR trong Java, từ cấu hình đến xuất kết quả chính bản. +### [Tạo PDF có thể tìm kiếm từ hình ảnh trong Java – Hướng dẫn từng bước](./create-searchable-pdf-from-image-in-java-step-by-step-guide/) +Khám phá cách tạo PDF có thể tìm kiếm từ hình ảnh trong Java, hướng dẫn chi tiết từng bước để chuyển đổi và tối ưu OCR. +### [Cách sử dụng OCR trong Java – Trích xuất văn bản từ PDF với Aspose.OCR](./how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/) +Hướng dẫn chi tiết cách trích xuất văn bản từ PDF bằng OCR trong Java sử dụng Aspose.OCR. +### [Cách sử dụng OCR trong Java – Nhận dạng văn bản từ hình ảnh nhanh chóng](./how-to-use-ocr-in-java-recognize-text-from-image-quickly/) +Hướng dẫn nhanh cách nhận dạng văn bản từ hình ảnh bằng OCR trong Java, tối ưu tốc độ và độ chính xác. ## Câu hỏi Thường gặp diff --git a/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md new file mode 100644 index 000000000..62bc947f4 --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: 'Tạo PDF có thể tìm kiếm nhanh chóng: học cách tạo PDF từ hình ảnh bằng + Aspose OCR, tùy chọn lưu PDF và chuyển đổi hình ảnh thành PDF có thể tìm kiếm chỉ + trong vài phút.' +draft: false +keywords: +- create searchable pdf +- how to create pdf +- convert image to pdf +- image to searchable pdf +- pdf save options +language: vi +og_description: Tạo PDF có thể tìm kiếm trong Java bằng Aspose OCR. Hướng dẫn này + cho thấy cách tạo PDF từ hình ảnh, cấu hình các tùy chọn lưu PDF và nhận được tài + liệu có thể tìm kiếm hoàn toàn. +og_title: Tạo PDF có thể tìm kiếm từ hình ảnh trong Java – Hướng dẫn đầy đủ +tags: +- Aspose OCR +- Java +- PDF generation +title: Tạo PDF có thể tìm kiếm từ hình ảnh trong Java – Hướng dẫn từng bước +url: /vi/java/ocr-operations/create-searchable-pdf-from-image-in-java-step-by-step-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tạo PDF có thể tìm kiếm từ ảnh trong Java – Hướng dẫn từng bước + +Bạn đã bao giờ cần **tạo pdf có thể tìm kiếm** từ một bức ảnh đã quét nhưng không chắc nên dùng API nào? Bạn không đơn độc—nhiều nhà phát triển gặp khó khăn này khi lần đầu muốn chuyển bitmap thành PDF có thể tìm kiếm được. Tin tốt là gì? Với Aspose OCR, bạn chỉ cần vài dòng code và kết quả sẽ trông giống hệt ảnh gốc đồng thời vẫn có thể tìm kiếm bằng văn bản. + +Trong tutorial này, chúng ta sẽ đi qua toàn bộ quy trình: tải giấy phép, đưa ảnh (hoặc TIFF đa trang) vào engine OCR, tinh chỉnh **các tùy chọn lưu PDF**, và cuối cùng ghi ra **ảnh thành pdf có thể tìm kiếm**. Khi hoàn thành, bạn sẽ có một chương trình Java sẵn sàng sử dụng để tạo PDF có thể tìm kiếm trong vài giây. Không có bí ẩn, không có “xem tài liệu” shortcut—chỉ có một ví dụ đầy đủ, có thể chạy ngay. + +## Những gì bạn sẽ học + +- Cách **chuyển ảnh thành pdf** và nhúng lớp văn bản ẩn để tìm kiếm. +- Những **tùy chọn lưu pdf** nào nên bật để cân bằng tốt nhất giữa kích thước và độ chính xác. +- Các lỗi thường gặp (ví dụ: thiếu giấy phép, định dạng ảnh không được hỗ trợ) và cách tránh chúng. +- Cách xác minh rằng đầu ra thực sự có thể tìm kiếm (kiểm tra nhanh bằng Adobe Reader). + +**Yêu cầu trước:** Java 8 hoặc mới hơn, Maven hoặc Gradle để tải Aspose OCR JAR, và một file giấy phép Aspose OCR hợp lệ. Nếu chưa có giấy phép, bạn có thể yêu cầu bản dùng thử miễn phí từ trang web của Aspose. + +--- + +## Bước 1 – Tải giấy phép Aspose OCR (Cách tạo PDF một cách an toàn) + +Trước khi engine OCR thực hiện bất kỳ công việc nào, nó cần một giấy phép; nếu không sẽ nhận được các trang có watermark. Đặt file `Aspose.OCR.lic` ở vị trí có thể truy cập, sau đó trỏ lớp `License` tới nó. + +```java +import com.aspose.ocr.*; + +public class LicenseHelper { + /** + * Loads the Aspose OCR license from the given path. + * @param licensePath absolute or relative path to Aspose.OCR.lic + * @throws Exception if the license file cannot be read + */ + public static void loadLicense(String licensePath) throws Exception { + License ocrLicense = new License(); + ocrLicense.setLicense(licensePath); + System.out.println("License loaded successfully."); + } +} +``` + +> **Mẹo chuyên nghiệp:** Giữ file giấy phép ngoài thư mục kiểm soát nguồn để tránh commit nhầm. + +--- + +## Bước 2 – Chuẩn bị dữ liệu đầu vào cho OCR (Chuyển ảnh thành PDF) + +Aspose OCR chấp nhận một đối tượng `OcrInput` có thể chứa một hoặc nhiều ảnh. Ở đây chúng ta thêm một PNG đơn, nhưng bạn cũng có thể đưa một TIFF đa trang để xử lý hàng loạt. + +```java +import com.aspose.ocr.*; + +public class InputBuilder { + /** + * Creates an OcrInput containing the specified image file. + * @param imagePath path to the source image (PNG, JPEG, TIFF, etc.) + * @return populated OcrInput ready for recognition + */ + public static OcrInput buildInput(String imagePath) { + OcrInput ocrInput = new OcrInput(); + ocrInput.add(imagePath); + System.out.println("Added image to OCR input: " + imagePath); + return ocrInput; + } +} +``` + +> **Tại sao lại quan trọng:** Thêm ảnh vào `OcrInput` tách biệt việc xử lý file khỏi engine, cho phép bạn tái sử dụng cùng một code cho cả trường hợp một trang và đa trang. + +--- + +## Bước 3 – Cấu hình tùy chọn lưu PDF (Giải thích PDF Save Options) + +Lớp `PdfSaveOptions` điều khiển cách PDF cuối cùng được tạo. Hai cờ quan trọng cho một **pdf có thể tìm kiếm**: + +1. `setCreateSearchablePdf(true)` – yêu cầu engine nhúng lớp văn bản ẩn dựa trên kết quả OCR. +2. `setEmbedImages(true)` – giữ lại ảnh raster gốc để hình ảnh vẫn nguyên vẹn. + +Bạn cũng có thể tinh chỉnh DPI, nén, hoặc bảo vệ bằng mật khẩu nếu cần. + +```java +import com.aspose.ocr.*; + +public class PdfOptionsBuilder { + /** + * Sets up PdfSaveOptions for a searchable PDF that keeps the original image. + * @return configured PdfSaveOptions instance + */ + public static PdfSaveOptions buildOptions() { + PdfSaveOptions pdfOptions = new PdfSaveOptions(); + pdfOptions.setCreateSearchablePdf(true); // enable invisible text layer + pdfOptions.setEmbedImages(true); // keep the original bitmap + // Optional tweaks (uncomment if you need them): + // pdfOptions.setCompressionLevel(CompressionLevel.Best); + // pdfOptions.setPassword("mySecret"); + System.out.println("PDF save options configured for searchable output."); + return pdfOptions; + } +} +``` + +> **Trường hợp đặc biệt:** Nếu bạn đặt `setCreateSearchablePdf(false)`, đầu ra sẽ là PDF chỉ chứa ảnh—không có gì có thể tìm kiếm được. Luôn kiểm tra lại cờ này khi tự động hoá xử lý hàng loạt. + +--- + +## Bước 4 – Chạy OCR và ghi PDF có thể tìm kiếm (Logic “Cách tạo PDF” cốt lõi) + +Bây giờ chúng ta kết hợp mọi thứ lại. Phương thức `recognize` thực hiện OCR trên `OcrInput` đã cung cấp, áp dụng `PdfSaveOptions`, và ghi kết quả vào file. + +```java +import com.aspose.ocr.*; +import java.io.*; + +public class SearchablePdfDemo { + public static void main(String[] args) { + // Adjust these paths to match your environment + String licensePath = "YOUR_DIRECTORY/Aspose.OCR.lic"; + String imagePath = "YOUR_DIRECTORY/input.png"; + String outputPath = "YOUR_DIRECTORY/output-searchable.pdf"; + + try { + // 1️⃣ Load license + LicenseHelper.loadLicense(licensePath); + + // 2️⃣ Build OCR input + OcrInput ocrInput = InputBuilder.buildInput(imagePath); + + // 3️⃣ Set PDF options (searchable PDF!) + PdfSaveOptions pdfOptions = PdfOptionsBuilder.buildOptions(); + + // 4️⃣ Create OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 5️⃣ Perform recognition and write file + try (FileOutputStream outStream = new FileOutputStream(outputPath)) { + ocrEngine.recognize(ocrInput, pdfOptions, outStream); + } + + System.out.println("Searchable PDF created at: " + outputPath); + } catch (Exception e) { + System.err.println("Error during PDF creation: " + e.getMessage()); + e.printStackTrace(); + } + } +} +``` + +### Kết quả mong đợi + +Sau khi chạy chương trình, mở `output-searchable.pdf` bằng bất kỳ trình xem PDF nào (Adobe Reader, Foxit, v.v.) và thử chọn văn bản hoặc dùng hộp tìm kiếm. Bạn sẽ có thể tìm thấy các từ mà trước đây chỉ tồn tại trong ảnh. Đó là dấu hiệu của một **PDF có thể tìm kiếm**. + +--- + +## Bước 5 – Xác minh lớp có thể tìm kiếm (Kiểm tra nhanh) + +Đôi khi độ tin cậy của OCR có thể thấp, đặc biệt với các bản quét độ phân giải thấp. Cách nhanh để kiểm tra: + +1. Mở PDF trong Adobe Reader. +2. Nhấn **Ctrl + F** và nhập một từ bạn biết có trong ảnh. +3. Nếu từ được đánh dấu, lớp văn bản ẩn đang hoạt động. + +Nếu tìm kiếm không thành công, hãy cân nhắc tăng DPI của ảnh nguồn hoặc bật từ điển ngôn ngữ cụ thể qua `ocrEngine.getLanguage().add("eng")`. + +--- + +## Các câu hỏi thường gặp & Lưu ý + +| Câu hỏi | Trả lời | +|----------|--------| +| **Tôi có thể xử lý TIFF đa trang không?** | Có—chỉ cần thêm mỗi trang vào cùng một `OcrInput` (`ocrInput.add(tiffPath)`). Aspose OCR sẽ coi mỗi khung ảnh là một trang riêng. | +| **Nếu tôi không có giấy phép thì sao?** | Bản dùng thử miễn phí vẫn hoạt động nhưng sẽ thêm watermark vào mỗi trang. Code không thay đổi; chỉ cần dùng file `.lic` bản dùng thử. | +| **Kích thước PDF sẽ lớn bao nhiêu?** | Với `setEmbedImages(true)` kích thước file khoảng bằng kích thước ảnh gốc cộng thêm vài kilobyte cho văn bản ẩn. Bạn có thể nén ảnh bằng `pdfOptions.setImageCompressionLevel(CompressionLevel.Best)`. | +| **Có cần đặt ngôn ngữ cho OCR không?** | Mặc định Aspose OCR sử dụng tiếng Anh. Đối với ngôn ngữ khác, gọi `ocrEngine.getLanguage().add("spa")` trước khi `recognize`. | +| **PDF đầu ra có thể tìm kiếm trên thiết bị di động không?** | Hoàn toàn có—hầu hết các trình xem PDF trên di động đều hỗ trợ lớp văn bản ẩn. | + +--- + +## Bonus: Biến demo thành tiện ích tái sử dụng + +Nếu bạn dự định cần chức năng này trong nhiều dự án, hãy gói logic vào một phương thức tĩnh trợ giúp: + +```java +public class PdfSearchableUtil { + /** + * Converts an image file to a searchable PDF. + * + * @param licensePath Path to Aspose OCR license + * @param imagePath Path to source image (PNG, JPEG, TIFF, etc.) + * @param outputPath Desired PDF output location + * @throws Exception on any failure + */ + public static void convert(String licensePath, String imagePath, String outputPath) throws Exception { + LicenseHelper.loadLicense(licensePath); + OcrInput input = InputBuilder.buildInput(imagePath); + PdfSaveOptions options = PdfOptionsBuilder.buildOptions(); + OcrEngine engine = new OcrEngine(); + + try (FileOutputStream out = new FileOutputStream(outputPath)) { + engine.recognize(input, options, out); + } + } +} +``` + +Bây giờ bạn có thể gọi `PdfSearchableUtil.convert(...)` từ bất kỳ phần nào của codebase, biến **chuyển ảnh thành pdf** thành một dòng lệnh duy nhất. + +--- + +## Kết luận + +Chúng ta đã đi qua mọi thứ cần thiết để **tạo pdf có thể tìm kiếm** từ ảnh trong Java bằng Aspose OCR. Từ việc tải giấy phép, xây dựng đầu vào OCR, tinh chỉnh **các tùy chọn lưu pdf**, đến cuối cùng ghi ra **ảnh thành pdf có thể tìm kiếm**, tutorial cung cấp một giải pháp hoàn chỉnh, sao chép‑dán được. + +Hãy tiếp tục thử nghiệm với các định dạng ảnh khác, điều chỉnh DPI, hoặc thêm bảo vệ mật khẩu qua `PdfSaveOptions`. Bạn cũng có thể khám phá xử lý hàng loạt—lặp qua một thư mục các bản quét và tạo PDF có thể tìm kiếm cho mỗi file. + +Nếu bạn thấy hướng dẫn này hữu ích, hãy cho nó một sao trên GitHub hoặc để lại bình luận bên dưới. Chúc lập trình vui vẻ, và tận hưởng việc biến những bản quét nhàm chán thành tài liệu có thể tìm kiếm đầy tiện ích! + +![Ví dụ tạo PDF có thể tìm kiếm](placeholder-image.png "ví dụ tạo pdf có thể tìm kiếm") + +--- + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md new file mode 100644 index 000000000..32faf76b1 --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-02-17 +description: Cách sử dụng OCR trong Java để trích xuất văn bản từ PDF, chuyển PDF + thành hình ảnh và thực hiện OCR trên các tệp PDF đã quét bằng Aspose.OCR. +draft: false +keywords: +- how to use OCR +- extract text from pdf +- convert pdf to images +- perform OCR on pdf +- recognize scanned pdf +language: vi +og_description: Cách sử dụng OCR trong Java để trích xuất văn bản từ các tệp PDF. + Tìm hiểu cách chuyển PDF thành hình ảnh và nhận dạng PDF đã quét với Aspose.OCR. +og_title: Cách sử dụng OCR trong Java – Hướng dẫn đầy đủ +tags: +- OCR +- Java +- Aspose +title: Cách sử dụng OCR trong Java – Trích xuất văn bản từ PDF với Aspose.OCR +url: /vi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-pdf-with-aspose-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cách Sử Dụng OCR trong Java – Trích Xuất Văn Bản từ PDF với Aspose.OCR + +Bạn đã bao giờ tự hỏi **cách sử dụng OCR** để biến một PDF đã quét thành văn bản có thể tìm kiếm chưa? Bạn không phải là người duy nhất. Hầu hết các nhà phát triển gặp khó khăn khi một PDF xuất hiện dưới dạng một loạt các hình ảnh, và các công cụ trích xuất văn bản thông thường chỉ trả về rỗng. Tin tốt là gì? Chỉ với vài dòng Java và Aspose.OCR, bạn có thể **trích xuất văn bản từ PDF**, **chuyển PDF thành hình ảnh**, và **nhận dạng PDF đã quét** trong một quy trình đơn giản, không đau đầu. + +Trong hướng dẫn này, chúng ta sẽ đi qua mọi thứ bạn cần biết — từ cấp phép thư viện đến việc in kết quả cuối cùng. Khi kết thúc, bạn sẽ có một chương trình sẵn sàng chạy, có thể lấy văn bản thuần từ bất kỳ báo cáo, hoá đơn, hoặc ebook đã quét nào. Không cần dịch vụ bên ngoài, không có phép màu — chỉ có mã Java thuần túy mà bạn kiểm soát. + +## Những Gì Bạn Cần + +- **Java Development Kit (JDK) 8+** – bất kỳ phiên bản mới nào cũng được. +- **Aspose.OCR for Java** JAR (tải về từ trang web Aspose). +- Một **tệp giấy phép Aspose.OCR hợp lệ** (`Aspose.OCR.lic`). Bản dùng thử miễn phí hoạt động, nhưng giấy phép sẽ mở khóa độ chính xác đầy đủ. +- Một **PDF đã quét mẫu** (ví dụ: `scanned-report.pdf`). +- Một IDE hoặc trình soạn thảo văn bản đơn giản cộng với terminal. + +Đó là tất cả. Không cần Maven, không cần Gradle, không có phụ thuộc bổ sung — chỉ cần JAR Aspose.OCR nằm trong classpath của bạn. + +![cách sử dụng OCR ví dụ](image-placeholder.png "cách sử dụng OCR ví dụ") + +## Bước 1 – Tải Bản Quyền Aspose.OCR của Bạn (Tại Sao Điều Này Quan Trọng) + +Trước khi engine có thể chạy ở tốc độ tối đa, bạn phải cho nó biết vị trí tệp giấy phép. Bỏ qua bước này sẽ buộc thư viện vào chế độ đánh giá, khiến đầu ra có watermark và có thể giới hạn độ chính xác. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + // Load the license – required for unrestricted OCR + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Tại sao cách này hoạt động:** Lớp `License` đọc tệp `.lic` và đăng ký nó toàn cục. Khi đã thiết lập, mọi `OcrEngine` bạn tạo sẽ tự động sử dụng các tính năng có giấy phép. + +## Bước 2 – Tạo Engine OCR (Trí Tuệ Đằng Sau Phép Màu) + +Một thể hiện `OcrEngine` là bộ máy thực hiện việc quét hình ảnh và xuất ra văn bản. Hãy nghĩ nó như bộ não giải mã các mẫu pixel. + +```java + // Instantiate the OCR engine + OcrEngine ocrEngine = new OcrEngine(); +``` + +**Mẹo chuyên nghiệp:** Bạn có thể điều chỉnh ngôn ngữ, ngưỡng độ tin cậy, hoặc thậm chí bật tăng tốc GPU thông qua các thuộc tính của engine. Đối với hầu hết các PDF tiếng Anh, các giá trị mặc định là đủ. + +## Bước 3 – Chuẩn Bị Đầu Vào: Thêm PDF Của Bạn (Chuyển PDF Thành Hình Ảnh Bên Trong) + +Aspose.OCR coi mỗi trang của PDF như một hình ảnh. Khi bạn gọi `addPdf`, thư viện âm thầm raster hoá mỗi trang, chính xác là những gì bạn cần để **chuyển PDF thành hình ảnh** trước khi nhận dạng. + +```java + // Prepare OCR input – each PDF page becomes an image internally + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); +``` + +**Điều gì đang xảy ra:** +- PDF được mở. +- Mỗi trang được render ở 300 dpi (mặc định) để bảo toàn chi tiết ký tự. +- Các đối tượng bitmap đã render được lưu trong bộ sưu tập `OcrInput`. + +Nếu bạn cần hình ảnh thô (để gỡ lỗi hoặc tiền xử lý tùy chỉnh), hãy gọi `ocrInput.getPages()` sau bước này. + +## Bước 4 – Chạy Quy Trình OCR (Thực Hiện OCR trên PDF) + +Bây giờ công việc nặng bắt đầu. Phương thức `recognize` lặp qua từng hình ảnh, chạy thuật toán nhận dạng, và tổng hợp kết quả vào một `OcrResult`. + +```java + // Run OCR on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Tại sao bạn nên quan tâm:** `OcrResult` không chỉ chứa văn bản thuần mà còn có điểm tin cậy, hộp bao, và tham chiếu tới hình ảnh gốc. Đối với hầu hết các trường hợp, bạn chỉ cần `getText()`. + +## Bước 5 – Lấy và Hiển Thị Văn Bản Đã Trích Xuất + +Cuối cùng, lấy chuỗi văn bản thuần từ kết quả và in ra. Bạn cũng có thể ghi nó vào tệp, đưa vào chỉ mục tìm kiếm, hoặc truyền vào pipeline NLP tiếp theo. + +```java + // Output the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +### Kết Quả Dự Kiến + +Nếu `scanned-report.pdf` chứa một đoạn văn đơn giản, bạn sẽ thấy thứ gì đó như: + +``` +Extracted text: +Quarterly Sales Report +Region: North America +Total Revenue: $4,527,000 +... +``` + +Định dạng chính xác sẽ phản ánh bố cục gốc, giữ lại các ngắt dòng nếu có thể. + +## Xử Lý Các Trường Hợp Đặc Biệt Thông Thường + +### 1. PDF Đa Ngôn Ngữ + +Nếu tài liệu của bạn chứa văn bản tiếng Pháp hoặc Tây Ban Nha, hãy đặt ngôn ngữ trước khi gọi `recognize`: + +```java +ocrEngine.getLanguage().setLanguage(OcrLanguage.FRENCH); +``` + +Bạn có thể cung cấp một mảng các ngôn ngữ để engine tự động phát hiện. + +### 2. Quét Ảnh Độ Phân Giải Thấp + +Khi làm việc với các bản quét 150 dpi, tăng DPI render nội bộ: + +```java +ocrInput.addPdf("low-res.pdf", 600); // render at 600 dpi for better accuracy +``` + +DPI cao hơn cải thiện độ rõ nét của ký tự nhưng tiêu tốn nhiều bộ nhớ hơn. + +### 3. PDF Lớn (Quản Lý Bộ Nhớ) + +Đối với PDF có hàng chục trang, hãy xử lý chúng theo lô: + +```java +int batchSize = 10; +for (int i = 0; i < ocrInput.getPages().size(); i += batchSize) { + List batch = ocrInput.getPages().subList(i, Math.min(i + batchSize, ocrInput.getPages().size())); + OcrInput batchInput = new OcrInput(); + batchInput.getPages().addAll(batch); + OcrResult batchResult = ocrEngine.recognize(batchInput); + // Append batchResult.getText() to your final output +} +``` + +Cách tiếp cận này giúp ngăn heap JVM bị bùng nổ. + +## Ví Dụ Đầy Đủ, Sẵn Sàng Chạy + +Dưới đây là chương trình hoàn chỉnh — bao gồm các import và xử lý giấy phép — để bạn có thể sao chép và chạy ngay lập tức. + +```java +import com.aspose.ocr.*; + +public class PdfOcrDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Load your Aspose.OCR license (required for full functionality) + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Step 2: Create an OCR engine instance that will perform the recognition + OcrEngine ocrEngine = new OcrEngine(); + + // Step 3: Prepare the OCR input by adding the PDF file. + // Each page of the PDF is internally converted to an image. + OcrInput ocrInput = new OcrInput(); + ocrInput.addPdf("YOUR_DIRECTORY/scanned-report.pdf"); + + // Step 4: Run the OCR process on the prepared input + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Step 5: Display the extracted text + System.out.println("Extracted text:\n" + ocrResult.getText()); + } +} +``` + +Chạy nó với: + +```bash +javac -cp "path/to/aspose-ocr.jar" PdfOcrDemo.java +java -cp ".:path/to/aspose-ocr.jar" PdfOcrDemo +``` + +Bạn sẽ thấy văn bản đã trích xuất được in ra console. + +## Tóm Tắt – Những Điều Chúng Ta Đã Bao Quát + +- **Cách sử dụng OCR** trong Java với Aspose.OCR. +- Quy trình **trích xuất văn bản từ PDF**. +- Nội bộ, thư viện **chuyển PDF thành hình ảnh** trước khi nhận dạng ký tự. +- Các mẹo **thực hiện OCR trên PDF** với đa ngôn ngữ, quét độ phân giải thấp, và tài liệu lớn. +- Một mẫu mã hoàn chỉnh, có thể chạy ngay mà bạn có thể đưa vào bất kỳ dự án Java nào. + +## Bước Tiếp Theo & Các Chủ Đề Liên Quan + +Bây giờ bạn đã có thể **nhận dạng PDF đã quét**, hãy cân nhắc các ý tưởng tiếp theo sau: + +- **Tạo PDF Tìm Kiếm Được** – chồng lại văn bản OCR lên PDF gốc để tạo tài liệu có thể tìm kiếm. +- **Dịch Vụ Xử Lý Hàng Loạt** – gói mã vào một microservice Spring Boot nhận PDF qua REST. +- **Tích Hợp với Elasticsearch** – lập chỉ mục văn bản đã trích xuất để tìm kiếm toàn văn nhanh chóng trong kho tài liệu của bạn. +- **Tiền Xử Lý Hình Ảnh** – sử dụng OpenCV để chỉnh góc hoặc giảm nhiễu trang trước khi OCR, nâng cao độ chính xác hơn nữa. + +Mỗi chủ đề này dựa trên các khái niệm cốt lõi mà chúng ta đã khám phá, vì vậy hãy tự do thử nghiệm và để engine OCR thực hiện phần việc nặng. + +--- + +*Chúc lập trình vui vẻ! Nếu bạn gặp bất kỳ trục trặc nào — như lỗi giấy phép hoặc kết quả null không mong muốn — hãy để lại bình luận bên dưới. Tôi luôn sẵn sàng hỗ trợ gỡ lỗi.* + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md new file mode 100644 index 000000000..e904a12bb --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-02-17 +description: Học cách sử dụng OCR trong Java để nhận dạng văn bản từ các tệp hình + ảnh, trích xuất văn bản từ biên lai PNG và chuyển đổi biên lai sang JSON với Aspose + OCR. +draft: false +keywords: +- how to use OCR +- recognize text from image +- extract text from png +- convert receipt to json +language: vi +og_description: Hướng dẫn từng bước cách sử dụng OCR trong Java để nhận dạng văn bản + từ hình ảnh, trích xuất văn bản từ biên lai PNG và chuyển biên lai sang JSON. +og_title: Cách sử dụng OCR trong Java – Nhận dạng văn bản từ hình ảnh +tags: +- OCR +- Java +- Aspose +- Image Processing +title: Cách sử dụng OCR trong Java – Nhận dạng văn bản từ hình ảnh nhanh chóng +url: /vi/java/ocr-operations/how-to-use-ocr-in-java-recognize-text-from-image-quickly/ +--- + +content. + +Let's craft translation. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cách Sử Dụng OCR trong Java – Nhận Dạng Văn Bản từ Hình Ảnh Nhanh Chóng + +Bạn đã bao giờ tự hỏi **cách sử dụng OCR** để lấy văn bản từ một bức ảnh biên lai chưa? Có thể bạn đã thử một vài công cụ trực tuyến, chỉ để nhận được các ký tự lộn xộn hoặc định dạng mà bạn không thể phân tích. Tin tốt là với một vài dòng mã Java, bạn có thể **nhận dạng văn bản từ hình ảnh**, **trích xuất văn bản từ PNG** biên lai, và thậm chí **chuyển biên lai sang JSON** để xử lý downstream. + +Trong tutorial này chúng ta sẽ đi qua toàn bộ quy trình — từ việc cấp phép thư viện Aspose OCR đến việc nhận được payload JSON sạch sẽ mà bạn có thể đưa vào cơ sở dữ liệu hoặc mô hình machine‑learning. Không có phần thừa, chỉ có một ví dụ thực tế, có thể chạy được mà bạn có thể sao chép‑dán vào IDE. Khi kết thúc, bạn sẽ có một chương trình tự chứa, nhận `receipt.png` và xuất ra một chuỗi JSON sẵn sàng sử dụng. + +## Những Gì Bạn Cần + +- **Java Development Kit (JDK) 8+** – bất kỳ phiên bản mới nào cũng hoạt động. +- **Aspose OCR for Java** library (artifact Maven là `com.aspose:aspose-ocr`). +- Một **tệp giấy phép Aspose OCR hợp lệ** (`Aspose.OCR.lic`). Bản dùng thử miễn phí hoạt động cho việc thử nghiệm, nhưng giấy phép chính thức sẽ loại bỏ các giới hạn đánh giá. +- Một tệp hình ảnh (PNG, JPEG, v.v.) chứa văn bản bạn muốn đọc—gọi nó là `receipt.png` và đặt nó vào một thư mục đã biết. +- IDE yêu thích của bạn (IntelliJ IDEA, Eclipse, VS Code…) – bạn tự do lựa chọn. + +> **Pro tip:** Giữ tệp giấy phép của bạn ở ngoài thư mục nguồn và tham chiếu nó bằng đường dẫn tuyệt đối hoặc tương đối để tránh commit vào hệ thống kiểm soát phiên bản. + +Bây giờ các điều kiện tiên quyết đã rõ, hãy đi sâu vào mã thực tế. + +## Cách Sử Dụng OCR – Các Bước Cốt Lõi + +Dưới đây là tổng quan cấp cao về các hành động chúng ta sẽ thực hiện: + +1. **Tải thư viện Aspose OCR** và áp dụng giấy phép của bạn. +2. **Tạo một instance `OcrEngine`** – đây là engine thực hiện phần việc nặng. +3. **Chuẩn bị một đối tượng `OcrInput`** trỏ tới hình ảnh bạn muốn xử lý. +4. **Gọi `recognize` với `ResultFormat.JSON`** để nhận được biểu diễn JSON của văn bản đã trích xuất. +5. **Xử lý đầu ra JSON** – in ra, ghi vào file, hoặc phân tích thêm. + +Mỗi bước sẽ được giải thích chi tiết trong các phần sau. + +## Bước 1 – Cài Đặt Aspose OCR và Áp Dụng Giấy Phép Của Bạn + +Đầu tiên, thêm dependency Aspose OCR vào `pom.xml` nếu bạn dùng Maven: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Bây giờ, trong mã Java của bạn, tải giấy phép. Bước này rất quan trọng; nếu không, thư viện sẽ chạy ở chế độ đánh giá và có thể chèn watermark vào kết quả. + +```java +import com.aspose.ocr.*; + +public class OcrSetup { + public static void applyLicense() throws Exception { + // Replace the path with the actual location of your Aspose.OCR.lic file + License ocrLicense = new License(); + ocrLicense.setLicense("C:/licenses/Aspose.OCR.lic"); + } +} +``` + +> **Tại sao lại quan trọng:** Đối tượng `License` thông báo cho engine OCR rằng bạn đã được ủy quyền sử dụng toàn bộ tính năng, bao gồm nhận dạng độ chính xác cao và xuất JSON. Bỏ qua bước này vẫn cho phép bạn **nhận dạng văn bản từ hình ảnh**, nhưng kết quả có thể bị giới hạn. + +## Bước 2 – Tạo Instance Engine OCR + +Lớp `OcrEngine` là điểm vào cho mọi thao tác OCR. Hãy nghĩ nó như “bộ não” đọc các pixel và quyết định ký tự tương ứng. + +```java +import com.aspose.ocr.*; + +public class OcrEngineFactory { + public static OcrEngine createEngine() { + // No special configuration needed for basic usage + return new OcrEngine(); + } +} +``` + +Bạn có thể tùy chỉnh engine (ví dụ: đặt ngôn ngữ, bật deskew) sau này nếu biên lai của bạn chứa script không phải Latin hoặc được quét ở góc nghiêng. Đối với hầu hết các biên lai ở Mỹ, các giá trị mặc định hoạt động tốt. + +## Bước 3 – Tải Hình Ảnh Bạn Muốn Xử Lý + +Bây giờ chúng ta sẽ trỏ engine OCR tới tệp chứa biên lai. Lớp `OcrInput` có thể chấp nhận nhiều hình ảnh, nhưng trong tutorial này chúng ta giữ đơn giản với một PNG duy nhất. + +```java +import com.aspose.ocr.*; + +public class ImageLoader { + public static OcrInput loadImage(String imagePath) { + OcrInput input = new OcrInput(); + // Add the PNG receipt – this is where we **extract text from PNG** + input.add(imagePath); + return input; + } +} +``` + +Nếu bạn cần **trích xuất văn bản từ PNG** hàng loạt, chỉ cần gọi `input.add()` liên tục hoặc truyền danh sách các đường dẫn tệp. + +## Bước 4 – Nhận Dạng Văn Bản và Chuyển Biên Lai Sang JSON + +Đây là phần cốt lõi của tutorial. Chúng ta yêu cầu engine nhận dạng văn bản và trả về kết quả ở định dạng JSON. Cờ `ResultFormat.JSON` thực hiện toàn bộ công việc nặng cho chúng ta. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonRecognizer { + public static String recognizeToJson(OcrEngine engine, OcrInput input) throws Exception { + // Perform OCR and request JSON output + OcrResult result = engine.recognize(input, ResultFormat.JSON); + // Retrieve the JSON string + return result.getJson(); + } +} +``` + +Payload JSON bao gồm mỗi dòng đã nhận dạng, bounding box, điểm confidence và văn bản thô. Cấu trúc này giúp việc **chuyển biên lai sang JSON** và đưa vào bất kỳ API downstream nào trở nên đơn giản. + +## Bước 5 – Gộp Tất Cả và Chạy Chương Trình + +Dưới đây là lớp Java hoàn chỉnh, sẵn sàng chạy, kết nối mọi thứ lại với nhau. Lưu lại dưới tên `JsonExportDemo.java` (hoặc bất kỳ tên nào bạn muốn) và chạy từ IDE hoặc dòng lệnh. + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.output.*; + +public class JsonExportDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Apply your Aspose OCR license (replace with your actual license file) + License ocrLicense = new License(); + ocrLicense.setLicense("Aspose.OCR.lic"); // <-- adjust path if needed + + // 2️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 3️⃣ Prepare the input image that contains the text to be recognized + OcrInput ocrInput = new OcrInput(); + // Replace with the absolute or relative path to your receipt PNG + ocrInput.add("YOUR_DIRECTORY/receipt.png"); // <-- **extract text from PNG** here + + // 4️⃣ Perform recognition and request the result in JSON format + OcrResult ocrResult = ocrEngine.recognize(ocrInput, ResultFormat.JSON); + + // 5️⃣ Retrieve the JSON string from the result + String jsonResult = ocrResult.getJson(); + + // 6️⃣ Output the JSON (or save it to a file for further processing) + System.out.println(jsonResult); + } +} +``` + +### Kết Quả Mong Đợi + +Chạy chương trình sẽ in ra một chuỗi JSON tương tự như sau (nội dung cụ thể phụ thuộc vào biên lai của bạn): + +```json +{ + "pages": [ + { + "lines": [ + { + "text": "Store Name", + "confidence": 0.99, + "boundingBox": [12, 34, 200, 45] + }, + { + "text": "Date: 2024-02-15", + "confidence": 0.98, + "boundingBox": [12, 60, 180, 45] + }, + { + "text": "Total: $23.45", + "confidence": 0.97, + "boundingBox": [12, 120, 150, 45] + } + ] + } + ] +} +``` + +Bây giờ bạn có thể đưa JSON này vào cơ sở dữ liệu, endpoint REST, hoặc pipeline phân tích dữ liệu. Bước **chuyển biên lai sang JSON** đã được thực hiện sẵn. + +## Các Câu Hỏi Thường Gặp và Trường Hợp Cạnh + +### Hình ảnh bị xoay thì sao? + +Aspose OCR tự động phát hiện và chỉnh sửa các xoay nhẹ. Đối với hình ảnh nghiêng mạnh, hãy gọi `engine.getImagePreprocessingOptions().setDeskew(true)` trước khi nhận dạng. + +### Làm sao để xử lý đa ngôn ngữ? + +Sử dụng `engine.getLanguage()` để đặt ngôn ngữ mong muốn, ví dụ `engine.setLanguage(Language.FRENCH)`. Điều này hữu ích khi bạn cần **nhận dạng văn bản từ hình ảnh** chứa biên lai đa ngôn ngữ. + +### Có thể xuất ra plain text thay vì JSON không? + +Chắc chắn rồi. Thay `ResultFormat.JSON` bằng `ResultFormat.TEXT` và gọi `result.getText()`. + +### Có cách nào để giới hạn OCR chỉ trong một vùng cụ thể không? + +Có — dùng `ocrInput.add(imagePath, new Rectangle(x, y, width, height))` để tập trung vào khu vực biên lai, giúp tăng tốc và độ chính xác. + +## Pro Tips cho OCR Sẵn Sàng Sản Xuất + +- **Cache đối tượng license** nếu bạn xử lý nhiều tệp trong vòng lặp; tạo lại liên tục sẽ gây overhead. +- **Xử lý batch**: tải tất cả đường dẫn biên lai vào một `OcrInput` duy nhất và gọi `recognize` một lần. JSON sẽ chứa một mảng các trang, mỗi trang có các dòng riêng. +- **Validate JSON**: sau khi nhận được chuỗi, phân tích bằng thư viện như Jackson để chắc chắn nó hợp lệ trước khi lưu. +- **Theo dõi confidence**: JSON bao gồm trường `confidence` cho mỗi dòng. Lọc bỏ các dòng dưới ngưỡng (ví dụ 0.85) để tránh dữ liệu rác. +- **Bảo mật giấy phép**: lưu `Aspose.OCR.lic` trong vault an toàn hoặc biến môi trường, đặc biệt trong triển khai cloud. + +## Kết Luận + +Chúng ta đã bao phủ **cách sử dụng OCR** trong Java để **nhận dạng văn bản từ hình ảnh**, **trích xuất văn bản từ PNG** biên lai, và **chuyển biên lai sang JSON** — tất cả bằng một ví dụ ngắn gọn, đầu‑tới‑cuối. Các bước rất rõ ràng, mã hoàn toàn chạy được, và đầu ra JSON cung cấp một cấu trúc sẵn sàng cho bất kỳ hệ thống downstream nào. + +Tiếp theo, bạn có thể khám phá các kịch bản nâng cao: đưa JSON vào Apache Kafka để xử lý thời gian thực, áp dụng regex để lấy tổng các mục, hoặc tích hợp với dịch vụ OCR đám mây để mở rộng quy mô. Dù bạn chọn gì, những nguyên tắc cơ bản vừa học sẽ luôn hữu ích. + +Có câu hỏi, hoặc gặp khó khăn khi thực hiện? Hãy để lại bình luận bên dưới, chúng mình sẽ cùng giải quyết. Chúc bạn lập trình vui vẻ, và tận hưởng việc biến những bức ảnh biên lai lộn xộn thành dữ liệu sạch, có thể tìm kiếm! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md b/ocr/vietnamese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md new file mode 100644 index 000000000..06ce318ca --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/_index.md @@ -0,0 +1,191 @@ +--- +category: general +date: 2026-02-17 +description: 'Hướng dẫn Java chuyển ảnh thành văn bản: học cách trích xuất văn bản + Urdu từ hình ảnh bằng Aspose OCR. Bao gồm ví dụ Java OCR hoàn chỉnh.' +draft: false +keywords: +- image to text java +- how to extract text +- extract urdu text +- java ocr example +- load image ocr +language: vi +og_description: Hướng dẫn Java chuyển ảnh thành văn bản cho thấy cách trích xuất văn + bản Urdu từ hình ảnh bằng Aspose OCR. Theo dõi ví dụ OCR Java đầy đủ từng bước. +og_title: 'Chuyển hình ảnh sang văn bản Java: Trích xuất văn bản Urdu bằng Aspose + OCR' +tags: +- OCR +- Java +- Aspose +title: 'hình ảnh sang văn bản java: Trích xuất văn bản Urdu bằng Aspose OCR' +url: /vi/java/ocr-operations/image-to-text-java-extract-urdu-text-with-aspose-ocr/ +--- + +Happens", "How to Fix". Keep as Vietnamese. + +Also bullet lists. + +Make sure not to translate URLs, file paths, variable names, function names. So keep `Aspose.OCR.lic`, `YOUR_DIRECTORY`, etc. + +Also keep code block placeholders unchanged. + +Let's produce final content. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# image to text java: Trích xuất Văn bản Urdu bằng Aspose OCR + +Nếu bạn cần thực hiện chuyển đổi **image to text java** cho các tài liệu Urdu, bạn đã đến đúng nơi. Bạn đã bao giờ tự hỏi *cách trích xuất văn bản* từ một bức ảnh ghi chú viết tay hoặc một trang báo đã quét chưa? Hướng dẫn này sẽ dẫn bạn qua một **java ocr example** lấy các ký tự Urdu trực tiếp từ hình ảnh bằng Aspose OCR. + +Chúng tôi sẽ bao phủ mọi thứ từ cấp phép thư viện đến việc in kết quả trên console. Khi hoàn thành, bạn sẽ có thể **load image ocr** các tệp, đặt ngôn ngữ thành Urdu và nhận đầu ra Unicode sạch sẽ—không cần công cụ bổ sung nào. + +## What You’ll Need + +- **Java Development Kit (JDK) 8+** – mã chạy trên bất kỳ JDK hiện đại nào. +- **Aspose.OCR for Java** JAR (tải xuống từ trang web Aspose). +- Một tệp **Aspose OCR license** hợp lệ (`Aspose.OCR.lic`). +- Một hình ảnh chứa văn bản Urdu, ví dụ `urdu-sample.png`. + +Có đầy đủ các yếu tố cơ bản này đồng nghĩa bạn có thể nhảy thẳng vào mã mà không phải tìm kiếm các phụ thuộc còn thiếu. + +## image to text java – Setting Up Aspose OCR + +Đầu tiên, chúng ta cần thông báo cho Aspose rằng chúng ta đã có giấy phép. Nếu không, thư viện sẽ chạy ở chế độ đánh giá và sẽ thêm watermark vào kết quả. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Step 1: Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); +``` + +**Tại sao điều này quan trọng:** Cấp phép loại bỏ giới hạn xử lý 5 giây và mở khóa toàn bộ gói ngôn ngữ Urdu được thêm vào vào Q3‑2025. Nếu bỏ qua bước này, engine OCR vẫn hoạt động, nhưng bạn sẽ thấy một thẻ “Evaluation” nhỏ trong kết quả. + +## How to Extract Text – Initialize the OCR Engine + +Bây giờ chúng ta tạo engine và rõ ràng chỉ định rằng chúng ta quan tâm tới Urdu. Hằng số `OcrLanguage.URDU` kích hoạt bộ ký tự và quy tắc phân đoạn phù hợp. + +```java + // Step 2: Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 +``` + +**Mẹo chuyên nghiệp:** Nếu bạn cần xử lý nhiều ngôn ngữ trong một lần chạy, bạn có thể truyền danh sách ngăn cách bằng dấu phẩy, ví dụ `OcrLanguage.ENGLISH, OcrLanguage.URDU`. Engine sẽ tự động phát hiện mỗi vùng. + +## Load Image OCR – Preparing the Input + +Aspose làm việc với một đối tượng `OcrInput` có thể chứa một hoặc nhiều hình ảnh. Ở đây chúng ta **load image ocr** dữ liệu từ tệp cục bộ. + +```java + // Step 3: Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); +``` + +> **Lưu ý:** Thay `YOUR_DIRECTORY` bằng đường dẫn tuyệt đối hoặc đường dẫn tương đối từ thư mục gốc dự án của bạn. Nếu tệp không được tìm thấy, Aspose sẽ ném `FileNotFoundException`. Kiểm tra nhanh bằng `new File(path).exists()` có thể tiết kiệm rất nhiều thời gian gỡ lỗi. + +## Recognize the Text – Running the OCR Process + +Với engine đã được cấu hình và hình ảnh đã được tải, cuối cùng chúng ta gọi `recognize`. Phương thức trả về một `OcrResult` chứa chuỗi đã trích xuất. + +```java + // Step 4: Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); +``` + +**Điều gì đang diễn ra phía sau?** Engine OCR chia hình ảnh thành các dòng, sau đó thành ký tự, áp dụng các quy tắc hình dạng đặc thù cho Urdu (như các dạng nối). Vì vậy việc đặt ngôn ngữ từ đầu là rất quan trọng; nếu không bạn sẽ nhận được các ký tự Latin lộn xộn. + +## Print the Recognized Urdu Text + +Bước cuối cùng chỉ đơn giản là in kết quả. Vì Urdu sử dụng script từ phải sang trái, hãy chắc chắn console của bạn hỗ trợ Unicode (hầu hết các terminal hiện đại đều hỗ trợ). + +```java + // Step 5: Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +**Kết quả mong đợi (ví dụ):** + +``` +Urdu text: +یہ ایک مثال کا متن ہے جو تصویر سے نکالا گیا ہے۔ +``` + +Nếu bạn thấy dấu hỏi hoặc chuỗi rỗng, hãy kiểm tra lại rằng mã hoá console của bạn được đặt thành UTF‑8 (`chcp 65001` trên Windows, hoặc chạy Java với `-Dfile.encoding=UTF-8`). + +## Full Working Example – All Steps in One Place + +Dưới đây là chương trình hoàn chỉnh, sẵn sàng sao chép‑dán. Không có tham chiếu bên ngoài, chỉ một file Java duy nhất. + +```java +import com.aspose.ocr.*; + +public class UrduDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose OCR license + License license = new License(); + license.setLicense("Aspose.OCR.lic"); + + // Create the OCR engine and set the language to Urdu + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU); // added in 2025‑Q3 + + // Load the image that contains Urdu text + OcrInput ocrInput = new OcrInput(); + ocrInput.add("YOUR_DIRECTORY/urdu-sample.png"); + + // Recognize the text from the image + OcrResult ocrResult = ocrEngine.recognize(ocrInput); + + // Print the recognized Urdu text + System.out.println("Urdu text:\n" + ocrResult.getText()); + } +} +``` + +Chạy nó với: + +```bash +javac -cp "aspose-ocr-23.10.jar" UrduDemo.java +java -cp ".:aspose-ocr-23.10.jar" UrduDemo +``` + +Thay phiên bản JAR (`23.10`) bằng phiên bản bạn đã tải. Console sẽ hiển thị câu Urdu được trích xuất từ PNG của bạn. + +## Common Pitfalls & Edge Cases + +| Issue | Why it Happens | How to Fix | +|-------|----------------|------------| +| **Empty output** | Hình ảnh quá tối hoặc độ phân giải thấp. | Tiền xử lý hình ảnh (tăng độ tương phản, nhị phân hoá) bằng `BufferedImage` trước khi đưa vào Aspose. | +| **Garbage characters** | Đặt ngôn ngữ sai (mặc định là English). | Đảm bảo gọi `ocrEngine.getLanguage().setLanguage(OcrLanguage.URDU);` trước khi `recognize`. | +| **License not found** | Đường dẫn sai hoặc tệp thiếu. | Sử dụng đường dẫn tuyệt đối hoặc đặt tệp `.lic` trong classpath và gọi `license.setLicense("Aspose.OCR.lic");`. | +| **Out‑of‑memory on large images** | PNG lớn tiêu tốn heap. | Gọi `ocrEngine.setMaxImageSize(2000);` để thu nhỏ nội bộ, hoặc tự resize hình ảnh. | + +## Extending the Demo + +- **Batch processing:** Lặp qua một thư mục, thêm mỗi tệp vào cùng một `OcrInput`, và lưu kết quả vào CSV. +- **Different languages:** Thay `OcrLanguage.URDU` bằng `OcrLanguage.ARABIC` hoặc kết hợp nhiều ngôn ngữ. +- **Saving to file:** Dùng `Files.write(Paths.get("output.txt"), ocrResult.getText().getBytes(StandardCharsets.UTF_8));`. + +Tất cả các ý tưởng này dựa trên **java ocr example** mà chúng ta vừa xây dựng, cho phép bạn tùy chỉnh giải pháp cho các dự án thực tế. + +## Conclusion + +Bạn đã có một quy trình **image to text java** vững chắc để trích xuất ký tự Urdu từ hình ảnh bằng Aspose OCR. Hướng dẫn đã bao phủ mọi bước—từ cấp phép và chọn ngôn ngữ đến tải hình ảnh và in kết quả—để bạn có thể dán mã vào bất kỳ dự án Java nào và thấy nó hoạt động. + +Tiếp theo, hãy thử nghiệm với các PDF lớn hơn, các script khác, hoặc thậm chí tích hợp bước OCR vào một endpoint Spring Boot REST. Các nguyên tắc giống nhau—**how to extract text**, **load image o + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file diff --git a/ocr/vietnamese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md b/ocr/vietnamese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md new file mode 100644 index 000000000..b6f90570d --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-02-17 +description: Tìm hiểu cách nhận dạng văn bản từ hình ảnh và tải hình ảnh cho OCR bằng + thư viện Aspose OCR Java. Hướng dẫn từng bước kèm bộ sửa lỗi chính tả. +draft: false +keywords: +- recognize text from image +- load image for OCR +- Aspose OCR Java +- spell corrector OCR +- OCR engine setup +language: vi +og_description: Nhận dạng văn bản từ hình ảnh bằng Aspose OCR Java. Hướng dẫn này + cho thấy cách tải hình ảnh cho OCR, bật sửa lỗi chính tả và xuất văn bản sạch. +og_title: Nhận dạng văn bản từ hình ảnh – Hướng dẫn đầy đủ Aspose OCR Java +tags: +- Java +- OCR +- Aspose +title: Nhận dạng văn bản từ hình ảnh bằng Aspose OCR – Hướng dẫn Java +url: /vi/java/ocr-operations/recognize-text-from-image-with-aspose-ocr-java-tutorial/ +--- + +Proceed to produce final answer. + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# recognize text from image with Aspose OCR – Java Tutorial + +Bạn đã bao giờ cần **recognize text from image** nhưng không chắc nên chọn thư viện nào? Bạn không đơn độc. Trong nhiều dự án thực tế—như quét hoá đơn, số hoá ghi chú viết tay, hoặc trích xuất chú thích từ ảnh chụp màn hình—việc có kết quả OCR chính xác là rất quan trọng. + +Trong hướng dẫn này, chúng ta sẽ đi qua các bước tải ảnh để OCR, bật bộ sửa lỗi chính tả tích hợp của Aspose OCR, và cuối cùng in ra văn bản đã được làm sạch. Khi hoàn thành, bạn sẽ có một chương trình Java sẵn sàng chạy để **recognize text from image** chỉ với vài dòng mã. + +## What This Tutorial Covers + +- Cách áp dụng giấy phép Aspose OCR của bạn (để bản demo chạy mà không có watermark) +- Tạo một thể hiện `OcrEngine` và chọn tiếng Anh làm ngôn ngữ nhận dạng +- **Load image for OCR** bằng `OcrInput` và trỏ tới một file PNG chứa các từ bị viết sai +- Bật bộ sửa lỗi chính tả, tùy chọn chỉ định một từ điển tùy chỉnh +- Thực hiện nhận dạng và in ra kết quả đã được sửa + +Không có dịch vụ bên ngoài, không có file cấu hình ẩn—chỉ Java thuần và JAR Aspose OCR. + +> **Pro tip:** Nếu bạn mới bắt đầu với Aspose, hãy lấy giấy phép dùng thử miễn phí 30 ngày từ trang web Aspose và đặt file `.lic` vào một thư mục mà bạn có thể tham chiếu trong mã. + +## Prerequisites + +- Java 8 hoặc mới hơn (mã cũng biên dịch được với JDK 11) +- Aspose.OCR for Java JAR có trong classpath +- File `Aspose.OCR.lic` hợp lệ (hoặc bạn có thể chạy ở chế độ đánh giá, nhưng bản demo sẽ chèn watermark) +- Một file ảnh (`misspelled.png`) chứa một số văn bản có lỗi chính tả cố ý—lý tưởng để xem bộ sửa lỗi chính tả hoạt động + +Bạn đã có đầy đủ? Tuyệt—cùng bắt đầu. + +## Step 1: Apply Your Aspose OCR License + +Trước khi engine thực hiện bất kỳ công việc nặng nào, nó cần biết bạn đã có giấy phép. Nếu không, bạn sẽ thấy banner “Trial version” trong kết quả. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Load the license – replace the path with where you stored your .lic file + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); +``` + +*Why this matters:* Licensing disables the trial watermark and unlocks the full spell‑corrector dictionary. Skipping this step works, but your output will be polluted with “Aspose OCR Demo” text. + +## Step 2: Create and Configure the OCR Engine + +Bây giờ chúng ta khởi tạo engine và chỉ định ngôn ngữ sẽ dùng. Tiếng Anh là phổ biến nhất, nhưng Aspose hỗ trợ hàng chục ngôn ngữ. + +```java + // Step 2: Instantiate the OCR engine + OcrEngine engine = new OcrEngine(); + + // Choose English for recognition – you could pick French, German, etc. + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); +``` + +*Why we set the language:* The language model determines the character set and influences the spell‑corrector’s suggestions. Using the wrong language can dramatically reduce accuracy. + +## Step 3: Enable Spell Correction and (Optionally) Point to a Custom Dictionary + +Aspose OCR đi kèm với một từ điển tiếng Anh tích hợp, nhưng bạn có thể cung cấp từ điển riêng nếu có các thuật ngữ chuyên ngành (ví dụ: thuật ngữ y tế hoặc mã sản phẩm). + +```java + // Step 3: Turn on the spell corrector + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + + // Optional: use a custom dictionary folder + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); +``` + +*What the corrector does:* When the OCR engine spots a word that isn’t in the dictionary, it tries to replace it with the closest match. This is why the demo can turn “recieve” into “receive” automatically. + +## Step 4: Load the Image for OCR + +Đây là phần trả lời trực tiếp **load image for OCR**. Chúng ta tạo một đối tượng `OcrInput` và thêm file PNG của mình. + +```java + // Step 4: Prepare the image input + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // path to the image you want to process +``` + +*Why we use `OcrInput`:* It abstracts away the file‑reading logic and lets you add multiple pages later if you need to process a multi‑page PDF or a set of images. + +## Step 5: Run the Recognition and Retrieve Corrected Text + +Engine sẽ thực hiện công việc nặng—nhận dạng ký tự, áp dụng mô hình ngôn ngữ, và cuối cùng sửa lỗi chính tả. + +```java + // Step 5: Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Step 6: Output the corrected text to the console + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +*Expected output:* Assuming `misspelled.png` contains the phrase “Ths is a smple test”, the console will print: + +``` +Corrected text: +This is a simple test +``` + +Notice how the misspelled words (`Ths`, `smple`) have been automatically fixed. + +## Full, Ready‑to‑Run Example + +Dưới đây là toàn bộ chương trình trong một khối. Sao chép‑dán, điều chỉnh đường dẫn, và nhấn **Run**. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + // Apply the Aspose.OCR license (replace with your license file) + License license = new License(); + license.setLicense("YOUR_DIRECTORY/Aspose.OCR.lic"); + + // Create an OCR engine instance + OcrEngine engine = new OcrEngine(); + + // Select the language for recognition (e.g., English) + engine.getLanguage().setLanguage(OcrLanguage.ENGLISH); + + // Enable the built‑in spell corrector and optionally set a custom dictionary + engine.getSpellCorrector().setEnable(true); // activate spell‑checking + // engine.getSpellCorrector().setDictionaryPath("YOUR_DIRECTORY/dictionaries/english"); // optional + + // Prepare the input image containing the text to be recognized + OcrInput input = new OcrInput(); + input.add("YOUR_DIRECTORY/misspelled.png"); // load image for OCR + + // Perform OCR and obtain the corrected result + OcrResult result = engine.recognize(input); + + // Output the corrected text + System.out.println("Corrected text:\n" + result.getText()); + } +} +``` + +**Tip:** Nếu bạn muốn xử lý JPEG hoặc BMP thay vì PNG, chỉ cần thay đổi phần mở rộng file—Aspose OCR hỗ trợ tất cả các định dạng raster phổ biến. + +## Common Questions & Edge Cases + +- **What if my image is low‑resolution?** + Increase the DPI before feeding it to Aspose by rescaling with a library like `java.awt.Image`. Higher DPI gives the engine more pixels to work with, which usually improves accuracy. + +- **Can I recognize multiple languages in the same image?** + Yes. Call `engine.getLanguage().setLanguage(OcrLanguage.MULTI_LANGUAGE);` and optionally provide a list of languages via `engine.getLanguage().addLanguage(OcrLanguage.SPANISH);`. + +- **My custom dictionary isn’t being used—why?** + Make sure the folder contains plain‑text files with one word per line and that the path is absolute or correctly relative to your working directory. + +- **How do I extract confidence scores?** + `result.getConfidence()` returns a float between 0 and 1 for the whole page. For per‑character confidence, explore `result.getWordList()`. + +## Conclusion + +Bạn đã biết cách **recognize text from image** bằng Aspose OCR cho Java, cách **load image for OCR**, và cách bật bộ sửa lỗi chính tả để làm sạch các lỗi thường gặp. Ví dụ hoàn chỉnh ở trên đã sẵn sàng để đưa vào bất kỳ dự án Maven hoặc Gradle nào, và với một vài chỉnh sửa bạn có thể mở rộng để xử lý hàng loạt thư mục, tích hợp vào dịch vụ web, hoặc kết nối với hệ thống quản lý tài liệu. + +Sẵn sàng cho bước tiếp theo? Hãy thử xử lý một PDF đa trang, thử nghiệm từ điển tùy chỉnh cho thuật ngữ ngành, hoặc chuỗi kết quả vào một API dịch thuật. Các khả năng là vô hạn, và mẫu cơ bản—license → engine → language → spell‑corrector → input → recognize → output—vẫn luôn như vậy. + +Happy coding, and may your OCR results always be spot‑on! + +{{< /blocks/products/pf/tutorial-page-section >}} +{{< /blocks/products/pf/main-container >}} +{{< /blocks/products/pf/main-wrap-class >}} +{{< blocks/products/products-backtop-button >}} \ No newline at end of file