diff --git a/ocr/arabic/java/advanced-ocr-techniques/_index.md b/ocr/arabic/java/advanced-ocr-techniques/_index.md index 826cbb80a..f2fc99350 100644 --- a/ocr/arabic/java/advanced-ocr-techniques/_index.md +++ b/ocr/arabic/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ 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. +### [دليل Aspose OCR GPU: تسريع استخراج النص من صور PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +استخدم وحدة GPU في Aspose OCR لتسريع استخراج النص من صور PNG بكفاءة عالية. +### [دليل المعالجة المتوازية للتعرف على النص من الصورة باستخدام Java OCR](./recognize-text-from-image-with-java-ocr-parallel-processing/) +اكتشف كيفية تسريع استخراج النص من الصور باستخدام المعالجة المتوازية في Java OCR. +### [كيفية استخدام Aspose OCR للصور متعددة اللغات](./how-to-use-aspose-ocr-for-mixed-language-images/) +تعلم كيفية معالجة الصور التي تحتوي على نصوص بلغات مختلفة باستخدام Aspose OCR واستخراج النص بدقة وسهولة. +### [كيفية تحسين التباين في التعرف الضوئي على الحروف – دليل كامل للمعالجة المسبقة في Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +دليل شامل يوضح خطوات تحسين التباين قبل تنفيذ OCR باستخدام Java لزيادة دقة استخراج النص. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/arabic/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..ec7ae7b41 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: يوضح دليل Aspose OCR GPU كيفية التعرف على النص من الصورة واستخراج النص + من ملف PNG باستخدام تسريع GPU للحصول على OCR سريع وموثوق. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: ar +og_description: تعلم كيفية استخدام Aspose OCR GPU للتعرف على النص من الصورة واستخراج + النص من ملف PNG باستخدام تسريع GPU في جافا. +og_title: 'دليل aspose ocr gpu: تسريع استخراج النص' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'دليل aspose ocr gpu: تسريع استخراج النص من صور PNG' +url: /ar/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – استخراج نص سريع وموثوق من صور PNG + +هل ترغب في تعزيز أداء OCR الخاص بك باستخدام **aspose ocr gpu**؟ مع Aspose OCR GPU يمكنك **التعرف على النص من الصورة** بسرعة أكبر بفضل الاستفادة من بطاقة رسومية تدعم CUDA. تخيل معالجة صورة PNG عالية الدقة في ثوانٍ بدلًا من دقائق—لن تحتاج للانتظار للحصول على النتائج. + +في هذا الدرس سنستعرض كل ما تحتاجه لتبدأ العمل: تحميل صورة لـ OCR، تحويل المحرك إلى وضع GPU، وأخيرًا استخراج النص. في النهاية ستحصل على برنامج Java كامل قابل للتنفيذ **يستخرج النص من png** باستخدام تسريع GPU. لا حاجة لأي وثائق خارجية—فقط اتبع الخطوات، انسخ الكود، وستكون جاهزًا. + +## ما ستحتاجه + +- **Java Development Kit (JDK) 11+** – يستخدم الكود ميزات لغة Java القياسية. +- **Aspose.OCR for Java** (أحدث إصدار حتى مايو 2026). يمكنك الحصول عليه من Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **GPU يدعم CUDA** (NVIDIA GeForce, Quadro, أو Tesla) مع تثبيت برنامج التشغيل المناسب. +- **صورة PNG عالية الدقة نموذجية** (مثال: `sample-highres.png`) التي تريد معالجتها. + +إذا لم يكن لديك GPU، سيتحول الكود تلقائيًا إلى CPU—فقط علق أسطر GPU. + +## الخطوة 1 – تحميل الصورة لـ OCR + +أول شيء يحتاجه أي سير عمل OCR هو مصدر الصورة. توفر Aspose OCR غلافًا مريحًا يسمى `ImageStream` يمكنه القراءة من ملف، أو مصفوفة بايت، أو حتى URL. هنا نستخدم `ImageStream.fromFile` لأنه الأكثر بساطة للتطوير المحلي. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **لماذا هذا مهم:** تحميل الصورة بشكل صحيح يضمن أن محرك OCR يتلقى بيانات البكسل الدقيقة التي يحتاجها. استخدام `ImageStream.fromFile` يتعامل أيضًا مع خصائص PNG الشائعة (قناة ألفا، عمق اللون) تلقائيًا. + +## الخطوة 2 – تمكين تسريع GPU (aspose ocr gpu) + +الآن يأتي السحر: إخبار Aspose بالعمل على الـ GPU. كائن `OcrDevice` داخل المحرك يتيح لك اختيار نوع الجهاز (`CPU` أو `GPU`) وإذا كان لديك أكثر من GPU، يمكنك تحديد معرف الجهاز المحدد. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **نصيحة احترافية:** إذا صادفت أخطاء `CUDA driver not found`، تحقق مرة أخرى من أن برنامج تشغيل NVIDIA يتطابق مع نسخة CUDA المطلوبة من Aspose OCR (عادةً CUDA 11.x للإصدار 23.x). +> **حالة خاصة:** عند التشغيل على خادم بدون واجهة رسومية، تأكد من أن الـ GPU غير محجوز من عملية أخرى؛ وإلا سيعود استدعاء OCR إلى CPU بصمت. + +## الخطوة 3 – التعرف على النص من الصورة + +مع تحميل الصورة وتحديد الجهاز، يمكنك الآن تشغيل محرك OCR. تُعيد طريقة `recognize()` كائن `OcrResult` يحتوي على النص العادي، درجات الثقة، وحتى إطارات الحدود إذا احتجت إليها لاحقًا. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +عند تنفيذ البرنامج، يجب أن ترى شيئًا مشابهًا لـ: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **ما تراه:** السلسلة الخام المستخرجة من PNG. إذا احتوت الصورة على جداول أو تخطيطات متعددة الأعمدة، يمكنك تمكين `LayoutAnalysis` على المحرك للحصول على نتائج أفضل (خارج نطاق هذا الدليل السريع). + +## الخطوة 4 – التحقق من أن GPU يُستخدم فعليًا + +من السهل افتراض أن الـ GPU يقوم بالعمل الشاق، لكن فحص سريع يمكن أن يوفر لك ساعات من التصحيح. يكتب Aspose OCR سجلًا صغيرًا عند تهيئة الجهاز. + +أضف هذا المقتطف مباشرة بعد ضبط نوع الجهاز: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +إذا كان الإخراج يقرأ `GPU`، فأنت جاهز. إذا ظهر `CPU`، راجع تثبيت برنامج التشغيل أو تأكد من أن المتغير البيئي `CUDA_HOME` يشير إلى مجلد مجموعة أدوات CUDA الصحيح. + +## المشكلات الشائعة وكيفية تجنبها + +| العَرَض | السبب المحتمل | الحل | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` بخصوص `cudart64_110.dll` | عدم وجود وقت تشغيل CUDA في `PATH` | أضف مجلد `bin` الخاص بـ CUDA إلى `PATH` النظام أو اضبط `java.library.path`. | +| OCR يُعيد سلسلة فارغة | عدم تحميل الصورة بشكل صحيح (مسار خاطئ أو صيغة غير مدعومة) | تحقق من مسار الملف، وتأكد من أن PNG غير تالف. | +| الأداء مشابه للـ CPU | رجوع إلى CPU بسبب عدم توافق برنامج التشغيل | حدّث برنامج تشغيل NVIDIA إلى النسخة المذكورة في ملاحظات إصدار Aspose OCR. | +| نفاد الذاكرة على صور كبيرة | استنفاد ذاكرة الـ GPU | قلل دقة الصورة أو قسمها إلى قطع قبل المعالجة. | + +## إضافي: الرجوع إلى CPU عندما يكون GPU غير متوفر + +أحيانًا قد تشغل نفس الكود على لابتوب تطوير لا يحتوي على GPU يدعم CUDA. تغليف اختيار الجهاز داخل كتلة `try‑catch` يجعل البرنامج أكثر صلابة. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +الآن يعمل البرنامج نفسه في كل مكان، ولا يزال يحصل على تسريع السرعة حيثما تسمح العتاد بذلك. + +## مثال كامل وجاهز للتنفيذ + +فيما يلي الفئة الكاملة بلغة Java التي تجمع جميع الخطوات، الفحوصات، ومنطق الرجوع المذكور أعلاه. انسخ‑الصقها في بيئة التطوير IDE، عدل مسار الصورة، وشغّلها. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**الناتج المتوقع** (مع افتراض أن PNG يحتوي على نص إنجليزي بسيط): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +إذا لم يكن الـ GPU موجودًا، سترى “CPU” في السطر الأخير بدلاً من ذلك. + +## نظرة بصرية عامة + +فيما يلي مخطط سريع لتدفق البيانات—من تحميل PNG إلى استرجاع النص العادي. يحتوي نص alt للصورة على الكلمة المفتاحية الأساسية لتحسين محركات البحث. + +![سير عمل aspose ocr gpu – تحميل الصورة، تمكين GPU، التعرف على النص] + +*Alt text: سير عمل aspose ocr gpu يُظهر كيفية تحميل الصورة لـ OCR، تمكين تسريع GPU، واستخراج النص من png.* + +## ملخص وخطوات قادمة + +لقد غطينا للتو كيفية **aspose ocr gpu**‑تسريع عملية **التعرف على النص من الصورة** و**استخراج النص من png**. النقاط الأساسية: + +1. **تحميل الصورة** باستخدام `ImageStream.fromFile`. +2. **تمكين GPU** عبر `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **تشغيل `recognize()`** وقراءة `ocrResult.getText()`. +4. **التحقق من الجهاز** والرجوع بسلاسة إلى CPU عند الحاجة. + +هل أنت مستعد لتجاوز الحدود؟ جرّب هذه التجارب: + +- **معالجة دفعات:** كرّر عبر مجلد من PNGs واكتب كل نتيجة إلى ملف `.txt`. +- **تحليل التخطيط:** فعّل `ocrEngine.getOptions().setDetectDocumentStructure(true)` للحفاظ على الأعمدة والجداول. +- **توسيع متعدد‑GPU:** إذا كان جهازك يحتوي على عدة GPUs، أنشئ خيوطًا متوازية، كل منها مرتبط بـ `deviceId` مختلف. + +هذه الإضافات ستعمق إتقانك لـ **gpu accelerated ocr** وتفتح الباب لمشاريع رقمنة مستندات على نطاق واسع. + +--- + +*برمجة سعيدة! إذا واجهت أي صعوبات، اترك تعليقًا أدناه—سأكون سعيدًا بمساعدتك في حل المشكلات.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/arabic/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..48af7d8a2 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: كيفية تحسين التباين أثناء تعلم معالجة الصورة مسبقًا، وإزالة الضوضاء، + وتصحيح دوران الصورة للحصول على التعرف الموثوق على النصوص باستخدام OCR. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: ar +og_description: كيفية تحسين التباين في صور OCR، بالإضافة إلى كيفية معالجة الصورة مسبقًا، + وإزالة الضوضاء، وتصحيح دوران الصورة للحصول على التعرف الدقيق على النص. +og_title: كيفية تحسين التباين في OCR – دليل جافا خطوة بخطوة +tags: +- OCR +- Java +- Image Processing +title: كيفية تحسين التباين في التعرف الضوئي على الأحرف – دليل كامل للمعالجة المسبقة + بجافا +url: /ar/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# كيفية تحسين التباين في OCR – دليل شامل للمعالجة المسبقة في Java + +هل تساءلت يومًا **كيف يمكن تحسين التباين** بحيث يقرأ محرك OCR الخاص بك النص فعليًا بدلاً من إنتاج هراء؟ لست وحدك. يواجه معظم المطورين صعوبة عندما تكون صورة المصدر باهتة، مائلة، أو مليئة بالبقع، والنتيجة فشل محبط في “التعرف على النص من الصورة”. + +الأخبار السارة؟ من خلال تطبيق بعض خطوات المعالجة المسبقة الذكية—**how to preprocess image**، **how to remove noise**، و**correct image rotation**—يمكنك تحويل صورة PNG منخفضة التباين ومليئة بالضوضاء إلى لوحة نظيفة يحبها محرك OCR. في هذا الدرس سنستعرض مثالًا واقعيًا بلغة Java باستخدام Aspose.OCR، نشرح لماذا كل مرشح مهم، ونظهر لك بالضبط **how to enhance contrast** للحصول على تعرّف ثابت. + +--- + +## ما ستتعلمه + +- هدف كل مرشح معالجة مسبقة (إزالة الميل، إزالة الضوضاء، تحسين التباين). +- **How to preprocess image** باستخدام Aspose.OCR في Java، خطوة بخطوة. +- نصائح عملية لـ **how to remove noise** و**correct image rotation** قبل OCR. +- الكود الدقيق الذي يمكنك نسخه‑ولصقه، تشغيله، ورؤية ناتج **recognize text from image**. + +> **المتطلبات المسبقة** – Java 17+، Maven أو Gradle، ورخصة Aspose.OCR for Java (إصدار تجريبي مجاني يكفي للاختبار). لا توجد مكتبات طرف ثالث أخرى مطلوبة. + +--- + +## الخطوة 1 – إعداد المشروع واستيراد Aspose.OCR + +قبل أن نتحدث عن **how to enhance contrast**، نحتاج إلى مشروع Java يعمل مع محرك OCR. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +إذا كنت تفضّل Gradle، فإن المكافئ هو: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +أنشئ ملفًا بسيطًا `src/main/java/PreprocessDemo.java` واستورد الفئات المطلوبة: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **نصيحة احترافية:** حافظ على تشغيل ميزة الاستيراد التلقائي في IDE؛ فهي توفر الكثير من الذهاب والإياب. + +--- + +## الخطوة 2 – تحميل الصورة التي تريد تنظيفها + +الآن بعد أن المكتبة جاهزة، لنجب على الجزء الأول من **how to preprocess image**: تحميل الصورة. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +في هذه المرحلة يحتفظ المحرك بصورة PNG منخفضة الجودة قد تعاني من تباين ضعيف، دوران، وضوضاء نقطية. إذا فتحت الملف، سترى بالضبط لماذا سيعاني OCR. + +--- + +## الخطوة 3 – تطبيق المرشحات: إزالة الميل، إزالة الضوضاء، **How to Enhance Contrast** + +هذا هو جوهر الدرس—**how to enhance contrast** مع التعامل في الوقت نفسه مع الدوران والضوضاء. Aspose.OCR يأتي مع ثلاثة مرشحات جاهزة: + +| المرشح | ما يفعله | لماذا يهم OCR | +|--------|----------|----------------| +| `DeskewFilter` | يكتشف ويصحح دوران الصورة | يضمن **correct image rotation**، بحيث لا تكون الأحرف مائلة. | +| `NoiseRemovalFilter` | يقلل البقع العشوائية وحبوب الخلفية | يطبق **how to remove noise** حتى يرى المحرك الأحرف فقط. | +| `ContrastEnhancementFilter` | يعزز الفرق بين النص الأمامي والخلفية | يجيب مباشرةً على **how to enhance contrast**، مما يجعل الخطوط الخفيفة بارزة. | + +أضفها بالترتيب الموضح—أولاً إزالة الميل، ثم إزالة الضوضاء، ثم تحسين التباين: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **لماذا هذا الترتيب؟** +> • تعمل إزالة الميل بأفضل شكل على مصفوفة البكسل الخام؛ تدوير صورة مليئة بالضوضاء قد يزيد من التشوهات. +> • تنظيف الضوضاء قبل تعزيز التباين يمنع المرشح من تضخيم البقع. +> • أخيرًا، تحسين التباين يجعل البكسلات المنقاة تبرز، وهذا هو بالضبط **how to enhance contrast** للـ OCR. + +--- + +## الخطوة 4 – تشغيل محرك OCR و**Recognize Text from Image** + +مع خط أنابيب المعالجة المسبقة جاهزًا، نستدعي أخيرًا محرك OCR. هذه الخطوة تجيب على السؤال النهائي: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +عند تشغيل `java PreprocessDemo`، يجب أن ترى نصًا نظيفًا وقابلًا للقراءة بدلاً من فوضى مشوشة. قد يبدو الناتج النموذجي لفاتورة تجريبية كالتالي: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +إذا ما زال الناتج غير واضح، فكر في تعديل معلمات `ContrastEnhancementFilter` (مثلاً، `setLevel(1.5)`) أو تحقق مرة أخرى من أن الصورة الأصلية ليست مضغوطة إلى حد لا يمكن استرداده. + +--- + +## الخطوة 5 – فحص بصري: قبل & بعد (اختياري) + +الرؤية هي الإيمان. أدناه توضيح بديل يقارن الملف الأصلي بالإصدار المعالج. النص البديل يذكر الكلمة المفتاحية الأساسية لتحسين محركات البحث. + +![مخطط يوضح كيفية تحسين التباين في معالجة OCR المسبقة – الأصل مقابل الصورة المعززة](https://example.com/contrast-demo.png "كيفية تحسين التباين في معالجة OCR المسبقة") + +*إذا شغّلت الكود على صورتك الخاصة، ستلاحظ نفس الارتفاع الدراماتيكي في الوضوح.* + +--- + +## المشكلات الشائعة & كيفية إصلاحها + +| المشكلة | لماذا يحدث | الحل | +|---------|------------|------| +| النص لا يزال غير واضح بعد تعزيز التباين | مستوى الفلتر منخفض جدًا أو دقة الصورة غير كافية | زيادة مستوى `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) أو تكبير الصورة قبل المعالجة. | +| OCR يُعيد سلسلة فارغة | الصورة كانت مظلمة تمامًا أو أزيل جميع البكسلات بواسطة مرشح الضوضاء | تقليل شدة `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| الأحرف لا تزال مائلة | فشل `DeskewFilter` في اكتشاف الزاوية لأن الصورة كانت مليئة بالضوضاء | تشغيل `DeskewFilter` **بعد** تمريرة خفيفة لإزالة الضوضاء، أو ضبط زاوية الدوران يدويًا بـ `DeskewFilter.setAngle(2.5)`. | +| رموز Unicode غير متوقعة | لغة OCR لم تُحدد بشكل صحيح | استدعاء `ocrEngine.setLanguage(OcrLanguage.English);` قبل `recognize()`. | + +--- + +## توسيع خط الأنابيب – ماذا لو احتجت المزيد؟ + +أحيانًا قد تحتاج إلى **how to preprocess image** للمسحات الملونة أو ملفات PDF. Aspose.OCR يقدم أيضًا: + +- `BinarizationFilter` – يحول إلى أبيض وأسود نقي، مثالي للنص عالي التباين. +- `ResizeFilter` – يكبر الخطوط الصغيرة قبل OCR. +- `SharpenFilter` – يبرز الحواف للخط اليدوي الخفيف. + +يمكنك ربطها بنفس طريقة الثلاثة مرشحات الأساسية المذكورة سابقًا. تذكر، الترتيب لا يزال مهمًا: التكبير → إزالة الضوضاء → التحويل إلى أبيض وأسود → تحسين التباين → إزالة الميل هو وصفة شائعة. + +--- + +## ملخص: من PNG مليء بالضوضاء إلى نص نظيف + +- **How to enhance contrast**: استخدم `ContrastEnhancementFilter` بعد إزالة الميل وإزالة الضوضاء. +- **How to preprocess image**: حمّل، أضف المرشحات، ثم شغّل OCR. +- **How to remove noise**: `NoiseRemovalFilter` ينظف الخلفية دون إتلاف خطوط النص. +- **Correct image rotation**: `DeskewFilter` يضبط خط أساس النص، وهو شرط أساسي للتعرف الدقيق. +- **Recognize text from image**: استدعِ `ocrEngine.recognize()` واقرأ `ocrResult.getText()`. + +كل هذه الخطوات معًا تمنحك خط أنابيب قوي يعمل على الفواتير الممسوحة، الإيصالات، وحتى الكتب المطبوعة القديمة. + +--- + +## ما التالي؟ + +- **التجربة**: عدّل معلمات الفلاتر ولاحظ تأثيرها على دقة OCR. +- **المعالجة الدفعية**: غلف المنطق أعلاه داخل حلقة لمعالجة مجلد كامل من الصور. +- **التكامل**: أدخل ناتج OCR إلى قاعدة بيانات أو مولد PDF لأتمتة شاملة من الطرف إلى الطرف. + +إذا كنت مهتمًا بحيل تحسين الصور الأخرى—مثل العتبة التكيفية أو عكس الألوان—اطلع على وثائق Aspose الرسمية أو دليل “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### ترميز سعيد! + +الآن تعرف **how to enhance contrast** والقصة الكاملة للمعالجة المسبقة التي تحول مسحًا فوضويًا إلى نص نظيف قابل للبحث. اترك تعليقًا إذا واجهت أي صعوبات، أو شارك كيف خصصت خط الأنابيب لمشاريعك الخاصة. دعونا نستمر في مناقشة OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/arabic/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..707e8a734 --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: كيفية استخدام Aspose OCR للتعرف على النص من الصورة، وتمكين الكشف التلقائي + عن اللغة، وتحسين سرعة OCR في Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: ar +og_description: كيفية استخدام Aspose OCR للتعرف بسرعة على النص من الصورة، وتمكين الكشف + التلقائي عن اللغة، وتحسين سرعة OCR في Java. +og_title: كيفية استخدام Aspose OCR للصور متعددة اللغات +tags: +- Aspose +- OCR +- Java +- Image Processing +title: كيفية استخدام Aspose OCR للصور متعددة اللغات +url: /ar/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# كيفية استخدام Aspose OCR للصور متعددة اللغات + +هل تساءلت يومًا **كيف تستخدم Aspose** لاستخراج النص من صورة تحتوي على عدة لغات في آن واحد؟ لست وحدك—فالمطورون غالبًا ما يواجهون صعوبة عندما تمزج الصورة بين الإنجليزية، الروسية، الهندية أو أي نص آخر. الخبر السار هو أن Aspose OCR يتعامل مع ذلك بسلاسة، ويمكنك حتى **التعرف على النص من الصورة** بشكل أسرع عن طريق تضييق مجموعة اللغات. + +في هذا الدرس سنستعرض مثالًا كاملًا وجاهزًا للتنفيذ بلغة Java **يقوم بتحميل الصورة للـ OCR**، ويُفعّل **الكشف التلقائي عن اللغة**، ويظهر حيلة بسيطة لـ **تحسين سرعة OCR**. في النهاية ستحصل على برنامج مستقل يطبع النص المستخرج إلى وحدة التحكم، وستفهم لماذا كل إعداد مهم. + +> **المتطلبات المسبقة** – تثبيت Java 17+، Maven أو Gradle لإدارة الاعتمادات، ورخصة Aspose OCR (الإصدار التجريبي المجاني يكفي للتقييم). لا توجد مكتبات أخرى مطلوبة. + +--- + +## الخطوة 1 – إضافة Aspose OCR إلى مشروعك + +قبل أن تتمكن من **استخدام Aspose**، تحتاج إلى إضافة المكتبة إلى مسار الفئات الخاص بك. مع Maven يبدو ذلك هكذا: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +إذا كنت تفضل Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **نصيحة احترافية:** التزم بأحدث إصدار ثابت؛ الإصدارات الأحدث غالبًا ما تتضمن تحسينات في الأداء تؤثر مباشرةً على **تحسين سرعة OCR**. + +--- + +## الخطوة 2 – إنشاء مثيل محرك OCR + +قلب كل سير عمل Aspose OCR هو `OcrEngine`. إنشاءه بسيط، لكن يجدر الإشارة إلى أن المحرك يحتفظ بذاكرات داخلية. إعادة استخدام نفس المثيل عبر عدة صور يمكن أن **يحسن سرعة OCR** لأن المكتبة تتجنب التهيئة الأصلية المتكررة. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## الخطوة 3 – **تحميل الصورة للـ OCR** + +Aspose يدعم العديد من صيغ الصور (PNG، JPEG، TIFF، BMP). هنا نوضح تحميل صورة PNG تحتوي على نص بالإنجليزية، الروسية، والهندية. المساعد `ImageStream.fromFile` يج abstracts تفاصيل إدخال/إخراج الملفات ويضمن تدفق الصورة بشكل صحيح إلى المحرك. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **ماذا لو كانت الصورة في الذاكرة؟** استخدم `ImageStream.fromByteArray(byte[])` بدلاً من ذلك—مثالي لخدمات الويب التي تستقبل الصور كتيارات بايت. + +--- + +## الخطوة 4 – تفعيل الكشف التلقائي عن اللغة + +بشكل افتراضي، يفترض Aspose OCR لغة واحدة، مما قد يؤدي إلى ناتج مشوش في الصور متعددة اللغات. تشغيل الكشف التلقائي يخبر المحرك بفحص نص كل كتلة قبل التعرف. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## الخطوة 5 – **تحسين سرعة OCR** عن طريق تقليل مجموعة اللغات + +الكشف التلقائي الكامل يفحص كل لغة يدعمها Aspose (أكثر من 70). إذا كنت تعرف اللغات المحتملة مسبقًا، يمكنك إعطاء المحرك إشارة. توفير مصفوفة أصغر يقلل مساحة البحث وبالتالي **يحسن سرعة OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **لماذا يساعد ذلك؟** يتخطى المحرك نماذج اللغات التي لا يحتاجها، مما يوفر دورات المعالج والذاكرة. إذا أضفت لغات أخرى لاحقًا، ما عليك سوى تحديث المصفوفة—دون الحاجة لإعادة كتابة الكود. + +--- + +## الخطوة 6 – تنفيذ التعرف و **التعرف على النص من الصورة** + +الآن يبدأ الجزء الثقيل. `recognize()` تُعيد كائن `OcrResult` يحتوي على النص العادي، درجات الثقة، وحتى معلومات التخطيط إذا احتجتها لاحقًا. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### ناتج وحدة التحكم المتوقع + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +إذا كانت الصورة تحتوي على ضوضاء إضافية أو نص مائل، قد ترى ثقة أقل لتلك الأسطر. في هذه الحالة، فكر في معالجة مسبقة للصورة (إزالة الميل، التحويل إلى ثنائي) قبل تمريرها إلى Aspose. + +--- + +## أسئلة شائعة وحالات خاصة + +### ماذا لو كانت الصورة ضخمة (مثلاً >10 MP)؟ + +الصور الكبيرة تستهلك المزيد من الذاكرة ويمكن أن تبطئ المعالجة. طريقة سريعة لـ **تحسين سرعة OCR** هي تقليل حجم الصورة مع الحفاظ على قابلية القراءة: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### كيف أتعامل مع النصوص من اليمين إلى اليسار مثل العربية؟ + +Aspose OCR يحترم تلقائيًا اتجاه النص، لكن قد ترغب في ضبط علامة `RightToLeft` للمعالجة اللاحقة: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### هل يمكن استخراج النص من ملفات PDF بدلاً من الصور؟ + +نعم—حوّل كل صفحة PDF إلى صورة (باستخدام Aspose PDF أو أي أداة تحويل) ومرّر النتيجة إلى نفس خط أنابيب OCR. منطق **التعرف على النص من الصورة** يبقى نفسه. + +--- + +## مثال كامل جاهز للتنفيذ (نسخ‑لصق) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +احفظ الملف باسم `MixedLanguageDemo.java`، ثم قم بتجميعه باستخدام `javac`، وشغّله بـ `java MixedLanguageDemo`. إذا تم إعداد كل شيء بشكل صحيح، سترى النص متعدد اللغات مطبوعًا في وحدة التحكم. + +--- + +## الخلاصة + +أنت الآن تعرف **كيف تستخدم Aspose** لـ **التعرف على النص من الصورة** التي تحتوي على عدة لغات، وكيفية **تفعيل الكشف التلقائي عن اللغة**، ونصيحة عملية لـ **تحسين سرعة OCR** عن طريق تقليل مجموعة اللغات. الكود الكامل أعلاه جاهز للنسخ‑اللصق، والتوضيحات ستمنحك الثقة لتكييف الحل—سواء كنت تحتاج إلى **تحميل الصورة للـ OCR** من تدفق، أو مصفوفة بايت، أو حتى لقطة من كاميرا ويب. + +الخطوات التالية؟ جرّب التجربة مع: + +* إضافة معالجة مسبقة للصور (إزالة الضوضاء، التحويل إلى ثنائي) للمسحات ذات الجودة المنخفضة. +* تصدير `OcrResult` كـ JSON للخدمات اللاحقة. +* دمج المحرك في نقطة نهاية REST باستخدام Spring Boot بحيث يمكن للعملاء رفع الصور واستلام النص المستخرج فورًا. + +برمجة سعيدة، ولتكن خطوط أنابيب OCR الخاصة بك سريعة، دقيقة، ومتعددة اللغات! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/arabic/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..9882f4e8d --- /dev/null +++ b/ocr/arabic/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,204 @@ +--- +category: general +date: 2026-05-06 +description: التعرف على النص من الصورة بسرعة باستخدام مثال OCR بلغة Java. تعلم استخراج + النص من ملفات TIFF باستخدام معالجة OCR متوازية وكيفية تنفيذ OCR في Java بكفاءة. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: ar +og_description: التعرف على النص من الصورة بسرعة باستخدام مثال كامل لـ Java OCR. يوضح + هذا الدرس كيفية استخراج النص من ملفات TIFF باستخدام معالجة OCR المتوازية. +og_title: التعرف على النص من الصورة باستخدام Java OCR – دليل المعالجة المتوازية +tags: +- OCR +- Java +- Image Processing +title: التعرف على النص من الصورة باستخدام Java OCR – دليل المعالجة المتوازية +url: /ar/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# التعرف على النص من صورة باستخدام Java OCR – دليل المعالجة المتوازية + +هل احتجت يومًا إلى **التعرف على النص من صورة** لكنك واجهت عنق زجاجة في الأداء؟ لست وحدك. يواجه العديد من المطورين صعوبة عندما يمر محرك OCR أحادي الخيط عبر ملفات TIFF متعددة الصفحات، محولاً مهمة سريعة إلى ماراثون. + +في هذا الدرس سنستعرض **java ocr example** لا يقتصر فقط على استخراج النص من ملفات tiff بل يستفيد أيضًا من جميع أنوية المعالج للمعالجة المتوازية للـ OCR. في النهاية ستعرف بالضبط *how to ocr java* المشاريع بكفاءة، وستحصل على مقتطف شفرة جاهز للتنفيذ يمكنك إدراجه في أي إعداد Maven أو Gradle. + +## ما ستتعلمه + +- إعداد مكتبة Aspose.OCR في مشروع Java. +- تحميل ملف TIFF متعدد الصفحات وتحضيرها للتعرف. +- تمكين **المعالجة المتوازية للـ OCR** بمطابقة عدد الخيوط مع أنوية المعالج المنطقية. +- استرجاع وعرض النص المعترف به، مكملًا سير عمل **التعرف على النص من صورة**. + +> **المتطلبات المسبقة:** Java 8 أو أحدث ورخصة صالحة لـ Aspose.OCR for Java (أو مفتاح تقييم مؤقت). لا تحتاج إلى أدوات خارجية أخرى. + +--- + +## الخطوة 1: إضافة تبعية Aspose.OCR + +قبل أن نتمكن من **التعرف على النص من صورة**، نحتاج إلى محرك OCR على مسار الفئة. إذا كنت تستخدم Maven، أضف ما يلي إلى ملف `pom.xml` الخاص بك: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +لـ Gradle، المكافئ هو: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *نصيحة محترف:* حافظ على تحديث رقم الإصدار؛ الإصدارات الأحدث غالبًا ما تتضمن تحسينات أداء تجعل **المعالجة المتوازية للـ OCR** أسرع. + +--- + +## الخطوة 2: إعداد فئة Java – مثال عملي كامل + +فيما يلي **java ocr example** مستقل يوضح كيفية **استخراج النص من tiff** باستخدام جميع أنوية المعالج المتاحة. احفظه باسم `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**لماذا كل سطر مهم** + +- **إنشاء المحرك:** `OcrEngine` يضم كل الأعمال الثقيلة. بدون هذا لا يمكنك **التعرف على النص من صورة** مطلقًا. +- **تحميل الصورة:** `ImageStream.fromFile` يدعم TIFF و PNG و JPEG وغيرها. استخدام TIFF متعدد الصفحات يختبر قدرة المحرك على معالجة مستندات معقدة. +- **عدد الخيوط:** `Runtime.getRuntime().availableProcessors()` يعيد عدد الأنوية المنطقية (بما فيها الـ hyper‑threads). ضبط هذه القيمة يفعّل **المعالجة المتوازية للـ OCR**، مما يقلل زمن التنفيذ بشكل كبير على الأجهزة متعددة الأنوية. +- **التعرف:** `engine.recognize()` يشغّل خط أنابيب OCR. داخليًا يقسّم الصفحات عبر مجموعة الخيوط التي حددتها. +- **معالجة النتيجة:** `result.getText()` يعيد `String` واحد يحتوي على النص المدمج لجميع الصفحات – مثالي للمعالجة اللاحقة أو التخزين. + +--- + +## الخطوة 3: تشغيل المثال والتحقق من المخرجات + +قم بترجمة البرنامج وتنفيذه: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +يجب أن ترى شيئًا مشابهًا لـ: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +إذا طبع الطرفية النص المتوقع، تهانينا—لقد نجحت في **التعرف على النص من صورة** باستخدام **java ocr example** يعمل بشكل متوازي. + +--- + +## الخطوة 4: تعديل للسيناريوهات الواقعية (اختياري) + +### استخراج النص من صفحات محددة فقط + +أحيانًا تحتاج فقط إلى صفحات معينة من TIFF كبير. يمكنك التصفية بعد التعرف: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### ضبط عدد الخيوط يدويًا + +إذا كان الخادم مشغولًا بمهام أخرى، قد ترغب في الحد من خيوط OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### التعامل مع TIFFs ذات استهلاك الذاكرة العالي + +ملفات TIFF متعددة الصفحات الكبيرة قد تستهلك الكثير من الذاكرة. لتخفيف ذلك، عالج الملف على دفعات: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## الخطوة 5: المشكلات الشائعة وكيفية تجنبها + +| المشكلة | العَرَض | الحل | +|-------|---------|-----| +| **رخصة غير كافية** | البرنامج يطرح استثناء `LicenseException` | استخدم ملف رخصة صالح أو استعمل وضع التقييم المجاني (يضيف علامة مائية). | +| **مسار ملف غير صحيح** | `FileNotFoundException` | تحقق من المسار واستخدم المسارات المطلقة أثناء الاختبار. | +| **تخفيض أداء المعالج** | لا يوجد تحسين في السرعة رغم ضبط `setThreadCount` | تأكد من أن JVM ليس مقيدًا بحدود الذاكرة `-Xmx` أو إعدادات توفير الطاقة في نظام التشغيل. | +| **تنسيق صورة غير مدعوم** | `UnsupportedFormatException` | حوّل الصورة إلى TIFF أو PNG أو JPEG قبل تمريرها إلى المحرك. | + +--- + +## ملخص بصري + +![مثال على التعرف على النص من صورة](image-placeholder.png "التعرف على النص من صورة") + +*نص بديل:* “مخطط يوضح تدفق التعرف على النص من صورة باستخدام Java OCR مع المعالجة المتوازية” + +--- + +## الخلاصة + +لقد استعرضنا للتو **java ocr example** كامل ي **التعرف على النص من صورة** للملفات، خصوصًا TIFF متعددة الصفحات، مع استغلال كامل **المعالجة المتوازية للـ OCR**. بمطابقة مجموعة الخيوط مع أنوية المعالج، تحصل على تسريع شبه خطي على الأجهزة الحديثة—وهو الجواب على سؤال “*how to ocr java* بكفاءة؟”. + +بعد ذلك، قد ترغب في استكشاف: + +- **استخراج النص من ملفات tiff** على دفعات وتخزين النتائج في قاعدة بيانات. +- دمج OCR مع مكتبات NLP (مثل OpenNLP) لتصنيف الكيانات المستخرجة تلقائيًا. +- نشر الحل كخدمة ميكروية خلف نقطة نهاية REST لتوفير OCR عند الطلب. + +جرّبه، عدّل عدد الخيوط، وشاهد مدى تسريع خط أنابيبك. إذا واجهت أي صعوبات، اترك تعليقًا أدناه—برمجة سعيدة! + +{{< /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..c06490c5a 100644 --- a/ocr/arabic/java/ocr-operations/_index.md +++ b/ocr/arabic/java/ocr-operations/_index.md @@ -80,6 +80,12 @@ weight: 21 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. +### [كيفية استخدام OCR في Java – استخراج النص من الصورة مع تصحيح إملائي](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +دليل يوضح كيفية استخراج النص من الصور باستخدام Aspose.OCR للـ Java مع تصحيح الأخطاء الإملائية لتحسين الدقة. +### [إنشاء PDF قابل للبحث من صورة – دليل خطوة بخطوة للـ Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +دليل شامل يوضح كيفية تحويل صورة إلى ملف PDF قابل للبحث باستخدام Aspose.OCR للـ Java خطوة بخطوة. +### [إنشاء PDF قابل للبحث من صورة باستخدام OCR في Java](./create-searchable-pdf-from-image-with-java-ocr/) +دليل شامل يوضح كيفية إنشاء ملف PDF قابل للبحث من صورة باستخدام Aspose.OCR للـ Java خطوة بخطوة. ## الأسئلة المتكررة diff --git a/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..67528a73b --- /dev/null +++ b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-05-06 +description: إنشاء ملف PDF قابل للبحث من صورة باستخدام Aspose OCR. تعلم كيفية تحويل + الصورة إلى PDF، واستخدام OCR لتحويل الصورة إلى PDF واستخراج النص من الصورة في دقائق. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: ar +og_description: إنشاء ملف PDF قابل للبحث من صورة باستخدام Aspose OCR. اتبع هذا الدليل + لتحويل JPG إلى PDF قابل للبحث، واستخراج النص من الصورة والمزيد. +og_title: إنشاء ملف PDF قابل للبحث من صورة – دليل جافا كامل +tags: +- Java +- OCR +- PDF +- Aspose +title: إنشاء ملف PDF قابل للبحث من صورة – دليل جافا خطوة بخطوة +url: /ar/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# إنشاء PDF قابل للبحث من صورة – دليل Java كامل + +هل احتجت يومًا إلى **إنشاء PDF قابل للبحث** من صورة ممسوحة ضوئيًا لكنك لم تكن متأكدًا أي مكتبة تختار؟ لست وحدك. في العديد من المشاريع—مثل أتمتة تقارير النفقات أو الأرشفة الرقمية—القدرة على تحويل صورة عادية إلى PDF يمكنك فعلاً البحث فيه تُغيّر قواعد اللعبة. + +لهذا السبب في هذا الدرس سنستعرض العملية الكاملة لـ **convert image to PDF**، تشغيل OCR عليها، والحصول في النهاية على **PDF قابل للبحث** يمكنك إدراجه في أي سير عمل وثائقي. سنناقش أيضًا **extract text from image** ونظهر لك كيفية **convert jpg to searchable pdf** دون الحاجة إلى الكثير من الشيفرة المتكررة. + +## ما ستتعلمه + +- التبعية الدقيقة لـ Maven/Gradle التي تحتاجها لـ Aspose OCR. +- كيفية تحميل ملف JPG (أو أي صورة مدعومة) إلى محرك OCR. +- لماذا حفظ الملف باستخدام `OcrSaveFormat.PDF_SEARCHABLE` مهم. +- المشكلات الشائعة (صور كبيرة، صيغ غير مدعومة) وكيفية تجنبها. +- كيفية التحقق من أن ملف PDF الناتج يحتوي فعليًا على نص قابل للبحث. + +بنهاية هذا الدليل ستحصل على فئة Java جاهزة للتنفيذ تنتج PDF قابل للبحث باستدعاء طريقة واحدة. لا أدوات سطر أوامر خارجية، ولا محركات OCR إضافية—فقط Java صافية. + +--- + +## المتطلبات المسبقة + +| المتطلب | لماذا يهم | +|-------------|----------------| +| Java 8 أو أحدث | Aspose OCR يستخدم ميزات لغة حديثة. | +| Maven أو Gradle (لإدارة التبعيات) | يسهل سحب ملف Aspose OCR JAR. | +| صورة نموذجية (`input.jpg`) موجودة في مجلد معروف | الكود يتوقع مسار ملف؛ يمكنك استبداله بـ PNG أو BMP، إلخ. | +| اختياري: عارض PDF يدعم البحث (Adobe Reader، Foxit، إلخ) | لتأكيد أن PDF قابل للبحث فعليًا. | + +إذا كان لديك هذه المتطلبات بالفعل، عظيم—هيا نبدأ. + +--- + +## الخطوة 1: إضافة Aspose OCR إلى مشروعك + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **نصيحة احترافية:** النسخة التجريبية المجانية تضيف علامة مائية صغيرة إلى الصفحة الأولى. للإنتاج، احصل على ترخيص من Aspose واستدعِ `License license = new License(); license.setLicense("Aspose.OCR.lic");` قبل إنشاء كائن `OcrEngine`. + +--- + +## الخطوة 2: تحميل الصورة التي تريد تحويلها + +سنستخدم `ImageStream.fromFile` لقراءة الصورة مباشرة من القرص. هذه الطريقة تدعم JPG و PNG و TIFF والعديد من الصيغ الأخرى، لذا يمكنك **convert image to PDF** بغض النظر عن المصدر. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **لماذا هذه الخطوة؟** يحتاج محرك OCR إلى تمثيل bitmap للنص. توفير صورة عالية الدقة (300 dpi أو أعلى) يحسن بشكل كبير من دقة التعرف، مما يمنحك نتائج أفضل لـ **extract text from image**. + +--- + +## الخطوة 3: تشغيل OCR وحفظه كـ PDF قابل للبحث + +السحر يحدث عندما تستدعي `save` مع صيغة `PDF_SEARCHABLE`. في الخلفية، يقوم Aspose OCR بإنشاء طبقة نص مخفية توضع فوق الصورة الأصلية، محولًا الصورة الثابتة إلى **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +إذا كنت تفضل PDF عادي بدون الطبقة المخفية، استبدل `PDF_SEARCHABLE` بـ `PDF`. لكن في معظم سيناريوهات الأرشفة، النسخة القابلة للبحث هي ما تحتاجه. + +--- + +## الخطوة 4: التحقق من النتيجة + +بعد انتهاء البرنامج، افتح `searchable.pdf` في أي عارض PDF وجرب البحث المدمج (Ctrl + F). إذا استطعت العثور على كلمات كانت موجودة أصلاً فقط في الصورة، تهانينا—لقد نجحت في **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **حالة حدية:** الصور الكبيرة جدًا (> 10 MB) قد تتسبب في حدوث `OutOfMemoryError`. لتخفيف ذلك، قلل حجم الصورة مسبقًا باستخدام `java.awt.Image` أو مكتبة مثل Thumbnailator. + +--- + +## مثال كامل يعمل + +فيما يلي الفئة الكاملة المستقلة في Java. انسخها والصقها في بيئة التطوير المتكاملة، عدل المسارات، وشغّلها—بدون خطوات إضافية. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +عند فتح `YOUR_DIRECTORY/searchable.pdf` يجب أن تكون قادرًا على البحث عن أي كلمة تظهر في `input.jpg`. هذا هو جوهر **convert jpg to searchable pdf**. + +--- + +## الأسئلة المتكررة (FAQ) + +### هل يمكنني معالجة عدة صور في آن واحد؟ +نعم. قم بالتكرار على قائمة مسارات الملفات، استدعِ `setImage` لكل صورة، إما أضف الصفحات إلى PDF واحد (`PDF_SEARCHABLE`) أو أنشئ ملفات PDF منفصلة. فقط تذكر إعادة ضبط حالة المحرك بين كل تكرار (`ocrEngine.clear()`). + +### ماذا لو كانت دقة OCR منخفضة؟ +- تأكد من أن الصورة المصدرية بدقة لا تقل عن 300 dpi. +- استخدم `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` لتحديد اللغة. +- قم بمعالجة مسبقة للصورة (إزالة الميل، تعزيز التباين) باستخدام مكتبة مثل OpenCV. + +### هل يدعم Aspose OCR لغات أخرى؟ +بالتأكيد. تشمل تعداد `OcrLanguage` الفرنسية، الألمانية، الصينية، العربية، والعديد غيرها. غيّر اللغة قبل استدعاء `save`. + +### كيف يمكنني دمج PDF القابل للبحث في مستند موجود؟ +عامل الناتج كأي ملف PDF عادي. استخدم مكتبة دمج PDF (مثل iText أو Aspose PDF) لدمجه مع ملفات PDF أخرى. + +--- + +## نصائح وحيل من الميدان + +- **نصيحة احترافية:** إذا كنت بحاجة إلى حجم ملف صغير جدًا، استدعِ `ocrEngine.getConfig().setCompress(true);` قبل الحفظ. +- **احذر من:** الصور ذات الخلفيات الشفافة—Aspose OCR يعامل الشفافية كأبيض، مما قد يؤثر على التباين. +- **تذكر:** PDF القابل للبحث لا يزال صورة نقطية في الأساس. إذا كنت تحتاج إلى PDF مبني بالكامل على المتجهات، سيتعين عليك إعادة إنشاء التخطيط يدويًا. + +--- + +## الخلاصة + +لقد غطينا الآن كل ما تحتاجه لإنشاء ملفات **create searchable PDF** من الصور باستخدام Aspose OCR في Java. من إضافة تبعية Maven إلى التحقق من طبقة النص المخفية، العملية بسيطة وقابلة للبرمجة بالكامل. الآن يمكنك **convert image to pdf**، **ocr image to pdf**، وحتى **extract text from image** دون مغادرة بيئة التطوير المتكاملة. + +هل أنت مستعد للخطوة التالية؟ جرّب معالجة مجموعة من الإيصالات الممسوحة ضوئيًا دفعة واحدة، أو اجمع هذا التدفق مع مشغل تخزين سحابي (AWS Lambda، Azure Functions) لأتمتة خطوط إدخال المستندات. الاحتمالات لا حصر لها—ابدأ بالتجربة! + +إذا واجهت أي مشاكل أو لديك أفكار للتحسين، اترك تعليقًا أدناه. Happy coding! + +![مخطط يوضح التدفق: صورة → محرك OCR → PDF قابل للبحث](image-placeholder.png "مخطط تدفق 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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..da9d56904 --- /dev/null +++ b/ocr/arabic/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,205 @@ +--- +category: general +date: 2026-05-06 +description: إنشاء ملف PDF قابل للبحث من صورة باستخدام Aspose OCR في Java. تعلّم تحويل + الصورة إلى PDF، وتمكين تصحيح الأخطاء الإملائية، واستخدام GPU للـ OCR للحصول على + نتائج سريعة. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: ar +og_description: إنشاء ملف PDF قابل للبحث من صورة باستخدام Aspose OCR في Java. يوضح + هذا الدليل كيفية تحويل الصورة إلى PDF، وتمكين تصحيح الإملاء، واستخدام GPU للتعرف + الضوئي على الحروف. +og_title: إنشاء ملف PDF قابل للبحث من صورة باستخدام Java OCR +tags: +- OCR +- Java +- PDF +title: إنشاء ملف PDF قابل للبحث من صورة باستخدام Java OCR +url: /ar/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# إنشاء PDF قابل للبحث من صورة باستخدام Java OCR + +هل احتجت يومًا إلى **إنشاء PDF قابل للبحث** من صورة ممسوحة ضوئيًا لكنك لم تكن متأكدًا من أين تبدأ؟ لست وحدك — فمعظم المطورين يواجهون هذه المشكلة عندما يتعاملون لأول مرة مع ملفات PDF المستندة إلى الصور. لحسن الحظ، مع Aspose OCR for Java يمكنك **تحويل الصورة إلى PDF**، وتحويل النص إلى محتوى يمكن تحديده، وحتى إضافة تصحيح إملائي للحصول على نتيجة مصقولة. + +في هذا الدرس سنستعرض مثالًا كاملًا وجاهزًا للتنفيذ يوضح كيفية **استخدام OCR GPU** عندما يكون متاحًا، وكيفية **معالجة OCR للصورة** بكفاءة، ولماذا يُعد تمكين تصحيح الإملائي مهمًا للبحث اللاحق. في النهاية ستحصل على طريقة بنقرة واحدة لإنشاء PDF قابل للبحث يمكنك إرساله للمستخدمين أو أرشفته للامتثال. + +> **نصيحة احترافية:** إذا كنت تعمل على جهاز بدون GPU، فإن الكود ينتقل بسلاسة إلى CPU، لذا لا تحتاج إلى إعادة كتابة أي شيء. + +## ما الذي ستحتاجه + +- **Java 8+** (الكود يُترجم باستخدام JDK 8 أو أحدث) +- **Aspose OCR for Java** library (حمّل أحدث ملف JAR من موقع Aspose) +- صورة **إدخال** (JPEG, PNG, TIFF، إلخ) التي تريد تحويلها إلى PDF قابل للبحث +- (اختياري) **GPU** مع دعم CUDA إذا كنت تريد أسرع عملية التعرف الممكنة + +لا أطر إضافية، ولا سحر Maven/Gradle — مجرد ملف JAR واحد على مسار الفئات وستكون جاهزًا للانطلاق. + +## الخطوة 1: تهيئة محرك OCR – قلب العملية + +أولاً نقوم بإنشاء نسخة من `OcrEngine` ونشير إليها إلى ملف المصدر. هذا الكائن هو العامل الأساسي الذي سيقرأ الصورة، ويشغل الشبكة العصبية، ويعيد لنا النص. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*لماذا هذا مهم:* تهيئة المحرك مرة واحدة وإعادة استخدامه يتجنب عبء تحميل المكتبات الأصلية بشكل متكرر — فوز صغير في الأداء يتراكم عندما تعالج مئات الملفات على دفعات. + +## الخطوة 2: اختيار جهاز المعالجة – استخدم OCR GPU عندما يكون ممكنًا + +إذا كان جهازك يحتوي على GPU متوافق، يمكنك إخبار Aspose بتنفيذ العمليات الثقيلة عليه. وإلا فإن المحرك يتحول تلقائيًا إلى CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*ما الفائدة؟* تسريع GPU يمكن أن يقلل الثواني من كل صفحة، خاصةً للماسحات ذات الدقة العالية. التراجع يضمن أن يعمل نفس الكود في أي مكان، وهذا هو السبب في توصيتنا بـ **use OCR GPU** كإعداد افتراضي. + +## الخطوة 3: تسريع الفحص – استغلال جميع نوى CPU + +حتى عندما يكون GPU مشغولًا، يمكن تنفيذ خطوات ما قبل المعالجة المحيطة بشكل متوازي. ضبط عدد الخيوط على عدد المعالجات المتاحة يمنح المحرك فرصة لمعالجة عدة أجزاء في آن واحد. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*ملاحظة:* على حاسوب محمول بأربع نوى سيُنشئ أربعة خيوط؛ على محطة عمل بـ 16 نواة ستحصل على الفائدة الكاملة. فقط كن على علم أن زيادة عدد الخيوط يعني استهلاكًا أعلى للذاكرة. + +## الخطوة 4: تنظيف الصورة – مرشحات ما قبل المعالجة + +المسح الضبابي أو الملوث سينتج نصًا غير مفهوم. إضافة بعض المرشحات المدمجة تحسن الدقة بشكل كبير. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*لماذا هذه المرشحات؟* `DeskewFilter` يصحح الدوران الذي يحدث غالبًا عندما يُمرَّ الوثيقة عبر الماسح بزاوية. `NoiseRemovalFilter` يزيل البكسلات العشوائية التي قد تُفسَّر كحروف. فكر في ذلك كأنك تعطي محرك OCR ورقة نظيفة للقراءة. + +## الخطوة 5: تفعيل الميزات الذكية – تمكين تصحيح الإملائي واكتشاف اللغة تلقائيًا + +إذا كنت تتعامل مع مستندات متعددة اللغات، أو تريد تقليل الأخطاء المطبعية، فعّل مدقق الإملاء المدمج ودع المحرك يتعرف على اللغة. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*متى يكون هذا مفيدًا؟* افترض أن مسحك يحتوي على أقسام بالإنجليزية والإسبانية. ميزة الاكتشاف التلقائي تبدل القواميس في الوقت الحقيقي، بينما تصحيح الإملائي ينظف الأحرف التي قرأها الخطأ مثل “0” بدلًا من “O”. هذه الخطوة أساسية لإنتاج **PDF قابل للبحث** يعرض نتائج صحيحة. + +## الخطوة 6: حفظ النتيجة – تحويل الصورة إلى PDF وجعلها قابلة للبحث + +أخيرًا نطلب من المحرك كتابة ملف PDF حيث تكون الصورة الأصلية خلف طبقة نصية غير مرئية. هذه هي عملية **تحويل الصورة إلى PDF** الكلاسيكية، لكن الآن يصبح PDF قابلًا للبحث. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +يمكن فتح ملف الإخراج (`output-searchable.pdf`) في أي عارض PDF؛ سيمكنك تحديد النص، نسخه، والبحث فيه كما في PDF أصلي. لا تحتاج إلى أدوات إضافية. + +## مثال كامل يعمل – الصق‑وشغّل + +فيما يلي البرنامج الكامل، جاهزًا للترجمة. استبدل `YOUR_DIRECTORY` بالمجلد الذي يحتوي على `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**الناتج المتوقع:** عند تشغيل البرنامج ستظهر سطر في وحدة التحكم *“Searchable PDF generated successfully.”* فتح `output-searchable.pdf` في Adobe Reader يتيح لك كتابة كلمة من الصورة الأصلية في مربع البحث والانتقال فورًا إلى موقعها. + +## أسئلة شائعة وحالات خاصة + +- **ماذا لو لم يتم اكتشاف GPU؟** + استدعاء `setDeviceType(OcrDeviceType.GPU)` لا يطرح استثناءً؛ فهو فقط يوجه المحرك لتجربة GPU أولًا. إذا فشل، يعود المحرك إلى CPU بصمت. + +- **هل يمكنني معالجة صور متعددة في تشغيل واحد؟** + نعم. ضع الكود داخل حلقة، غيّر اسم الملف في كل تكرار، وأعد استخدام نفس نسخة `OcrEngine` لتقليل استهلاك الذاكرة. + +- **ملف PDF كبير—كيف يمكن تصغيره؟** + بعد OCR يمكنك تشغيل واجهات تحسين PDF من Aspose، أو ببساطة تقليل أبعاد الصورة المصدر قبل تمريرها إلى المحرك (`ImageStream.fromFile(...).setResolution(150)` للحصول على 150 DPI). + +- **أحتاج إلى الحفاظ على دقة الصورة الأصلية للامتثال القانوني.** + تنسيق `PDF_SEARCHABLE` يحافظ على البت ماب الأصلي تمامًا؛ تُضاف طبقة النص غير المرئية فوقه دون تعديل الجودة البصرية. + +## ملخص بصري + +![مثال إنشاء PDF قابل للبحث](placeholder-image.png "مثال إنشاء PDF قابل للبحث") + +*مثال إنشاء PDF قابل للبحث – محرك Java OCR يحول JPG ممسوحًا إلى PDF قابل للبحث.* + +## الخاتمة + +أصبح لديك الآن **حل كامل من البداية إلى النهاية** لتحويل أي صورة إلى **PDF قابل للبحث** باستخدام Aspose OCR for Java. من خلال **تحويل الصورة إلى PDF**، **تمكين تصحيح الإملائي**، و**استخدام OCR GPU** عندما يكون ممكنًا، ستحصل على نتائج سريعة ودقيقة وقابلة للبحث تعمل عبر المنصات. + +ما التالي؟ جرّب التجربة مع: + +- **تنسيقات إخراج مختلفة** (`PDF`, `DOCX`, `HTML`) لمعرفة كيفية تصرف طبقة النص. +- **قواميس مخصصة** إذا كنت تعالج مصطلحات خاصة بمجال معين. +- **معالجة دفعات** للتعامل مع آلاف المسحات تلقائيًا. + +لا تتردد في تعديل عدد الخيوط، تبديل المرشحات، أو ربط خط أنابيب ما قبل المعالجة الخاص بك. النمط الأساسي يبقى نفسه: تحميل → ما قبل المعالجة → تكوين → OCR → حفظ. + +برمجة سعيدة، ولتكن ملفات PDF الخاصة بك دائمًا 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/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..0a26549f1 --- /dev/null +++ b/ocr/arabic/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: كيفية استخدام OCR لاستخراج النص من الصورة في جافا. تعلم تحويل الصورة + إلى نص باستخدام OCR، وتصحيح أخطاء OCR، وتحميل الصورة لـ OCR باستخدام Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: ar +og_description: كيفية استخدام OCR في جافا لاستخراج النص من الصورة، وتصحيح أخطاء OCR، + وتحميل الصورة للـ OCR باستخدام Aspose OCR. +og_title: كيفية استخدام OCR في جافا – دليل شامل +tags: +- OCR +- Java +- Aspose +title: كيفية استخدام OCR في جافا – استخراج النص من الصورة مع تصحيح الأخطاء الإملائية +url: /ar/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# كيفية استخدام OCR في Java – استخراج النص من الصورة مع تصحيح الإملاء + +هل تساءلت يومًا **كيفية استخدام OCR** لتحويل صورة إيصال غير واضحة إلى نص نظيف وقابل للبحث؟ لست وحدك. في العديد من المشاريع—تطبيقات تتبع النفقات، خطوط تحويل الفواتير إلى رقمية، أو حتى سكريبت سريع لتدوين الملاحظات—الحصول على نص موثوق من صورة هو العائق الأول. + +هذا الدليل يوضح لك بالضبط كيفية استخدام OCR في Java، بدءًا من تحميل الصورة للـ OCR وحتى تصحيح أخطاء الـ OCR بحيث يبدو الناتج كما لو أنه مكتوب يدويًا. في النهاية، ستتمكن من **استخراج النص من الصورة**، إجراء تحويل **OCR من صورة إلى نص**، وإصلاح الأخطاء الشائعة تلقائيًا. + +## ما ستقوم ببنائه + +سننشئ برنامجًا صغيرًا في سطر الأوامر بلغة Java يقوم بـ: + +1. تحميل ملف PNG (أو أي صيغة مدعومة) إلى محرك Aspose OCR. +2. تفعيل ميزة تصحيح الإملاء المدمجة **لتصحيح أخطاء OCR**. +3. تشغيل عملية التعرف وطباعة النص المنقح. + +بدون خدمات خارجية، بدون أطر عمل ثقيلة—فقط ملف JAR واحد وبعض الأسطر البرمجية. + +### المتطلبات المسبقة + +- مجموعة تطوير Java (JDK) 8 أو أحدث. +- Maven (أو أي أداة بناء) لجلب مكتبة Aspose OCR. +- ملف صورة (مثال: `receipt.png`) تريد تحليله. + +إذا كنت تفتقد ملف Aspose OCR JAR، أضف هذا الاعتماد إلى ملف `pom.xml` الخاص بك: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **نصيحة احترافية:** النسخة التجريبية المجانية تعمل للاختبار، لكن الترخيص يزيل علامة التقييم. + +## الخطوة 1 – تهيئة محرك OCR (الكلمة المفتاحية الأساسية في التنفيذ) + +أول شيء تحتاج إلى القيام به هو إنشاء مثيل من `OcrEngine`. فكر فيه كالعقل الذي سيقرأ البكسلات ويحولها إلى أحرف. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*لماذا هذا مهم:* تهيئة المحرك تُعد الموارد الداخلية (نماذج اللغة، القواميس، إلخ). تخطي هذه الخطوة سيتسبب في حدوث `NullPointerException` لاحقًا عندما تحاول تحميل صورة. + +## الخطوة 2 – تحميل الصورة للـ OCR + +الآن نقوم فعليًا **بتحميل الصورة للـ OCR**. توفر Aspose المساعد `ImageStream.fromFile` لسهولة الاستخدام، لكن يمكنك أيضًا تمرير `byte[]` إذا فضلت ذلك. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*خطأ شائع:* يجب أن يكون مسار الملف مطلقًا أو نسبيًا إلى دليل العمل. إذا لم يتم العثور على الصورة، سيُطلق المحرك استثناء `IOException`. تحقق من المسار، خاصةً عند التشغيل من بيئة تطوير متكاملة مقارنةً بملف JAR مُعبأ. + +## الخطوة 3 – تفعيل تصحيح الإملاء **لتصحيح أخطاء OCR** + +الـ OCR الجاهز قد يكون صاخبًا—مثل ظهور “l0ve” بدلًا من “love” أو “0” بدلًا من “O”. تفعيل تصحيح الإملاء يُخبر المحرك بتنفيذ مرحلة ما بعد المعالجة التي تُصلح الأخطاء النموذجية. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*لماذا قد تحتاج ذلك:* بدون تصحيح الإملاء، قد تضطر إلى تنظيف المخرجات يدويًا، مما يُفقدك هدف الأتمتة. القاموس المدمج يعمل جيدًا للإنجليزية وعدة لغات أخرى. + +## الخطوة 4 – إجراء التعرف (**OCR من صورة إلى نص**) + +مع تحميل الصورة وتفعيل تصحيح الإملاء، يمكننا الآن طلب من المحرك التعرف على النص. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*حالة حدية:* إذا كانت الصورة منخفضة التباين أو مائلة بشدة، قد يظل الناتج يحتوي على رموز غير مفهومة. فكر في معالجة مسبقة (مثل التحويل إلى ثنائي، تصحيح الميل) قبل تمريرها إلى المحرك. + +## الخطوة 5 – إخراج النص المنقح + +الخطوة الأخيرة هي ببساطة طباعة النتيجة. في تطبيق حقيقي قد تكتبها إلى قاعدة بيانات أو ملف، لكن لهذا العرض `System.out` كافية. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### النتيجة المتوقعة + +بافتراض أن `receipt.png` يحتوي على قائمة واضحة من العناصر، قد ترى شيئًا مثل: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +لاحظ كيف تم كتابة “Qty” و “Price” بشكل صحيح حتى وإن كان المسح الأصلي يحتوي على “Qy” عشوائي. + +## مثال كامل يعمل + +فيما يلي البرنامج الكامل الذي يمكنك نسخه ولصقه في ملف باسم `SpellCorrectDemo.java`. تأكد من أن ملف Aspose OCR JAR موجود في مسار الـ classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +شغّله باستخدام: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +يجب الآن أن ترى النص المنقح يُطبع في وحدة التحكم. + +## مكافأة: تعديل الإعدادات للحصول على دقة أعلى + +بينما يعمل الإعداد الافتراضي لمعظم المستندات المطبوعة، قد تحتاج إلى تعديل بعض المعاملات للسيناريوهات المتخصصة: + +| الإعداد | ما يفعله | متى يجب تغييره | +|---------|----------|----------------| +| `setLanguage(OcrLanguage.English)` | يفرض القاموس الإنجليزي (يقلل الإيجابيات الزائفة) | إذا كانت الصورة تحتوي على نص إنجليزي فقط. | +| `setResolution(300)` | يُخبر المحرك بدقة DPI للصورة المصدر | للمسحات عالية الدقة. | +| `setEnableAutoSkewCorrection(true)` | يُصحح تلقائيًا الصفحات المائلة قليلًا | عندما تُلتقط الصور بهاتف. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## الأسئلة المتكررة + +**س: هل يعمل هذا مع ملفات PDF؟** +ج: نعم. حوّل كل صفحة PDF إلى صورة (مثلاً باستخدام Aspose PDF) ومرّر الصورة إلى محرك OCR. + +**س: ماذا لو كانت صورتي بصيغة BMP؟** +ج: `ImageStream.fromFile` يدعم PNG، JPEG، BMP، TIFF، و GIF مباشرة. فقط غيّر امتداد الملف. + +**س: هل يمكنني إيقاف تصحيح الإملاء؟** +ج: بالتأكيد—استخدم `setEnableSpellCorrection(false)` إذا كنت تحتاج مخرجات OCR خام للمعالجة اللاحقة. + +## الخلاصة + +أنت الآن تعرف **كيفية استخدام OCR** في Java لـ **استخراج النص من الصورة**، وتصحيح **أخطاء OCR** تلقائيًا، وتحميل **الصورة للـ OCR** باستخدام Aspose OCR. تدفق الخطوات الخمس—التهيئة، التحميل، تفعيل تصحيح الإملاء، التعرف، والإخراج—يغطي معظم مهام OCR اليومية. + +من هنا، يمكنك ربط هذه المنطق بكتابة إلى قاعدة بيانات، أو نقطة نهاية REST، أو معالج دفعات للتعامل مع عشرات الإيصالات دفعة واحدة. جرّب جدول الإعدادات الإضافية أعلاه لاستخراج أقصى دقة ممكنة. + +برمجة سعيدة، ولتكن نتائج OCR دائمًا أنظف من إيصالاتك الملطخة بالقهوة! + +![مخطط كيفية استخدام OCR يُظهر الصورة → محرك OCR → النص المصحح] + +{{< /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..b1241af78 100644 --- a/ocr/chinese/java/advanced-ocr-techniques/_index.md +++ b/ocr/chinese/java/advanced-ocr-techniques/_index.md @@ -50,20 +50,19 @@ Aspose.OCR for Java 是光学字符识别 (OCR) 方面的游戏规则改变者 借助 Aspose.OCR for Java，掌握高级 OCR 技术从未如此简单。深入研究这些教程，并释放 Java 项目中文本识别的全部潜力。通过无缝集成、高精度和多功能文本提取功能提升您的应用程序。立即下载并使用 Aspose.OCR for Java 迈出 OCR 卓越的第一步！ ## 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。 +### [Aspose OCR GPU 指南：加速 PNG 图像的文本提取](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +### [使用 Java OCR 从图像识别文本 – 并行处理指南](./recognize-text-from-image-with-java-ocr-parallel-processing/) +### [在 Aspose.OCR for Java 中使用混合语言图像](./how-to-use-aspose-ocr-for-mixed-language-images/) +### [如何在 OCR 中增强对比度 – 完整的 Java 预处理指南](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/chinese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..4c7b6aff9 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU 教程展示了如何使用 GPU 加速实现快速、可靠的 OCR，从图像中识别文本并从 PNG 中提取文本。 +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: zh +og_description: 学习如何在 Java 中使用 Aspose OCR GPU 通过 GPU 加速识别图像中的文本并提取 PNG 的文本。 +og_title: Aspose OCR GPU 指南：加速文本提取 +tags: +- Aspose +- OCR +- Java +- GPU +title: Aspose OCR GPU 指南：加速从 PNG 图像提取文本 +url: /zh/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – 快速、可靠的 PNG 图像文本提取 + +想要提升 OCR 性能，使用 **aspose ocr gpu** 吗？借助 Aspose OCR GPU，您可以通过利用支持 CUDA 的显卡更快地 **recognize text from image**。想象一下，几秒钟内处理高分辨率 PNG，而不是几分钟——不再需要等待结果。 + +在本教程中，我们将逐步演示您需要的全部内容：加载 OCR 图像、切换引擎到 GPU 模式，最后提取文本。完成后，您将拥有一个完整的、可运行的 Java 程序，使用 GPU 加速 **extracts text from png** 文件。无需外部文档——只需按照步骤操作，复制代码，即可开始使用。 + +## 您需要的环境 + +- **Java Development Kit (JDK) 11+** – 代码使用标准的 Java 语言特性。 +- **Aspose.OCR for Java**（截至 2026 年 5 月的最新版本）。您可以从 Maven Central 获取： + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **A CUDA‑enabled GPU**（NVIDIA GeForce、Quadro 或 Tesla），并已安装相应的驱动程序。 +- **A sample high‑resolution PNG**（例如 `sample-highres.png`），是您想要处理的文件。 + +如果没有 GPU，代码会自动回退到 CPU——只需注释掉 GPU 相关代码行。 + +## 第一步 – 加载 OCR 图像 + +任何 OCR 工作流的第一步都是图像来源。Aspose OCR 提供了便利的 `ImageStream` 包装器，可从文件、字节数组甚至 URL 读取。在这里我们使用 `ImageStream.fromFile`，因为它是本地开发最直接的方式。 + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **为什么重要：** 正确加载图像可确保 OCR 引擎获得所需的精确像素数据。使用 `ImageStream.fromFile` 还能自动处理常见的 PNG 特性（Alpha 通道、颜色深度）。 + +## 第二步 – 启用 GPU 加速（aspose ocr gpu） + +现在进入关键步骤：告诉 Aspose 在 GPU 上运行。引擎内部的 `OcrDevice` 对象允许您选择设备类型（`CPU` 或 `GPU`），如果有多个 GPU，还可以指定具体的设备 ID。 + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **专业提示：** 如果遇到 `CUDA driver not found` 错误，请再次确认 NVIDIA 驱动与 Aspose OCR 所需的 CUDA 版本匹配（通常 23.x 版本需要 CUDA 11.x）。 +> **特殊情况：** 在无头服务器上运行时，确保 GPU 未被其他进程占用；否则 OCR 调用会悄悄回退到 CPU。 + +## 第三步 – 从图像识别文本 + +在图像已加载且设备已设置后，您即可运行 OCR 引擎。`recognize()` 方法返回一个 `OcrResult` 对象，其中包含纯文本、置信度分数，甚至在需要时的边界框。 + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +运行程序后，您应该会看到类似以下内容： + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **您看到的内容：** 从 PNG 中提取的原始字符串。如果图像包含表格或多列布局，您可以在引擎上启用 `LayoutAnalysis` 以获得更好结果（超出本快速指南的范围）。 + +## 第四步 – 验证 GPU 实际被使用 + +很容易认为 GPU 正在承担重任，但快速的检查可以为您节省数小时的调试时间。Aspose OCR 在初始化设备时会写入一条小日志。 + +在设置设备类型后立即添加以下代码片段： + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +如果输出为 `GPU`，则说明已正常使用。如果显示 `CPU`，请检查驱动安装或确保 `CUDA_HOME` 环境变量指向正确的工具包文件夹。 + +## 常见陷阱及规避方法 + +| 症状 | 可能原因 | 解决方案 | +|------|----------|----------| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA 运行时未在 `PATH` 中 | 将 CUDA 的 `bin` 文件夹添加到系统 `PATH`，或设置 `java.library.path`。 | +| OCR returns empty string | 图像未正确加载（路径错误或不支持的格式） | 再次检查文件路径，并确认 PNG 未损坏。 | +| Performance similar to CPU | 由于驱动不匹配导致 GPU 回退 | 将 NVIDIA 驱动更新至 Aspose OCR 发布说明中列出的版本。 | +| Out‑of‑memory on large images | GPU 内存耗尽 | 降低图像分辨率或在处理前将图像拆分为多个块。 | + +## 额外提示：GPU 不可用时回退到 CPU + +有时您可能在没有 CUDA 能力的开发笔记本上运行相同代码。将设备选择包装在 try‑catch 块中可使程序更稳健。 + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +现在同一可执行文件可在任何环境运行，并且在硬件支持的情况下仍能获得加速。 + +## 完整、可直接运行的示例 + +下面是完整的 Java 类，整合了上述所有步骤、检查和回退逻辑。复制粘贴到 IDE 中，调整图像路径后运行。 + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**预期输出**（假设 PNG 包含简易英文文本）： + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +如果没有 GPU，最后一行将显示 “CPU”。 + +## 可视化概览 + +下面是数据流的快速示意图——从加载 PNG 到返回纯文本。图像的 alt 文本包含主要的 SEO 关键字。 + +![aspose ocr gpu 工作流 – 加载图像、启用 GPU、识别文本] + +*Alt text: aspose ocr gpu 工作流展示了如何加载 OCR 图像、启用 GPU 加速以及从 png 中提取文本。* + +## 回顾与后续步骤 + +我们刚刚介绍了如何使用 **aspose ocr gpu** 加速 **recognize text from image** 和 **extract text from png** 文件的过程。关键要点： + +1. **加载图像** 使用 `ImageStream.fromFile`。 +2. **启用 GPU** 通过 `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`。 +3. **运行 `recognize()`** 并读取 `ocrResult.getText()`。 +4. **验证设备** 并在需要时优雅地回退到 CPU。 + +准备好挑战极限了吗？尝试以下实验： + +- **批量处理：**遍历 PNG 目录，将每个结果写入 `.txt` 文件。 +- **布局分析：**开启 `ocrEngine.getOptions().setDetectDocumentStructure(true)` 以保留列和表格。 +- **多 GPU 扩展：**如果工作站拥有多块 GPU，可启动并行线程，每个线程绑定到不同的 `deviceId`。 + +这些扩展将深化您对 **gpu accelerated ocr** 的掌握，并开启大规模文档数字化项目的大门。 + +--- + +*祝编码愉快！如果遇到任何问题，请在下方留言——我很乐意帮助您排查。* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/chinese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..4be8be6a8 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,215 @@ +--- +category: general +date: 2026-05-06 +description: 在学习图像预处理、去噪和校正图像旋转以实现可靠的 OCR 文本识别时，如何增强对比度。 +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: zh +og_description: 如何增强 OCR 图像的对比度，以及如何对图像进行预处理、去噪和纠正图像旋转，以实现准确的文本识别。 +og_title: 如何在 OCR 中增强对比度 – 步骤式 Java 指南 +tags: +- OCR +- Java +- Image Processing +title: 如何在 OCR 中增强对比度——完整的 Java 预处理指南 +url: /zh/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何在 OCR 中增强对比度 – 完整的 Java 预处理指南 + +有没有想过 **如何增强对比度**，让你的 OCR 引擎真的能读取文本，而不是输出乱码？你并不孤单。大多数开发者在源图像暗淡、倾斜或充满噪点时都会卡住，结果就是令人沮丧的 “recognize text from image” 失败。 + +好消息是？只需应用几步聪明的预处理——**如何预处理图像**、**如何去除噪声**、以及**纠正图像旋转**——就能把嘈杂、低对比度的 PNG 变成 OCR 引擎喜欢的干净画布。在本教程中，我们将通过 Aspose.OCR 的真实 Java 示例，解释每个滤镜的作用，并展示 **如何增强对比度** 以实现稳固的识别。 + +--- + +## 你将学到 + +- 每个预处理滤镜的作用（去倾斜、去噪、对比度增强）。 +- 使用 Aspose.OCR 在 Java 中 **如何预处理图像**，一步步操作。 +- 在 OCR 之前 **如何去除噪声** 与 **纠正图像旋转** 的实用技巧。 +- 可以直接复制、运行并看到 **recognize text from image** 输出的完整代码。 + +> **先决条件** – Java 17+、Maven 或 Gradle，以及 Aspose.OCR for Java 许可证（免费试用即可测试）。不需要其他第三方库。 + +--- + +## 第 1 步 – 搭建项目并导入 Aspose.OCR + +在我们讨论 **如何增强对比度** 之前，需要一个已经集成 OCR 引擎的 Java 项目。 + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +如果你更喜欢 Gradle，等价写法如下： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +在 `src/main/java/PreprocessDemo.java` 中创建一个简单文件并导入所需类： + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **专业提示**：保持 IDE 的自动导入功能开启；这能省去大量来回操作。 + +--- + +## 第 2 步 – 加载待清理的图像 + +库已经准备好，现在来回答 **如何预处理图像** 的第一步：加载图像。 + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +此时引擎持有一张低质量 PNG，可能存在对比度差、旋转以及斑点噪声。如果打开文件，你会立刻明白 OCR 为什么会卡住。 + +--- + +## 第 3 步 – 应用滤镜：去倾斜、去噪、**如何增强对比度** + +这一步是教程的核心——在处理旋转和噪声的同时 **如何增强对比度**。Aspose.OCR 附带了三种现成的滤镜： + +| 滤镜 | 功能 | 对 OCR 的意义 | +|------|------|---------------| +| `DeskewFilter` | 检测并纠正图像旋转 | 确保 **纠正图像旋转**，字符不再倾斜。 | +| `NoiseRemovalFilter` | 减少随机斑点和背景颗粒 | 实现 **如何去除噪声**，让引擎只看到文字。 | +| `ContrastEnhancementFilter` | 提升前景文字与背景的差异 | 直接回答 **如何增强对比度**，让细弱笔画更突出。 | + +按以下顺序添加——先去倾斜，再去噪，最后对比度增强： + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **为什么要这样顺序？** +> • 去倾斜在原始像素矩阵上效果最佳；对噪声图像进行旋转会放大伪影。 +> • 在提升对比度之前先清除噪声，防止滤镜放大斑点。 +> • 最后进行对比度增强，使清理后的像素更突出，这正是 **如何增强对比度** 在 OCR 中的关键。 + +--- + +## 第 4 步 – 运行 OCR 引擎并 **识别图像中的文字** + +预处理流水线就绪后，终于可以调用 OCR 引擎。这一步回答终极问题：**recognize text from image**。 + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +运行 `java PreprocessDemo` 后，你应该看到干净、可读的文本，而不是乱码。示例发票的典型输出可能如下： + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +如果结果仍然模糊，可尝试调高 `ContrastEnhancementFilter` 参数（例如 `setLevel(1.5)`），或再次确认源图像未被过度压缩。 + +--- + +## 第 5 步 – 目视检查：前后对比（可选） + +眼见为实。下面是一张占位示意图，比较原始文件与处理后版本。alt 文本已明确包含主要关键词以利 SEO。 + +![展示如何在 OCR 预处理中增强对比度 – 原始图像 vs. 增强后图像](https://example.com/contrast-demo.png "如何在 OCR 预处理中增强对比度") + +*如果你在自己的图像上运行代码，会发现可读性同样有显著提升。* + +--- + +## 常见陷阱及解决方案 + +| 问题 | 成因 | 解决办法 | +|------|------|----------| +| 对比度提升后文字仍模糊 | 滤镜等级太低或图像分辨率不足 | 提高 `ContrastEnhancementFilter` 等级（`new ContrastEnhancementFilter(1.8)`），或在处理前放大图像。 | +| OCR 返回空字符串 | 图像过暗或噪声滤镜把所有像素都删掉了 | 降低 `NoiseRemovalFilter` 的强度（`new NoiseRemovalFilter(0.3)`）。 | +| 字符仍然倾斜 | 去倾斜因噪声过多而未检测到角度 | 在轻度去噪后再运行 `DeskewFilter`，或手动设置角度 `DeskewFilter.setAngle(2.5)`。 | +| 出现意外的 Unicode 符号 | OCR 语言未正确设置 | 在 `recognize()` 前调用 `ocrEngine.setLanguage(OcrLanguage.English);`。 | + +--- + +## 扩展流水线 – 需要更多功能怎么办？ + +有时你可能需要 **如何预处理图像** 用于彩色扫描或 PDF。Aspose.OCR 还提供： + +- `BinarizationFilter` – 转为纯黑白，适合高对比度文本。 +- `ResizeFilter` – 在 OCR 前放大小字体。 +- `SharpenFilter` – 强化边缘，适用于淡笔手写。 + +这些滤镜可以像前面的三大核心滤镜一样链式调用。记住顺序仍然重要：常见配方为 **resize → denoise → binarize → contrast → deskew**。 + +--- + +## 回顾：从嘈杂 PNG 到干净文本 + +- **如何增强对比度**：在去倾斜和去噪后使用 `ContrastEnhancementFilter`。 +- **如何预处理图像**：加载 → 添加滤镜 → 运行 OCR。 +- **如何去除噪声**：`NoiseRemovalFilter` 在不破坏文字笔画的前提下清理背景。 +- **纠正图像旋转**：`DeskewFilter` 对齐文字基线，是准确识别的前提。 +- **识别图像中的文字**：调用 `ocrEngine.recognize()` 并读取 `ocrResult.getText()`。 + +将上述步骤组合，即可构建一个稳健的流水线，适用于发票、收据，甚至古老的印刷书籍。 + +--- + +## 接下来该做什么？ + +- **实验**：调整滤镜参数，观察对 OCR 准确率的影响。 +- **批量处理**：将上述逻辑包装在循环中，处理整文件夹的图像。 +- **集成**：将 OCR 输出写入数据库或 PDF 生成器，实现端到端自动化。 + +如果你对其他图像增强技巧感兴趣——比如自适应阈值或颜色反转——请查阅 Aspose 官方文档或 “Advanced Image Pre‑processing with Aspose.OCR” 指南。 + +--- + +### Happy Coding! + +现在你已经掌握 **如何增强对比度** 以及完整的预处理流程，能够把杂乱的扫描件转化为干净、可搜索的文本。遇到问题欢迎留言，或者分享你为项目定制的流水线。让我们一起推动 OCR 的进步吧！ + +{{< /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/chinese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/chinese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..46d468e41 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,230 @@ +--- +category: general +date: 2026-05-06 +description: 如何在 Java 中使用 Aspose OCR 从图像识别文本、启用自动语言检测并提升 OCR 速度。 +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: zh +og_description: 如何在 Java 中使用 Aspose OCR 快速识别图像中的文本，启用自动语言检测，并提升 OCR 速度。 +og_title: 如何使用 Aspose OCR 处理混合语言图像 +tags: +- Aspose +- OCR +- Java +- Image Processing +title: 如何使用 Aspose OCR 处理混合语言图像 +url: /zh/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何使用 Aspose OCR 处理混合语言图像 + +是否曾想过 **如何使用 Aspose** 从包含多种语言的图片中提取文本？你并不孤单——当图像混合了英文、俄文、印地语或其他任何文字时，开发者常常会遇到瓶颈。好消息是 Aspose OCR 能够优雅地处理这种情况，并且通过缩小语言集合还能 **更快地识别图像中的文本**。 + +在本教程中，我们将逐步演示一个完整的、可直接运行的 Java 示例，**加载用于 OCR 的图像**、开启 **自动语言检测**，并展示一个简单技巧来 **提升 OCR 速度**。完成后，你将拥有一个独立的程序，能够将提取的文本打印到控制台，并且了解每个设置背后的原因。 + +> **先决条件** – 已安装 Java 17+，具备 Maven 或 Gradle 进行依赖管理，并拥有 Aspose OCR 许可证（免费试用版可用于评估）。无需其他库。 + +--- + +## 第一步 – 将 Aspose OCR 添加到项目中 + +在能够 **使用 Aspose** 之前，需要将库加入到类路径中。使用 Maven 时如下所示： + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +如果你更喜欢 Gradle： + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **专业提示**：坚持使用最新的稳定版；更新的版本通常包含直接影响 **提升 OCR 速度** 的性能改进。 + +--- + +## 第二步 – 创建 OCR 引擎实例 + +每个 Aspose OCR 工作流的核心都是 `OcrEngine`。实例化非常简单，但值得注意的是，引擎内部会维护缓存。对多张图像复用同一个实例实际上可以 **提升 OCR 速度**，因为库避免了重复的本地初始化。 + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## 第三步 – **加载用于 OCR 的图像** + +Aspose 支持多种图像格式（PNG、JPEG、TIFF、BMP）。这里演示加载一张包含英文、俄文和印地语文本的 PNG。`ImageStream.fromFile` 帮助类抽象了文件 I/O 细节，并确保图像正确流入引擎。 + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **如果图像在内存中怎么办？** 使用 `ImageStream.fromByteArray(byte[])` 替代——非常适合接收字节流的 Web 服务。 + +--- + +## 第四步 – 启用自动语言检测 + +默认情况下，Aspose OCR 假设图像只包含单一语言，这在多语言图片上会导致乱码。开启自动检测后，引擎会在识别前先嗅探每个文本块的脚本。 + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## 第五步 – 通过限制语言池来 **提升 OCR 速度** + +完整的自动检测会扫描 Aspose 支持的所有语言（超过 70 种）。如果你事先知道可能出现的语言，可以给引擎一个提示。提供一个更小的数组会缩小搜索空间，从而 **提升 OCR 速度**。 + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **为什么会有帮助？** 引擎会跳过不需要的语言模型，节省 CPU 周期和内存。如果以后需要添加更多语言，只需更新数组——无需重写代码。 + +--- + +## 第六步 – 执行识别并 **从图像中识别文本** + +现在真正的工作开始了。`recognize()` 返回一个 `OcrResult` 对象，其中包含纯文本、置信度分数，甚至还有布局信息（如果你后续需要的话）。 + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### 预期的控制台输出 + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +如果图像中存在噪声或倾斜文字，你可能会看到这些行的置信度较低。此时，考虑在将图像送入 Aspose 之前进行预处理（去倾斜、二值化）。 + +--- + +## 常见问题与边缘情况 + +### 如果图像非常大（例如 >10 MP）怎么办？ + +大图像会占用更多内存并降低处理速度。一个快速的 **提升 OCR 速度** 方法是，在保持可读性的前提下对图像进行下采样： + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### 如何处理从右到左的脚本（如阿拉伯语）？ + +Aspose OCR 会自动尊重脚本方向，但你可能想在后处理时设置 `RightToLeft` 标志： + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### 能否从 PDF 中提取文本，而不是直接从图像？ + +可以——先将每页 PDF 转换为图像（使用 Aspose PDF 或任意光栅化工具），然后将结果送入相同的 OCR 流程。相同的 **从图像中识别文本** 逻辑依然适用。 + +--- + +## 完整可运行示例（复制粘贴即用） + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +将文件保存为 `MixedLanguageDemo.java`，使用 `javac` 编译，随后用 `java MixedLanguageDemo` 运行。如果一切配置正确，你将在控制台看到多语言文本的输出。 + +--- + +## 结论 + +现在你已经掌握了 **如何使用 Aspose** 来 **从图像中识别文本**，即使这些图像包含多种语言；了解了 **启用自动语言检测** 的方法，并通过限制语言池获得 **提升 OCR 速度** 的实用技巧。上面的完整代码已准备好复制粘贴，说明部分也帮助你自信地进行改造——无论是从流、字节数组，甚至是摄像头快照 **加载用于 OCR 的图像**。 + +接下来可以尝试： + +* 为低质量扫描添加图像预处理（去噪、二值化）。 +* 将 `OcrResult` 导出为 JSON，以供下游服务使用。 +* 将引擎集成到 Spring Boot REST 接口，让客户端上传图像并即时返回提取的文本。 + +祝编码愉快，愿你的 OCR 流程既快速又精准，且支持多语言！ + +{{< /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/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/chinese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..8a55c4a13 --- /dev/null +++ b/ocr/chinese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,203 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Java OCR 示例快速识别图像中的文本。学习如何通过并行 OCR 处理从 TIFF 文件中提取文本，以及如何高效地在 Java + 中进行 OCR。 +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: zh +og_description: 使用完整的 Java OCR 示例快速识别图像中的文本。本教程展示了如何通过并行 OCR 处理从 TIFF 中提取文本。 +og_title: 使用 Java OCR 识别图像中的文本 – 并行处理指南 +tags: +- OCR +- Java +- Image Processing +title: 使用 Java OCR 从图像中识别文本 – 并行处理指南 +url: /zh/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Java OCR 识别图像中的文本 – 并行处理指南 + +是否曾需要 **从图像文件中识别文本**，却卡在性能瓶颈上？你并不孤单。许多开发者在单线程 OCR 引擎处理多页 TIFF 时，往往把本该快速完成的任务变成了马拉松。 + +在本教程中，我们将演示一个 **java ocr example**，它不仅可以从 tiff 文件中提取文本，还能利用所有 CPU 核心进行并行 OCR 处理。完成后，你将清楚地知道 *如何高效地 ocr java* 项目，并拥有一段可直接在 Maven 或 Gradle 环境中运行的代码片段。 + +## 你将学到 + +- 在 Java 项目中配置 Aspose.OCR 库。 +- 加载多页 TIFF 并为识别做好准备。 +- 通过将线程数匹配逻辑 CPU 核心数来启用 **并行 OCR 处理**。 +- 获取并显示识别后的文本，完整实现 **recognize text from image** 工作流。 + +> **先决条件：** Java 8 或更高版本，以及有效的 Aspose.OCR for Java 许可证（或临时评估密钥）。无需其他外部工具。 + +--- + +## 第一步：添加 Aspose.OCR 依赖 + +在能够 **recognize text from image** 之前，需要将 OCR 引擎加入类路径。如果使用 Maven，请在 `pom.xml` 中添加以下内容： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +对于 Gradle，等价写法是： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *小技巧：* 保持版本号为最新；新版本通常包含性能改进，使 **parallel ocr processing** 更加快速。 + +--- + +## 第二步：准备 Java 类 – 完整可运行示例 + +下面是一个自包含的 **java ocr example**，演示如何使用所有可用 CPU 核心 **extract text from tiff**。将其保存为 `ParallelOcrDemo.java`。 + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**每行代码的意义** + +- **Engine 创建**：`OcrEngine` 封装了所有繁重的工作。没有它，你根本无法 **recognize text from image**。 +- **图像加载**：`ImageStream.fromFile` 支持 TIFF、PNG、JPEG 等格式。使用多页 TIFF 可以测试引擎处理复杂文档的能力。 +- **线程数**：`Runtime.getRuntime().availableProcessors()` 返回逻辑核心数（包括超线程）。设置该值即可触发 **parallel ocr processing**，在多核机器上显著缩短运行时间。 +- **识别**：`engine.recognize()` 执行 OCR 流程。内部会将页面划分到你定义的线程池中。 +- **结果处理**：`result.getText()` 返回一个包含所有页面合并文本的 `String`——非常适合后续处理或存储。 + +--- + +## 第三步：运行示例并验证输出 + +编译并执行程序： + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +你应该会看到类似如下的输出： + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +如果控制台打印出预期的文本，恭喜你——已经成功使用 **java ocr example** 通过并行方式 **recognize text from image**。 + +--- + +## 第四步：针对实际场景进行微调（可选） + +### 仅提取特定页面的文本 + +有时只需要从大型 TIFF 中获取某些页面。可以在识别后进行过滤： + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### 手动调整线程数 + +如果服务器已经在处理其他任务，可能需要限制 OCR 线程数： + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### 处理占用内存较大的 TIFF + +大型多页 TIFF 会消耗大量 RAM。为降低内存压力，可将文件分块处理： + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## 第五步：常见陷阱及规避方法 + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **Insufficient license** | Runtime throws `LicenseException` | Apply a valid license file or use the free evaluation mode (adds a watermark). | +| **Wrong file path** | `FileNotFoundException` | Double‑check the path and use absolute paths during testing. | +| **CPU throttling** | No speed gain despite `setThreadCount` | Ensure your JVM isn’t limited by `-Xmx` memory caps or OS power‑saving settings. | +| **Unsupported image format** | `UnsupportedFormatException` | Convert the image to TIFF, PNG, or JPEG before feeding it to the engine. | + +--- + +## 可视化概览 + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt text:* “使用 Java OCR 并行处理的 recognize text from image 流程图” + +--- + +## 结论 + +我们已经完整演示了一个 **java ocr example**，它能够 **recognize text from image** 文件（尤其是多页 TIFF），并充分利用 **parallel ocr processing**。通过将线程池大小与 CPU 核心数匹配，你可以在现代硬件上获得近线性加速——这正是 “*how to ocr java* efficiently?” 的答案。 + +接下来，你可以尝试： + +- 批量 **extract text from tiff** 并将结果存入数据库。 +- 将 OCR 与 NLP 库（如 OpenNLP）结合，自动标注提取的实体。 +- 将该解决方案部署为 REST 微服务，实现按需 OCR。 + +动手试一试，调节线程数，感受管道速度的提升。如果遇到任何问题，欢迎在下方留言——祝编码愉快！ + +{{< /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..1f0ff6126 100644 --- a/ocr/chinese/java/ocr-operations/_index.md +++ b/ocr/chinese/java/ocr-operations/_index.md @@ -76,10 +76,14 @@ weight: 21 利用 Aspose.OCR for Java 实现图像精准文本提取。按照我们的逐步指南，使用语言选择实现准确的 OCR。 ### [Aspose.OCR for Java 中的 PDF 文档 OCR 识别](./recognize-pdf/) 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。 +### [从图像创建可搜索 PDF – 分步 Java 指南](./create-searchable-pdf-from-image-step-by-step-java-guide/) +### [使用 Java OCR 从图像创建可搜索 PDF](./create-searchable-pdf-from-image-with-java-ocr/) ### [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。 ### [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。 +### [如何在 Java 中使用 OCR – 从图像提取文本并进行拼写校正](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +演示在 Java 中使用 Aspose.OCR 提取图像文本并进行拼写纠正，提高识别准确性。 ## 常见问题 diff --git a/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..f2d085dce --- /dev/null +++ b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,196 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Aspose OCR 将图像创建为可搜索的 PDF。了解如何在几分钟内将图像转换为 PDF、对图像进行 OCR 并提取图像中的文本。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: zh +og_description: 使用 Aspose OCR 将图像生成可搜索的 PDF。按照本指南将 JPG 转换为可搜索的 PDF、提取图像中的文本等。 +og_title: 从图像创建可搜索的 PDF – 完整的 Java 教程 +tags: +- Java +- OCR +- PDF +- Aspose +title: 从图像创建可搜索 PDF – 步骤详解 Java 指南 +url: /zh/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 从图像创建可搜索 PDF – 完整 Java 教程 + +是否曾经需要从扫描的照片 **create searchable PDF**，却不确定该选哪个库？你并不孤单。在许多项目中——比如费用报表自动化或数字归档——将普通图像转换为可以实际搜索的 PDF 是一个改变游戏规则的功能。 + +正因为如此，在本教程中我们将完整演示 **convert image to PDF** 的整个过程，运行 OCR 并最终得到一个可以在任何文档工作流中使用的 **searchable PDF**。我们还会涉及 **extract text from image**，并展示如何 **convert jpg to searchable pdf**，而无需大量样板代码。 + +## 你将学到 + +- Aspose OCR 所需的确切 Maven/Gradle 依赖。 +- 如何将 JPG（或任何受支持的图像）加载到 OCR 引擎中。 +- 为什么使用 `OcrSaveFormat.PDF_SEARCHABLE` 保存很重要。 +- 常见陷阱（大图像、不受支持的格式）以及规避方法。 +- 如何验证生成的 PDF 确实包含可搜索的文本。 + +阅读完本指南后，你将拥有一个可直接运行的 Java 类，只需一次方法调用即可生成可搜索的 PDF。无需外部命令行工具，也不需要额外的 OCR 引擎——纯 Java 实现。 + +--- + +## 前置条件 + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 或更高版本 | Aspose OCR 使用了现代语言特性。 | +| Maven 或 Gradle（用于依赖管理） | 能够轻松拉取 Aspose OCR JAR 包。 | +| 一个放在已知文件夹中的示例图像（`input.jpg`） | 代码需要文件路径；你也可以换成 PNG、BMP 等格式。 | +| 可选：具备搜索功能的 PDF 查看器（Adobe Reader、Foxit 等） | 用于确认 PDF 真正可搜索。 | + +如果你已经具备上述条件，太好了——让我们开始吧。 + +--- + +## 第一步：将 Aspose OCR 添加到项目中 + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** 免费评估版会在首页添加一个小水印。正式生产环境请从 Aspose 获取许可证，并在实例化 `OcrEngine` 之前调用 `License license = new License(); license.setLicense("Aspose.OCR.lic");`。 + +--- + +## 第二步：加载要转换的图像 + +我们将使用 `ImageStream.fromFile` 直接从磁盘读取图像。该方法支持 JPG、PNG、TIFF 等多种格式，因此无论源图像是什么，都可以 **convert image to PDF**。 + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** OCR 引擎需要文本的位图表示。提供高分辨率图像（300 dpi 或更高）可以显著提升识别准确率，从而获得更好的 **extract text from image** 效果。 + +--- + +## 第三步：运行 OCR 并保存为可搜索 PDF + +当你使用 `PDF_SEARCHABLE` 格式调用 `save` 时，魔法就会发生。Aspose OCR 在原始图像上创建一个隐藏的文本层，将静态图片转换为 **searchable PDF**。 + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +如果你更倾向于生成不含隐藏层的普通 PDF，只需将 `PDF_SEARCHABLE` 替换为 `PDF`。但在大多数归档场景下，可搜索的变体才是你想要的。 + +--- + +## 第四步：验证结果 + +程序运行结束后，用任意 PDF 查看器打开 `searchable.pdf` 并尝试使用内置搜索（Ctrl + F）。如果能够找到原本只在图像中的文字，恭喜你——已经成功 **ocr image to pdf**。 + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** 超大图像（> 10 MB）可能导致 `OutOfMemoryError`。为避免此问题，可在使用前通过 `java.awt.Image` 或类似 Thumbnailator 的库对图像进行降采样。 + +--- + +## 完整工作示例 + +下面是完整的、可独立运行的 Java 类。复制粘贴到 IDE，调整路径后直接运行——无需额外步骤。 + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**预期输出：** + +``` +Searchable PDF created. +``` + +打开 `YOUR_DIRECTORY/searchable.pdf` 后，你应该能够搜索到 `input.jpg` 中出现的任意单词。这正是 **convert jpg to searchable pdf** 的核心。 + +--- + +## 常见问题 (FAQ) + +### 能一次处理多张图像吗？ +可以。遍历文件路径列表，对每张图像调用 `setImage`，然后将页面追加到同一个 PDF（`PDF_SEARCHABLE`）或生成独立的 PDF。记得在每次迭代后使用 `ocrEngine.clear()` 重置引擎状态。 + +### OCR 准确率低怎么办？ +- 确保源图像至少为 300 dpi。 +- 使用 `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` 锁定语言。 +- 使用 OpenCV 等库对图像进行预处理（去倾斜、提升对比度）。 + +### Aspose OCR 支持其他语言吗？ +当然。`OcrLanguage` 枚举包含法语、德语、中文、阿拉伯语等多种语言。调用 `save` 前切换语言即可。 + +### 如何将可搜索的 PDF 嵌入到已有文档中？ +把输出当作普通 PDF 处理。使用 PDF 合并库（如 iText 或 Aspose PDF）即可将其与其他 PDF 连接。 + +--- + +## 实战技巧 + +- **Pro tip:** 若需要更小的文件体积，可在保存前调用 `ocrEngine.getConfig().setCompress(true);`。 +- **注意:** 带透明背景的图像——Aspose OCR 会将透明视为白色，这可能影响对比度。 +- **记住:** 可搜索的 PDF 底层仍是光栅图像。如果需要完全矢量化的 PDF，需要手动重新构建布局。 + +--- + +## 结论 + +我们已经完整演示了如何使用 Aspose OCR 在 Java 中将图像 **create searchable PDF**。从添加 Maven 依赖到验证隐藏文本层，整个过程简洁且可全程编程化。现在，你可以 **convert image to pdf**、**ocr image to pdf**，甚至 **extract text from image**，而无需离开 IDE。 + +准备好下一步了吗？尝试批量处理一整文件夹的扫描收据，或将此工作流与云存储触发器（AWS Lambda、Azure Functions）结合，实现文档摄取流水线的自动化。可能性无限——尽情实验吧！ + +如果遇到任何问题或有改进想法，欢迎在下方留言。祝编码愉快！ + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "创建可搜索 PDF 流程图") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..ae9dce3c3 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Aspose OCR 在 Java 中将图像创建为可搜索的 PDF。学习将图像转换为 PDF，启用拼写纠正，并使用 OCR GPU + 以获得快速结果。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: zh +og_description: 使用 Aspose OCR 在 Java 中将图像创建为可搜索的 PDF。本指南展示了如何将图像转换为 PDF、启用拼写纠正以及使用 + OCR GPU。 +og_title: 使用 Java OCR 将图像转换为可搜索的 PDF +tags: +- OCR +- Java +- PDF +title: 使用 Java OCR 将图像转换为可搜索的 PDF +url: /zh/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Java OCR 从图像创建可搜索的 PDF + +是否曾需要从扫描的图片**创建可搜索的 PDF**但不知从何入手？你并不孤单——大多数开发者在首次处理基于图像的 PDF 时都会遇到这个难题。幸运的是，使用 Aspose OCR for Java，你可以**将图像转换为 PDF**，将文本变为可选择的内容，甚至加入拼写校正以获得更完美的结果。 + +在本教程中，我们将演示一个完整、可直接运行的示例，展示如何在有 GPU 时**使用 OCR GPU**，如何高效**处理图像 OCR**，以及为何启用拼写校正对后续搜索至关重要。完成后，你将拥有一键生成可搜索 PDF 的方法，可供用户使用或用于合规存档。 + +> **专业提示：** 如果你的机器没有 GPU，代码会自动回退到 CPU，无需修改任何代码。 + +--- + +## 需要的环境 + +- **Java 8+**（代码在 JDK 8 及以上版本编译通过） +- **Aspose OCR for Java** 库（从 Aspose 官网下载最新 JAR 包） +- 一张 **输入图像**（JPEG、PNG、TIFF 等），用于转换为可搜索的 PDF +- （可选）支持 CUDA 的 **GPU**，以获得最快的识别速度 + +无需额外框架，无需 Maven/Gradle 魔法——只需在类路径上放置一个 JAR，即可开始。 + +--- + +## 第一步：初始化 OCR 引擎 – 过程的核心 + +首先创建一个 `OcrEngine` 实例并指向源文件。该对象是工作马，负责读取图像、运行神经网络并返回文本。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*为什么重要：* 只初始化一次并复用引擎，可避免反复加载本地库的开销——这在批量处理数十个文件时会带来显著的性能提升。 + +--- + +## 第二步：选择处理设备 – 有 GPU 时使用 OCR GPU + +如果工作站配备兼容的 GPU，可以告诉 Aspose 将繁重的计算交给它。否则引擎会自动切换到 CPU。 + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*有什么好处？* GPU 加速可以为每页节省数秒，尤其是高分辨率扫描时。回退机制确保相同代码在任何环境下都能运行，这也是我们默认推荐**使用 OCR GPU**的原因。 + +--- + +## 第三步：加速扫描 – 利用所有 CPU 核心 + +即使 GPU 正在忙碌，周边的预处理步骤仍可并行化。将线程数设置为可用处理器的数量，让引擎能够同时处理多个块。 + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*注意：* 在四核笔记本上会启动四个线程；在十六核工作站上则可充分发挥性能。只需留意线程数增加会导致更高的内存占用。 + +--- + +## 第四步：清理图像 – 预处理过滤器 + +模糊或噪声较大的扫描会产生垃圾文本。添加几种内置过滤器可显著提升准确率。 + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*为什么使用这些过滤器？* `DeskewFilter` 校正文档在扫描时常出现的倾斜角度。`NoiseRemovalFilter` 去除会被误识别为字符的杂散像素。可以把它想象成给 OCR 引擎提供一张干净的纸张。 + +--- + +## 第五步：开启智能特性 – 启用拼写校正与自动语言检测 + +如果要处理多语言文档，或仅希望减少错别字，请打开内置拼写检查器并让引擎自动识别语言。 + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*何时有用？* 假设你的扫描件同时包含英文和西班牙文段落。自动检测功能会即时切换词典，而拼写校正会纠正如将 “0” 误读为 “O” 等错误。此步骤对于生成**可搜索的 PDF**并返回正确搜索结果至关重要。 + +--- + +## 第六步：保存结果 – 将图像转换为 PDF 并使其可搜索 + +最后，让引擎生成一个 PDF，原始图像位于不可见的文字层后面。这是经典的**将图像转换为 PDF**工作流，只是生成的 PDF 现在是可搜索的。 + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +输出文件 (`output-searchable.pdf`) 可在任何 PDF 查看器中打开；你将能够像操作原生 PDF 那样选择、复制和搜索文本。无需额外工具。 + +--- + +## 完整可运行示例 – 复制即用 + +下面是完整程序代码，已准备好编译。将 `YOUR_DIRECTORY` 替换为存放 `input.jpg` 的文件夹路径。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**预期输出：** 运行程序后，控制台会显示 *“Searchable PDF generated successfully.”*。在 Adobe Reader 中打开 `output-searchable.pdf`，在搜索框输入原始图像中的任意单词，即可瞬间定位到对应位置。 + +--- + +## 常见问题与边缘情况 + +- **如果未检测到 GPU 会怎样？** + `setDeviceType(OcrDeviceType.GPU)` 调用不会抛异常，它仅指示引擎优先尝试 GPU。如果失败，引擎会静默回退到 CPU。 + +- **能在一次运行中处理多张图像吗？** + 可以。将代码放入循环中，每次迭代更换文件名，并复用同一个 `OcrEngine` 实例，以保持低内存占用。 + +- **我的 PDF 很大——如何压缩？** + OCR 完成后可使用 Aspose 的 PDF 优化 API，或在将图像送入引擎前先降低分辨率（例如 `ImageStream.fromFile(...).setResolution(150)` 设为 150 DPI）。 + +- **需要保留原始图像分辨率以满足合规要求。** + `PDF_SEARCHABLE` 格式会完整保留原始位图，文字层以不可见方式叠加在上方，不会影响视觉质量。 + +--- + +## 可视化概览 + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt text:* *create searchable pdf example – Java OCR 引擎将扫描的 JPG 转换为可搜索的 PDF。* + +--- + +## 结论 + +现在，你拥有一个使用 Aspose OCR for Java 将任意图像转换为**可搜索的 PDF**的**完整端到端解决方案**。通过**将图像转换为 PDF**、**启用拼写校正**以及在可能时**使用 OCR GPU**，即可获得快速、准确且可搜索的结果，跨平台通用。 + +接下来可以尝试： + +- **不同的输出格式**（`PDF`、`DOCX`、`HTML`），观察文字层的表现。 +- **自定义词典**，如果你处理的是行业专用术语。 +- **批量处理**，自动处理成千上万的扫描件。 + +随意调整线程数、替换过滤器或接入自己的预处理管道。核心模式保持不变：加载 → 预处理 → 配置 → OCR → 保存。 + +祝编码愉快，愿你的 PDF 永远可搜索！ + +{{< /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-image-with-spell-co/_index.md b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..9f31396c3 --- /dev/null +++ b/ocr/chinese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,216 @@ +--- +category: general +date: 2026-05-06 +description: 如何在 Java 中使用 OCR 从图像中提取文本。学习 OCR 图像转文本转换，纠正 OCR 错误，并使用 Aspose OCR 加载图像进行 + OCR。 +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: zh +og_description: 如何在 Java 中使用 OCR 从图像提取文本，纠正 OCR 错误，并使用 Aspose OCR 加载图像进行 OCR。 +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 —— 从图像提取文本并进行拼写校正 +url: /zh/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 – 从图像提取文本并进行拼写校正 + +是否曾想过 **如何使用 OCR** 将模糊的收据照片转换为干净、可搜索的文本？你并不孤单。在许多项目中——费用跟踪应用、发票数字化流水线，甚至是快速记事脚本——从图像中获取可靠的文本是第一道障碍。 + +本教程将手把手教你在 Java 中使用 OCR，涵盖从加载图像进行 OCR 到纠正 OCR 错误，使结果看起来像是人工输入的全部过程。完成后，你将能够 **从图像中提取文本**，执行 **OCR 图像转文本** 转换，并自动修复常见的识别错误。 + +## 你将构建的内容 + +我们将创建一个小型 Java 控制台程序，能够： + +1. 将 PNG（或任何受支持的格式）加载到 Aspose OCR 引擎。 +2. 启用内置的拼写校正功能以 **纠正 OCR 错误**。 +3. 运行识别过程并打印清理后的文本。 + +无需外部服务，也不需要重量级框架——只需一个 JAR 和几行代码。 + +### 前置条件 + +- Java Development Kit (JDK) 8 或更高版本。 +- Maven（或任何构建工具）用于拉取 Aspose OCR 库。 +- 一张你想要分析的图像文件（例如 `receipt.png`）。 + +如果缺少 Aspose OCR JAR，请在 `pom.xml` 中添加以下依赖： + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **小技巧：** 免费评估版可用于测试，但购买许可证后可去除评估水印。 + +## 步骤 1 – 初始化 OCR 引擎（关键字在行动） + +首先需要创建 `OcrEngine` 的实例。可以把它想象成读取像素并将其转换为字符的大脑。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*为什么重要：* 初始化引擎会设置内部资源（语言模型、词典等）。如果跳过此步骤，后续加载图像时会抛出 `NullPointerException`。 + +## 步骤 2 – 为 OCR 加载图像 + +现在我们真正 **为 OCR 加载图像**。Aspose 提供了便利的 `ImageStream.fromFile` 辅助方法，也可以直接传入 `byte[]`。 + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*常见陷阱：* 文件路径必须是绝对路径或相对于工作目录的相对路径。如果找不到图像，引擎会抛出 `IOException`。请仔细检查路径，尤其是在 IDE 与打包后的 JAR 中运行时的差异。 + +## 步骤 3 – 启用拼写校正以 **纠正 OCR 错误** + +开箱即用的 OCR 可能会产生噪音——比如把 “love” 识别成 “l0ve”，或把 “O” 识别成 “0”。启用拼写校正会让引擎在后处理阶段修正常见错误。 + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*为什么需要：* 如果不使用拼写校正，你可能需要手动清理输出，这违背了自动化的初衷。内置词典对英语及其他几种语言表现良好。 + +## 步骤 4 – 执行识别（**OCR 图像转文本**） + +在图像加载并启用拼写校正后，我们终于可以让引擎进行文字识别。 + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*边缘情况：* 如果图像对比度低或倾斜严重，结果仍可能出现乱码。考虑在送入引擎前进行预处理（例如二值化、去倾斜）。 + +## 步骤 5 – 输出清理后的文本 + +最后一步只需打印结果。在真实应用中，你可能会把它写入数据库或文件，但演示中 `System.out` 已足够。 + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### 预期输出 + +假设 `receipt.png` 包含清晰的商品列表，输出可能类似于： + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +请注意，即使原始扫描中出现了错误的 “Qy”，输出中的 “Qty” 与 “Price” 仍然拼写正确。 + +## 完整工作示例 + +下面是完整程序，可复制粘贴到名为 `SpellCorrectDemo.java` 的文件中。确保 Aspose OCR JAR 已加入类路径。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +使用以下命令运行： + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +现在你应该能在控制台看到清理后的文本。 + +## 进阶：调优设置以获得更高准确率 + +默认配置适用于大多数印刷文档，但在特定场景下可能需要调整以下参数： + +| 设置 | 功能说明 | 何时更改 | +|------|----------|----------| +| `setLanguage(OcrLanguage.English)` | 强制使用英语词典（降低误报） | 当图像仅包含英文文本时。 | +| `setResolution(300)` | 告知引擎源图像的 DPI | 对于高分辨率扫描。 | +| `setEnableAutoSkewCorrection(true)` | 自动纠正轻微倾斜的页面 | 当图像由手机拍摄时。 | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## 常见问题 + +**问：这能处理 PDF 吗？** +答：可以。先将每页 PDF 转为图像（例如使用 Aspose PDF），再将图像喂给 OCR 引擎。 + +**问：如果我的图像是 BMP 格式怎么办？** +答：`ImageStream.fromFile` 原生支持 PNG、JPEG、BMP、TIFF 和 GIF。只需更改文件扩展名即可。 + +**问：我可以关闭拼写校正吗？** +答：完全可以——如果需要原始 OCR 输出供下游处理，只需调用 `setEnableSpellCorrection(false)`。 + +## 结论 + +现在你已经掌握了 **如何在 Java 中使用 OCR** 来 **从图像中提取文本**，并自动 **纠正 OCR 错误**，以及使用 Aspose OCR 正确 **为 OCR 加载图像** 的完整流程。初始化、加载、启用拼写校正、识别、输出这五步几乎涵盖了日常 OCR 任务的全部需求。 + +接下来，你可以将此逻辑与数据库写入、REST 接口或批处理器结合，实现一次性处理大量收据。尝试上表中的额外设置，争取把准确率推向极致。 + +祝编码愉快，愿你的 OCR 结果永远比咖啡渍的收据更干净！ + +![如何使用 OCR 的示意图：图像 → OCR 引擎 → 校正后文本] + +{{< /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..d61f8ab7a 100644 --- a/ocr/czech/java/advanced-ocr-techniques/_index.md +++ b/ocr/czech/java/advanced-ocr-techniques/_index.md @@ -23,7 +23,7 @@ Aspose.OCR for Java mění hru, pokud jde o optické rozpoznávání znaků (OCR ## [Provádění OCR na BufferedImage v Aspose.OCR pro Java](./perform-ocr-buffered-image/) -tomto tutoriálu vás provedeme procesem provádění OCR na BufferedImage pomocí Aspose.OCR for Java. Naučte se, jak bez námahy extrahovat text z obrázků, a zajistit tak všestranné rozpoznávání textu. Stáhněte si nyní a vylepšete své Java aplikace. +tomuto tutoriálu vás provedeme procesem provádění OCR na BufferedImage pomocí Aspose.OCR for Java. Naučte se, jak bez námahy extrahovat text z obrázků, a zajistit tak všestranné rozpoznávání textu. Stáhněte si nyní a vylepšete své Java aplikace. ## [Provádění OCR na obrázku z URL v Aspose.OCR pro Java](./perform-ocr-image-from-url/) @@ -42,28 +42,19 @@ Efektivně připravte obdélníky pro OCR pomocí Aspose.OCR pro Java pomocí na Vylepšete své Java aplikace pomocí Aspose.OCR pro přesné rozpoznávání textu. Tento tutoriál vás provede snadnou integrací a vysokou přesností při rozpoznávání čar. Zvyšte své projekty pomocí efektivity a spolehlivosti Aspose.OCR. ## [Určení povolených znaků v Aspose.OCR](./specify-allowed-characters/) - -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. - -## 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! -## Výukové programy pro pokročilé techniky OCR -### [Provádění OCR na BufferedImage v Aspose.OCR pro Java](./perform-ocr-buffered-image/) -Provádějte OCR na BufferedImage bez námahy s Aspose.OCR pro Java. Bezproblémově extrahujte text z obrázků. Stáhněte si nyní pro všestranné rozpoznávání textu. -### [Provádění OCR na obrázku z URL v Aspose.OCR pro Java](./perform-ocr-image-from-url/) -Odemkněte bezproblémovou extrakci textu obrázku v Javě pomocí Aspose.OCR. Vysoce přesné OCR se snadnou integrací. -### [Provádění OCR na konkrétní stránce v Aspose.OCR](./perform-ocr-on-page/) -Odemkněte sílu Aspose.OCR for Java pomocí našeho podrobného průvodce prováděním OCR na konkrétních stránkách. Extrahujte text bez námahy z obrázků a vylepšete své projekty Java. -### [Příprava obdélníků pro OCR v Aspose.OCR](./prepare-rectangles-for-ocr/) -Odemkněte sílu rozpoznávání textu s Aspose.OCR pro Java. Postupujte podle našeho podrobného průvodce pro bezproblémovou integraci. Vylepšete své aplikace Java o efektivní funkce OCR. -### [Rozpoznávání čar v Aspose.OCR pro Javu](./recognize-lines/) -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. +### [Jak používat Aspose OCR pro obrázky s více jazyky](./how-to-use-aspose-ocr-for-mixed-language-images/) +Naučte se, jak rozpoznávat text v obrázcích obsahujících více jazyků pomocí Aspose OCR pro Java. +### [Průvodce Aspose OCR GPU: Zrychlete extrakci textu z PNG obrázků](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Zvyšte rychlost rozpoznávání textu v PNG souborech pomocí GPU akcelerace v Aspose.OCR. +### [Rozpoznávání textu z obrázku pomocí Java OCR – Průvodce paralelním zpracováním](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Zrychlete rozpoznávání textu z obrázků pomocí paralelního zpracování v Java OCR. Vysoká rychlost a přesnost. +### [Jak zvýšit kontrast v OCR – Kompletní průvodce předzpracováním v Javě](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Naučte se, jak pomocí Java vylepšit kontrast obrázků pro přesnější OCR a optimalizovat předzpracování. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/czech/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..9b65ec0e8 --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: Tutoriál Aspose OCR GPU ukazuje, jak rozpoznat text z obrázku a extrahovat + text z PNG pomocí akcelerace GPU pro rychlé a spolehlivé OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: cs +og_description: Naučte se, jak použít Aspose OCR GPU k rozpoznávání textu z obrázku + a extrahování textu z PNG s akcelerací GPU v Javě. +og_title: 'Aspose OCR GPU Průvodce: Zrychlete extrakci textu' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Průvodce aspose OCR GPU: Zrychlete extrakci textu z PNG obrázků' +url: /cs/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Rychlé a spolehlivé získávání textu z PNG obrázků + +Chcete zvýšit výkon svého OCR pomocí **aspose ocr gpu**? S Aspose OCR GPU můžete **rozpoznávat text z obrázku** mnohem rychleji využitím grafické karty s podporou CUDA. Představte si zpracování vysoce rozlišeného PNG během několika sekund místo minut – už nebudete čekat na výsledek. + +V tomto tutoriálu vás provedeme vším, co potřebujete k tomu, abyste mohli začít: načtení obrázku pro OCR, přepnutí enginu do režimu GPU a nakonec extrakci textu. Na konci budete mít kompletní spustitelný Java program, který **extrahuje text z png** souborů pomocí GPU akcelerace. Nepotřebujete žádnou externí dokumentaci – stačí postupovat podle kroků, zkopírovat kód a můžete začít. + +## Co budete potřebovat + +- **Java Development Kit (JDK) 11+** – kód používá standardní funkce jazyka Java. +- **Aspose.OCR for Java** (nejnovější verze k květnu 2026). Můžete ji získat z Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **CUDA‑podporovaná GPU** (NVIDIA GeForce, Quadro nebo Tesla) s nainstalovaným odpovídajícím ovladačem. +- **Ukázkový vysoce rozlišený PNG** (např. `sample-highres.png`), který chcete zpracovat. + +Pokud nemáte GPU, kód automaticky přejde na CPU – stačí zakomentovat řádky týkající se GPU. + +## Krok 1 – Načtení obrázku pro OCR + +Prvním, co jakýkoli OCR workflow potřebuje, je zdroj obrázku. Aspose OCR poskytuje pohodlný obal `ImageStream`, který může číst ze souboru, pole bajtů nebo dokonce z URL. Zde používáme `ImageStream.fromFile`, protože je to nejužitečnější pro lokální vývoj. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Proč je to důležité:** Správné načtení obrázku zajišťuje, že OCR engine dostane přesná pixelová data, která potřebuje. Použití `ImageStream.fromFile` také automaticky řeší běžné zvláštnosti PNG (alfakanál, barevná hloubka). + +## Krok 2 – Povolení GPU akcelerace (aspose ocr gpu) + +Nyní přichází kouzlo: říct Aspose, aby běžel na GPU. Objekt `OcrDevice` uvnitř enginu vám umožní vybrat typ zařízení (`CPU` nebo `GPU`) a pokud máte více než jedno GPU, konkrétní ID zařízení. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Tip:** Pokud narazíte na chybu `CUDA driver not found`, zkontrolujte, že NVIDIA driver odpovídá verzi CUDA požadované Aspose OCR (obvykle CUDA 11.x pro verzi 23.x). +> **Okrajový případ:** Při běhu na serveru bez grafického rozhraní se ujistěte, že GPU není zamčena jiným procesem; jinak volání OCR tiše přejde na CPU. + +## Krok 3 – Rozpoznání textu z obrázku + +Po načtení obrázku a nastavení zařízení můžete konečně spustit OCR engine. Metoda `recognize()` vrací objekt `OcrResult`, který obsahuje čistý text, skóre důvěry a dokonce i ohraničující rámečky, pokud je budete potřebovat později. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Po spuštění programu byste měli vidět něco jako: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Co vidíte:** Raw řetězec extrahovaný z PNG. Pokud obrázek obsahuje tabulky nebo vícesloupcové rozvržení, můžete na engine povolit `LayoutAnalysis` pro lepší výsledky (mimo rozsah tohoto rychlého návodu). + +## Krok 4 – Ověření, že GPU je skutečně používáno + +Je snadné předpokládat, že GPU vykonává těžkou práci, ale rychlá kontrola může ušetřit hodiny ladění. Aspose OCR zapíše malý záznam do logu při inicializaci zařízení. + +Přidejte tento úryvek hned po nastavení typu zařízení: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Pokud výstup ukazuje `GPU`, můžete pokračovat. Pokud ukazuje `CPU`, zkontrolujte instalaci ovladače nebo se ujistěte, že proměnná prostředí `CUDA_HOME` ukazuje na správnou složku toolkit. + +## Časté problémy a jak se jim vyhnout + +| Příznak | Pravděpodobná příčina | Řešení | +|---------|-----------------------|--------| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA runtime not in `PATH` | Přidejte složku `bin` CUDA do systémové `PATH` nebo nastavte `java.library.path`. | +| OCR vrací prázdný řetězec | Image not loaded correctly (wrong path or unsupported format) | Zkontrolujte cestu k souboru a ověřte, že PNG není poškozený. | +| Výkon podobný CPU | GPU fallback because of driver mismatch | Aktualizujte NVIDIA driver na verzi uvedenou v poznámkách k vydání Aspose OCR. | +| Out‑of‑memory on large images | GPU memory exhausted | Snižte rozlišení obrázku nebo rozdělte obrázek na dlaždice před zpracováním. | + +## Bonus: Přepnutí na CPU, když GPU není k dispozici + +Někdy můžete spustit stejný kód na vývojovém notebooku bez CUDA‑schopné GPU. Zabalení výběru zařízení do bloku try‑catch činí program odolným. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Nyní stejný binární soubor funguje všude a stále získáte zvýšení rychlosti, kdekoli to hardware umožňuje. + +## Kompletní, připravený k spuštění příklad + +Níže je kompletní Java třída, která zahrnuje všechny kroky, kontroly a logiku přepnutí popsanou výše. Zkopírujte ji do svého IDE, upravte cestu k obrázku a spusťte. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Očekávaný výstup** (předpokládáme, že PNG obsahuje jednoduchý anglický text): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Pokud GPU není přítomna, uvidíte místo toho na posledním řádku „CPU“. + +## Vizualizace + +Níže je rychlý diagram toku dat – od načtení PNG po získání čistého textu. Alt text obrázku obsahuje hlavní klíčové slovo pro SEO. + +![aspose ocr gpu workflow – načtení obrázku, povolení GPU, rozpoznání textu] + +*Alt text: aspose ocr gpu workflow ukazující, jak načíst obrázek pro OCR, povolit GPU akceleraci a extrahovat text z png.* + +## Shrnutí a další kroky + +Právě jsme prošli, jak **aspose ocr gpu**‑akcelerovat proces **rozpoznávání textu z obrázku** a **extrahování textu z png** souborů. Hlavní body: + +1. **Načtěte obrázek** pomocí `ImageStream.fromFile`. +2. **Povolte GPU** pomocí `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Spusťte `recognize()`** a přečtěte `ocrResult.getText()`. +4. **Ověřte zařízení** a v případě potřeby se elegantně přepněte na CPU. + +Připraveni posunout hranice? Vyzkoušejte tyto experimenty: + +- **Dávkové zpracování:** Procházejte adresář PNG souborů a zapisujte každý výsledek do souboru `.txt`. +- **Analýza rozvržení:** Zapněte `ocrEngine.getOptions().setDetectDocumentStructure(true)`, aby se zachovaly sloupce a tabulky. +- **Více‑GPU škálování:** Pokud má vaše pracovní stanice několik GPU, spusťte paralelní vlákna, každé přiřazené k jinému `deviceId`. + +Tyto rozšíření prohloubí vaše ovládání **gpu accelerated ocr** a otevřou dveře k rozsáhlým projektům digitalizace dokumentů. + +--- + +*Šťastné programování! Pokud narazíte na potíže, zanechte komentář níže – rád vám pomohu s řešením.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/czech/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..840cc9ef5 --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-05-06 +description: Jak zvýšit kontrast při učení, jak předzpracovat obrázek, odstranit šum + a opravit rotaci obrázku pro spolehlivé rozpoznávání textu OCR. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: cs +og_description: Jak zvýšit kontrast v OCR obrázcích, jak předzpracovat obrázek, odstranit + šum a opravit rotaci obrázku pro přesné rozpoznávání textu. +og_title: Jak zlepšit kontrast v OCR – krok za krokem průvodce v Javě +tags: +- OCR +- Java +- Image Processing +title: Jak zvýšit kontrast v OCR – Kompletní průvodce předzpracováním v Javě +url: /cs/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak zlepšit kontrast v OCR – Kompletní průvodce předzpracováním v Javě + +Už jste se někdy zamýšleli **jak zlepšit kontrast**, aby váš OCR engine skutečně četl text místo toho, aby produkoval nesmysly? Nejste v tom sami. Většina vývojářů narazí na problém, když je zdrojový obrázek tmavý, nakřivený nebo posetý špičkami, a výsledek je frustrující selhání „rozpoznat text z obrázku“. + +Dobrá zpráva? Použitím několika chytrých kroků předzpracování — **jak předzpracovat obrázek**, **jak odstranit šum** a **správná rotace obrázku** — můžete proměnit šumový PNG s nízkým kontrastem na čisté plátno, které OCR engine miluje. V tomto tutoriálu projdeme reálný Java příklad s Aspose.OCR, vysvětlíme, proč je každý filtr důležitý, a ukážeme vám přesně **jak zlepšit kontrast** pro pevné rozpoznání. + +--- + +## Co se naučíte + +- Účel každého filtru předzpracování (odstranění sklonu, odstranění šumu, zvýšení kontrastu). +- **Jak předzpracovat obrázek** pomocí Aspose.OCR v Javě, krok za krokem. +- Praktické tipy pro **jak odstranit šum** a **správnou rotaci obrázku** před OCR. +- Přesný kód, který můžete zkopírovat, spustit a vidět výstup **rozpoznat text z obrázku**. + +> **Požadavky** – Java 17+, Maven nebo Gradle a licence Aspose.OCR pro Java (bezplatná zkušební verze stačí pro testování). Žádné další knihovny třetích stran nejsou vyžadovány. + +## Krok 1 – Nastavení projektu a import Aspose.OCR + +Než budeme mluvit o **jak zlepšit kontrast**, potřebujeme funkční Java projekt s OCR enginem. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Pokud dáváte přednost Gradlu, ekvivalent je: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Vytvořte jednoduchý soubor `src/main/java/PreprocessDemo.java` a importujte požadované třídy: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Tip:** Nechte zapnutou funkci automatického importu ve vašem IDE; ušetří vám spoustu zpětných kroků. + +## Krok 2 – Načtení obrázku, který chcete vyčistit + +Nyní, když je knihovna připravena, pojďme odpovědět na první část **jak předzpracovat obrázek**: načtení. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +V tomto okamžiku engine drží nízkokvalitní PNG, který pravděpodobně trpí špatným kontrastem, rotací a šumem. Pokud soubor otevřete, uvidíte přesně, proč by OCR selhalo. + +## Krok 3 – Aplikace filtrů: Odstranění sklonu, odstranění šumu, **Jak zlepšit kontrast** + +Toto je jádro tutoriálu — **jak zlepšit kontrast** při současném řešení rotace a šumu. Aspose.OCR přichází se třemi připravenými filtry: + +| Filtr | Co dělá | Proč je důležitý pro OCR | +|-------|---------|--------------------------| +| `DeskewFilter` | Detekuje a opravuje rotaci obrázku | Zajišťuje **správnou rotaci obrázku**, takže znaky nejsou nakloněné. | +| `NoiseRemovalFilter` | Snižuje náhodné špičky a zrnitost pozadí | Implementuje **jak odstranit šum**, aby engine viděl jen písmena. | +| `ContrastEnhancementFilter` | Zvyšuje rozdíl mezi popředím textu a pozadím | Přímo odpovídá na **jak zlepšit kontrast**, takže slabé tahy vyniknou. | + +Přidejte je v uvedeném pořadí — nejprve deskew, pak odstranění šumu a nakonec zvýšení kontrastu: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Proč toto pořadí?** +> • Deskew funguje nejlépe na surové matici pixelů; otáčení šumového obrázku může artefakty zesílit. +> • Vyčištění šumu před zvýšením kontrastu zabraňuje filtru zesílit špičky. +> • Nakonec zvýšení kontrastu nechá vyčištěné pixely vyniknout, což je přesně **jak zlepšit kontrast** pro OCR. + +## Krok 4 – Spuštění OCR enginu a **rozpoznání textu z obrázku** + +S připraveným pipeline předzpracování konečně voláme OCR engine. Tento krok odpovídá na konečnou otázku: **rozpoznat text z obrázku**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Když spustíte `java PreprocessDemo`, měli byste vidět čistý, čitelný text místo roztrhané šlamastyky. Typický výstup pro ukázkovou fakturu může vypadat takto: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Pokud výsledek stále vypadá rozmazaně, zvažte doladění parametrů `ContrastEnhancementFilter` (např. `setLevel(1.5)`) nebo dvojitě zkontrolujte, že zdrojový obrázek není komprimován pod úroveň obnovitelnosti. + +## Krok 5 – Vizuální kontrola: Před a po (volitelné) + +Seeing is believing. Below is a placeholder illustration that compares the original file with the processed version. The alt‑text explicitly mentions the primary keyword for SEO. + +![Diagram ukazující, jak zlepšit kontrast v OCR předzpracování – originál vs. vylepšený obrázek](https://example.com/contrast-demo.png "Jak zlepšit kontrast v OCR předzpracování") + +*Pokud spustíte kód na vlastním obrázku, všimnete si stejného dramatického nárůstu čitelnosti.* + +## Časté problémy a jak je opravit + +| Problém | Proč se stane | Oprava | +|---------|----------------|--------| +| Text je stále rozmazaný po zvýšení kontrastu | Úroveň filtru je příliš nízká nebo rozlišení obrázku nedostatečné | Zvyšte úroveň `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) nebo před zpracováním zvětšete obrázek. | +| OCR vrací prázdný řetězec | Obrázek byl úplně tmavý nebo všechny pixely byly odstraněny filtrem šumu | Snižte agresivitu `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Znaky jsou stále nakloněné | Deskew neodhalil úhel, protože obrázek byl silně zašuměný | Spusťte `DeskewFilter` **po** lehkém odstranění šumu, nebo ručně nastavte úhel rotace pomocí `DeskewFilter.setAngle(2.5)`. | +| Neočekávané Unicode symboly | Jazyk OCR není nastaven správně | Zavolejte `ocrEngine.setLanguage(OcrLanguage.English);` před `recognize()`. | + +## Rozšíření pipeline – Co když potřebujete více? + +Někdy můžete potřebovat **jak předzpracovat obrázek** pro barevné skeny nebo PDF. Aspose.OCR také nabízí: + +- `BinarizationFilter` – převádí na čistou černobílou, skvělé pro vysoký kontrast textu. +- `ResizeFilter` – zvětšuje malé písmo před OCR. +- `SharpenFilter` – zvýrazňuje hrany pro slabé ručně psané texty. + +Můžete je řetězit stejně jako tři základní filtry uvedené výše. Pamatujte, že pořadí stále hraje roli: resize → denoise → binarize → contrast → deskew je běžný recept. + +## Shrnutí: Od šumového PNG k čistému textu + +- **Jak zlepšit kontrast**: použijte `ContrastEnhancementFilter` po deskew a odstranění šumu. +- **Jak předzpracovat obrázek**: načtěte, přidejte filtry, pak spusťte OCR. +- **Jak odstranit šum**: `NoiseRemovalFilter` čistí pozadí, aniž by zničil tahy textu. +- **Správná rotace obrázku**: `DeskewFilter` zarovnává základní linii textu, předpoklad pro přesné rozpoznání. +- **Rozpoznat text z obrázku**: zavolejte `ocrEngine.recognize()` a přečtěte `ocrResult.getText()`. + +Všechny tyto kroky dohromady poskytují robustní pipeline, která funguje pro naskenované faktury, účtenky i staré tištěné knihy. + +## Co dál? + +- **Experimentujte**: Upravujte parametry filtrů a sledujte vliv na přesnost OCR. +- **Dávkové zpracování**: Zabalte výše uvedenou logiku do smyčky pro zpracování celých složek obrázků. +- **Integrace**: Přeneste výstup OCR do databáze nebo generátoru PDF pro kompletní automatizaci. + +Pokud vás zajímají další triky pro vylepšení obrázků — jako adaptivní prahování nebo inverze barev — podívejte se na oficiální dokumentaci Aspose nebo na průvodce „Advanced Image Pre‑processing with Aspose.OCR“. + +### Šťastné programování! + +Nyní víte **jak zlepšit kontrast** a celý příběh předzpracování, který promění nepořádek skenu na čistý, prohledávatelný text. Zanechte komentář, pokud narazíte na problémy, nebo sdílejte, jak jste si pipeline přizpůsobili pro své projekty. Pojďme udržet konverzaci o OCR živou! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/czech/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..0b1d6276f --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Jak použít Aspose OCR k rozpoznání textu z obrázku, povolit automatické + rozpoznávání jazyka a zlepšit rychlost OCR v Javě. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: cs +og_description: Jak použít Aspose OCR k rychlému rozpoznání textu z obrázku, povolit + automatické rozpoznávání jazyka a zlepšit rychlost OCR v Javě. +og_title: Jak používat Aspose OCR pro obrázky s více jazyky +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Jak použít Aspose OCR pro obrázky s více jazyky +url: /cs/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak používat Aspose OCR pro obrázky s více jazyky + +Už jste se někdy zamýšleli **jak použít Aspose** k získání textu z obrázku, který obsahuje několik jazyků najednou? Nejste sami — vývojáři často narazí na problém, když obrázek kombinuje angličtinu, ruštinu, hindštinu nebo jakýkoli jiný skript. Dobrou zprávou je, že Aspose OCR to zvládá elegantně a můžete dokonce **rozpoznat text z obrázku** rychleji tím, že zúžíte sadu jazyků. + +V tomto tutoriálu projdeme kompletním, připraveným příkladem v Javě, který **načte obrázek pro OCR**, zapne **automatické rozpoznávání jazyka** a ukáže jednoduchý trik k **zrychlení OCR**. Na konci budete mít samostatný program, který vytiskne extrahovaný text do konzole, a pochopíte, proč každé nastavení má význam. + +> **Požadavky** – Java 17+ nainstalovaná, Maven nebo Gradle pro správu závislostí a licence Aspose OCR (bezplatná zkušební verze stačí pro hodnocení). Žádné další knihovny nejsou potřeba. + +--- + +## Krok 1 – Přidání Aspose OCR do projektu + +Než budete moci **používat Aspose**, potřebujete knihovnu na classpath. S Maven vypadá takto: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Pokud dáváte přednost Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Tip:** Používejte nejnovější stabilní verzi; novější verze často obsahují vylepšení výkonu, která přímo ovlivňují **zrychlení OCR**. + +--- + +## Krok 2 – Vytvoření instance OCR Engine + +Srdcem každého pracovního postupu Aspose OCR je `OcrEngine`. Jeho vytvoření je jednoduché, ale stojí za zmínku, že engine uchovává interní cache. Opětovné použití jediné instance napříč mnoha obrázky může skutečně **zrychlit OCR**, protože knihovna se vyhne opakované nativní inicializaci. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Krok 3 – **Načíst obrázek pro OCR** + +Aspose podporuje mnoho formátů obrázků (PNG, JPEG, TIFF, BMP). Zde ukazujeme načtení PNG, který obsahuje text v angličtině, ruštině a hindštině. Pomocník `ImageStream.fromFile` abstrahuje detaily souborového I/O a zajistí, že obrázek je správně streamován do engine. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Co když je obrázek v paměti?** Použijte `ImageStream.fromByteArray(byte[])` – ideální pro webové služby, které přijímají obrázky jako bytové proudy. + +--- + +## Krok 4 – Povolení automatického rozpoznávání jazyka + +Ve výchozím nastavení předpokládá Aspose OCR jeden jazyk, což může vést k nečitelnému výstupu u vícejazykových obrázků. Zapnutí automatického rozpoznávání řekne engine, aby před rozpoznáním „vyčichl“ skript každého textového bloku. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Krok 5 – **Zrychlit OCR** omezením sady jazyků + +Úplná automatická detekce prohledává všechny jazyky, které Aspose podporuje (více než 70). Pokud znáte možné jazyky dopředu, můžete engine poskytnout nápovědu. Menší pole jazyků zmenšuje vyhledávací prostor a tím **zrychluje OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Proč to pomáhá?** Engine přeskočí jazykové modely, které nepotřebuje, čímž šetří CPU cykly a paměť. Pokud později přidáte další jazyky, stačí pole aktualizovat — žádná úprava kódu není nutná. + +--- + +## Krok 6 – Proveďte rozpoznání a **rozpoznat text z obrázku** + +Nyní se děje těžká práce. `recognize()` vrací objekt `OcrResult`, který obsahuje čistý text, skóre důvěry a dokonce i informace o rozložení, pokud je budete potřebovat později. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Očekávaný výstup v konzoli + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Pokud obrázek obsahuje další šum nebo nakřivený text, můžete u těchto řádků vidět nižší důvěru. V takovém případě zvažte předzpracování obrázku (odklon, binarizaci) před předáním Aspose. + +--- + +## Časté otázky a okrajové případy + +### Co když je obrázek obrovský (např. >10 MP)? + +Velké obrázky spotřebují více paměti a mohou zpomalit zpracování. Rychlý způsob, jak **zrychlit OCR**, je zmenšit rozlišení obrázku při zachování čitelnosti: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Jak zacházet se skripty zprava doleva, jako je arabština? + +Aspose OCR automaticky respektuje směr skriptu, ale můžete chtít nastavit příznak `RightToLeft` pro následné zpracování: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Můžu extrahovat text z PDF místo obrázků? + +Ano — převod každé stránky PDF na obrázek (pomocí Aspose PDF nebo libovolného rasterizéru) a předání výsledku do stejného OCR pipeline. Stejná logika **rozpoznat text z obrázku** se použije. + +--- + +## Kompletní funkční příklad (připravený ke zkopírování) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Uložte soubor jako `MixedLanguageDemo.java`, zkompilujte pomocí `javac` a spusťte pomocí `java MixedLanguageDemo`. Pokud je vše nastaveno správně, uvidíte v konzoli vytištěný vícejazykový text. + +--- + +## Závěr + +Nyní víte **jak používat Aspose** k **rozpoznání textu z obrázku** souborů, které obsahují několik jazyků, jak **povolit automatické rozpoznávání jazyka** a praktický tip, jak **zrychlit OCR** omezením sady jazyků. Výše uvedený kód je připravený ke zkopírování a vysvětlení by vám měla dodat jistotu při úpravě řešení — ať už potřebujete **načíst obrázek pro OCR** ze streamu, bytového pole nebo dokonce ze snímku webkamery. + +Další kroky? Vyzkoušejte: + +* Přidání předzpracování obrázku (odšumění, binarizace) pro skeny nízké kvality. +* Export `OcrResult` jako JSON pro downstream služby. +* Integraci engine do REST endpointu Spring Boot, aby klienti mohli nahrávat obrázky a okamžitě získávat extrahovaný text. + +Šťastné programování a ať jsou vaše OCR pipeline rychlé, přesné a vícejazykové! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/czech/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..93fe8c467 --- /dev/null +++ b/ocr/czech/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Rychle rozpoznávejte text z obrázku pomocí Java OCR příkladu. Naučte + se extrahovat text z TIFF souborů s paralelním OCR zpracováním a jak efektivně provádět + OCR v Javě. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: cs +og_description: Rychle rozpoznávejte text z obrázku s kompletním příkladem Java OCR. + Tento tutoriál ukazuje, jak extrahovat text z TIFF pomocí paralelního zpracování + OCR. +og_title: rozpoznat text z obrázku pomocí Java OCR – Průvodce paralelním zpracováním +tags: +- OCR +- Java +- Image Processing +title: Rozpoznání textu z obrázku pomocí Java OCR – Průvodce paralelním zpracováním +url: /cs/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# rozpoznání textu z obrázku pomocí Java OCR – Průvodce paralelním zpracováním + +Už jste někdy potřebovali **recognize text from image** soubory, ale uvízli jste v úzkém místě výkonu? Nejste v tom sami. Mnoho vývojářů narazí na limit, když jednovláknový OCR engine prochází multi‑page TIFFy, proměňujíc rychlý úkol v maraton. + +V tomto tutoriálu projdeme **java ocr example**, který nejen extrahuje text z tiff souborů, ale také využívá všechny jádra CPU pro paralelní ocr processing. Na konci budete přesně vědět, *how to ocr java* projekty efektivně, a budete mít připravený kódový úryvek, který můžete vložit do jakéhokoli Maven nebo Gradle nastavení. + +## Co se naučíte + +- Nastavte knihovnu Aspose.OCR v Java projektu. +- Načtěte multi‑page TIFF a připravte jej pro rozpoznání. +- Povolte **parallel OCR processing** nastavením počtu vláken podle počtu logických jader CPU. +- Získejte a zobrazte rozpoznaný text, čímž dokončíte workflow **recognize text from image**. + +> **Předpoklad:** Java 8 nebo novější a platná licence Aspose.OCR pro Java (nebo dočasný evaluační klíč). Žádné další externí nástroje nejsou vyžadovány. + +--- + +## Krok 1: Přidejte závislost Aspose.OCR + +Než budeme moci **recognize text from image**, potřebujeme OCR engine na classpath. Pokud používáte Maven, přidejte následující do vašeho `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Pro Gradle je ekvivalent: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Tip:* Udržujte číslo verze aktuální; novější vydání často obsahují optimalizace výkonu, které dělají **parallel ocr processing** ještě rychlejší. + +--- + +## Krok 2: Připravte Java třídu – Kompletní funkční příklad + +Níže je samostatný **java ocr example**, který ukazuje, jak **extract text from tiff** pomocí všech dostupných jader CPU. Uložte jej jako `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Proč je každý řádek důležitý** + +- **Vytvoření enginu**: `OcrEngine` zapouzdřuje veškerou těžkou práci. Bez něj nemůžete vůbec **recognize text from image**. +- **Načítání obrazu**: `ImageStream.fromFile` podporuje TIFF, PNG, JPEG atd. Použití multi‑page TIFF testuje schopnost enginu zpracovávat komplexní dokumenty. +- **Počet vláken**: `Runtime.getRuntime().availableProcessors()` vrací počet logických jader (včetně hyper‑threadů). Nastavení této hodnoty spouští **parallel ocr processing**, což dramaticky zkracuje dobu běhu na vícejádrových strojích. +- **Rozpoznání**: `engine.recognize()` spouští OCR pipeline. Interně rozděluje stránky mezi vlákna ve vámi definovaném poolu. +- **Zpracování výsledku**: `result.getText()` vrací jediný `String` obsahující spojovaný text všech stránek – ideální pro následné zpracování nebo uložení. + +--- + +## Krok 3: Spusťte demo a ověřte výstup + +Zkompilujte a spusťte program: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Měli byste vidět něco jako: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Pokud konzole vypíše očekávaný text, gratulujeme—úspěšně jste **recognize text from image** pomocí **java ocr example**, který běží paralelně. + +--- + +## Krok 4: Úpravy pro reálné scénáře (volitelné) + +### Extrahovat text pouze z konkrétních stránek + +Někdy potřebujete jen určité stránky z velkého TIFFu. Můžete filtrovat po rozpoznání: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Manuálně upravit počet vláken + +Pokud je váš server již zaneprázdněn jinými úkoly, můžete omezit OCR vlákna: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Zpracování paměťově náročných TIFFů + +Velké multi‑page TIFFy mohou spotřebovat hodně RAM. Pro zmírnění můžete soubor zpracovávat po částech: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Krok 5: Časté úskalí a jak se jim vyhnout + +| Problém | Symptom | Řešení | +|-------|---------|-----| +| **Nedostatečná licence** | Runtime vyhodí `LicenseException` | Použijte platný licenční soubor nebo použijte režim bezplatného hodnocení (přidá vodoznak). | +| **Špatná cesta k souboru** | `FileNotFoundException` | Zkontrolujte cestu a během testování používejte absolutní cesty. | +| **Omezení CPU** | Žádné zvýšení rychlosti navzdory `setThreadCount` | Ujistěte se, že JVM není omezen parametrem `-Xmx` nebo nastavením úspory energie OS. | +| **Nesprávný formát obrazu** | `UnsupportedFormatException` | Převeďte obrázek na TIFF, PNG nebo JPEG před předáním enginu. | + +--- + +## Vizualizovaný souhrn + +![příklad rozpoznání textu z obrázku](image-placeholder.png "rozpoznání textu z obrázku") + +*Alt text:* “Diagram zobrazující tok rozpoznání textu z obrázku pomocí Java OCR s paralelním zpracováním” + +--- + +## Závěr + +Právě jsme prošli kompletním **java ocr example**, který **recognize text from image** soubory, konkrétně multi‑page TIFFy, a zároveň plně využívá **parallel ocr processing**. Přizpůsobením thread poolu vašim CPU jádrům získáte téměř lineární zrychlení na moderním hardware – přesně odpověď na otázku „*how to ocr java* efficiently?“. + +Dále můžete zkoumat: + +- **extract text from tiff** soubory ve šaržích a ukládat výsledky do databáze. +- Kombinovat OCR s NLP knihovnami (např. OpenNLP) pro automatické označování extrahovaných entit. +- Nasadit řešení jako mikroservisu za REST endpoint pro OCR na požádání. + +Vyzkoušejte to, upravte počet vláken a uvidíte, jak rychlejší se vaše pipeline stane. Pokud narazíte na problémy, zanechte komentář níže—šťastné programování! + +{{< /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..61511fe28 100644 --- a/ocr/czech/java/ocr-operations/_index.md +++ b/ocr/czech/java/ocr-operations/_index.md @@ -76,6 +76,12 @@ Uvolněte sílu OCR v Javě s Aspose.OCR. Bez námahy rozpoznávejte text v PDF ### [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. ### [Rozpoznání textu z obrázku pomocí Aspose OCR – Kompletní Java OCR tutoriál](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) +### [Jak používat OCR v Javě – Extrahovat text z obrázku s korekcí pravopisu](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Naučte se, jak pomocí Aspose.OCR v Javě extrahovat text z obrázku a automaticky opravit pravopisné chyby pro vyšší přesnost. +### [Vytvoření prohledávatelného PDF z obrázku – krok za krokem průvodce pro Javu](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Naučte se, jak pomocí Aspose.OCR převést obrázek na prohledávatelný PDF soubor v Javě, krok po kroku. +### [Vytvoření prohledávatelného PDF z obrázku pomocí Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Naučte se převést obrázek na prohledávatelný PDF soubor pomocí Aspose.OCR v Javě během několika kroků. ## Často kladené otázky diff --git a/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..be9a59068 --- /dev/null +++ b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Vytvořte prohledávatelný PDF z obrázku pomocí Aspose OCR. Naučte se, + jak převést obrázek na PDF, provést OCR obrázku do PDF a extrahovat text z obrázku + během několika minut. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: cs +og_description: Vytvořte prohledávatelný PDF z obrázku pomocí Aspose OCR. Postupujte + podle tohoto návodu, abyste převáděli JPG na prohledávatelný PDF, extrahovali text + z obrázku a další. +og_title: Vytvořte prohledávatelný PDF z obrázku – kompletní Java tutoriál +tags: +- Java +- OCR +- PDF +- Aspose +title: Vytvořte prohledávatelný PDF z obrázku – krok za krokem Java průvodce +url: /cs/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Vytvoření prohledávatelného PDF z obrázku – Kompletní Java tutoriál + +Už jste někdy potřebovali **vytvořit prohledávatelné PDF** ze skenované fotografie, ale nebyli jste si jisti, kterou knihovnu zvolit? Nejste v tom sami. V mnoha projektech—například automatizace výdajových zpráv nebo digitální archivace—je schopnost převést obyčejný obrázek na PDF, které můžete skutečně prohledávat, průlomová. + +Proto vás v tomto tutoriálu provede celým procesem **convert image to PDF**, spustí na něm OCR a získáte **searchable PDF**, které můžete vložit do jakéhokoli pracovního postupu s dokumenty. Dotkneme se také **extract text from image** a ukážeme, jak **convert jpg to searchable pdf** bez spousty boilerplate kódu. + +## Co se naučíte + +- Přesnou Maven/Gradle závislost, kterou potřebujete pro Aspose OCR. +- Jak načíst JPG (nebo jakýkoli podporovaný obrázek) do OCR enginu. +- Proč je důležité ukládat s `OcrSaveFormat.PDF_SEARCHABLE`. +- Běžné úskalí (velké obrázky, nepodporované formáty) a jak se jim vyhnout. +- Jak ověřit, že výsledné PDF opravdu obsahuje prohledávatelný text. + +Na konci tohoto průvodce budete mít připravenou Java třídu, která v jediném volání metody vytvoří prohledávatelné PDF. Žádné externí nástroje z příkazové řádky, žádné další OCR enginy—pouze čistá Java. + +--- + +## Požadavky + +| Požadavek | Proč je důležitý | +|-----------|-------------------| +| Java 8 nebo novější | Aspose OCR používá moderní jazykové funkce. | +| Maven nebo Gradle (pro správu závislostí) | Umožňuje snadno stáhnout Aspose OCR JAR. | +| Vzorek obrázku (`input.jpg`) umístěný ve známé složce | Kód očekává cestu k souboru; můžete ji nahradit PNG, BMP atd. | +| Volitelně: PDF prohlížeč s možností vyhledávání (Adobe Reader, Foxit, atd.) | Pro potvrzení, že PDF je skutečně prohledávatelné. | + +Pokud už máte vše připravené, skvěle—přeskočíme na praktickou část. + +--- + +## Krok 1: Přidejte Aspose OCR do svého projektu + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Tip:** Bezplatná evaluační verze přidá malou vodoznak na první stránku. Pro produkci si pořiďte licenci od Aspose a před vytvořením `OcrEngine` zavolejte `License license = new License(); license.setLicense("Aspose.OCR.lic");`. + +--- + +## Krok 2: Načtěte obrázek, který chcete převést + +Použijeme `ImageStream.fromFile` k načtení obrázku přímo z disku. Tato metoda podporuje JPG, PNG, TIFF a mnoho dalších formátů, takže můžete **convert image to PDF** bez ohledu na zdroj. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Proč tento krok?** OCR engine potřebuje bitmapovou reprezentaci textu. Poskytnutí vysoce rozlišeného obrázku (300 dpi nebo vyšší) dramaticky zvyšuje přesnost rozpoznání, což zase vede k lepším výsledkům **extract text from image**. + +--- + +## Krok 3: Spusťte OCR a uložte jako prohledávatelné PDF + +Magie nastane, když zavoláte `save` s formátem `PDF_SEARCHABLE`. Pod kapotou Aspose OCR vytvoří skrytou textovou vrstvu, která leží nad původním obrázkem, a promění statický obrázek na **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Pokud raději chcete obyčejné PDF bez skryté vrstvy, zaměňte `PDF_SEARCHABLE` za `PDF`. Pro většinu archivních scénářů je však prohledávatelná varianta tou pravou. + +--- + +## Krok 4: Ověřte výsledek + +Po dokončení programu otevřete `searchable.pdf` v libovolném PDF prohlížeči a vyzkoušejte vestavěné vyhledávání (Ctrl + F). Pokud najdete slova, která byla původně jen v obrázku, gratulujeme—úspěšně jste provedli **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Hraniční případ:** Velmi velké obrázky (> 10 MB) mohou způsobit `OutOfMemoryError`. Pro zmírnění tohoto problému obrázek předem zmenšete pomocí `java.awt.Image` nebo knihovny jako Thumbnailator. + +--- + +## Kompletní funkční příklad + +Níže je kompletní, samostatná Java třída. Zkopírujte ji do svého IDE, upravte cesty a spusťte—žádné další kroky nejsou potřeba. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Očekávaný výstup:** + +``` +Searchable PDF created. +``` + +Když otevřete `YOUR_DIRECTORY/searchable.pdf`, měli byste být schopni vyhledat jakékoli slovo, které se nachází v `input.jpg`. To je podstata **convert jpg to searchable pdf**. + +--- + +## Často kladené otázky (FAQ) + +### Můžu zpracovat více obrázků najednou? +Ano. Procházejte seznam cest k souborům, pro každý zavolejte `setImage` a buď přidejte stránky do jednoho PDF (`PDF_SEARCHABLE`), nebo vytvořte samostatná PDF. Nezapomeňte mezi iteracemi resetovat stav enginu (`ocrEngine.clear()`). + +### Co když je přesnost OCR nízká? +- Ujistěte se, že zdrojový obrázek má alespoň 300 dpi. +- Použijte `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` pro nastavení jazyka. +- Předzpracujte obrázek (odstranění šikmosti, zvýšení kontrastu) pomocí knihovny jako OpenCV. + +### Podporuje Aspose OCR i jiné jazyky? +Ano. Výčtový typ `OcrLanguage` zahrnuje francouzštinu, němčinu, čínštinu, arabštinu a mnoho dalších. Přepněte jazyk před voláním `save`. + +### Jak vložit prohledávatelné PDF do existujícího dokumentu? +Chovejte výstup jako libovolné běžné PDF. Použijte knihovnu pro slučování PDF (např. iText nebo Aspose PDF) a spojte jej s ostatními PDF soubory. + +--- + +## Tipy a triky z praxe + +- **Tip:** Pokud potřebujete malou velikost souboru, před uložením zavolejte `ocrEngine.getConfig().setCompress(true);`. +- **Dejte si pozor na:** Obrázky s průhledným pozadím—Aspose OCR považuje průhlednost za bílou, což může ovlivnit kontrast. +- **Pamatujte:** Prohledávatelné PDF je stále rasterový obrázek pod textovou vrstvou. Pokud potřebujete plně vektorové PDF, budete muset rozvržení vytvořit ručně. + +--- + +## Závěr + +Právě jsme prošli vším, co potřebujete k **create searchable PDF** souborům z obrázků pomocí Aspose OCR v Javě. Od přidání Maven závislosti po ověření skryté textové vrstvy je proces přímočarý a plně programovatelný. Nyní můžete **convert image to pdf**, **ocr image to pdf** a dokonce **extract text from image** přímo ve svém IDE. + +Jste připraveni na další krok? Vyzkoušejte hromadné zpracování složky s naskenovanými účtenkami nebo spojte tento workflow s cloudovým spouštěčem (AWS Lambda, Azure Functions) a automatizujte pipeline pro ingestování dokumentů. Možnosti jsou neomezené—experimentujte! + +Pokud narazíte na problémy nebo máte nápady na vylepšení, zanechte komentář níže. Šťastné kódování! + +![Diagram ukazující tok: obrázek → OCR engine → prohledávatelné PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..ee45af43b --- /dev/null +++ b/ocr/czech/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Vytvořte prohledávatelný PDF z obrázku pomocí Aspose OCR v Javě. Naučte + se převést obrázek na PDF, povolit opravu pravopisu a použít OCR GPU pro rychlé + výsledky. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: cs +og_description: Vytvořte prohledávatelný PDF z obrázku pomocí Aspose OCR v Javě. Tento + návod ukazuje, jak převést obrázek na PDF, povolit opravu pravopisu a použít OCR + GPU. +og_title: Vytvořte prohledávatelný PDF z obrázku pomocí Java OCR +tags: +- OCR +- Java +- PDF +title: Vytvořte prohledávatelný PDF z obrázku pomocí Java OCR +url: /cs/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Vytvoření prohledávatelného PDF z obrázku pomocí Java OCR + +Už jste někdy potřebovali **vytvořit prohledávatelné PDF** ze skenovaného obrázku, ale nevedeli jste, kde začít? Nejste v tom sami — většina vývojářů narazí na tuto překážku, když poprvé řeší PDF založené na obrázcích. Naštěstí s Aspose OCR pro Java můžete **převést obrázek na PDF**, proměnit text na vybraný obsah a dokonce přidat opravu pravopisu pro vylepšený výsledek. + +V tomto tutoriálu projdeme kompletním, připraveným příkladem, který ukazuje, jak **použít OCR GPU**, když je k dispozici, jak **efektivně zpracovat OCR obrázku** a proč má povolení opravy pravopisu vliv na následné vyhledávání. Na konci budete mít jedním kliknutím způsob, jak vygenerovat prohledávatelné PDF, které můžete distribuovat uživatelům nebo archivovat pro soulad s předpisy. + +> **Tip:** Pokud spouštíte kód na stroji bez GPU, přejde automaticky na CPU, takže nemusíte nic přepisovat. + +--- + +## Co budete potřebovat + +- **Java 8+** (kód se kompiluje s JDK 8 a novějším) +- **Aspose OCR for Java** knihovna (stáhněte nejnovější JAR z webu Aspose) +- **Vstupní obrázek** (JPEG, PNG, TIFF atd.), který chcete převést na prohledávatelné PDF +- (Volitelné) **GPU** s podporou CUDA, pokud chcete nejrychlejší rozpoznávání + +Žádné další frameworky, žádné Maven/Gradle triky — pouze jeden JAR na classpath a můžete začít. + +--- + +## Krok 1: Inicializace OCR enginu – Srdce procesu + +Nejprve vytvoříme instanci `OcrEngine` a nasměrujeme ji na zdrojový soubor. Tento objekt je „pracovní kůň“, který načte obrázek, spustí neuronovou síť a vrátí nám text. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Proč je to důležité:* Inicializace enginu jednou a jeho opakované používání eliminuje zátěž spojenou s opakovaným načítáním nativních knihoven — malý výkonový zisk, který se projeví při hromadném zpracování desítek souborů. + +--- + +## Krok 2: Výběr zařízení pro zpracování – Použít OCR GPU, pokud je k dispozici + +Pokud má vaše pracovní stanice kompatibilní GPU, můžete Aspose říct, aby těžkou část prováděl na ní. Jinak engine automaticky přepne na CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Jaký je přínos?* Akcelerace pomocí GPU může ušetřit sekundy u každé stránky, zejména u vysoce rozlišených skenů. Návrat na CPU zajišťuje, že stejný kód funguje všude, což je důvod, proč doporučujeme **use OCR GPU** jako výchozí nastavení. + +--- + +## Krok 3: Zrychlete sken — využijte všechny CPU jádra + +I když je GPU zaneprázdněná, okolní předzpracování lze paralelizovat. Nastavení počtu vláken na počet dostupných procesorů dává enginu šanci zpracovávat více částí najednou. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Poznámka:* Na 4‑jádrovém notebooku se spustí čtyři vlákna; na 16‑jádrové pracovní stanici získáte plný přínos. Jen mějte na paměti, že více vláken znamená vyšší spotřebu paměti. + +--- + +## Krok 4: Vyčištění obrázku — filtry předzpracování + +Rozmazaný nebo šumivý sken vytvoří nečitelné texty. Přidání několika vestavěných filtrů dramaticky zvyšuje přesnost. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Proč tyto filtry?* `DeskewFilter` opravuje rotaci, která často vzniká, když je dokument nasunut do skeneru pod úhlem. `NoiseRemovalFilter` odstraňuje osamělé pixely, které by jinak byly mylně interpretovány jako znaky. Představte si to jako podání čistého listu papíru OCR enginu. + +--- + +## Krok 5: Zapnutí chytrých funkcí — povolení opravy pravopisu a automatické detekce jazyka + +Pokud pracujete s vícejazyčnými dokumenty nebo jen chcete méně překlepů, zapněte vestavěný kontrolor pravopisu a nechte engine hádat jazyk. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Kdy je to užitečné?* Představte si sken obsahující jak anglické, tak španělské sekce. Funkce automatické detekce přepíná slovníky za běhu, zatímco oprava pravopisu vyčistí špatně rozpoznané znaky, např. “0” místo “O”. Tento krok je zásadní pro vytvoření **prohledávatelného PDF**, které skutečně vrací správné výsledky. + +--- + +## Krok 6: Uložení výsledku — převod obrázku na PDF a jeho zpřístupnění pro vyhledávání + +Nakonec požádáme engine, aby zapsal PDF, kde původní obrázek leží za neviditelnou textovou vrstvou. Jedná se o klasický **convert image to PDF** workflow, ale PDF je nyní prohledávatelné. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Výstupní soubor (`output-searchable.pdf`) lze otevřít v libovolném PDF prohlížeči; budete moci text vybírat, kopírovat a vyhledávat stejně jako v nativním PDF. Žádné další nástroje nejsou potřeba. + +--- + +## Kompletní funkční příklad — kopírujte a spusťte + +Níže je celý program připravený ke kompilaci. Nahraďte `YOUR_DIRECTORY` složkou, která obsahuje `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Očekávaný výstup:** Po spuštění programu uvidíte v konzoli řádek *„Searchable PDF generated successfully.“* Otevřením `output-searchable.pdf` v Adobe Readeru můžete zadat slovo z původního obrázku do vyhledávacího pole a okamžitě přejít na jeho místo. + +--- + +## Často kladené otázky a okrajové případy + +- **Co když není detekováno GPU?** + Volání `setDeviceType(OcrDeviceType.GPU)` nevyvolá výjimku; pouze instruuje engine, aby nejprve zkusil GPU. Pokud selže, engine tiše přejde na CPU. + +- **Mohu zpracovávat více obrázků v jednom běhu?** + Ano. Zabalte kód do smyčky, měňte název souboru v každé iteraci a znovu použijte stejnou instanci `OcrEngine`, čímž udržíte nízkou spotřebu paměti. + +- **Moje PDF je obrovské — jak ho zmenšit?** + Po OCR můžete použít optimalizační API Aspose PDF, nebo jednoduše zmenšit vstupní obrázek před předáním enginu (`ImageStream.fromFile(...).setResolution(150)` pro 150 DPI). + +- **Potřebuji zachovat původní rozlišení obrázku pro právní soulad.** + Formát `PDF_SEARCHABLE` zachovává bitmapu přesně tak, jak je; neviditelná textová vrstva je přidána navrchu, aniž by se změnila vizuální kvalita. + +--- + +## Vizuální shrnutí + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt text:* *příklad vytvoření prohledávatelného PDF – Java OCR engine převádí naskenovaný JPG na prohledávatelné PDF.* + +--- + +## Závěr + +Nyní máte **kompletní end‑to‑end řešení** pro převod libovolného obrázku na **prohledávatelné PDF** pomocí Aspose OCR pro Java. Díky **convert image to PDF**, **povolení opravy pravopisu** a **použití OCR GPU**, když je to možné, získáte rychlé, přesné a prohledávatelné výsledky, které fungují napříč platformami. + +Co dál? Vyzkoušejte: + +- **Různé výstupní formáty** (`PDF`, `DOCX`, `HTML`) a podívejte se, jak se chová textová vrstva. +- **Vlastní slovníky**, pokud zpracováváte oborový žargon. +- **Hromadné zpracování** pro automatické zpracování tisíců skenů. + +Klidně upravte počet vláken, vyměňte filtry nebo zapojte vlastní pipeline předzpracování. Základní vzorec zůstává stejný: načíst → předzpracovat → nakonfigurovat → OCR → uložit. + +Šťastné programování a ať jsou vaše PDF vždy prohledávatelná! + +{{< /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-image-with-spell-co/_index.md b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..58370f7ad --- /dev/null +++ b/ocr/czech/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: Jak použít OCR k extrakci textu z obrázku v Javě. Naučte se převod obrázku + na text pomocí OCR, opravit chyby OCR a načíst obrázek pro OCR s Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: cs +og_description: Jak použít OCR v Javě k extrahování textu z obrázku, opravě chyb OCR + a načtení obrázku pro OCR pomocí Aspose OCR. +og_title: Jak používat OCR v Javě – kompletní průvodce +tags: +- OCR +- Java +- Aspose +title: Jak použít OCR v Javě – Extrahovat text z obrázku s opravou pravopisu +url: /cs/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 obrázku s opravou pravopisu + +Už jste se někdy zamysleli **jak používat OCR** k převodu rozmazané fotografie účtenky na čistý, prohledávatelný text? Nejste v tom sami. V mnoha projektech—aplikacích pro sledování výdajů, pipelinech pro digitalizaci faktur nebo dokonce rychlém skriptu pro zapisování poznámek—získání spolehlivého textu z obrázku je první překážkou. + +Tento tutoriál vám přesně ukáže, jak používat OCR v Javě, pokrývající vše od načtení obrázku pro OCR až po opravu OCR chyb, aby výsledek vypadal, jako by byl napsán člověkem. Na konci budete schopni **extrahovat text z obrázku**, provést konverzi **OCR image to text** a automaticky opravit běžné chyby rozpoznávání. + +## Co vytvoříte + +Vytvoříme malý Java konzolový program, který: + +1. Načte PNG (nebo jakýkoli podporovaný formát) do Aspose OCR engine. +2. Aktivuje vestavěnou funkci opravy pravopisu pro **opravu OCR chyb**. +3. Spustí proces rozpoznávání a vypíše vyčištěný text. + +C​e žádné externí služby, žádné těžké frameworky—pouze jeden JAR a několik řádků kódu. + +### Požadavky + +- Java Development Kit (JDK) 8 nebo novější. +- Maven (nebo jakýkoli nástroj pro sestavení) pro stažení knihovny Aspose OCR. +- Soubor s obrázkem (např. `receipt.png`), který chcete analyzovat. + +Pokud vám chybí Aspose OCR JAR, přidejte tuto závislost do vašeho `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Tip:** Bezplatná evaluační verze funguje pro testování, ale licence odstraní evaluační vodoznak. + +## Krok 1 – Inicializace OCR Engine (Primární klíčové slovo v akci) + +Prvním krokem je vytvořit instanci `OcrEngine`. Představte si ji jako mozek, který bude číst pixely a převádět je na znaky. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Proč je to důležité:* Inicializace engine nastaví interní zdroje (jazykové modely, slovníky atd.). Vynechání tohoto kroku by později při načítání obrázku způsobilo `NullPointerException`. + +## Krok 2 – Načtení obrázku pro OCR + +Nyní skutečně **načteme obrázek pro OCR**. Aspose poskytuje pohodlný pomocník `ImageStream.fromFile`, ale můžete také předat `byte[]`, pokud chcete. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Častý úskalí:* Cesta k souboru musí být absolutní nebo relativní k pracovnímu adresáři. Pokud obrázek nelze najít, engine vyhodí `IOException`. Zkontrolujte cestu, zejména při spuštění z IDE oproti zabalenému JAR. + +## Krok 3 – Aktivace opravy pravopisu pro **opravu OCR chyb** + +Výchozí OCR může být hlučné—např. “l0ve” místo “love” nebo “0” místo “O”. Aktivace opravy pravopisu řekne engine, aby provedl post‑processing, který opraví typické chyby. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Proč to chcete:* Bez opravy pravopisu byste museli výstup ručně čistit, což ruší smysl automatizace. Vestavěný slovník funguje dobře pro angličtinu a několik dalších jazyků. + +## Krok 4 – Provedení rozpoznání (**OCR Image to Text**) + +S načteným obrázkem a aktivovanou opravou pravopisu můžeme nakonec požádat engine o rozpoznání textu. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Hraniční případ:* Pokud je obrázek nízkokontrastní nebo silně nakloněný, výsledek může stále obsahovat nesmysly. Zvažte předzpracování (např. binarizaci, deskew) před předáním engine. + +## Krok 5 – Výstup vyčištěného textu + +Poslední krok je jednoduše vytištění výsledku. Ve skutečné aplikaci jej můžete zapsat do databáze nebo souboru, ale pro tuto ukázku stačí `System.out`. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Očekávaný výstup + +Předpokládáme, že `receipt.png` obsahuje jasný seznam položek, můžete vidět něco jako: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Všimněte si, že „Qty“ a „Price“ jsou napsány správně, i když původní sken měl chybný „Qy“. + +## Kompletní funkční příklad + +Níže je kompletní program, který můžete zkopírovat a vložit do souboru pojmenovaného `SpellCorrectDemo.java`. Ujistěte se, že Aspose OCR JAR je ve vaší classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Spusťte jej pomocí: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Nyní byste měli vidět vyčištěný text vytištěný do konzole. + +## Bonus: Ladění nastavení pro vyšší přesnost + +Zatímco výchozí konfigurace funguje pro většinu tištěných dokumentů, možná budete muset upravit několik parametrů pro specializované scénáře: + +| Nastavení | Co dělá | Kdy změnit | +|-----------|---------|------------| +| `setLanguage(OcrLanguage.English)` | Vynutí anglický slovník (snižuje falešně pozitivní výsledky) | Pokud obrázek obsahuje pouze anglický text. | +| `setResolution(300)` | Řekne engine DPI zdrojového obrázku | Pro skeny s vysokým rozlišením. | +| `setEnableAutoSkewCorrection(true)` | Automaticky otočí mírně nakloněné stránky | Když jsou obrázky pořízeny telefonem. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Často kladené otázky + +**Q: Funguje to s PDF?** +A: Ano. Převést každou stránku PDF na obrázek (např. pomocí Aspose PDF) a předat obrázek OCR engine. + +**Q: Co když je můj obrázek ve formátu BMP?** +A: `ImageStream.fromFile` podporuje PNG, JPEG, BMP, TIFF a GIF přímo. Stačí změnit příponu souboru. + +**Q: Můžu vypnout opravu pravopisu?** +A: Rozhodně—nastavte `setEnableSpellCorrection(false)`, pokud potřebujete surový OCR výstup pro další zpracování. + +## Závěr + +Nyní víte **jak používat OCR** v Javě k **extrahování textu z obrázku**, automaticky **opravovat OCR chyby** a správně **načíst obrázek pro OCR** pomocí Aspose OCR. Pěti‑krokový tok—initialise, load, enable spell correction, recognize, and output—pokrývá většinu běžných OCR úkolů. + +Odtud zvažte propojení této logiky s databázovým zápisem, REST endpointem nebo dávkovým procesorem pro zpracování desítek účtenek najednou. Experimentujte s tabulkou nastavení výše, abyste vytáhli poslední možnou přesnost. + +Šťastné programování a ať jsou vaše OCR výsledky vždy čistší než vaše kávou znečištěné účtenky! + +![how to use ocr diagram showing image → OCR engine → corrected text flow] + +{{< /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..d96fea996 100644 --- a/ocr/dutch/java/advanced-ocr-techniques/_index.md +++ b/ocr/dutch/java/advanced-ocr-techniques/_index.md @@ -45,25 +45,20 @@ Versterk uw Java-applicaties met Aspose.OCR voor nauwkeurige tekstherkenning. De Extraheer moeiteloos tekst uit afbeeldingen door toegestane tekens op te geven met Aspose.OCR voor Java. Volg onze stapsgewijze handleiding voor efficiënte integratie en zorg voor een naadloze tekstherkenningservaring. Verbeter uw Java-applicaties met Aspose.OCR-mogelijkheden. -## Conclusie - -Met Aspose.OCR voor Java is het beheersen van geavanceerde OCR-technieken nog nooit zo eenvoudig geweest. Duik in deze tutorials en ontgrendel het volledige potentieel van tekstherkenning in uw Java-projecten. Verbeter uw toepassingen met naadloze integratie, hoge nauwkeurigheid en veelzijdige mogelijkheden voor tekstextractie. Download nu en zet de eerste stap naar uitmuntende OCR met Aspose.OCR voor Java! -## Tutorials voor geavanceerde OCR-technieken -### [OCR uitvoeren op BufferedImage in Aspose.OCR voor Java](./perform-ocr-buffered-image/) -Voer moeiteloos OCR uit op BufferedImage met Aspose.OCR voor Java. Extraheer tekst naadloos uit afbeeldingen. Download nu voor een veelzijdige tekstherkenningservaring. -### [OCR uitvoeren op afbeelding vanaf URL in Aspose.OCR voor Java](./perform-ocr-image-from-url/) -Ontgrendel naadloze afbeeldingstekstextractie in Java met Aspose.OCR. Hoge nauwkeurigheid OCR met eenvoudige integratie. -### [OCR uitvoeren op een specifieke pagina in Aspose.OCR](./perform-ocr-on-page/) -Ontgrendel de kracht van Aspose.OCR voor Java met onze stapsgewijze handleiding voor het uitvoeren van OCR op specifieke pagina's. Extraheer moeiteloos tekst uit afbeeldingen en verbeter uw Java-projecten. -### [Rechthoeken voorbereiden voor OCR in Aspose.OCR](./prepare-rectangles-for-ocr/) -Ontgrendel de kracht van tekstherkenning met Aspose.OCR voor Java. Volg onze stapsgewijze handleiding voor een naadloze integratie. Verbeter uw Java-applicaties met efficiënte OCR-mogelijkheden. -### [Lijnen herkennen in Aspose.OCR voor Java](./recognize-lines/) -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. +## [Hoe Aspose OCR te gebruiken voor afbeeldingen met gemengde talen](./how-to-use-aspose-ocr-for-mixed-language-images/) +Leer hoe u Aspose OCR kunt toepassen op afbeeldingen die tekst in meerdere talen bevatten, voor nauwkeurige extractie. + +## [Hoe contrast te verbeteren in OCR – Complete Java pre‑verwerkingshandleiding](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) + +Leer hoe u het contrast van afbeeldingen verbetert voor betere OCR-resultaten met een volledige Java-preprocessingsgids. + +### [GPU-gids voor Aspose OCR: Versnel tekstextractie van PNG-afbeeldingen](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +### [Tekst herkennen uit afbeelding met Java OCR – Parallelle verwerking gids](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Leer hoe u met Java OCR tekst uit afbeeldingen parallel verwerkt voor snellere resultaten en hogere efficiëntie. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/dutch/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..f3aa294fc --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: De Aspose OCR GPU‑tutorial laat zien hoe je tekst uit een afbeelding + herkent en tekst uit een PNG extraheert met GPU‑versnelling voor snelle, betrouwbare + OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: nl +og_description: Leer hoe je Aspose OCR GPU kunt gebruiken om tekst uit een afbeelding + te herkennen en tekst uit een PNG te extraheren met GPU-versnelling in Java. +og_title: 'aspose ocr gpu gids: Versnel tekstextractie' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'aspose ocr gpu-gids: Versnel tekstextractie uit PNG-afbeeldingen' +url: /nl/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Snelle, Betrouwbare Tekstextractie uit PNG-afbeeldingen + +Wil je de OCR-prestaties verbeteren met **aspose ocr gpu**? Met Aspose OCR GPU kun je **tekst uit afbeelding herkennen** veel sneller door gebruik te maken van een CUDA‑enabled grafische kaart. Stel je voor dat je een high‑resolution PNG in seconden verwerkt in plaats van minuten—geen wachten meer op de resultaten. + +In deze tutorial lopen we stap voor stap door alles wat je nodig hebt om aan de slag te gaan: een afbeelding laden voor OCR, de engine naar GPU-modus schakelen en uiteindelijk de tekst extraheren. Aan het einde heb je een compleet, uitvoerbaar Java‑programma dat **tekst uit png**‑bestanden extraheert met GPU‑versnelling. Geen externe documentatie nodig—volg gewoon de stappen, kopieer de code, en je bent klaar om te gaan. + +## Wat je nodig hebt + +- **Java Development Kit (JDK) 11+** – de code maakt gebruik van de standaard Java‑taalfeatures. +- **Aspose.OCR for Java** (nieuwste versie vanaf mei 2026). Je kunt het ophalen van Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Een CUDA‑enabled GPU** (NVIDIA GeForce, Quadro of Tesla) met het juiste stuurprogramma geïnstalleerd. +- **Een voorbeeld‑high‑resolution PNG** (bijv. `sample-highres.png`) die je wilt verwerken. + +Als je geen GPU hebt, valt de code automatisch terug op de CPU—commentarieer gewoon de GPU‑regels uit. + +## Stap 1 – Laad de afbeelding voor OCR + +Het eerste dat elke OCR‑workflow nodig heeft, is een afbeeldingsbron. Aspose OCR biedt een handige `ImageStream`‑wrapper die kan lezen van een bestand, een byte‑array of zelfs een URL. Hier gebruiken we `ImageStream.fromFile` omdat dit het meest eenvoudig is voor lokale ontwikkeling. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Waarom dit belangrijk is:** Het correct laden van de afbeelding zorgt ervoor dat de OCR‑engine de exacte pixelgegevens ontvangt die hij nodig heeft. Het gebruik van `ImageStream.fromFile` behandelt ook veelvoorkomende PNG‑eigenaardigheden (alphakanaal, kleurdiepte) automatisch. + +## Stap 2 – GPU‑versnelling inschakelen (aspose ocr gpu) + +Nu komt de magie: Aspose vertellen om op de GPU te draaien. Het `OcrDevice`‑object in de engine laat je het apparaattype kiezen (`CPU` of `GPU`) en, als je meer dan één GPU hebt, de specifieke apparaat‑ID. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** Als je `CUDA driver not found`‑fouten tegenkomt, controleer dan dubbel of het NVIDIA‑stuurprogramma overeenkomt met de CUDA‑versie die door Aspose OCR vereist is (meestal CUDA 11.x voor de 23.x‑release). +> **Randgeval:** Bij uitvoering op een headless server, zorg ervoor dat de GPU niet door een ander proces is vergrendeld; anders valt de OCR‑aanroep stilletjes terug op de CPU. + +## Stap 3 – Tekst herkennen uit afbeelding + +Met de afbeelding geladen en het apparaat ingesteld, kun je eindelijk de OCR‑engine uitvoeren. De `recognize()`‑methode retourneert een `OcrResult`‑object dat de platte tekst, vertrouwensscores en zelfs begrenzingskaders bevat als je die later nodig hebt. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Wanneer je het programma uitvoert, zou je iets moeten zien als: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Wat je ziet:** De ruwe tekenreeks die uit de PNG is geëxtraheerd. Als de afbeelding tabellen of multi‑kolom lay-outs bevat, kun je `LayoutAnalysis` op de engine inschakelen voor betere resultaten (buiten de scope van deze snelle gids). + +## Stap 4 – Verifieer dat GPU daadwerkelijk wordt gebruikt + +Het is makkelijk aan te nemen dat de GPU het zware werk doet, maar een snelle sanity‑check kan je uren aan debugging besparen. Aspose OCR schrijft een klein log‑item wanneer het het apparaat initialiseert. + +Voeg dit fragment direct toe na het instellen van het apparaattype: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Als de output `GPU` aangeeft, ben je klaar om te gaan. Als het `CPU` zegt, controleer dan je driverinstallatie opnieuw of zorg ervoor dat de `CUDA_HOME`‑omgevingsvariabele naar de juiste toolkit‑map wijst. + +## Veelvoorkomende valkuilen & hoe ze te vermijden + +| Symptoom | Waarschijnlijke oorzaak | Oplossing | +|----------|--------------------------|-----------| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA-runtime niet in `PATH` | Voeg de CUDA `bin`‑map toe aan je systeem‑`PATH` of stel `java.library.path` in. | +| OCR returns empty string | Afbeelding niet correct geladen (verkeerd pad of niet‑ondersteund formaat) | Controleer het bestandspad opnieuw en verifieer dat de PNG niet corrupt is. | +| Performance similar to CPU | GPU fallback vanwege driver‑mismatch | Update het NVIDIA‑stuurprogramma naar de versie die in de Aspose OCR release‑notes staat vermeld. | +| Out‑of‑memory on large images | GPU‑geheugen uitgeput | Verlaag de beeldresolutie of splits de afbeelding in tegels voordat je verwerkt. | + +## Bonus: Terugvallen op CPU wanneer GPU niet beschikbaar is + +Soms voer je dezelfde code uit op een ontwikkellaptop zonder CUDA‑capabele GPU. Het omhullen van de apparaatselectie in een try‑catch‑blok maakt het programma robuust. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Nu werkt dezelfde binary overal, en je krijgt nog steeds de snelheidsboost waar de hardware het toelaat. + +## Volledig, kant‑klaar voorbeeld + +Hieronder staat de volledige Java‑klasse die alle bovenstaande stappen, controles en fallback‑logica bevat. Kopieer‑en‑plak het in je IDE, pas het afbeeldingspad aan, en voer het uit. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Verwachte output** (ervan uitgaande dat de PNG eenvoudige Engelse tekst bevat): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Als de GPU niet aanwezig is, zie je in de laatste regel “CPU” staan. + +## Visueel overzicht + +Hieronder staat een snel diagram van de gegevensstroom—van het laden van de PNG tot het terugkrijgen van platte tekst. De alt‑tekst van de afbeelding bevat het belangrijkste trefwoord voor SEO. + +![aspose ocr gpu workflow – afbeelding laden, GPU inschakelen, tekst extraheren] + +*Alt‑tekst: aspose ocr gpu workflow die laat zien hoe je een afbeelding laadt voor ocr, GPU‑versnelling inschakelt en tekst uit png extraheert.* + +## Samenvatting & volgende stappen + +We hebben zojuist behandeld hoe je het proces van **aspose ocr gpu**‑versnelling van **tekst uit afbeelding herkennen** en **tekst uit png**‑bestanden extraheren. De belangrijkste punten: + +1. **Laad de afbeelding** met `ImageStream.fromFile`. +2. **Schakel GPU in** via `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Voer `recognize()` uit** en lees `ocrResult.getText()`. +4. **Valideer het apparaat** en val gracieus terug op CPU wanneer nodig. + +Klaar om de grenzen te verleggen? Probeer deze experimenten: + +- **Batchverwerking:** Loop door een map met PNG‑bestanden en schrijf elk resultaat naar een `.txt`‑bestand. +- **Layout‑analyse:** Schakel `ocrEngine.getOptions().setDetectDocumentStructure(true)` in om kolommen en tabellen te behouden. +- **Multi‑GPU scaling:** Als je werkstation meerdere GPU’s heeft, start parallelle threads, elk gekoppeld aan een andere `deviceId`. + +Deze uitbreidingen zullen je beheersing van **gpu accelerated ocr** verdiepen en de deur openen naar grootschalige documentdigitaliseringsprojecten. + +--- + +*Veel plezier met coderen! Als je ergens tegenaan loopt, laat dan een reactie achter—ik help je graag met het oplossen van problemen.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/dutch/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..ccf83eda4 --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: Hoe het contrast te verbeteren tijdens het leren hoe je een afbeelding + moet voorbewerken, ruis moet verwijderen en de rotatie van de afbeelding moet corrigeren + voor betrouwbare OCR-tekstherkenning. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: nl +og_description: Hoe het contrast in OCR‑afbeeldingen te verbeteren, plus hoe je een + afbeelding kunt voorbewerken, ruis kunt verwijderen en de rotatie van de afbeelding + kunt corrigeren voor nauwkeurige tekstanalyse. +og_title: Hoe het contrast in OCR te verbeteren – Stapsgewijze Java‑gids +tags: +- OCR +- Java +- Image Processing +title: Hoe het contrast in OCR te verbeteren – Complete Java‑voorverwerkingsgids +url: /nl/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hoe Contrast te Verbeteren in OCR – Complete Java Pre‑processing Gids + +Heb je je ooit afgevraagd **hoe je contrast kunt verbeteren** zodat je OCR‑engine de tekst daadwerkelijk leest in plaats van onzin te produceren? Je bent niet de enige. De meeste ontwikkelaars lopen tegen een muur aan wanneer de bronafbeelding donker, scheef of bezaaid met vlekjes is, en het resultaat is een frustrerende “recognize text from image” fout. + +Het goede nieuws? Door een paar slimme pre‑processing stappen toe te passen—**how to preprocess image**, **how to remove noise**, en **correct image rotation**—kun je een ruisachtige, laag‑contrast PNG omzetten in een schoon canvas waar de OCR‑engine van houdt. In deze tutorial lopen we een real‑world Java‑voorbeeld met Aspose.OCR door, leggen we uit waarom elk filter belangrijk is, en laten we je precies zien **how to enhance contrast** voor rotsvaste herkenning. + +--- + +## Wat je zult leren + +- Het doel van elk pre‑processing filter (deskew, noise removal, contrast enhancement). +- **How to preprocess image** met Aspose.OCR in Java, stap voor stap. +- Praktische tips voor **how to remove noise** en **correct image rotation** vóór OCR. +- De exacte code die je kunt copy‑paste, uitvoeren, en de output van **recognize text from image** kunt zien. + +> **Prerequisites** – Java 17+, Maven of Gradle, en een Aspose.OCR for Java licentie (een gratis proefversie werkt voor testen). Er zijn geen andere third‑party libraries vereist. + +--- + +## Stap 1 – Zet het Project Op en Importeer Aspose.OCR + +Voordat we kunnen praten over **how to enhance contrast**, hebben we een werkend Java‑project nodig met de OCR‑engine aan boord. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle, the equivalent is: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Create a simple `src/main/java/PreprocessDemo.java` file and import the required classes: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Houd de auto‑import functie van je IDE aan; het bespaart veel heen‑en‑terug. + +--- + +## Stap 2 – Laad de Afbeelding die je Wilt Opschonen + +Nu de bibliotheek klaar is, laten we het eerste deel van **how to preprocess image** beantwoorden: het laden. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Op dit moment bevat de engine een low‑quality PNG die waarschijnlijk lijdt onder slecht contrast, rotatie en speckle‑ruis. Als je het bestand opent, zie je precies waarom de OCR zou haperen. + +--- + +## Stap 3 – Pas Filters toe: Deskew, Noise Removal, **How to Enhance Contrast** + +Dit is het hart van de tutorial—**how to enhance contrast** terwijl je tegelijkertijd rotatie en ruis behandelt. Aspose.OCR wordt geleverd met drie kant‑en‑klare filters: + +| Filter | Wat het doet | Waarom het belangrijk is voor OCR | +|--------|--------------|-----------------------------------| +| `DeskewFilter` | Detecteert en corrigeert afbeeldingrotatie | Zorgt voor **correct image rotation**, zodat karakters niet scheef staan. | +| `NoiseRemovalFilter` | Vermindert willekeurige vlekjes en achtergrondkorrel | Voert **how to remove noise** uit zodat de engine alleen de letters ziet. | +| `ContrastEnhancementFilter` | Verhoogt het verschil tussen voorgrondtekst en achtergrond | Beantwoordt direct **how to enhance contrast**, waardoor vage strepen opvallen. | + +Add them in the order shown—deskew first, then noise removal, then contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Waarom deze volgorde?** +> • Deskew werkt het beste op de ruwe pixelmatrix; een ruisachtige afbeelding roteren kan artefacten versterken. +> • Het verwijderen van ruis vóór het verhogen van contrast voorkomt dat het filter vlekjes versterkt. +> • Ten slotte zorgt contrastversterking ervoor dat de schoongemaakte pixels opvallen, wat precies **how to enhance contrast** voor OCR is. + +--- + +## Stap 4 – Voer de OCR‑Engine uit en **Recognize Text from Image** + +Met de pre‑processing pipeline klaar, roepen we eindelijk de OCR‑engine aan. Deze stap beantwoordt de ultieme vraag: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Wanneer je `java PreprocessDemo` uitvoert, zou je schone, leesbare tekst moeten zien in plaats van een onsamenhangende rommel. Typische output voor een voorbeeldfactuur kan er als volgt uitzien: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Als het resultaat nog steeds wazig lijkt, overweeg dan de parameters van `ContrastEnhancementFilter` aan te passen (bijv. `setLevel(1.5)`) of controleer dubbel of de bronafbeelding niet zo sterk gecomprimeerd is dat herstel onmogelijk is. + +--- + +## Stap 5 – Visuele Controle: Voor & Na (Optioneel) + +Zien is geloven. Hieronder staat een placeholder‑illustratie die het originele bestand vergelijkt met de verwerkte versie. De alt‑tekst vermeldt expliciet het primaire trefwoord voor SEO. + +![Diagram dat laat zien hoe contrast te verbeteren in OCR-preprocessing – origineel vs. verbeterde afbeelding](https://example.com/contrast-demo.png "Hoe contrast te verbeteren in OCR-preprocessing") + +*Als je de code op je eigen afbeelding uitvoert, zul je dezelfde dramatische verbetering in leesbaarheid merken.* + +--- + +## Veelvoorkomende Valkuilen & Hoe ze op te lossen + +| Probleem | Waarom het gebeurt | Oplossing | +|----------|--------------------|-----------| +| Tekst nog steeds onscherp na contrastversterking | Filterniveau te laag of beeldresolutie onvoldoende | Verhoog het `ContrastEnhancementFilter` niveau (`new ContrastEnhancementFilter(1.8)`) of vergroot de afbeelding vóór verwerking. | +| OCR geeft een lege string terug | Afbeelding was volledig donker of alle pixels werden verwijderd door het noise‑filter | Verlaag de agressiviteit van `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Karakters blijven scheef | Deskew miste de hoek omdat de afbeelding sterk ruisig was | Voer `DeskewFilter` **na** een lichte noise‑removal uit, of stel de rotatiehoek handmatig in met `DeskewFilter.setAngle(2.5)`. | +| Onverwachte Unicode‑symbolen | De OCR‑taal is niet correct ingesteld | Roep `ocrEngine.setLanguage(OcrLanguage.English);` aan vóór `recognize()`. | + +--- + +## De Pipeline Uitbreiden – Wat als je meer nodig hebt? + +Soms moet je **how to preprocess image** voor gekleurde scans of PDF’s. Aspose.OCR biedt ook: + +- `BinarizationFilter` – converteert naar puur zwart‑wit, geweldig voor hoog‑contrast tekst. +- `ResizeFilter` – vergroot kleine lettertypen vóór OCR. +- `SharpenFilter` – accentueert randen voor vage handschrift. + +Je kunt ze ketenen net als de drie kernfilters die eerder werden getoond. Onthoud dat de volgorde nog steeds belangrijk is: resize → denoise → binarize → contrast → deskew is een veelgebruikt recept. + +--- + +## Samenvatting: Van Ruisachtige PNG naar Schone Tekst + +- **How to enhance contrast**: gebruik `ContrastEnhancementFilter` na deskew en noise removal. +- **How to preprocess image**: laad, voeg filters toe, voer daarna OCR uit. +- **How to remove noise**: `NoiseRemovalFilter` reinigt de achtergrond zonder tekststrepen te vernietigen. +- **Correct image rotation**: `DeskewFilter` aligneert de tekstbaseline, een voorwaarde voor nauwkeurige herkenning. +- **Recognize text from image**: roep `ocrEngine.recognize()` aan en lees `ocrResult.getText()`. + +Al deze stappen samen geven je een robuuste pipeline die werkt voor gescande facturen, bonnen en zelfs oude gedrukte boeken. + +--- + +## Wat is het Volgende? + +- **Experiment**: Pas filterparameters aan en observeer het effect op OCR‑nauwkeurigheid. +- **Batch processing**: Plaats de bovenstaande logica in een lus om volledige mappen met afbeeldingen te verwerken. +- **Integration**: Stuur de OCR‑output naar een database of een PDF‑generator voor end‑to‑end automatisering. + +Als je nieuwsgierig bent naar andere beeld‑verbeteringstrucs—zoals adaptieve drempelwaarde of kleurinversie—bekijk dan de officiële documentatie van Aspose of de gids “Advanced Image Pre‑processing with Aspose.OCR”. + +### Veel programmeerplezier! + +Nu weet je **how to enhance contrast** en het volledige pre‑processing verhaal dat een rommelige scan omzet in schone, doorzoekbare tekst. Laat een reactie achter als je tegen problemen aanloopt, of deel hoe je de pipeline voor je eigen projecten hebt aangepast. Laten we het OCR‑gesprek gaande houden! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/dutch/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..2ea95437c --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Hoe gebruik je Aspose OCR om tekst uit een afbeelding te herkennen, automatische + taalherkenning in te schakelen en de OCR-snelheid in Java te verbeteren. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: nl +og_description: Hoe u Aspose OCR gebruikt om snel tekst uit een afbeelding te herkennen, + automatische taaldetectie in te schakelen en de OCR-snelheid in Java te verbeteren. +og_title: Hoe Aspose OCR te gebruiken voor meertalige afbeeldingen +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Hoe gebruik je Aspose OCR voor meertalige afbeeldingen +url: /nl/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hoe Aspose OCR te gebruiken voor afbeeldingen met meerdere talen + +Heb je je ooit afgevraagd **hoe je Aspose** kunt gebruiken om tekst uit een afbeelding te halen die meerdere talen tegelijk bevat? Je bent niet de enige—ontwikkelaars lopen vaak tegen een muur aan wanneer een afbeelding Engels, Russisch, Hindi of een andere schrijfwijze combineert. Het goede nieuws is dat Aspose OCR dit soepel afhandelt, en je kunt zelfs **tekst uit afbeelding herkennen** sneller door de taallijst te verkleinen. + +In deze tutorial lopen we stap voor stap door een compleet, kant‑klaar Java‑voorbeeld dat **afbeelding voor OCR laadt**, **automatische taaldetectie** inschakelt, en een eenvoudige truc toont om **OCR‑snelheid te verbeteren**. Aan het einde heb je een zelfstandige applicatie die de geëxtraheerde tekst naar de console print, en begrijp je waarom elke instelling belangrijk is. + +> **Prerequisites** – Java 17+ geïnstalleerd, Maven of Gradle voor afhankelijkheidsbeheer, en een Aspose OCR‑licentie (de gratis proefversie werkt voor evaluatie). Geen andere bibliotheken zijn vereist. + +--- + +## Stap 1 – Voeg Aspose OCR toe aan je project + +Voordat je **Aspose kunt gebruiken**, moet je de bibliotheek op je classpath hebben. Met Maven ziet dat er zo uit: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Als je de voorkeur geeft aan Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Blijf bij de nieuwste stabiele release; nieuwere versies bevatten vaak prestatie‑verbeteringen die direct invloed hebben op **OCR‑snelheid verbeteren**. + +--- + +## Stap 2 – Maak een OCR‑engine‑instantie + +Het hart van elke Aspose OCR‑workflow is de `OcrEngine`. Het instantieren is eenvoudig, maar het is het vermelden waard dat de engine interne caches bevat. Het hergebruiken van één instantie voor veel afbeeldingen kan de **OCR‑snelheid verbeteren** omdat de bibliotheek herhaalde native initialisatie vermijdt. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Stap 3 – **Afbeelding voor OCR laden** + +Aspose ondersteunt veel afbeeldingsformaten (PNG, JPEG, TIFF, BMP). Hier demonstreren we het laden van een PNG die Engelse, Russische en Hindi‑tekst bevat. De `ImageStream.fromFile`‑helper abstraheert de bestand‑I/O‑details en zorgt ervoor dat de afbeelding correct naar de engine wordt gestreamd. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Wat als de afbeelding in het geheugen staat?** Gebruik in plaats daarvan `ImageStream.fromByteArray(byte[])`—perfect voor webservices die afbeeldingen ontvangen als byte‑streams. + +--- + +## Stap 4 – Schakel automatische taaldetectie in + +Standaard gaat Aspose OCR uit van één taal, wat kan leiden tot onduidelijke output bij meertalige afbeeldingen. Het inschakelen van automatische detectie vertelt de engine om het schrift van elk tekstblok te sniffen vóór herkenning. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Stap 5 – **OCR‑snelheid verbeteren** door de taalpools te beperken + +Volledige auto‑detectie scant elke taal die Aspose ondersteunt (meer dan 70). Als je de mogelijke talen van tevoren kent, kun je de engine een hint geven. Het leveren van een kleinere array verkleint de zoekruimte en **verbetert daardoor de OCR‑snelheid**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Waarom helpt dit?** De engine slaat taalmodellen over die niet nodig zijn, waardoor CPU‑cycli en geheugen worden bespaard. Als je later meer talen toevoegt, werk je gewoon de array bij—geen code‑herwerking nodig. + +--- + +## Stap 6 – Voer de herkenning uit en **tekst uit afbeelding herkennen** + +Nu gebeurt het zware werk. `recognize()` retourneert een `OcrResult`‑object dat de platte tekst, vertrouwensscores en zelfs de lay‑outinformatie bevat, mocht je die later nodig hebben. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Verwachte console‑output + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Als de afbeelding extra ruis of scheefstaande tekst bevat, kun je lagere vertrouwensscores voor die regels zien. Overweeg in dat geval de afbeelding voor te bewerken (ontkanten, binariseren) voordat je deze aan Aspose doorgeeft. + +--- + +## Veelgestelde vragen & randgevallen + +### Wat als de afbeelding enorm is (bijv. >10 MP)? + +Grote afbeeldingen verbruiken meer geheugen en kunnen de verwerking vertragen. Een snelle manier om de **OCR‑snelheid te verbeteren** is de afbeelding te verkleinen terwijl de leesbaarheid behouden blijft: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Hoe ga ik om met rechts‑naar‑links scripts zoals Arabisch? + +Aspose OCR respecteert automatisch de script‑richting, maar je wilt misschien de `RightToLeft`‑vlag instellen voor nabewerking: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Kan ik tekst uit PDF's halen in plaats van afbeeldingen? + +Ja—converteer elke PDF‑pagina naar een afbeelding (met Aspose PDF of een rasterizer) en voer het resultaat in dezelfde OCR‑pipeline. Dezelfde **tekst uit afbeelding herkennen**‑logica is van toepassing. + +--- + +## Volledig werkend voorbeeld (klaar om te kopiëren‑plakken) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Sla het bestand op als `MixedLanguageDemo.java`, compileer met `javac` en voer uit met `java MixedLanguageDemo`. Als alles correct is ingesteld, zie je de meertalige tekst in de console verschijnen. + +--- + +## Conclusie + +Je weet nu **hoe je Aspose** kunt gebruiken om **tekst uit afbeelding** te **herkennen** in bestanden die meerdere talen bevatten, hoe je **automatische taaldetectie** inschakelt, en een praktische tip om de **OCR‑snelheid te verbeteren** door de taalpools te beperken. De volledige code hierboven staat klaar om te kopiëren‑plakken, en de uitleg geeft je vertrouwen om de oplossing aan te passen—of je nu **afbeelding voor OCR** moet **laden** vanuit een stream, een byte‑array, of zelfs een webcam‑snapshot. + +Volgende stappen? Probeer te experimenteren met: + +* Toevoegen van afbeelding‑voorbewerking (denoise, binariseren) voor scans van lage kwaliteit. +* Exporteren van `OcrResult` als JSON voor downstream‑services. +* Integreren van de engine in een Spring Boot REST‑endpoint zodat clients afbeeldingen kunnen uploaden en direct geëxtraheerde tekst ontvangen. + +Veel plezier met coderen, en moge je OCR‑pijplijnen snel, nauwkeurig en meertalig 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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/dutch/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..46a62140b --- /dev/null +++ b/ocr/dutch/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,205 @@ +--- +category: general +date: 2026-05-06 +description: Herken tekst van een afbeelding snel met een Java OCR-voorbeeld. Leer + tekst uit TIFF‑bestanden te extraheren met parallelle OCR-verwerking en hoe je Java + OCR efficiënt kunt gebruiken. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: nl +og_description: herken tekst van afbeelding snel met een compleet Java OCR‑voorbeeld. + Deze tutorial laat zien hoe je tekst uit tiff kunt extraheren met parallelle OCR‑verwerking. +og_title: tekst herkennen uit afbeelding met Java OCR – Gids voor parallelle verwerking +tags: +- OCR +- Java +- Image Processing +title: Tekst herkennen uit afbeelding met Java OCR – Gids voor parallelle verwerking +url: /nl/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# tekst herkennen uit afbeelding met Java OCR – Parallelle Verwerkingsgids + +Heb je ooit **recognize text from image** bestanden nodig gehad, maar zat je vast in de prestatiekloof? Je bent niet de enige. Veel ontwikkelaars lopen tegen een muur aan wanneer een single‑threaded OCR‑engine door multi‑page TIFF‑bestanden kruipt, waardoor een snelle taak verandert in een marathon. + +In deze tutorial lopen we een **java ocr example** stap voor stap door die niet alleen tekst uit tiff‑bestanden extraheert, maar ook al je CPU‑kernen benut voor parallel ocr processing. Aan het einde weet je precies *how to ocr java* projecten efficiënt uit te voeren, en heb je een kant‑klaar code‑fragment dat je in elke Maven‑ of Gradle‑setup kunt plaatsen. + +## Wat je zult leren + +- Installeer de Aspose.OCR‑bibliotheek in een Java‑project. +- Laad een multi‑page TIFF en bereid deze voor op herkenning. +- Schakel **parallel OCR processing** in door het aantal threads af te stemmen op je logische CPU‑kernen. +- Haal de herkende tekst op en geef deze weer, waarmee de **recognize text from image** workflow wordt voltooid. + +> **Prerequisite:** Java 8 of nieuwer en een geldige Aspose.OCR for Java‑licentie (of een tijdelijke evaluatiesleutel). Er zijn geen andere externe tools vereist. + +--- + +## Stap 1: Voeg Aspose.OCR‑dependency toe + +Voordat we **recognize text from image** kunnen uitvoeren, hebben we de OCR‑engine op het classpath nodig. Als je Maven gebruikt, voeg dan het volgende toe aan je `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Voor Gradle is het equivalent: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* Houd het versienummer up‑to‑date; nieuwere releases bevatten vaak prestatie‑verbeteringen die **parallel ocr processing** nog sneller maken. + +--- + +## Stap 2: Bereid de Java‑klasse voor – Volledig werkend voorbeeld + +Hieronder staat een zelf‑containende **java ocr example** die laat zien hoe je **extract text from tiff** kunt uitvoeren met alle beschikbare CPU‑kernen. Sla dit op als `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Waarom elke regel belangrijk is** + +- **Engine creation**: `OcrEngine` encapsuleert al het zware werk. Zonder dit kun je geen **recognize text from image** uitvoeren. +- **Image loading**: `ImageStream.fromFile` ondersteunt TIFF, PNG, JPEG, enz. Het gebruik van een multi‑page TIFF test de mogelijkheid van de engine om complexe documenten te verwerken. +- **Thread count**: `Runtime.getRuntime().availableProcessors()` geeft het aantal logische kernen terug (inclusief hyper‑threads). Het instellen van deze waarde activeert **parallel ocr processing**, waardoor de uitvoeringstijd op multi‑core machines drastisch wordt verkort. +- **Recognition**: `engine.recognize()` voert de OCR‑pipeline uit. Intern splitst het de pagina's over de thread‑pool die je hebt gedefinieerd. +- **Result handling**: `result.getText()` retourneert een enkele `String` die de samengevoegde tekst van alle pagina's bevat – perfect voor downstream verwerking of opslag. + +--- + +## Stap 3: Voer de demo uit en controleer de output + +Compileer en voer het programma uit: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Je zou iets moeten zien zoals: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Als de console de verwachte tekst afdrukt, gefeliciteerd—je hebt met succes **recognize text from image** uitgevoerd met een **java ocr example** die parallel draait. + +--- + +## Stap 4: Pas aan voor real‑world scenario's (optioneel) + +### Tekst extraheren van alleen specifieke pagina's + +Soms heb je alleen bepaalde pagina's nodig uit een grote TIFF. Je kunt na de herkenning filteren: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Thread‑aantal handmatig aanpassen + +Als je server al bezet is met andere taken, kun je de OCR‑threads beperken: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Omgaan met geheugenintensieve TIFF‑bestanden + +Grote multi‑page TIFF‑bestanden kunnen veel RAM verbruiken. Om dit te beperken, verwerk je het bestand in delen: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Stap 5: Veelvoorkomende valkuilen & hoe ze te vermijden + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **Onvoldoende licentie** | Runtime gooit `LicenseException` | Pas een geldig licentiebestand toe of gebruik de gratis evaluatiemodus (voegt een watermerk toe). | +| **Verkeerd bestandspad** | `FileNotFoundException` | Controleer het pad en gebruik absolute paden tijdens het testen. | +| **CPU‑throttling** | Geen snelheidswinst ondanks `setThreadCount` | Zorg ervoor dat je JVM niet beperkt wordt door `-Xmx` geheugenlimieten of OS‑energiebesparende instellingen. | +| **Niet‑ondersteund afbeeldingsformaat** | `UnsupportedFormatException` | Converteer de afbeelding naar TIFF, PNG of JPEG voordat je deze aan de engine geeft. | + +--- + +## Visuele samenvatting + +![tekst herkennen uit afbeelding voorbeeld](image-placeholder.png "tekst herkennen uit afbeelding") + +*Alt‑tekst:* “Diagram dat de stroom van **recognize text from image** toont met Java OCR en parallel processing” + +--- + +## Conclusie + +We hebben zojuist een compleet **java ocr example** doorlopen dat **recognize text from image** bestanden verwerkt, specifiek multi‑page TIFF‑bestanden, terwijl het volledig gebruik maakt van **parallel ocr processing**. Door de thread‑pool af te stemmen op je CPU‑kernen, krijg je een bijna lineaire snelheidswinst op moderne hardware—precies het antwoord op “*how to ocr java* efficiently?” + +Vervolgens kun je verkennen: + +- **extract text from tiff** bestanden in batches verwerken en de resultaten opslaan in een database. +- Combineer OCR met NLP‑bibliotheken (bijv. OpenNLP) om automatisch geëxtraheerde entiteiten te taggen. +- Implementeer de oplossing als een microservice achter een REST‑endpoint voor on‑demand OCR. + +Probeer het, pas het thread‑aantal aan, en zie hoe veel sneller je pipeline wordt. Als je tegen problemen aanloopt, laat dan een reactie achter—happy coding! + +{{< /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..182ffeeae 100644 --- a/ocr/dutch/java/ocr-operations/_index.md +++ b/ocr/dutch/java/ocr-operations/_index.md @@ -27,6 +27,7 @@ Bent u klaar om uw tekst‑extractie naar een hoger niveau te tillen? **Herken P - **Heb ik een licentie nodig voor productiegebruik?** Een geldige Aspose‑licentie is vereist voor commerciële implementaties. ## Wat is “herken pdf tekst”? + Het herkennen van PDF‑tekst houdt in dat elke pagina van een PDF wordt gescand, OCR‑algoritmen worden toegepast en een doorzoekbare laag wordt gecreëerd die de visuele weergave koppelt aan daadwerkelijke tekens. Aspose.OCR voor Java automatiseert dit proces en levert hoogwaardige resultaten zonder handmatige tussenkomst. ## Waarom Aspose.OCR voor Java gebruiken? @@ -80,6 +81,12 @@ 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. +### [Hoe OCR te gebruiken in Java – Tekst uit afbeelding extraheren met spellingscorrectie](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Leer hoe u OCR in Java toepast om tekst uit afbeeldingen te halen en automatisch spellingscorrectie toe te passen. +### [Create Searchable PDF from Image – Step‑by‑Step Java Guide](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Leer hoe u een doorzoekbare PDF maakt van een afbeelding met een stapsgewijze Java‑handleiding. +### [Create Searchable PDF from Image with Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Leer hoe u met Aspose.OCR in Java een doorzoekbare PDF maakt van een afbeelding, stap voor stap. ## Veelgestelde vragen diff --git a/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..b95f48e29 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Maak een doorzoekbare PDF van een afbeelding met Aspose OCR. Leer hoe + je een afbeelding naar PDF converteert, een afbeelding OCR't naar PDF en tekst uit + een afbeelding in enkele minuten extraheert. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: nl +og_description: Maak een doorzoekbare PDF van een afbeelding met Aspose OCR. Volg + deze gids om JPG naar doorzoekbare PDF te converteren, tekst uit afbeelding te extraheren + en meer. +og_title: Maak doorzoekbare PDF van afbeelding – Complete Java‑tutorial +tags: +- Java +- OCR +- PDF +- Aspose +title: Maak een doorzoekbare PDF van een afbeelding – Stapsgewijze Java‑gids +url: /nl/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Maak doorzoekbare PDF van afbeelding – Complete Java Tutorial + +Heb je ooit **doorzoekbare PDF** moeten maken van een gescande foto, maar wist je niet welke bibliotheek je moet kiezen? Je bent niet de enige. In veel projecten—denk aan automatisering van onkostendeclaraties of digitale archivering—maakt de mogelijkheid om een gewone afbeelding om te zetten in een PDF die je daadwerkelijk kunt doorzoeken een enorm verschil. + +Daarom lopen we in deze tutorial stap voor stap door het volledige proces van **convert image to PDF**, voeren we OCR uit en eindigen we met een **searchable PDF** die je in elke documentworkflow kunt gebruiken. We behandelen ook **extract text from image** en laten zien hoe je **convert jpg to searchable pdf** kunt doen zonder veel boilerplate‑code. + +## Wat je zult leren + +- De exacte Maven/Gradle‑dependency die je nodig hebt voor Aspose OCR. +- Hoe je een JPG (of een andere ondersteunde afbeelding) laadt in de OCR‑engine. +- Waarom opslaan met `OcrSaveFormat.PDF_SEARCHABLE` belangrijk is. +- Veelvoorkomende valkuilen (grote afbeeldingen, niet‑ondersteunde formaten) en hoe je ze kunt vermijden. +- Hoe je verifieert dat de resulterende PDF echt doorzoekbare tekst bevat. + +Aan het einde van deze gids heb je een kant‑en‑klaar Java‑class die in één methode‑aanroep een doorzoekbare PDF produceert. Geen externe command‑line tools, geen extra OCR‑engines—alleen pure Java. + +--- + +## Vereiste + +| Vereiste | Waarom het belangrijk is | +|----------|--------------------------| +| Java 8 of nieuwer | Aspose OCR gebruikt moderne taalfeatures. | +| Maven of Gradle (voor afhankelijkheidsbeheer) | Maakt het eenvoudig om de Aspose OCR JAR te halen. | +| Een voorbeeldafbeelding (`input.jpg`) geplaatst in een bekende map | De code verwacht een bestandspad; je kunt het vervangen door PNG, BMP, etc. | +| Optioneel: een PDF‑viewer met zoekfunctie (Adobe Reader, Foxit, etc.) | Om te bevestigen dat de PDF echt doorzoekbaar is. | + +Als je deze al hebt, prima—laten we beginnen. + +--- + +## Stap 1: Voeg Aspose OCR toe aan je project + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** De gratis evaluatieversie voegt een klein watermerk toe aan de eerste pagina. Voor productie haal je een licentie van Aspose en roep je `License license = new License(); license.setLicense("Aspose.OCR.lic");` aan voordat je `OcrEngine` instantiateert. + +--- + +## Stap 2: Laad de afbeelding die je wilt converteren + +We gebruiken `ImageStream.fromFile` om de afbeelding direct van de schijf te lezen. Deze methode ondersteunt JPG, PNG, TIFF en vele andere formaten, zodat je **convert image to PDF** kunt uitvoeren ongeacht de bron. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Waarom deze stap?** De OCR‑engine heeft een bitmap‑representatie van de tekst nodig. Het leveren van een hoge‑resolutie afbeelding (300 dpi of hoger) verbetert de herkenningsnauwkeurigheid drastisch, wat op zijn beurt betere **extract text from image**‑resultaten oplevert. + +--- + +## Stap 3: Voer OCR uit en sla op als doorzoekbare PDF + +De magie gebeurt wanneer je `save` aanroept met het `PDF_SEARCHABLE`‑formaat. Intern creëert Aspose OCR een verborgen tekstlaag die bovenop de originele afbeelding ligt, waardoor een statisch plaatje verandert in een **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Als je de voorkeur geeft aan een gewone PDF zonder de verborgen laag, vervang je `PDF_SEARCHABLE` door `PDF`. Maar voor de meeste archiveringsscenario's is de doorzoekbare variant wat je wilt. + +--- + +## Stap 4: Verifieer het resultaat + +Na afloop van het programma open je `searchable.pdf` in een PDF‑viewer en probeer je de ingebouwde zoekfunctie (Ctrl + F). Als je woorden kunt vinden die oorspronkelijk alleen in de afbeelding stonden, gefeliciteerd—je hebt succesvol **ocr image to pdf** uitgevoerd. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** Zeer grote afbeeldingen (> 10 MB) kunnen een `OutOfMemoryError` veroorzaken. Om dit te mitigeren, verklein je de afbeelding vooraf met `java.awt.Image` of een bibliotheek zoals Thumbnailator. + +--- + +## Volledig werkend voorbeeld + +Hieronder staat de complete, zelfstandige Java‑class. Kopieer‑en‑plak deze in je IDE, pas de paden aan en voer uit—geen extra stappen nodig. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Verwachte output:** + +``` +Searchable PDF created. +``` + +Wanneer je `YOUR_DIRECTORY/searchable.pdf` opent, moet je elke woord dat in `input.jpg` voorkomt kunnen zoeken. Dat is de essentie van **convert jpg to searchable pdf**. + +--- + +## Veelgestelde vragen (FAQ) + +### Kan ik meerdere afbeeldingen tegelijk verwerken? +Ja. Loop over een lijst met bestandspaden, roep `setImage` voor elk aan, en voeg pagina’s toe aan één PDF (`PDF_SEARCHABLE`) of genereer afzonderlijke PDF’s. Vergeet niet de engine‑status tussen iteraties te resetten (`ocrEngine.clear()`). + +### Wat als de OCR‑nauwkeurigheid laag is? +- Zorg dat de bronafbeelding minimaal 300 dpi is. +- Gebruik `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` om de taal vast te zetten. +- Pre‑process de afbeelding (kantelen corrigeren, contrast verhogen) met een bibliotheek zoals OpenCV. + +### Ondersteunt Aspose OCR andere talen? +Absoluut. De `OcrLanguage`‑enum bevat onder andere Frans, Duits, Chinees, Arabisch en nog veel meer. Schakel de taal over voordat je `save` aanroept. + +### Hoe embed ik de doorzoekbare PDF in een bestaand document? +Behandel de output als elke andere PDF. Gebruik een PDF‑samenvoegbibliotheek (bijv. iText of Aspose PDF) om deze te concatenëren met andere PDF’s. + +--- + +## Tips & trucs uit de praktijk + +- **Pro tip:** Als je een zeer klein bestand wilt, roep dan `ocrEngine.getConfig().setCompress(true);` aan vóór het opslaan. +- **Let op:** Afbeeldingen met een transparante achtergrond—Aspose OCR behandelt transparantie als wit, wat het contrast kan beïnvloeden. +- **Onthoud:** De doorzoekbare PDF blijft een rasterafbeelding onderliggend. Als je een volledig vector‑gebaseerde PDF nodig hebt, moet je de lay‑out handmatig opnieuw creëren. + +--- + +## Conclusie + +We hebben zojuist alles behandeld wat je nodig hebt om **create searchable PDF**‑bestanden van afbeeldingen te maken met Aspose OCR in Java. Van het toevoegen van de Maven‑dependency tot het verifiëren van de verborgen tekstlaag, het proces is eenvoudig en volledig programmeerbaar. Nu kun je **convert image to pdf**, **ocr image to pdf**, en zelfs **extract text from image** uitvoeren zonder je IDE te verlaten. + +Klaar voor de volgende stap? Probeer batch‑processing van een map met gescande bonnetjes, of combineer deze workflow met een cloud‑opslagtrigger (AWS Lambda, Azure Functions) om document‑ingestiepijplijnen te automatiseren. De mogelijkheden zijn eindeloos—ga ervoor en experimenteer! + +Als je ergens vastloopt of ideeën hebt voor verbeteringen, laat dan een reactie achter. Happy coding! + +![Diagram dat de stroom toont: afbeelding → OCR-engine → doorzoekbare PDF](image-placeholder.png "doorzoekbare pdf stroomdiagram") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..bb8487df8 --- /dev/null +++ b/ocr/dutch/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Maak een doorzoekbare PDF van een afbeelding met Aspose OCR in Java. + Leer hoe je een afbeelding naar PDF converteert, spellingscorrectie inschakelt en + OCR‑GPU gebruikt voor snelle resultaten. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: nl +og_description: Maak een doorzoekbare PDF van een afbeelding met Aspose OCR in Java. + Deze gids laat zien hoe je een afbeelding naar PDF converteert, spellingscorrectie + inschakelt en OCR‑GPU gebruikt. +og_title: Maak doorzoekbare PDF van afbeelding met Java OCR +tags: +- OCR +- Java +- PDF +title: Maak doorzoekbare PDF van afbeelding met Java OCR +url: /nl/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Maak doorzoekbare PDF van afbeelding met Java OCR + +Heb je ooit een **doorzoekbare PDF** moeten maken van een gescande foto, maar wist je niet waar je moest beginnen? Je bent niet de enige—de meeste ontwikkelaars lopen tegen die muur aan wanneer ze voor het eerst met op afbeeldingen gebaseerde PDF's werken. Gelukkig kun je met Aspose OCR for Java **afbeelding naar PDF converteren**, de tekst omzetten naar selecteerbare inhoud, en zelfs spellingscorrectie toevoegen voor een gepolijst resultaat. + +In deze tutorial lopen we stap voor stap door een compleet, kant‑klaar voorbeeld dat laat zien hoe je **OCR GPU** kunt gebruiken wanneer die beschikbaar is, hoe je **image OCR** efficiënt verwerkt, en waarom het inschakelen van spellingscorrectie belangrijk is voor downstream zoeken. Aan het einde heb je een één‑klik‑oplossing om een doorzoekbare PDF te genereren die je kunt distribueren naar gebruikers of archiveren voor compliance. + +> **Pro tip:** Als je op een machine zonder GPU werkt, valt de code netjes terug op CPU, zodat je niets hoeft te herschrijven. + +--- + +## Wat je nodig hebt + +- **Java 8+** (de code compileert met JDK 8 en nieuwer) +- **Aspose OCR for Java** bibliotheek (download de nieuwste JAR van de Aspose‑site) +- Een **invoertekst afbeelding** (JPEG, PNG, TIFF, enz.) die je wilt omzetten naar een doorzoekbare PDF +- (Optioneel) Een **GPU** met CUDA‑ondersteuning als je de snelste herkenning wilt + +Geen extra frameworks, geen Maven/Gradle‑toverkunst—slechts één JAR op de classpath en je bent klaar om te gaan. + +--- + +## Stap 1: Initialiseert de OCR‑engine – Het hart van het proces + +Eerst maken we een `OcrEngine`‑instantie aan en wijzen we het bronbestand toe. Dit object is de werkpaard dat de afbeelding leest, het neurale netwerk draait, en ons de tekst teruggeeft. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Waarom dit belangrijk is:* De engine één keer initialiseren en hergebruiken voorkomt de overhead van herhaaldelijk native libraries laden—een kleine prestatie‑winst die zich opstapelt wanneer je tientallen bestanden batch‑verwerkt. + +--- + +## Stap 2: Kies het verwerkingsapparaat – Gebruik OCR GPU wanneer mogelijk + +Als je werkstation een compatibele GPU heeft, kun je Aspose laten draaien op die hardware. Anders schakelt de engine automatisch over naar CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Wat is het voordeel?* GPU‑versnelling kan seconden per pagina schelen, vooral bij scans met hoge resolutie. De fallback zorgt ervoor dat dezelfde code overal werkt, daarom raden we **use OCR GPU** als standaardinstelling aan. + +--- + +## Stap 3: Versnel de scan – Maak gebruik van alle CPU‑kernen + +Zelfs wanneer de GPU bezet is, kunnen de omliggende pre‑processing stappen parallel worden uitgevoerd. Het instellen van het aantal threads op het aantal beschikbare processors geeft de engine de kans om meerdere stukken tegelijk te verwerken. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Opmerking:* Op een laptop met 4 kernen start dit vier threads; op een workstation met 16 kernen profiteer je van het volledige potentieel. Houd er wel rekening mee dat meer threads meer geheugen verbruiken. + +--- + +## Stap 4: Reinig de afbeelding – Pre‑processing filters + +Een wazige of ruisende scan levert rommelige tekst op. Het toevoegen van een paar ingebouwde filters verbetert de nauwkeurigheid drastisch. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Waarom deze filters?* `DeskewFilter` corrigeert rotatie die vaak optreedt wanneer een document scheef door een scanner wordt gevoerd. `NoiseRemovalFilter` verwijdert losse pixels die anders als tekens zouden worden geïnterpreteerd. Zie het als het geven van een schoon vel papier aan de OCR‑engine. + +--- + +## Stap 5: Schakel slimme functies in – Spellingscorrectie & automatische taaldetectie + +Als je met meertalige documenten werkt, of gewoon minder typefouten wilt, zet dan de ingebouwde spellingscontrole aan en laat de engine de taal raden. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Wanneer is dit nuttig?* Stel dat je scan zowel Engelse als Spaanse secties bevat. De auto‑detectie schakelt de juiste woordenboeken in, terwijl spellingscorrectie verkeerd gelezen tekens zoals “0” voor “O” opruimt. Deze stap is essentieel om een **doorzoekbare PDF** te produceren die daadwerkelijk correcte resultaten oplevert. + +--- + +## Stap 6: Sla het resultaat op – Converteer afbeelding naar PDF en maak het doorzoekbaar + +Tot slot vragen we de engine om een PDF te schrijven waarin de originele afbeelding achter een onzichtbare tekstlaag zit. Dit is de klassieke **convert image to PDF** workflow, maar nu is de PDF doorzoekbaar. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Het uitvoerbestand (`output-searchable.pdf`) kan in elke PDF‑viewer worden geopend; je kunt de tekst selecteren, kopiëren en zoeken alsof het een native PDF is. Geen extra tools nodig. + +--- + +## Volledig werkend voorbeeld – Plak‑en‑run + +Hieronder staat het volledige programma, klaar om te compileren. Vervang `YOUR_DIRECTORY` door de map die `input.jpg` bevat. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Verwachte output:** Wanneer je het programma uitvoert zie je de console‑regel *“Searchable PDF generated successfully.”* Het openen van `output-searchable.pdf` in Adobe Reader laat je een woord uit de originele afbeelding in het zoekvak typen en direct naar die locatie springen. + +--- + +## Veelgestelde vragen & randgevallen + +- **Wat als de GPU niet wordt gedetecteerd?** + De aanroep `setDeviceType(OcrDeviceType.GPU)` gooit geen fout; hij instrueert de engine alleen om eerst de GPU te proberen. Als dat mislukt, valt de engine stilletjes terug op CPU. + +- **Kan ik meerdere afbeeldingen in één run verwerken?** + Ja. Plaats de code in een lus, wijzig de bestandsnaam per iteratie, en hergebruik dezelfde `OcrEngine`‑instantie om het geheugenverbruik laag te houden. + +- **Mijn PDF is enorm—hoe verklein ik die?** + Na OCR kun je Aspose’s PDF‑optimalisatie‑API’s gebruiken, of simpelweg de bronafbeelding verkleinen voordat je deze aan de engine geeft (`ImageStream.fromFile(...).setResolution(150)` voor 150 DPI). + +- **Ik moet de originele afbeeldingsresolutie behouden voor wettelijke compliance.** + Het `PDF_SEARCHABLE`‑formaat behoudt de originele bitmap exact; de onzichtbare tekstlaag wordt er bovenop gelegd zonder de visuele kwaliteit te wijzigen. + +--- + +## Visuele samenvatting + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt‑tekst:* *create searchable pdf example – Java OCR engine turning a scanned JPG into a searchable PDF.* + +--- + +## Conclusie + +Je hebt nu een **complete, end‑to‑end oplossing** om elke afbeelding om te zetten naar een **doorzoekbare PDF** met Aspose OCR for Java. Door **image to PDF** te **converteren**, **spellingscorrectie in te schakelen**, en **OCR GPU** te gebruiken wanneer mogelijk, krijg je snelle, nauwkeurige en doorzoekbare resultaten die op elk platform werken. + +Wat nu? Probeer te experimenteren met: + +- **Verschillende outputformaten** (`PDF`, `DOCX`, `HTML`) om te zien hoe de tekstlaag zich gedraagt. +- **Aangepaste woordenboeken** als je domeinspecifieke terminologie verwerkt. +- **Batchverwerking** om duizenden scans automatisch af te handelen. + +Voel je vrij om het aantal threads aan te passen, filters te wisselen, of je eigen pre‑processing pipeline toe te voegen. Het kernpatroon blijft hetzelfde: laden → pre‑processen → configureren → OCR → opslaan. + +Happy coding, en moge je PDF's altijd doorzoekbaar 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/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..b5f0757af --- /dev/null +++ b/ocr/dutch/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Hoe OCR te gebruiken om tekst uit een afbeelding te extraheren in Java. + Leer OCR‑afbeelding‑naar‑tekstconversie, corrigeer OCR‑fouten en laad een afbeelding + voor OCR met Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: nl +og_description: Hoe OCR in Java te gebruiken om tekst uit een afbeelding te extraheren, + OCR‑fouten te corrigeren en een afbeelding te laden voor OCR met Aspose OCR. +og_title: Hoe OCR in Java te gebruiken – Complete gids +tags: +- OCR +- Java +- Aspose +title: Hoe OCR in Java te gebruiken – Tekst uit afbeelding halen met spellingscorrectie +url: /nl/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 afbeelding met spellingscorrectie + +Heb je je ooit afgevraagd **hoe je OCR kunt gebruiken** om een wazige bonfoto om te zetten in schone, doorzoekbare tekst? Je bent niet de enige. In veel projecten—uitgaven‑volgapparaten, factuur‑digitaliseringspijplijnen, of zelfs een snel notitiescript—het verkrijgen van betrouwbare tekst uit een afbeelding is de eerste hindernis. + +Deze tutorial laat je precies zien hoe je OCR in Java gebruikt, van het laden van de afbeelding voor OCR tot het corrigeren van OCR‑fouten zodat het resultaat leest alsof het door een mens is getypt. Aan het einde kun je **tekst uit afbeelding extraheren**, **OCR afbeelding naar tekst** conversie uitvoeren, en veelvoorkomende herkenningsfouten automatisch corrigeren. + +## Wat je gaat bouwen + +We maken een klein Java console‑programma dat: + +1. Laadt een PNG (of elk ondersteund formaat) in de Aspose OCR‑engine. +2. Schakelt de ingebouwde spell‑correction‑functie in om **OCR‑fouten te corrigeren**. +3. Voert het herkenningsproces uit en print de opgeschoonde tekst. + +Geen externe services, geen zware frameworks—slechts één JAR en een paar regels code. + +### Vereisten + +- Java Development Kit (JDK) 8 of nieuwer. +- Maven (of een ander build‑tool) om de Aspose OCR‑bibliotheek te downloaden. +- Een afbeeldingsbestand (bijv. `receipt.png`) dat je wilt analyseren. + +Als je de Aspose OCR‑JAR mist, voeg dan deze afhankelijkheid toe aan je `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tip:** De gratis evaluatieversie werkt voor testen, maar een licentie verwijdert het evaluatiewatermerk. + +## Stap 1 – Initialise de OCR‑engine (Primaire trefwoord in actie) + +Het eerste wat je moet doen is een instantie van `OcrEngine` maken. Beschouw het als het brein dat de pixels leest en ze omzet in tekens. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Waarom dit belangrijk is:* Het initialiseren van de engine zet interne bronnen op (taalmodellen, woordenboeken, enz.). Het overslaan van deze stap zou later een `NullPointerException` veroorzaken wanneer je probeert een afbeelding te laden. + +## Stap 2 – Afbeelding laden voor OCR + +Nu **laden we daadwerkelijk de afbeelding voor OCR**. Aspose biedt een handige `ImageStream.fromFile` helper, maar je kunt ook een `byte[]` gebruiken als je dat liever hebt. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Veelvoorkomende valkuil:* Het bestandspad moet absoluut of relatief zijn ten opzichte van de werkmap. Als de afbeelding niet gevonden kan worden, gooit de engine een `IOException`. Controleer het pad nogmaals, vooral bij het uitvoeren vanuit een IDE versus een verpakte JAR. + +## Stap 3 – Spell‑correction inschakelen om **OCR‑fouten te corrigeren** + +Standaard OCR kan ruisig zijn—denk aan “l0ve” in plaats van “love” of “0” voor “O”. Het inschakelen van spell‑correction vertelt de engine om een post‑processing stap uit te voeren die typische fouten corrigeert. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Waarom je dit wilt:* Zonder spell‑correction moet je de output handmatig opschonen, wat het doel van automatisering ondermijnt. Het ingebouwde woordenboek werkt goed voor Engels en verschillende andere talen. + +## Stap 4 – De herkenning uitvoeren (**OCR afbeelding naar tekst**) + +Met de afbeelding geladen en spell‑correction ingeschakeld, kunnen we de engine eindelijk vragen de tekst te herkennen. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Randgeval:* Als de afbeelding weinig contrast heeft of sterk scheef staat, kan het resultaat nog steeds onzin bevatten. Overweeg pre‑processing (bijv. binarisatie, deskew) voordat je het aan de engine geeft. + +## Stap 5 – De opgeschoonde tekst weergeven + +De laatste stap is simpelweg het resultaat afdrukken. In een echte applicatie schrijf je het misschien naar een database of een bestand, maar voor deze demo is `System.out` voldoende. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Verwachte output + +Als we aannemen dat `receipt.png` een duidelijke lijst van items bevat, zie je mogelijk iets als: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Let op hoe “Qty” en “Price” correct gespeld zijn, zelfs als de originele scan een losse “Qy” had. + +## Volledig werkend voorbeeld + +Hieronder staat het volledige programma dat je kunt kopiëren‑plakken in een bestand genaamd `SpellCorrectDemo.java`. Zorg ervoor dat de Aspose OCR‑JAR op je classpath staat. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Voer het uit met: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Je zou nu de opgeschoonde tekst in de console moeten zien verschijnen. + +## Bonus: Instellingen aanpassen voor betere nauwkeurigheid + +Hoewel de standaardconfiguratie werkt voor de meeste gedrukte documenten, moet je mogelijk een paar parameters aanpassen voor gespecialiseerde scenario's: + +| Instelling | Wat het doet | Wanneer te wijzigen | +|------------|--------------|---------------------| +| `setLanguage(OcrLanguage.English)` | Dwingt Engels woordenboek af (vermindert false positives) | Als je afbeelding alleen Engelse tekst bevat. | +| `setResolution(300)` | Geeft de engine de DPI van de bronafbeelding door | Voor scans met hoge resolutie. | +| `setEnableAutoSkewCorrection(true)` | Roteert licht scheve pagina's automatisch | Wanneer afbeeldingen met een telefoon zijn vastgelegd. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Veelgestelde vragen + +**Q: Werkt dit met PDF’s?** +A: Ja. Converteer elke PDF‑pagina naar een afbeelding (bijv. met Aspose PDF) en voer de afbeelding in de OCR‑engine. + +**Q: Wat als mijn afbeelding in BMP‑formaat is?** +A: `ImageStream.fromFile` ondersteunt PNG, JPEG, BMP, TIFF en GIF direct. Verander gewoon de bestandsextensie. + +**Q: Kan ik spell‑correction uitschakelen?** +A: Zeker—stel `setEnableSpellCorrection(false)` in als je ruwe OCR‑output nodig hebt voor verdere verwerking. + +## Conclusie + +Je weet nu **hoe je OCR kunt gebruiken** in Java om **tekst uit afbeelding te extraheren**, automatisch **OCR‑fouten te corrigeren**, en correct **afbeelding te laden voor OCR** met Aspose OCR. De vijf‑stappenstroom—initialiseren, laden, spell‑correction inschakelen, herkennen en output—dekt de meeste alledaagse OCR‑taken. + +Vanaf hier kun je deze logica koppelen aan een database‑schrijfbewerking, een REST‑endpoint, of een batch‑processor om tientallen bonnen tegelijk te verwerken. Experimenteer met de extra instellingen‑tabel hierboven om elke laatste teken van nauwkeurigheid eruit te persen. + +Veel plezier met coderen, en moge je OCR‑resultaten altijd schoner zijn dan je met koffie bevlekte bonnen! + +![diagram hoe OCR te gebruiken, toont afbeelding → OCR engine → gecorrigeerde tekststroom] + +{{< /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..fbdb60b62 100644 --- a/ocr/english/java/advanced-ocr-techniques/_index.md +++ b/ocr/english/java/advanced-ocr-techniques/_index.md @@ -62,8 +62,19 @@ Efficiently prepare rectangles for OCR with Aspose.OCR for Java using our compre Empower your Java applications with Aspose.OCR for precise text recognition. This tutorial guides you through easy integration and high accuracy in recognizing lines. Elevate your projects with the efficiency and reliability of Aspose.OCR. ## [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. + +### [How to Enhance Contrast in OCR – Complete Java Pre‑processing Guide](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Boost OCR accuracy by enhancing image contrast with this comprehensive Java pre‑processing guide using Aspose.OCR. + +## [aspose ocr gpu Guide: Accelerate Text Extraction from PNG Images](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Learn how to leverage GPU acceleration with Aspose.OCR to speed up text extraction from PNG images in Java. + +## [recognize text from image with Java OCR – Parallel Processing Guide](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Learn how to speed up OCR in Java by processing multiple images in parallel with Aspose.OCR, boosting performance and throughput. -Effortlessly extract text from images by specifying allowed characters with Aspose.OCR for Java. Follow our step‑by‑step guide for efficient integration, ensuring a seamless text recognition experience. Enhance your Java applications with Aspose.OCR capabilities. +## [How to Use Aspose OCR for Mixed‑Language Images](./how-to-use-aspose-ocr-for-mixed-language-images/) +Learn to extract text from images containing multiple languages using Aspose OCR for Java, with language detection and high accuracy. ## Conclusion @@ -82,6 +93,14 @@ 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. +### [How to Enhance Contrast in OCR – Complete Java Pre‑processing Guide](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Boost OCR accuracy by enhancing image contrast with this comprehensive Java pre‑processing guide using Aspose.OCR. +### [aspose ocr gpu Guide: Accelerate Text Extraction from PNG Images](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Learn how to leverage GPU acceleration with Aspose.OCR to speed up text extraction from PNG images in Java. +### [recognize text from image with Java OCR – Parallel Processing Guide](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Learn how to speed up OCR in Java by processing multiple images in parallel with Aspose.OCR, boosting performance and throughput. +### [How to Use Aspose OCR for Mixed‑Language Images](./how-to-use-aspose-ocr-for-mixed-language-images/) +Learn to extract text from images containing multiple languages using Aspose OCR for Java, with language detection and high accuracy. ## Frequently Asked Questions @@ -111,4 +130,4 @@ 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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/english/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..35b5adbab --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: aspose ocr gpu tutorial shows how to recognize text from image and extract + text from png using GPU acceleration for fast, reliable OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: en +og_description: Learn how to use aspose ocr gpu to recognize text from image and extract + text from png with GPU acceleration in Java. +og_title: 'aspose ocr gpu Guide: Accelerate Text Extraction' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'aspose ocr gpu Guide: Accelerate Text Extraction from PNG Images' +url: /java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Fast, Reliable Text Extraction from PNG Images + +Looking to boost your OCR performance with **aspose ocr gpu**? With Aspose OCR GPU you can **recognize text from image** far faster by leveraging a CUDA‑enabled graphics card. Imagine processing a high‑resolution PNG in seconds instead of minutes—no more waiting around for the results. + +In this tutorial we’ll walk through everything you need to get up and running: loading an image for OCR, switching the engine to GPU mode, and finally extracting the text. By the end you’ll have a complete, runnable Java program that **extracts text from png** files using GPU acceleration. No external documentation required—just follow the steps, copy the code, and you’ll be good to go. + +## What You’ll Need + +- **Java Development Kit (JDK) 11+** – the code uses the standard Java language features. +- **Aspose.OCR for Java** (latest version as of May 2026). You can fetch it from Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **A CUDA‑enabled GPU** (NVIDIA GeForce, Quadro, or Tesla) with the appropriate driver installed. +- **A sample high‑resolution PNG** (e.g., `sample-highres.png`) that you want to process. + +If you don’t have a GPU, the code will fall back to CPU automatically—just comment out the GPU lines. + +## Step 1 – Load the Image for OCR + +The first thing any OCR workflow needs is an image source. Aspose OCR provides a convenient `ImageStream` wrapper that can read from a file, a byte array, or even a URL. Here we use `ImageStream.fromFile` because it’s the most straightforward for local development. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** Loading the image correctly ensures the OCR engine receives the exact pixel data it needs. Using `ImageStream.fromFile` also handles common PNG quirks (alpha channel, color depth) automatically. + +## Step 2 – Enable GPU Acceleration (aspose ocr gpu) + +Now comes the magic: telling Aspose to run on the GPU. The `OcrDevice` object inside the engine lets you pick the device type (`CPU` or `GPU`) and, if you have more than one GPU, the specific device ID. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** If you encounter `CUDA driver not found` errors, double‑check that the NVIDIA driver matches the CUDA version required by Aspose OCR (usually CUDA 11.x for the 23.x release). + +> **Edge case:** When running on a headless server, make sure the GPU is not locked by another process; otherwise the OCR call will fall back to CPU silently. + +## Step 3 – Recognize Text from Image + +With the image loaded and the device set, you can finally run the OCR engine. The `recognize()` method returns an `OcrResult` object that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +When you execute the program, you should see something like: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** The raw string extracted from the PNG. If the image contains tables or multi‑column layouts, you can enable `LayoutAnalysis` on the engine for better results (outside the scope of this quick guide). + +## Step 4 – Verify GPU Is Actually Used + +It’s easy to assume the GPU is doing the heavy lifting, but a quick sanity check can save you hours of debugging. Aspose OCR writes a small log entry when it initializes the device. + +Add this snippet right after you set the device type: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +If the output reads `GPU`, you’re good to go. If it says `CPU`, revisit your driver installation or ensure the `CUDA_HOME` environment variable points to the correct toolkit folder. + +## Common Pitfalls & How to Avoid Them + +| Symptom | Likely Cause | Fix | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA runtime not in `PATH` | Add the CUDA `bin` folder to your system `PATH` or set `java.library.path`. | +| OCR returns empty string | Image not loaded correctly (wrong path or unsupported format) | Double‑check the file path, and verify the PNG isn’t corrupted. | +| Performance similar to CPU | GPU fallback because of driver mismatch | Update NVIDIA driver to the version listed in Aspose OCR release notes. | +| Out‑of‑memory on large images | GPU memory exhausted | Reduce image resolution or split the image into tiles before processing. | + +## Bonus: Falling Back to CPU When GPU Is Unavailable + +Sometimes you might run the same code on a development laptop without a CUDA‑capable GPU. Wrapping the device selection in a try‑catch block makes the program robust. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Now the same binary works everywhere, and you still get the speed boost wherever the hardware permits it. + +## Full, Ready‑to‑Run Example + +Below is the complete Java class that incorporates all the steps, checks, and fallback logic discussed above. Copy‑paste it into your IDE, adjust the image path, and run it. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output** (assuming the PNG contains simple English text): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +If the GPU isn’t present, you’ll see “CPU” in the last line instead. + +## Visual Overview + +Below is a quick diagram of the data flow—from loading the PNG to getting back plain text. The image alt text contains the primary keyword for SEO. + +![aspose ocr gpu workflow – load image, enable GPU, recognize text] + +*Alt text: aspose ocr gpu workflow showing how to load image for ocr, enable GPU acceleration, and extract text from png.* + +## Recap & Next Steps + +We’ve just covered how to **aspose ocr gpu**‑accelerate the process of **recognize text from image** and **extract text from png** files. The key takeaways: + +1. **Load the image** with `ImageStream.fromFile`. +2. **Enable GPU** via `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Run `recognize()`** and read `ocrResult.getText()`. +4. **Validate the device** and gracefully fall back to CPU when needed. + +Ready to push the limits? Try these experiments: + +- **Batch processing:** Loop over a directory of PNGs and write each result to a `.txt` file. +- **Layout analysis:** Turn on `ocrEngine.getOptions().setDetectDocumentStructure(true)` to preserve columns and tables. +- **Multi‑GPU scaling:** If your workstation has several GPUs, spin up parallel threads, each pinned to a different `deviceId`. + +These extensions will deepen your mastery of **gpu accelerated ocr** and open the door to large‑scale document digitization projects. + +--- + +*Happy coding! If you hit any snags, drop a comment below—I'll be glad to help you troubleshoot.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/english/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..dd9d0cbb6 --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: How to enhance contrast while learning how to preprocess image, remove + noise, and correct image rotation for reliable OCR text recognition. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: en +og_description: How to enhance contrast in OCR images, plus how to preprocess image, + remove noise, and correct image rotation for accurate text recognition. +og_title: How to Enhance Contrast in OCR – Step‑by‑Step Java Guide +tags: +- OCR +- Java +- Image Processing +title: How to Enhance Contrast in OCR – Complete Java Pre‑processing Guide +url: /java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# How to Enhance Contrast in OCR – Complete Java Pre‑processing Guide + +Ever wondered **how to enhance contrast** so that your OCR engine actually reads the text instead of spitting out gibberish? You're not alone. Most developers hit the wall when the source image is dim, skewed, or riddled with speckles, and the result is a frustrating “recognize text from image” failure. + +The good news? By applying a few smart pre‑processing steps—**how to preprocess image**, **how to remove noise**, and **correct image rotation**—you can turn a noisy, low‑contrast PNG into a clean canvas that the OCR engine loves. In this tutorial we’ll walk through a real‑world Java example using Aspose.OCR, explain why each filter matters, and show you exactly **how to enhance contrast** for rock‑solid recognition. + +--- + +## What You’ll Learn + +- The purpose of each preprocessing filter (deskew, noise removal, contrast enhancement). +- **How to preprocess image** with Aspose.OCR in Java, step by step. +- Practical tips for **how to remove noise** and **correct image rotation** before OCR. +- The exact code you can copy‑paste, run, and see the output of **recognize text from image**. + +> **Prerequisites** – Java 17+, Maven or Gradle, and an Aspose.OCR for Java license (a free trial works for testing). No other third‑party libraries are required. + +--- + +## Step 1 – Set Up the Project and Import Aspose.OCR + +Before we can talk about **how to enhance contrast**, we need a working Java project with the OCR engine on board. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle, the equivalent is: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Create a simple `src/main/java/PreprocessDemo.java` file and import the required classes: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Keep your IDE’s auto‑import feature on; it saves a lot of back‑and‑forth. + +--- + +## Step 2 – Load the Image You Want to Clean + +Now that the library is ready, let’s answer the first part of **how to preprocess image**: loading it. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +At this point the engine holds a low‑quality PNG that likely suffers from poor contrast, rotation, and speckle noise. If you open the file, you’ll see exactly why the OCR would stumble. + +--- + +## Step 3 – Apply Filters: Deskew, Noise Removal, **How to Enhance Contrast** + +This is the heart of the tutorial—**how to enhance contrast** while simultaneously handling rotation and noise. Aspose.OCR ships with three ready‑made filters: + +| Filter | What it does | Why it matters for OCR | +|--------|--------------|------------------------| +| `DeskewFilter` | Detects and corrects image rotation | Ensures **correct image rotation**, so characters aren’t slanted. | +| `NoiseRemovalFilter` | Reduces random speckles and background grain | Implements **how to remove noise** so the engine sees only the letters. | +| `ContrastEnhancementFilter` | Boosts the difference between foreground text and background | Directly answers **how to enhance contrast**, making faint strokes stand out. | + +Add them in the order shown—deskew first, then noise removal, then contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Why this order?** +> • Deskew works best on the raw pixel matrix; rotating a noisy image can amplify artifacts. +> • Cleaning the noise before boosting contrast prevents the filter from amplifying speckles. +> • Finally, contrast enhancement makes the cleaned pixels pop, which is exactly **how to enhance contrast** for OCR. + +--- + +## Step 4 – Run the OCR Engine and **Recognize Text from Image** + +With the preprocessing pipeline in place, we finally call the OCR engine. This step answers the ultimate question: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +When you run `java PreprocessDemo`, you should see clean, readable text instead of a garbled mess. Typical output for a sample invoice might look like: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +If the result still looks fuzzy, consider tweaking the `ContrastEnhancementFilter` parameters (e.g., `setLevel(1.5)`) or double‑checking that the source image isn’t compressed beyond recovery. + +--- + +## Step 5 – Visual Check: Before & After (Optional) + +Seeing is believing. Below is a placeholder illustration that compares the original file with the processed version. The alt‑text explicitly mentions the primary keyword for SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*If you run the code on your own image, you’ll notice the same dramatic lift in legibility.* + +--- + +## Common Pitfalls & How to Fix Them + +| Issue | Why it Happens | Fix | +|-------|----------------|-----| +| Text still blurry after contrast boost | Filter level too low or image resolution insufficient | Increase the `ContrastEnhancementFilter` level (`new ContrastEnhancementFilter(1.8)`) or upscale the image before processing. | +| OCR returns empty string | Image was completely dark or all pixels were removed by the noise filter | Reduce the aggressiveness of `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Characters are still slanted | Deskew missed the angle because the image was heavily noisy | Run `DeskewFilter` **after** a light noise removal pass, or manually set the rotation angle with `DeskewFilter.setAngle(2.5)`. | +| Unexpected Unicode symbols | The OCR language isn’t set correctly | Call `ocrEngine.setLanguage(OcrLanguage.English);` before `recognize()`. | + +--- + +## Extending the Pipeline – What If You Need More? + +Sometimes you might need to **how to preprocess image** for colored scans or PDFs. Aspose.OCR also offers: + +- `BinarizationFilter` – converts to pure black‑and‑white, great for high‑contrast text. +- `ResizeFilter` – enlarges small fonts before OCR. +- `SharpenFilter` – accentuates edges for faint handwriting. + +You can chain them just like the three core filters shown earlier. Remember, the order still matters: resize → denoise → binarize → contrast → deskew is a common recipe. + +--- + +## Recap: From Noisy PNG to Clean Text + +- **How to enhance contrast**: use `ContrastEnhancementFilter` after deskew and noise removal. +- **How to preprocess image**: load, add filters, then run OCR. +- **How to remove noise**: `NoiseRemovalFilter` cleans the background without destroying text strokes. +- **Correct image rotation**: `DeskewFilter` aligns the text baseline, a prerequisite for accurate recognition. +- **Recognize text from image**: call `ocrEngine.recognize()` and read `ocrResult.getText()`. + +All of these steps together give you a robust pipeline that works for scanned invoices, receipts, and even old printed books. + +--- + +## What’s Next? + +- **Experiment**: Adjust filter parameters and observe the effect on OCR accuracy. +- **Batch processing**: Wrap the above logic in a loop to handle whole folders of images. +- **Integration**: Feed the OCR output into a database or a PDF generator for end‑to‑end automation. + +If you’re curious about other image‑enhancement tricks—like adaptive thresholding or color inversion—check out Aspose’s official docs or the “Advanced Image Pre‑processing with Aspose.OCR” guide. + +--- + +### Happy Coding! + +Now you know **how to enhance contrast** and the whole pre‑processing story that turns a messy scan into clean, searchable text. Drop a comment if you hit any snags, or share how you’ve customized the pipeline for your own projects. Let’s keep the OCR conversation going! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/english/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..eb9c3cac2 --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: How to use Aspose OCR to recognize text from image, enable automatic + language detection, and improve OCR speed in Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: en +og_description: How to use Aspose OCR to quickly recognize text from image, enable + automatic language detection, and improve OCR speed in Java. +og_title: How to Use Aspose OCR for Mixed‑Language Images +tags: +- Aspose +- OCR +- Java +- Image Processing +title: How to Use Aspose OCR for Mixed‑Language Images +url: /java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# How to Use Aspose OCR for Mixed‑Language Images + +Ever wondered **how to use Aspose** to pull text out of a picture that contains several languages at once? You're not alone—developers frequently hit a wall when an image mixes English, Russian, Hindi, or any other script. The good news is that Aspose OCR handles this gracefully, and you can even **recognize text from image** faster by narrowing the language set. + +In this tutorial we’ll walk through a complete, ready‑to‑run Java example that **loads image for OCR**, turns on **automatic language detection**, and shows a simple trick to **improve OCR speed**. By the end you’ll have a self‑contained program that prints the extracted text to the console, and you’ll understand why each setting matters. + +> **Prerequisites** – Java 17+ installed, Maven or Gradle for dependency management, and an Aspose OCR license (the free trial works for evaluation). No other libraries are required. + +--- + +## Step 1 – Add Aspose OCR to Your Project + +Before you can **use Aspose**, you need the library on your classpath. With Maven it looks like this: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Stick to the latest stable release; newer versions often include performance improvements that directly impact **improve OCR speed**. + +--- + +## Step 2 – Create the OCR Engine Instance + +The heart of every Aspose OCR workflow is the `OcrEngine`. Instantiating it is straightforward, but it’s worth noting that the engine holds internal caches. Re‑using a single instance across many images can actually **improve OCR speed** because the library avoids repeated native initialisation. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Step 3 – **Load Image for OCR** + +Aspose accepts many image formats (PNG, JPEG, TIFF, BMP). Here we demonstrate loading a PNG that contains English, Russian, and Hindi text. The `ImageStream.fromFile` helper abstracts away file‑I/O details and ensures the image is correctly streamed into the engine. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** Use `ImageStream.fromByteArray(byte[])` instead—perfect for web services that receive images as byte streams. + +--- + +## Step 4 – Enable Automatic Language Detection + +By default Aspose OCR assumes a single language, which can lead to garbled output on multilingual pictures. Turning on automatic detection tells the engine to sniff the script of each text block before recognition. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Step 5 – **Improve OCR Speed** by Restricting the Language Pool + +Full auto‑detect scans every language Aspose supports (over 70). If you know the possible languages ahead of time, you can give the engine a hint. Supplying a smaller array reduces the search space and therefore **improves OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** The engine skips language models it doesn’t need, saving CPU cycles and memory. If you later add more languages, just update the array—no code rewrite required. + +--- + +## Step 6 – Perform the Recognition and **Recognize Text from Image** + +Now the heavy lifting happens. `recognize()` returns an `OcrResult` object that contains the plain text, confidence scores, and even the layout information if you need it later. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Console Output + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +If the image contains additional noise or skewed text, you might see lower confidence for those lines. In that case, consider pre‑processing the image (deskew, binarisation) before feeding it to Aspose. + +--- + +## Common Questions & Edge Cases + +### What if the image is huge (e.g., >10 MP)? + +Large images consume more memory and can slow down processing. A quick way to **improve OCR speed** is to downscale the image while preserving readability: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### How do I handle right‑to‑left scripts like Arabic? + +Aspose OCR automatically respects script direction, but you may want to set the `RightToLeft` flag for post‑processing: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Can I extract text from PDFs instead of images? + +Yes—convert each PDF page to an image (using Aspose PDF or any rasterizer) and feed the result to the same OCR pipeline. The same **recognize text from image** logic applies. + +--- + +## Full Working Example (Copy‑Paste Ready) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Save the file as `MixedLanguageDemo.java`, compile with `javac`, and run with `java MixedLanguageDemo`. If everything is set up correctly, you’ll see the multilingual text printed to the console. + +--- + +## Conclusion + +You now know **how to use Aspose** to **recognize text from image** files that contain several languages, how to **enable automatic language detection**, and a practical tip to **improve OCR speed** by limiting the language pool. The full code above is ready for copy‑paste, and the explanations should give you confidence to adapt the solution—whether you need to **load image for OCR** from a stream, a byte array, or even a webcam snapshot. + +Next steps? Try experimenting with: + +* Adding image pre‑processing (denoise, binarise) for low‑quality scans. +* Exporting `OcrResult` as JSON for downstream services. +* Integrating the engine into a Spring Boot REST endpoint so clients can upload images and receive extracted text instantly. + +Happy coding, and may your OCR pipelines be fast, accurate, and multilingual! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/english/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..47034098c --- /dev/null +++ b/ocr/english/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,204 @@ +--- +category: general +date: 2026-05-06 +description: recognize text from image quickly using a Java OCR example. Learn to + extract text from tiff files with parallel ocr processing and how to ocr java efficiently. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: en +og_description: recognize text from image fast with a complete Java OCR example. This + tutorial shows how to extract text from tiff using parallel ocr processing. +og_title: recognize text from image with Java OCR – Parallel Processing Guide +tags: +- OCR +- Java +- Image Processing +title: recognize text from image with Java OCR – Parallel Processing Guide +url: /java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# recognize text from image with Java OCR – Parallel Processing Guide + +Ever needed to **recognize text from image** files but felt stuck at the performance bottleneck? You're not alone. Many developers hit the wall when a single‑threaded OCR engine crawls through multi‑page TIFFs, turning a quick task into a marathon. + +In this tutorial we’ll walk through a **java ocr example** that not only extracts text from tiff files but also leverages all your CPU cores for parallel ocr processing. By the end you’ll know exactly *how to ocr java* projects efficiently, and you’ll have a ready‑to‑run code snippet that you can drop into any Maven or Gradle setup. + +## What You’ll Learn + +- Set up the Aspose.OCR library in a Java project. +- Load a multi‑page TIFF and prepare it for recognition. +- Enable **parallel OCR processing** by matching the thread count to your logical CPU cores. +- Retrieve and display the recognized text, completing the **recognize text from image** workflow. + +> **Prerequisite:** Java 8 or newer and a valid Aspose.OCR for Java license (or a temporary evaluation key). No other external tools are required. + +--- + +## Step 1: Add Aspose.OCR Dependency + +Before we can **recognize text from image**, we need the OCR engine on the classpath. If you use Maven, add the following to your `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +For Gradle, the equivalent is: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* Keep the version number up to date; newer releases often include performance tweaks that make **parallel ocr processing** even faster. + +--- + +## Step 2: Prepare the Java Class – Full Working Example + +Below is a self‑contained **java ocr example** that demonstrates how to **extract text from tiff** using all available CPU cores. Save this as `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Why each line matters** + +- **Engine creation**: `OcrEngine` encapsulates all the heavy lifting. Without it, you can’t **recognize text from image** at all. +- **Image loading**: `ImageStream.fromFile` supports TIFF, PNG, JPEG, etc. Using a multi‑page TIFF tests the engine’s ability to handle complex documents. +- **Thread count**: `Runtime.getRuntime().availableProcessors()` returns the number of logical cores (including hyper‑threads). Setting this value triggers **parallel ocr processing**, dramatically cutting runtime on multi‑core machines. +- **Recognition**: `engine.recognize()` runs the OCR pipeline. Internally it splits pages across the thread pool you defined. +- **Result handling**: `result.getText()` returns a single `String` containing the concatenated text of all pages – perfect for downstream processing or storage. + +--- + +## Step 3: Run the Demo and Verify Output + +Compile and execute the program: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +You should see something like: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +If the console prints the expected text, congratulations—you’ve successfully **recognize text from image** using a **java ocr example** that runs in parallel. + +--- + +## Step 4: Tweak for Real‑World Scenarios (Optional) + +### Extract Text from Specific Pages Only + +Sometimes you only need certain pages from a large TIFF. You can filter after recognition: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Adjust Thread Count Manually + +If your server is already busy with other tasks, you might limit the OCR threads: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Handle Memory‑Intensive TIFFs + +Large multi‑page TIFFs can consume a lot of RAM. To mitigate, process the file in chunks: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Step 5: Common Pitfalls & How to Avoid Them + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **Insufficient license** | Runtime throws `LicenseException` | Apply a valid license file or use the free evaluation mode (adds a watermark). | +| **Wrong file path** | `FileNotFoundException` | Double‑check the path and use absolute paths during testing. | +| **CPU throttling** | No speed gain despite `setThreadCount` | Ensure your JVM isn’t limited by `-Xmx` memory caps or OS power‑saving settings. | +| **Unsupported image format** | `UnsupportedFormatException` | Convert the image to TIFF, PNG, or JPEG before feeding it to the engine. | + +--- + +## Visual Summary + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt text:* “Diagram showing the flow of recognize text from image using Java OCR with parallel processing” + +--- + +## Conclusion + +We’ve just walked through a complete **java ocr example** that **recognize text from image** files, specifically multi‑page TIFFs, while fully exploiting **parallel ocr processing**. By matching the thread pool to your CPU cores, you get near‑linear speed‑up on modern hardware—exactly the answer to “*how to ocr java* efficiently?” + +Next, you might explore: + +- **extract text from tiff** files in batches and store results in a database. +- Combine OCR with NLP libraries (e.g., OpenNLP) to automatically tag extracted entities. +- Deploy the solution as a microservice behind a REST endpoint for on‑demand OCR. + +Give it a spin, tweak the thread count, and see how much faster your pipeline becomes. If you hit any snags, drop a comment below—happy coding! + +{{< /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..05b7f4621 100644 --- a/ocr/english/java/ocr-operations/_index.md +++ b/ocr/english/java/ocr-operations/_index.md @@ -75,10 +75,16 @@ Unlock the power of text extraction from images with Aspose.OCR for Java. A comp Unlock precise text extraction from images with Aspose.OCR for Java. Follow our step‑by‑step guide for accurate OCR with language selection. ### [OCR Recognizing PDF Documents in Aspose.OCR for Java](./recognize-pdf/) Unlock the power of OCR in Java with Aspose.OCR. Recognize text in PDF documents effortlessly. Boost your applications with precision and speed. +### [Create Searchable PDF from Image – Step‑by‑Step Java Guide](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Step‑by‑step guide to convert images into searchable PDFs using Aspose.OCR for Java. +### [Create Searchable PDF from Image with Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Step‑by‑step guide to create searchable PDFs from images using Aspose.OCR for Java. ### [OCR Recognizing TIFF Images in Aspose.OCR for Java](./recognize-tiff/) 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. +### [How to Use OCR in Java – Extract Text from Image with Spell Correction](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Learn to extract text from images in Java using Aspose.OCR with built‑in spell correction for cleaner results. ## Frequently Asked Questions diff --git a/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..ff8645a7d --- /dev/null +++ b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-05-06 +description: Create searchable PDF from an image using Aspose OCR. Learn how to convert + image to PDF, OCR image to PDF and extract text from image in minutes. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: en +og_description: Create searchable PDF from an image with Aspose OCR. Follow this guide + to convert JPG to searchable PDF, extract text from image and more. +og_title: Create Searchable PDF from Image – Complete Java Tutorial +tags: +- Java +- OCR +- PDF +- Aspose +title: Create Searchable PDF from Image – Step‑by‑Step Java Guide +url: /java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Create Searchable PDF from Image – Complete Java Tutorial + +Ever needed to **create searchable PDF** from a scanned photo but weren’t sure which library to pick? You’re not alone. In many projects—think expense‑report automation or digital archiving—the ability to turn a plain image into a PDF that you can actually search is a game‑changer. + +That’s why in this tutorial we’ll walk through the whole process of **convert image to PDF**, run OCR on it, and end up with a **searchable PDF** you can drop into any document workflow. We’ll also touch on **extract text from image** and show you how to **convert jpg to searchable pdf** without a lot of boilerplate code. + +## What You’ll Learn + +- The exact Maven/Gradle dependency you need for Aspose OCR. +- How to load a JPG (or any supported image) into the OCR engine. +- Why saving with `OcrSaveFormat.PDF_SEARCHABLE` matters. +- Common pitfalls (large images, unsupported formats) and how to avoid them. +- How to verify that the resulting PDF really contains searchable text. + +By the end of this guide you’ll have a ready‑to‑run Java class that produces a searchable PDF in a single method call. No external command‑line tools, no extra OCR engines—just pure Java. + +--- + +## Prerequisites + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 or newer | Aspose OCR uses modern language features. | +| Maven or Gradle (for dependency management) | Makes it trivial to pull the Aspose OCR JAR. | +| A sample image (`input.jpg`) placed in a known folder | The code expects a file path; you can swap it for PNG, BMP, etc. | +| Optional: a PDF viewer with search capability (Adobe Reader, Foxit, etc.) | To confirm the PDF is truly searchable. | + +If you already have these, great—let’s dive in. + +--- + +## Step 1: Add Aspose OCR to Your Project + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** The free evaluation version adds a small watermark to the first page. For production, grab a license from Aspose and call `License license = new License(); license.setLicense("Aspose.OCR.lic");` before you instantiate `OcrEngine`. + +--- + +## Step 2: Load the Image You Want to Convert + +We’ll use `ImageStream.fromFile` to read the image directly from disk. This method supports JPG, PNG, TIFF, and many other formats, so you can **convert image to PDF** regardless of the source. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** The OCR engine needs a bitmap representation of the text. Supplying a high‑resolution image (300 dpi or higher) dramatically improves recognition accuracy, which in turn gives you better **extract text from image** results. + +--- + +## Step 3: Run OCR and Save as a Searchable PDF + +The magic happens when you call `save` with the `PDF_SEARCHABLE` format. Under the hood Aspose OCR creates a hidden text layer that sits on top of the original image, turning a static picture into a **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +If you prefer a plain PDF without the hidden layer, swap `PDF_SEARCHABLE` for `PDF`. But for most archiving scenarios, the searchable variant is the one you want. + +--- + +## Step 4: Verify the Result + +After the program finishes, open `searchable.pdf` in any PDF viewer and try the built‑in search (Ctrl + F). If you can find words that were originally only in the image, congratulations—you’ve successfully **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** Very large images (> 10 MB) may cause `OutOfMemoryError`. To mitigate this, downscale the image beforehand using `java.awt.Image` or a library like Thumbnailator. + +--- + +## Full Working Example + +Below is the complete, self‑contained Java class. Copy‑paste it into your IDE, adjust the paths, and run—no extra steps required. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +When you open `YOUR_DIRECTORY/searchable.pdf` you should be able to search for any word that appears in `input.jpg`. That’s the essence of **convert jpg to searchable pdf**. + +--- + +## Frequently Asked Questions (FAQ) + +### Can I process multiple images at once? +Yes. Loop over a list of file paths, call `setImage` for each, and either append pages to a single PDF (`PDF_SEARCHABLE`) or generate separate PDFs. Just remember to reset the engine state between iterations (`ocrEngine.clear()`). + +### What if the OCR accuracy is low? +- Ensure the source image is at least 300 dpi. +- Use `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` to lock the language. +- Pre‑process the image (deskew, contrast boost) with a library like OpenCV. + +### Does Aspose OCR support other languages? +Absolutely. The `OcrLanguage` enum includes French, German, Chinese, Arabic, and many more. Switch the language before calling `save`. + +### How do I embed the searchable PDF into an existing document? +Treat the output as any regular PDF. Use a PDF merger library (e.g., iText or Aspose PDF) to concatenate it with other PDFs. + +--- + +## Tips & Tricks from the Trenches + +- **Pro tip:** If you need a tiny file size, call `ocrEngine.getConfig().setCompress(true);` before saving. +- **Watch out for:** Images with transparent backgrounds—Aspose OCR treats transparency as white, which can affect contrast. +- **Remember:** The searchable PDF is still a raster image underneath. If you need a fully vector‑based PDF, you’ll have to recreate the layout manually. + +--- + +## Conclusion + +We’ve just covered everything you need to **create searchable PDF** files from images using Aspose OCR in Java. From adding the Maven dependency to verifying the hidden text layer, the process is straightforward and fully programmable. Now you can **convert image to pdf**, **ocr image to pdf**, and even **extract text from image** without leaving the comfort of your IDE. + +Ready for the next step? Try batch‑processing a folder of scanned receipts, or combine this workflow with a cloud storage trigger (AWS Lambda, Azure Functions) to automate document ingestion pipelines. The possibilities are endless—go ahead and experiment! + +If you hit any snags or have ideas for improvements, drop a comment below. Happy coding! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..a27edc270 --- /dev/null +++ b/ocr/english/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-05-06 +description: Create searchable PDF from an image using Aspose OCR in Java. Learn to + convert image to PDF, enable spell correction, and use OCR GPU for fast results. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: en +og_description: Create searchable PDF from an image using Aspose OCR in Java. This + guide shows how to convert image to PDF, enable spell correction, and use OCR GPU. +og_title: Create Searchable PDF from Image with Java OCR +tags: +- OCR +- Java +- PDF +title: Create Searchable PDF from Image with Java OCR +url: /java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Create Searchable PDF from Image with Java OCR + +Ever needed to **create searchable PDF** from a scanned picture but weren’t sure where to start? You’re not alone—most developers hit that wall when they first tackle image‑based PDFs. Luckily, with Aspose OCR for Java you can **convert image to PDF**, turn the text into selectable content, and even sprinkle in spell correction for a polished result. + +In this tutorial we’ll walk through a complete, ready‑to‑run example that shows how to **use OCR GPU** when it’s available, how to **process image OCR** efficiently, and why enabling spell correction matters for downstream search. By the end you’ll have a one‑click way to generate a searchable PDF that you can ship to users or archive for compliance. + +> **Pro tip:** If you’re running on a machine without a GPU, the code gracefully falls back to CPU, so you don’t have to rewrite anything. + +--- + +## What You’ll Need + +- **Java 8+** (the code compiles with JDK 8 and newer) +- **Aspose OCR for Java** library (download the latest JAR from the Aspose site) +- An **input image** (JPEG, PNG, TIFF, etc.) that you want to turn into a searchable PDF +- (Optional) A **GPU** with CUDA support if you want the fastest possible recognition + +No extra frameworks, no Maven/Gradle wizardry—just a single JAR on the classpath and you’re good to go. + +--- + +## Step 1: Initialise the OCR Engine – The Heart of the Process + +First we create an `OcrEngine` instance and point it at the source file. This object is the workhorse that will read the image, run the neural network, and hand us back the text. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Why this matters:* Initialising the engine once and re‑using it avoids the overhead of repeatedly loading native libraries—a tiny performance win that adds up when you batch‑process dozens of files. + +--- + +## Step 2: Choose the Processing Device – Use OCR GPU When Possible + +If your workstation has a compatible GPU, you can tell Aspose to run the heavy lifting on it. Otherwise the engine automatically switches to CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*What’s the benefit?* GPU acceleration can shave seconds off each page, especially for high‑resolution scans. The fallback ensures the same code works everywhere, which is why we recommend **use OCR GPU** as a default setting. + +--- + +## Step 3: Speed Up the Scan – Leverage All CPU Cores + +Even when the GPU is busy, the surrounding preprocessing steps can be parallelised. Setting the thread count to the number of available processors gives the engine a chance to crunch multiple chunks simultaneously. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Note:* On a 4‑core laptop this will spin up four threads; on a 16‑core workstation you get the full benefit. Just be aware that more threads mean higher memory usage. + +--- + +## Step 4: Clean Up the Image – Pre‑processing Filters + +A blurry or noisy scan will produce garbage text. Adding a couple of built‑in filters dramatically improves accuracy. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Why these filters?* `DeskewFilter` corrects rotation that often occurs when a document is fed through a scanner at an angle. `NoiseRemovalFilter` eliminates stray pixels that would otherwise be mis‑interpreted as characters. Think of it as giving the OCR engine a clean piece of paper to read. + +--- + +## Step 5: Turn On Smart Features – Enable Spell Correction & Auto Language Detection + +If you’re dealing with multilingual documents, or just want fewer typos, turn on the built‑in spell checker and let the engine guess the language. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*When is this useful?* Suppose your scan contains both English and Spanish sections. The auto‑detect feature switches dictionaries on the fly, while spell correction cleans up mis‑read characters like “0” for “O”. This step is essential for producing a **searchable PDF** that actually returns correct results. + +--- + +## Step 6: Save the Result – Convert Image to PDF and Make It Searchable + +Finally we ask the engine to write out a PDF where the original image sits behind an invisible text layer. This is the classic **convert image to PDF** workflow, but the PDF is now searchable. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +The output file (`output-searchable.pdf`) can be opened in any PDF viewer; you’ll be able to select, copy, and search the text just like a native PDF. No extra tools required. + +--- + +## Full Working Example – Paste‑and‑Run + +Below is the entire program, ready to compile. Replace `YOUR_DIRECTORY` with the folder that holds `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Expected output:** When you run the program you’ll see the console line *“Searchable PDF generated successfully.”* Opening `output-searchable.pdf` in Adobe Reader lets you type a word from the original image into the search box and instantly jump to its location. + +--- + +## Common Questions & Edge Cases + +- **What if the GPU isn’t detected?** + The `setDeviceType(OcrDeviceType.GPU)` call doesn’t throw; it merely instructs the engine to try the GPU first. If it fails, the engine falls back to CPU silently. + +- **Can I process multiple images in one run?** + Yes. Wrap the code inside a loop, change the file name each iteration, and reuse the same `OcrEngine` instance to keep memory usage low. + +- **My PDF is huge—how do I shrink it?** + After OCR you can run Aspose’s PDF optimization APIs, or simply downscale the source image before feeding it to the engine (`ImageStream.fromFile(...).setResolution(150)` for 150 DPI). + +- **I need to keep the original image resolution for legal compliance.** + The `PDF_SEARCHABLE` format preserves the original bitmap exactly; the invisible text layer is added on top without altering the visual quality. + +--- + +## Visual Summary + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt text:* *create searchable pdf example – Java OCR engine turning a scanned JPG into a searchable PDF.* + +--- + +## Conclusion + +You now have a **complete, end‑to‑end solution** for turning any image into a **searchable PDF** using Aspose OCR for Java. By **converting image to PDF**, **enabling spell correction**, and **using OCR GPU** when possible, you get fast, accurate, and searchable results that work across platforms. + +What’s next? Try experimenting with: + +- **Different output formats** (`PDF`, `DOCX`, `HTML`) to see how the text layer behaves. +- **Custom dictionaries** if you’re processing domain‑specific jargon. +- **Batch processing** to handle thousands of scans automatically. + +Feel free to tweak the thread count, swap filters, or plug in your own preprocessing pipeline. The core pattern stays the same: load → preprocess → configure → OCR → save. + +Happy coding, and may your PDFs always be searchable! + +{{< /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-image-with-spell-co/_index.md b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..300b9d3c4 --- /dev/null +++ b/ocr/english/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: How to use OCR to extract text from image in Java. Learn OCR image to + text conversion, correct OCR errors and load image for OCR with Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: en +og_description: How to use OCR in Java to extract text from image, correct OCR errors + and load image for OCR using 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 Image with Spell Correction +url: /java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 Image with Spell Correction + +Ever wondered **how to use OCR** to turn a blurry receipt photo into clean, searchable text? You're not alone. In many projects—expense‑tracking apps, invoice digitisation pipelines, or even a quick note‑taking script—getting reliable text out of an image is the first hurdle. + +This tutorial shows you exactly how to use OCR in Java, covering everything from loading the image for OCR to correcting OCR errors so the result reads like it was typed by a human. By the end, you’ll be able to **extract text from image**, perform **OCR image to text** conversion, and fix common recognition mistakes automatically. + +## What You’ll Build + +We’ll create a tiny Java console program that: + +1. Loads a PNG (or any supported format) into the Aspose OCR engine. +2. Enables the built‑in spell‑correction feature to **correct OCR errors**. +3. Runs the recognition process and prints the cleaned‑up text. + +No external services, no heavyweight frameworks—just a single JAR and a few lines of code. + +### Prerequisites + +- Java Development Kit (JDK) 8 or newer. +- Maven (or any build tool) to pull the Aspose OCR library. +- An image file (e.g., `receipt.png`) you want to analyse. + +If you’re missing the Aspose OCR JAR, add this dependency to your `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tip:** The free evaluation version works for testing, but a license removes the evaluation watermark. + +## Step 1 – Initialise the OCR Engine (Primary Keyword in Action) + +The first thing you need to do is create an instance of `OcrEngine`. Think of it as the brain that will read the pixels and turn them into characters. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Why this matters:* Initialising the engine sets up internal resources (language models, dictionaries, etc.). Skipping this step would cause a `NullPointerException` later when you try to load an image. + +## Step 2 – Load Image for OCR + +Now we actually **load image for OCR**. Aspose provides a convenient `ImageStream.fromFile` helper, but you can also feed a `byte[]` if you prefer. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Common pitfall:* The file path must be absolute or relative to the working directory. If the image can’t be found, the engine throws an `IOException`. Double‑check the path, especially when running from an IDE versus a packaged JAR. + +## Step 3 – Enable Spell Correction to **Correct OCR Errors** + +Out‑of‑the‑box OCR can be noisy—think “l0ve” instead of “love” or “0” for “O”. Enabling spell correction tells the engine to run a post‑processing pass that fixes typical mistakes. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Why you’d want this:* Without spell correction, you might have to manually clean the output, which defeats the purpose of automation. The built‑in dictionary works well for English and several other languages. + +## Step 4 – Perform the Recognition (**OCR Image to Text**) + +With the image loaded and spell correction enabled, we can finally ask the engine to recognise the text. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Edge case:* If the image is low‑contrast or heavily skewed, the result may still contain gibberish. Consider pre‑processing (e.g., binarisation, deskew) before feeding it to the engine. + +## Step 5 – Output the Cleaned‑Up Text + +The final step is simply printing the result. In a real application you might write it to a database or a file, but for this demo `System.out` is enough. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Output + +Assuming `receipt.png` contains a clear list of items, you might see something like: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Notice how “Qty” and “Price” are spelled correctly even if the original scan had a stray “Qy”. + +## Full Working Example + +Below is the complete program you can copy‑paste into a file named `SpellCorrectDemo.java`. Make sure the Aspose OCR JAR is on your classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +You should now see the cleaned‑up text printed to the console. + +## Bonus: Tweaking Settings for Better Accuracy + +While the default configuration works for most printed documents, you might need to adjust a few parameters for specialized scenarios: + +| Setting | What It Does | When to Change | +|---------|--------------|----------------| +| `setLanguage(OcrLanguage.English)` | Forces English dictionary (reduces false positives) | If your image contains only English text. | +| `setResolution(300)` | Tells the engine the DPI of the source image | For high‑resolution scans. | +| `setEnableAutoSkewCorrection(true)` | Auto‑rotates slightly tilted pages | When images are captured by a phone. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Frequently Asked Questions + +**Q: Does this work with PDFs?** +A: Yes. Convert each PDF page to an image (e.g., using Aspose PDF) and feed the image to the OCR engine. + +**Q: What if my image is in BMP format?** +A: `ImageStream.fromFile` supports PNG, JPEG, BMP, TIFF, and GIF out of the box. Just change the file extension. + +**Q: Can I disable spell correction?** +A: Absolutely—set `setEnableSpellCorrection(false)` if you need raw OCR output for downstream processing. + +## Conclusion + +You now know **how to use OCR** in Java to **extract text from image**, automatically **correct OCR errors**, and properly **load image for OCR** using Aspose OCR. The five‑step flow—initialise, load, enable spell correction, recognize, and output—covers the majority of everyday OCR tasks. + +From here, consider chaining this logic with a database write‑back, a REST endpoint, or a batch processor to handle dozens of receipts at once. Experiment with the extra settings table above to squeeze out every last character of accuracy. + +Happy coding, and may your OCR results always be cleaner than your coffee‑stained receipts! + +![how to use ocr diagram showing image → OCR engine → corrected text flow] + +{{< /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..85b8c826f 100644 --- a/ocr/french/java/advanced-ocr-techniques/_index.md +++ b/ocr/french/java/advanced-ocr-techniques/_index.md @@ -60,10 +60,19 @@ Libérez la puissance de la reconnaissance de texte avec Aspose.OCR pour Java. S ### [Reconnaître les lignes dans Aspose.OCR pour Java](./recognize-lines/) 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. +Débloquez l'extraction de texte à partir d'images de manière transparente avec Aspose.OCR pour Java. Suivez notre guide à l'étape pour une intégration efficace. +### [Guide Aspose OCR GPU : Accélérer l'extraction de texte à partir d'images PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Boostez la vitesse d'extraction du texte des images PNG grâce à l'accélération GPU d'Aspose OCR. Suivez notre guide étape par étape. +### [Reconnaître du texte à partir d'une image avec Java OCR – Guide de traitement parallèle](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Apprenez à accélérer la reconnaissance de texte en traitant plusieurs images en parallèle avec Aspose.OCR pour Java. +### [Comment utiliser Aspose OCR pour les images multilingues](./how-to-use-aspose-ocr-for-mixed-language-images/) +Apprenez à extraire du texte de plusieurs langues dans une même image avec Aspose OCR pour Java, en assurant précision et performance. +### [Comment améliorer le contraste en OCR – Guide complet de prétraitement Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Apprenez à augmenter le contraste des images pour optimiser l'OCR avec Aspose.OCR en Java, grâce à des techniques de prétraitement efficaces. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/french/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..d18fa44b1 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,251 @@ +--- +category: general +date: 2026-05-06 +description: Le tutoriel Aspose OCR GPU montre comment reconnaître le texte à partir + d’une image et extraire le texte d’un PNG en utilisant l’accélération GPU pour une + OCR rapide et fiable. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: fr +og_description: Apprenez à utiliser Aspose OCR GPU pour reconnaître le texte d’une + image et extraire le texte d’un PNG avec l’accélération GPU en Java. +og_title: 'Guide Aspose OCR GPU : Accélérer l''extraction de texte' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Guide GPU Aspose OCR : Accélérer l''extraction de texte à partir d''images + PNG' +url: /fr/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Extraction de texte rapide et fiable à partir d'images PNG + +Vous souhaitez améliorer les performances de votre OCR avec **aspose ocr gpu** ? Avec Aspose OCR GPU, vous pouvez **reconnaître du texte à partir d'une image** beaucoup plus rapidement en exploitant une carte graphique compatible CUDA. Imaginez traiter un PNG haute résolution en quelques secondes au lieu de minutes—plus besoin d’attendre les résultats. + +Dans ce tutoriel, nous passerons en revue tout ce dont vous avez besoin pour démarrer : charger une image pour l’OCR, basculer le moteur en mode GPU, puis extraire le texte. À la fin, vous disposerez d’un programme Java complet et exécutable qui **extrait du texte de fichiers png** grâce à l’accélération GPU. Aucun document externe requis—suivez simplement les étapes, copiez le code, et vous serez prêt à partir. + +## Ce dont vous avez besoin + +- **Java Development Kit (JDK) 11+** – le code utilise les fonctionnalités standard du langage Java. +- **Aspose.OCR for Java** (dernière version en mai 2026). Vous pouvez le récupérer depuis Maven Central : + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Un GPU compatible CUDA** (NVIDIA GeForce, Quadro ou Tesla) avec le pilote approprié installé. +- **Un PNG haute résolution d’exemple** (par ex. `sample-highres.png`) que vous souhaitez traiter. + +Si vous ne disposez pas d’un GPU, le code reviendra automatiquement au CPU—il suffit de commenter les lignes GPU. + +## Étape 1 – Charger l'image pour l'OCR + +La première chose dont tout flux de travail OCR a besoin est une source d’image. Aspose OCR fournit un wrapper pratique `ImageStream` qui peut lire depuis un fichier, un tableau d’octets ou même une URL. Ici, nous utilisons `ImageStream.fromFile` car c’est la méthode la plus directe pour le développement local. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Pourquoi c’est important :** Charger correctement l’image garantit que le moteur OCR reçoit les données de pixels exactes dont il a besoin. L’utilisation de `ImageStream.fromFile` gère également automatiquement les particularités courantes des PNG (canal alpha, profondeur de couleur). + +## Étape 2 – Activer l'accélération GPU (aspose ocr gpu) + +Vient maintenant la magie : dire à Aspose d’exécuter le traitement sur le GPU. L’objet `OcrDevice` du moteur vous permet de choisir le type d’appareil (`CPU` ou `GPU`) et, si vous avez plusieurs GPU, l’ID de l’appareil spécifique. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Astuce pro :** Si vous rencontrez des erreurs `CUDA driver not found`, vérifiez que le pilote NVIDIA correspond à la version CUDA requise par Aspose OCR (généralement CUDA 11.x pour la version 23.x). +> **Cas particulier :** Lors d’une exécution sur un serveur sans affichage, assurez‑vous que le GPU n’est pas verrouillé par un autre processus ; sinon l’appel OCR reviendra silencieusement au CPU. + +## Étape 3 – Reconnaître le texte à partir de l'image + +Une fois l’image chargée et le dispositif configuré, vous pouvez enfin lancer le moteur OCR. La méthode `recognize()` renvoie un objet `OcrResult` contenant le texte brut, les scores de confiance, et même les boîtes englobantes si vous en avez besoin plus tard. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Lorsque vous exécutez le programme, vous devriez voir quelque chose comme : + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Ce que vous voyez :** La chaîne brute extraite du PNG. Si l’image contient des tableaux ou des mises en page à colonnes multiples, vous pouvez activer `LayoutAnalysis` sur le moteur pour de meilleurs résultats (hors du cadre de ce guide rapide). + +## Étape 4 – Vérifier que le GPU est réellement utilisé + +Il est facile de supposer que le GPU fait le gros du travail, mais une vérification rapide peut vous éviter des heures de débogage. Aspose OCR écrit une petite entrée de journal lorsqu’il initialise le dispositif. + +Ajoutez ce fragment juste après avoir défini le type de dispositif : + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Si la sortie indique `GPU`, tout est en ordre. Si elle indique `CPU`, revérifiez votre installation de pilote ou assurez‑vous que la variable d’environnement `CUDA_HOME` pointe vers le bon répertoire du toolkit. + +## Problèmes courants et comment les éviter + +| Symptôme | Cause probable | Solution | +|----------|----------------|----------| +| `java.lang.UnsatisfiedLinkError` concernant `cudart64_110.dll` | Runtime CUDA absent du `PATH` | Ajoutez le dossier `bin` de CUDA à votre `PATH` système ou définissez `java.library.path`. | +| OCR renvoie une chaîne vide | Image non chargée correctement (chemin erroné ou format non supporté) | Vérifiez le chemin du fichier et assurez‑vous que le PNG n’est pas corrompu. | +| Performances similaires au CPU | Repli sur le CPU à cause d’une incompatibilité de pilote | Mettez à jour le pilote NVIDIA à la version indiquée dans les notes de version d’Aspose OCR. | +| Mémoire insuffisante sur de grandes images | Mémoire GPU épuisée | Réduisez la résolution de l’image ou divisez‑l‑en tuiles avant le traitement. | + +## Bonus : Revenir au CPU lorsque le GPU n'est pas disponible + +Parfois, vous exécuterez le même code sur un ordinateur portable de développement sans GPU compatible CUDA. Envelopper la sélection du dispositif dans un bloc `try‑catch` rend le programme plus robuste. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Ainsi, le même binaire fonctionne partout, et vous conservez le gain de vitesse chaque fois que le matériel le permet. + +## Exemple complet, prêt à l'exécution + +Voici la classe Java complète qui intègre toutes les étapes, les vérifications et la logique de repli décrites ci‑dessus. Copiez‑collez‑la dans votre IDE, ajustez le chemin de l’image, puis lancez‑la. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Sortie attendue** (en supposant que le PNG contienne du texte anglais simple) : + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Si le GPU n’est pas présent, vous verrez « CPU » dans la dernière ligne. + +## Vue d'ensemble visuelle + +Voici un diagramme rapide du flux de données — du chargement du PNG à la récupération du texte brut. Le texte alternatif de l’image contient le mot‑clé principal pour le SEO. + +![aspose ocr gpu workflow – charger l'image, activer le GPU, reconnaître le texte] + +*Texte alternatif : flux de travail aspose ocr gpu montrant comment charger une image pour l’OCR, activer l’accélération GPU et extraire du texte d’un PNG.* + +## Récapitulatif et prochaines étapes + +Nous venons de couvrir comment **aspose ocr gpu**‑accélérer le processus de **reconnaître du texte à partir d’une image** et **extraire du texte de fichiers png**. Les points clés : + +1. **Chargez l'image** avec `ImageStream.fromFile`. +2. **Activez le GPU** via `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Exécutez `recognize()`** et lisez `ocrResult.getText()`. +4. **Validez le dispositif** et revenez gracieusement au CPU si nécessaire. + +Prêt à repousser les limites ? Essayez ces expériences : + +- **Traitement par lots :** parcourez un répertoire de PNG et écrivez chaque résultat dans un fichier `.txt`. +- **Analyse de mise en page :** activez `ocrEngine.getOptions().setDetectDocumentStructure(true)` pour conserver les colonnes et les tableaux. +- **Mise à l’échelle multi‑GPU :** si votre station possède plusieurs GPU, lancez des threads parallèles, chacun assigné à un `deviceId` différent. + +Ces extensions approfondiront votre maîtrise de **gpu accelerated ocr** et ouvriront la voie à des projets de numérisation de documents à grande échelle. + +--- + +*Bon codage ! Si vous rencontrez des difficultés, laissez un commentaire ci‑dessous—je serai ravi de vous aider à résoudre le problème.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/french/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..d201fbadc --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,220 @@ +--- +category: general +date: 2026-05-06 +description: Comment améliorer le contraste tout en apprenant à prétraiter l'image, + à supprimer le bruit et à corriger la rotation de l'image pour une reconnaissance + de texte OCR fiable. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: fr +og_description: Comment améliorer le contraste des images OCR, ainsi que prétraiter + l'image, éliminer le bruit et corriger la rotation de l'image pour une reconnaissance + de texte précise. +og_title: Comment améliorer le contraste dans l’OCR – Guide Java étape par étape +tags: +- OCR +- Java +- Image Processing +title: Comment améliorer le contraste dans l’OCR – Guide complet de prétraitement + Java +url: /fr/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Comment améliorer le contraste dans l'OCR – Guide complet de pré‑traitement Java + +Vous êtes-vous déjà demandé **comment améliorer le contraste** afin que votre moteur OCR lise réellement le texte au lieu de produire du charabia ? Vous n'êtes pas seul. La plupart des développeurs se heurtent à un mur lorsque l'image source est sombre, inclinée ou parsemée de taches, et le résultat est un échec frustrant de “reconnaître le texte à partir de l'image”. + +Bonne nouvelle ! En appliquant quelques étapes de pré‑traitement intelligentes—**comment prétraiter l'image**, **comment supprimer le bruit**, et **correction de la rotation de l'image**—vous pouvez transformer un PNG bruité et à faible contraste en une toile propre que le moteur OCR adore. Dans ce tutoriel, nous parcourrons un exemple Java réel avec Aspose.OCR, expliquerons pourquoi chaque filtre est important, et vous montrerons exactement **comment améliorer le contraste** pour une reconnaissance infaillible. + +--- + +## Ce que vous allez apprendre + +- Le rôle de chaque filtre de pré‑traitement (redressement, suppression du bruit, amélioration du contraste). +- **Comment prétraiter l'image** avec Aspose.OCR en Java, étape par étape. +- Astuces pratiques pour **comment supprimer le bruit** et **corriger la rotation de l'image** avant l'OCR. +- Le code exact que vous pouvez copier‑coller, exécuter et voir le résultat de **reconnaître le texte à partir de l'image**. + +> **Prérequis** – Java 17+, Maven ou Gradle, et une licence Aspose.OCR pour Java (un essai gratuit suffit pour les tests). Aucune autre bibliothèque tierce n’est requise. + +--- + +## Étape 1 – Configurer le projet et importer Aspose.OCR + +Avant de pouvoir parler de **comment améliorer le contraste**, nous avons besoin d’un projet Java fonctionnel avec le moteur OCR intégré. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Si vous préférez Gradle, l’équivalent est : + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Créez un fichier simple `src/main/java/PreprocessDemo.java` et importez les classes requises : + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Astuce pro** : Gardez la fonction d’auto‑importation de votre IDE activée ; cela évite beaucoup d’allers‑retours. + +--- + +## Étape 2 – Charger l'image que vous souhaitez nettoyer + +Maintenant que la bibliothèque est prête, répondons à la première partie de **comment prétraiter l'image** : le chargement. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +À ce stade, le moteur détient un PNG de mauvaise qualité qui souffre probablement d’un contraste insuffisant, d’une rotation et de bruit de taches. Si vous ouvrez le fichier, vous verrez exactement pourquoi l’OCR aurait du mal. + +--- + +## Étape 3 – Appliquer les filtres : redressement, suppression du bruit, **Comment améliorer le contraste** + +C’est le cœur du tutoriel—**comment améliorer le contraste** tout en gérant simultanément la rotation et le bruit. Aspose.OCR propose trois filtres prêts à l’emploi : + +| Filtre | Ce qu’il fait | Pourquoi c’est important pour l’OCR | +|--------|----------------|--------------------------------------| +| `DeskewFilter` | Détecte et corrige la rotation de l'image | Garantit **la rotation correcte de l'image**, afin que les caractères ne soient pas inclinés. | +| `NoiseRemovalFilter` | Réduit les taches aléatoires et le grain de fond | Met en œuvre **comment supprimer le bruit** afin que le moteur ne voie que les lettres. | +| `ContrastEnhancementFilter` | Augmente la différence entre le texte au premier plan et l'arrière‑plan | Répond directement à **comment améliorer le contraste**, faisant ressortir les traits faibles. | + +Ajoutez‑les dans l’ordre indiqué — redressement d’abord, puis suppression du bruit, puis amélioration du contraste : + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Pourquoi cet ordre ?** +> • Le redressement fonctionne mieux sur la matrice de pixels brute ; faire pivoter une image bruitée peut amplifier les artefacts. +> • Nettoyer le bruit avant d’augmenter le contraste empêche le filtre d’amplifier les taches. +> • Enfin, l’amélioration du contraste fait ressortir les pixels nettoyés, ce qui correspond exactement à **comment améliorer le contraste** pour l’OCR. + +--- + +## Étape 4 – Exécuter le moteur OCR et **Reconnaître le texte à partir de l'image** + +Avec le pipeline de pré‑traitement en place, nous appelons enfin le moteur OCR. Cette étape répond à la question ultime : **reconnaître le texte à partir de l'image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Lorsque vous exécutez `java PreprocessDemo`, vous devriez voir du texte propre et lisible au lieu d’un méli‑mélange incompréhensible. Un résultat typique pour une facture d’exemple pourrait ressembler à : + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Si le résultat reste flou, envisagez d’ajuster les paramètres du `ContrastEnhancementFilter` (par ex., `setLevel(1.5)`) ou vérifiez que l’image source n’est pas compressée au point d’être irrécupérable. + +--- + +## Étape 5 – Vérification visuelle : avant & après (optionnel) + +Voir, c’est croire. Ci‑dessous se trouve une illustration factice qui compare le fichier original à la version traitée. Le texte alternatif mentionne explicitement le mot‑clé principal pour le SEO. + +![Diagramme montrant comment améliorer le contraste dans le pré‑traitement OCR – image originale vs. image améliorée](https://example.com/contrast-demo.png "Comment améliorer le contraste dans le pré‑traitement OCR") + +*Si vous exécutez le code sur votre propre image, vous remarquerez la même amélioration spectaculaire de la lisibilité.* + +--- + +## Problèmes courants & comment les résoudre + +| Problème | Pourquoi cela se produit | Solution | +|----------|--------------------------|----------| +| Le texte reste flou après l’augmentation du contraste | Niveau du filtre trop bas ou résolution de l’image insuffisante | Augmentez le niveau du `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) ou agrandissez l’image avant le traitement. | +| L’OCR renvoie une chaîne vide | L’image était complètement sombre ou tous les pixels ont été supprimés par le filtre de bruit | Réduisez l’agressivité du `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Les caractères sont encore inclinés | Le redressement a manqué l’angle parce que l’image était très bruitée | Exécutez `DeskewFilter` **après** un léger passage de suppression du bruit, ou définissez manuellement l’angle de rotation avec `DeskewFilter.setAngle(2.5)`. | +| Symboles Unicode inattendus | La langue de l’OCR n’est pas correctement définie | Appelez `ocrEngine.setLanguage(OcrLanguage.English);` avant `recognize()`. | + +--- + +## Étendre le pipeline – et si vous avez besoin de plus ? + +Parfois, vous pourriez devoir **comment prétraiter l'image** pour des numérisations en couleur ou des PDF. Aspose.OCR propose également : + +- `BinarizationFilter` – convertit en noir et blanc pur, idéal pour du texte à fort contraste. +- `ResizeFilter` – agrandit les petites polices avant l’OCR. +- `SharpenFilter` – accentue les contours pour une écriture manuscrite pâle. + +Vous pouvez les chaîner de la même façon que les trois filtres principaux présentés précédemment. N’oubliez pas, l’ordre reste crucial : redimensionner → débruiter → binariser → contraste → redressement est une recette courante. + +--- + +## Récapitulatif : d'un PNG bruité à du texte propre + +- **Comment améliorer le contraste** : utilisez `ContrastEnhancementFilter` après le redressement et la suppression du bruit. +- **Comment prétraiter l'image** : chargez, ajoutez les filtres, puis lancez l’OCR. +- **Comment supprimer le bruit** : `NoiseRemovalFilter` nettoie l’arrière‑plan sans détruire les traits du texte. +- **Rotation correcte de l'image** : `DeskewFilter` aligne la ligne de base du texte, prérequis pour une reconnaissance précise. +- **Reconnaître le texte à partir de l'image** : appelez `ocrEngine.recognize()` et lisez `ocrResult.getText()`. + +En combinant toutes ces étapes, vous obtenez un pipeline robuste qui fonctionne pour les factures numérisées, les reçus et même les vieux livres imprimés. + +--- + +## Et après ? + +- **Expérimentez** : ajustez les paramètres des filtres et observez l’effet sur la précision de l’OCR. +- **Traitement par lots** : encapsulez la logique ci‑dessus dans une boucle pour gérer des dossiers entiers d’images. +- **Intégration** : alimentez la sortie OCR dans une base de données ou un générateur de PDF pour une automatisation de bout en bout. + +Si vous êtes curieux d’autres astuces d’amélioration d’image—comme le seuillage adaptatif ou l’inversion des couleurs—consultez la documentation officielle d’Aspose ou le guide “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### Bon codage ! + +Vous savez maintenant **comment améliorer le contraste** et toute l’histoire de pré‑traitement qui transforme un scan désordonné en texte propre et interrogeable. Laissez un commentaire si vous rencontrez des difficultés, ou partagez comment vous avez personnalisé le pipeline pour vos propres projets. Continuons la conversation autour de l’OCR ! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/french/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..124410f09 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-05-06 +description: Comment utiliser Aspose OCR pour reconnaître le texte à partir d’une + image, activer la détection automatique de la langue et améliorer la vitesse d’OCR + en Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: fr +og_description: Comment utiliser Aspose OCR pour reconnaître rapidement le texte d’une + image, activer la détection automatique de la langue et améliorer la vitesse d’OCR + en Java. +og_title: Comment utiliser Aspose OCR pour les images multilingues +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Comment utiliser Aspose OCR pour les images multilingues +url: /fr/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Comment utiliser Aspose OCR pour les images multilingues + +Vous vous êtes déjà demandé **comment utiliser Aspose** pour extraire du texte d'une image contenant plusieurs langues à la fois ? Vous n'êtes pas seul—les développeurs se heurtent souvent à un mur lorsqu'une image mélange l'anglais, le russe, l'hindi ou tout autre script. La bonne nouvelle, c'est qu'Aspose OCR gère cela avec élégance, et vous pouvez même **reconnaître du texte à partir d'une image** plus rapidement en restreignant l'ensemble des langues. + +Dans ce tutoriel, nous parcourrons un exemple Java complet, prêt à l'exécution, qui **charge l'image pour l'OCR**, active la **détection automatique de la langue**, et montre une astuce simple pour **améliorer la vitesse de l'OCR**. À la fin, vous disposerez d'un programme autonome qui affiche le texte extrait dans la console, et vous comprendrez pourquoi chaque paramètre est important. + +> **Prérequis** – Java 17+ installé, Maven ou Gradle pour la gestion des dépendances, et une licence Aspose OCR (l'essai gratuit suffit pour l'évaluation). Aucune autre bibliothèque n'est requise. + +--- + +## Étape 1 – Ajouter Aspose OCR à votre projet + +Avant de pouvoir **utiliser Aspose**, vous devez ajouter la bibliothèque à votre classpath. Avec Maven, cela ressemble à ceci : + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Si vous préférez Gradle : + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Astuce** : Restez sur la dernière version stable ; les versions plus récentes incluent souvent des améliorations de performance qui impactent directement **l'amélioration de la vitesse de l'OCR**. + +--- + +## Étape 2 – Créer l'instance du moteur OCR + +Le cœur de chaque flux de travail Aspose OCR est le `OcrEngine`. L'instancier est simple, mais il faut noter que le moteur possède des caches internes. Réutiliser une seule instance sur de nombreuses images peut réellement **améliorer la vitesse de l'OCR** car la bibliothèque évite des initialisations natives répétées. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Étape 3 – **Charger l'image pour l'OCR** + +Aspose accepte de nombreux formats d'image (PNG, JPEG, TIFF, BMP). Ici, nous démontrons le chargement d'un PNG contenant du texte en anglais, russe et hindi. L'aide `ImageStream.fromFile` abstrait les détails d'E/S de fichiers et garantit que l'image est correctement diffusée vers le moteur. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Et si l'image est en mémoire ?** Utilisez `ImageStream.fromByteArray(byte[])` à la place—parfait pour les services web qui reçoivent des images sous forme de flux d'octets. + +--- + +## Étape 4 – Activer la détection automatique de la langue + +Par défaut, Aspose OCR suppose une seule langue, ce qui peut entraîner une sortie illisible sur des images multilingues. Activer la détection automatique indique au moteur de détecter le script de chaque bloc de texte avant la reconnaissance. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Étape 5 – **Améliorer la vitesse de l'OCR** en restreignant le pool de langues + +La détection automatique complète parcourt toutes les langues prises en charge par Aspose (plus de 70). Si vous connaissez à l'avance les langues possibles, vous pouvez donner un indice au moteur. Fournir un tableau plus petit réduit l'espace de recherche et donc **améliore la vitesse de l'OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Pourquoi cela aide-t-il ?** Le moteur ignore les modèles de langue dont il n'a pas besoin, économisant des cycles CPU et de la mémoire. Si vous ajoutez plus tard d'autres langues, il suffit de mettre à jour le tableau—aucune réécriture de code n'est nécessaire. + +--- + +## Étape 6 – Effectuer la reconnaissance et **reconnaître le texte à partir de l'image** + +C'est maintenant que le travail lourd s'effectue. `recognize()` renvoie un objet `OcrResult` contenant le texte brut, les scores de confiance, et même les informations de mise en page si vous en avez besoin plus tard. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Sortie console attendue + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Si l'image contient du bruit supplémentaire ou du texte incliné, vous pourriez voir une confiance plus faible pour ces lignes. Dans ce cas, envisagez de pré‑traiter l'image (redressement, binarisation) avant de la transmettre à Aspose. + +--- + +## Questions fréquentes & cas limites + +### Et si l'image est très grande (par ex., >10 MP) ? + +Les grandes images consomment plus de mémoire et peuvent ralentir le traitement. Un moyen rapide d'**améliorer la vitesse de l'OCR** consiste à réduire la taille de l'image tout en préservant la lisibilité : + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Comment gérer les scripts de droite à gauche comme l'arabe ? + +Aspose OCR respecte automatiquement la direction du script, mais vous pouvez souhaiter définir le drapeau `RightToLeft` pour le post‑traitement : + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Puis‑je extraire du texte à partir de PDF au lieu d'images ? + +Oui—convertissez chaque page PDF en image (à l'aide d'Aspose PDF ou de tout rasteriseur) et alimentez le résultat dans le même pipeline OCR. La même logique de **reconnaître le texte à partir de l'image** s'applique. + +--- + +## Exemple complet fonctionnel (prêt à copier‑coller) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Enregistrez le fichier sous le nom `MixedLanguageDemo.java`, compilez avec `javac`, et exécutez avec `java MixedLanguageDemo`. Si tout est correctement configuré, vous verrez le texte multilingue affiché dans la console. + +--- + +## Conclusion + +Vous savez maintenant **comment utiliser Aspose** pour **reconnaître le texte à partir d'une image** contenant plusieurs langues, comment **activer la détection automatique de la langue**, et une astuce pratique pour **améliorer la vitesse de l'OCR** en limitant le pool de langues. Le code complet ci‑dessus est prêt à copier‑coller, et les explications devraient vous donner la confiance nécessaire pour adapter la solution—que vous ayez besoin de **charger l'image pour l'OCR** depuis un flux, un tableau d'octets, ou même un instantané de webcam. + +Prochaines étapes ? Essayez d'expérimenter avec : + +* Ajouter un pré‑traitement d'image (débruitage, binarisation) pour les scans de faible qualité. +* Exporter `OcrResult` en JSON pour les services en aval. +* Intégrer le moteur dans un point d'accès REST Spring Boot afin que les clients puissent télécharger des images et recevoir le texte extrait instantanément. + +Bon codage, et que vos pipelines OCR soient rapides, précis et multilingues ! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/french/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..34e2d50d8 --- /dev/null +++ b/ocr/french/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Reconnaître rapidement le texte d’une image à l’aide d’un exemple OCR + en Java. Apprenez à extraire le texte des fichiers TIFF avec un traitement OCR parallèle + et à réaliser l’OCR en Java de manière efficace. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: fr +og_description: reconnaître le texte d'une image rapidement avec un exemple complet + d'OCR en Java. Ce tutoriel montre comment extraire le texte d'un TIFF en utilisant + un traitement OCR parallèle. +og_title: Reconnaître le texte d'une image avec Java OCR – Guide de traitement parallèle +tags: +- OCR +- Java +- Image Processing +title: Reconnaître du texte à partir d'une image avec Java OCR – Guide de traitement + parallèle +url: /fr/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< 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 Java OCR – Guide de traitement parallèle + +Vous avez déjà eu besoin de **reconnaître du texte à partir d'une image** mais vous êtes bloqué par un goulot de performance ? Vous n'êtes pas seul. De nombreux développeurs se heurtent à la limite lorsqu'un moteur OCR mono‑thread parcourt des TIFF multi‑pages, transformant une tâche rapide en marathon. + +Dans ce tutoriel, nous allons parcourir un **exemple java OCR** qui non seulement extrait le texte des fichiers TIFF mais exploite également tous vos cœurs CPU pour un traitement OCR parallèle. À la fin, vous saurez exactement *comment faire de l'OCR en Java* de manière efficace, et vous disposerez d’un extrait de code prêt à l’emploi que vous pourrez intégrer à n’importe quel projet Maven ou Gradle. + +## Ce que vous allez apprendre + +- Installer la bibliothèque Aspose.OCR dans un projet Java. +- Charger un TIFF multi‑pages et le préparer pour la reconnaissance. +- Activer le **traitement OCR parallèle** en ajustant le nombre de threads à vos cœurs CPU logiques. +- Récupérer et afficher le texte reconnu, complétant le flux de **reconnaissance de texte à partir d'image**. + +> **Prérequis :** Java 8 ou supérieur et une licence valide d’Aspose.OCR for Java (ou une clé d’évaluation temporaire). Aucun autre outil externe n’est requis. + +--- + +## Étape 1 : Ajouter la dépendance Aspose.OCR + +Avant de pouvoir **reconnaître du texte à partir d'une image**, nous devons placer le moteur OCR sur le classpath. Si vous utilisez Maven, ajoutez ce qui suit à votre `pom.xml` : + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Pour Gradle, l’équivalent est : + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Astuce :* Gardez le numéro de version à jour ; les nouvelles versions contiennent souvent des améliorations de performance qui rendent le **traitement OCR parallèle** encore plus rapide. + +--- + +## Étape 2 : Préparer la classe Java – Exemple complet fonctionnel + +Voici un **exemple java OCR** autonome qui montre comment **extraire du texte d’un TIFF** en utilisant tous les cœurs CPU disponibles. Enregistrez-le sous le nom `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Pourquoi chaque ligne est importante** + +- **Création du moteur** : `OcrEngine` encapsule tout le travail lourd. Sans lui, vous ne pouvez pas **reconnaître du texte à partir d'une image**. +- **Chargement de l’image** : `ImageStream.fromFile` prend en charge TIFF, PNG, JPEG, etc. Utiliser un TIFF multi‑pages teste la capacité du moteur à gérer des documents complexes. +- **Nombre de threads** : `Runtime.getRuntime().availableProcessors()` renvoie le nombre de cœurs logiques (y compris l’hyper‑threading). Définir cette valeur déclenche le **traitement OCR parallèle**, réduisant drastiquement le temps d’exécution sur les machines multi‑cœurs. +- **Reconnaissance** : `engine.recognize()` exécute le pipeline OCR. En interne, il répartit les pages sur le pool de threads que vous avez configuré. +- **Gestion du résultat** : `result.getText()` renvoie une seule `String` contenant le texte concaténé de toutes les pages – idéal pour un traitement ou un stockage en aval. + +--- + +## Étape 3 : Exécuter la démo et vérifier la sortie + +Compilez et lancez le programme : + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Vous devriez voir quelque chose comme : + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Si la console affiche le texte attendu, félicitations — vous avez réussi à **reconnaître du texte à partir d'une image** à l’aide d’un **exemple java OCR** qui s’exécute en parallèle. + +--- + +## Étape 4 : Ajuster pour des scénarios réels (facultatif) + +### Extraire le texte de pages spécifiques uniquement + +Parfois, vous ne avez besoin que de certaines pages d’un grand TIFF. Vous pouvez filtrer après la reconnaissance : + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Ajuster manuellement le nombre de threads + +Si votre serveur est déjà occupé par d’autres tâches, vous pouvez limiter les threads OCR : + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Gérer les TIFF gourmands en mémoire + +Les TIFF multi‑pages volumineux peuvent consommer beaucoup de RAM. Pour atténuer le problème, traitez le fichier par morceaux : + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Étape 5 : Pièges courants & comment les éviter + +| Problème | Symptom | Solution | +|----------|---------|----------| +| **Licence insuffisante** | Une exception `LicenseException` est levée | Appliquez un fichier de licence valide ou utilisez le mode d’évaluation gratuit (ajoute un filigrane). | +| **Chemin de fichier incorrect** | `FileNotFoundException` | Vérifiez le chemin et utilisez des chemins absolus pendant les tests. | +| **Throttling du CPU** | Aucun gain de vitesse malgré `setThreadCount` | Assurez‑vous que votre JVM n’est pas limitée par les paramètres `-Xmx` ou par les réglages d’économie d’énergie du système d’exploitation. | +| **Format d’image non pris en charge** | `UnsupportedFormatException` | Convertissez l’image en TIFF, PNG ou JPEG avant de la transmettre au moteur. | + +--- + +## Résumé visuel + +![exemple de reconnaissance de texte à partir d'une image](image-placeholder.png "reconnaissance de texte à partir d'image") + +*Texte alternatif :* “Diagramme montrant le flux de reconnaissance de texte à partir d'une image avec Java OCR et traitement parallèle” + +--- + +## Conclusion + +Nous venons de parcourir un **exemple java OCR** complet qui **reconnaît du texte à partir d'une image**, en particulier des TIFF multi‑pages, tout en exploitant pleinement le **traitement OCR parallèle**. En adaptant le pool de threads à vos cœurs CPU, vous obtenez un gain de vitesse quasi‑linéaire sur le matériel moderne — la réponse exacte à la question « *comment faire de l'OCR en Java* efficacement ? » + +Ensuite, vous pourriez explorer : + +- **extraire du texte de fichiers TIFF** en lots et stocker les résultats dans une base de données. +- Combiner l’OCR avec des bibliothèques NLP (par ex., OpenNLP) pour taguer automatiquement les entités extraites. +- Déployer la solution comme micro‑service derrière un endpoint REST pour un OCR à la demande. + +Testez-le, ajustez le nombre de threads, et observez à quel point votre pipeline devient plus rapide. Si vous rencontrez des difficultés, laissez un commentaire ci‑dessous—bon codage ! + +{{< /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..0f35cad3e 100644 --- a/ocr/french/java/ocr-operations/_index.md +++ b/ocr/french/java/ocr-operations/_index.md @@ -46,7 +46,7 @@ Que vous travailliez avec des images complexes ou que vous ayez besoin d’une e ## Performing OCR with Language Selection in Aspose.OCR -La précision est essentielle lorsqu’il s’agit d’extraction de texte, et Aspose.OCR pour Java le comprend parfaitement. Plongez dans le tutoriel Language Selection, où nous vous guidons à travers le processus d’obtention d’un OCR précis en sélectionnant la bonne langue. Suivez nos instructions pas à pas pour garantir que votre extraction de texte répond aux normes les plus élevées. +La précision est essentielle lorsqu’il s’agit d'extraction de texte, et Aspose.OCR pour Java le comprend parfaitement. Plongez dans le tutoriel Language Selection, où nous vous guidons à travers le processus d’obtention d’un OCR précis en sélectionnant la bonne langue. Suivez nos instructions pas à pas pour garantir que votre extraction de texte répond aux normes les plus élevées. Qu’il s’agisse de documents multilingues ou d’exigences linguistiques spécifiques, ce tutoriel vous permet d’extraire le texte avec une précision chirurgicale. Dites adieu aux approximations et bonjour à la précision. @@ -81,6 +81,12 @@ Débloquez la puissance de l’OCR en Java avec Aspose.OCR. Reconnaissez le text 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. +### [Comment utiliser l’OCR en Java – Extraire du texte d’image avec correction orthographique](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Apprenez à extraire du texte d'images en Java avec Aspose.OCR et à corriger automatiquement les fautes d'orthographe. +### [Créer un PDF consultable à partir d’une image – Guide Java étape par étape](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Apprenez à transformer une image en PDF consultable avec Aspose.OCR pour Java, grâce à un guide détaillé pas à pas. +### [Créer un PDF consultable à partir d’une image avec Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Apprenez à générer un PDF consultable depuis une image en utilisant Aspose.OCR pour Java, avec un guide complet. ## Foire aux questions diff --git a/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..377da551b --- /dev/null +++ b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,188 @@ +--- +category: general +date: 2026-05-06 +description: Créer un PDF interrogeable à partir d’une image avec Aspose OCR. Découvrez + comment convertir une image en PDF, OCRiser une image en PDF et extraire le texte + d’une image en quelques minutes. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: fr +og_description: Créez un PDF consultable à partir d’une image avec Aspose OCR. Suivez + ce guide pour convertir un JPG en PDF consultable, extraire le texte d’une image + et plus encore. +og_title: Créer un PDF consultable à partir d'une image – Tutoriel Java complet +tags: +- Java +- OCR +- PDF +- Aspose +title: Créer un PDF consultable à partir d’une image – Guide Java étape par étape +url: /fr/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Créer un PDF interrogeable à partir d'une image – Tutoriel Java complet + +Vous avez déjà eu besoin de **créer un PDF interrogeable** à partir d’une photo numérisée mais vous ne saviez pas quelle bibliothèque choisir ? Vous n'êtes pas seul. Dans de nombreux projets—pensez à l’automatisation des rapports de frais ou à l’archivage numérique—la capacité de transformer une simple image en un PDF que vous pouvez réellement rechercher est un véritable changement de jeu. + +C’est pourquoi, dans ce tutoriel, nous parcourrons l’ensemble du processus de **convert image to PDF**, exécuter l’OCR dessus, et obtenir un **PDF interrogeable** que vous pouvez intégrer à n’importe quel flux de travail documentaire. Nous aborderons également **extract text from image** et vous montrerons comment **convert jpg to searchable pdf** sans trop de code boilerplate. + +## Ce que vous apprendrez + +- La dépendance Maven/Gradle exacte dont vous avez besoin pour Aspose OCR. +- Comment charger un JPG (ou toute image prise en charge) dans le moteur OCR. +- Pourquoi enregistrer avec `OcrSaveFormat.PDF_SEARCHABLE` est important. +- Pièges courants (images volumineuses, formats non pris en charge) et comment les éviter. +- Comment vérifier que le PDF résultant contient réellement du texte interrogeable. + +À la fin de ce guide, vous disposerez d’une classe Java prête à l’emploi qui produit un PDF interrogeable en un seul appel de méthode. Aucun outil en ligne de commande externe, aucun moteur OCR supplémentaire—juste du Java pur. + +--- + +## Prérequis + +| Exigence | Pourquoi c’est important | +|----------|---------------------------| +| Java 8 ou plus récent | Aspose OCR utilise des fonctionnalités de langage modernes. | +| Maven ou Gradle (pour la gestion des dépendances) | Facilite le téléchargement du JAR Aspose OCR. | +| Une image d’exemple (`input.jpg`) placée dans un dossier connu | Le code attend un chemin de fichier ; vous pouvez le remplacer par PNG, BMP, etc. | +| Optionnel : un visualiseur PDF avec fonction de recherche (Adobe Reader, Foxit, etc.) | Pour confirmer que le PDF est réellement interrogeable. | + +Si vous avez déjà tout cela, super—plongeons-y. + +## Étape 1 : Ajouter Aspose OCR à votre projet + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Astuce :** La version d’évaluation gratuite ajoute un petit filigrane à la première page. Pour la production, obtenez une licence auprès d’Aspose et appelez `License license = new License(); license.setLicense("Aspose.OCR.lic");` avant d’instancier `OcrEngine`. + +## Étape 2 : Charger l’image que vous souhaitez convertir + +Nous utiliserons `ImageStream.fromFile` pour lire l’image directement depuis le disque. Cette méthode prend en charge JPG, PNG, TIFF et de nombreux autres formats, vous permettant de **convert image to PDF** quel que soit la source. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Pourquoi cette étape ?** Le moteur OCR a besoin d’une représentation bitmap du texte. Fournir une image haute résolution (300 dpi ou plus) améliore considérablement la précision de la reconnaissance, ce qui vous donne de meilleurs résultats d’**extract text from image**. + +## Étape 3 : Exécuter l’OCR et enregistrer en PDF interrogeable + +La magie opère lorsque vous appelez `save` avec le format `PDF_SEARCHABLE`. En coulisses, Aspose OCR crée une couche de texte cachée qui se superpose à l’image originale, transformant une image statique en **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Si vous préférez un PDF simple sans la couche cachée, remplacez `PDF_SEARCHABLE` par `PDF`. Mais pour la plupart des scénarios d’archivage, la variante interrogeable est celle que vous voulez. + +## Étape 4 : Vérifier le résultat + +Après l’exécution du programme, ouvrez `searchable.pdf` dans n’importe quel visualiseur PDF et testez la recherche intégrée (Ctrl + F). Si vous pouvez trouver des mots qui n’étaient à l’origine que dans l’image, félicitations—vous avez réussi à **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Cas limite :** Les images très volumineuses (> 10 Mo) peuvent provoquer un `OutOfMemoryError`. Pour atténuer cela, réduisez la taille de l’image au préalable en utilisant `java.awt.Image` ou une bibliothèque comme Thumbnailator. + +## Exemple complet fonctionnel + +Voici la classe Java complète et autonome. Copiez‑collez‑la dans votre IDE, ajustez les chemins, et exécutez—aucune étape supplémentaire requise. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Sortie attendue :** + +``` +Searchable PDF created. +``` + +Lorsque vous ouvrez `YOUR_DIRECTORY/searchable.pdf`, vous devriez pouvoir rechercher n’importe quel mot présent dans `input.jpg`. C’est l’essence de **convert jpg to searchable pdf**. + +## Questions fréquentes (FAQ) + +### Puis‑je traiter plusieurs images à la fois ? + +Oui. Parcourez une liste de chemins de fichiers, appelez `setImage` pour chacun, et soit ajoutez des pages à un seul PDF (`PDF_SEARCHABLE`), soit générez des PDF séparés. N’oubliez pas de réinitialiser l’état du moteur entre les itérations (`ocrEngine.clear()`). + +### Que faire si la précision de l’OCR est faible ? + +- Assurez‑vous que l’image source est d’au moins 300 dpi. +- Utilisez `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` pour verrouiller la langue. +- Pré‑traitez l’image (redressement, amélioration du contraste) avec une bibliothèque comme OpenCV. + +### Aspose OCR prend‑il en charge d’autres langues ? + +Absolument. L’énumération `OcrLanguage` comprend le français, l’allemand, le chinois, l’arabe et bien d’autres. Changez la langue avant d’appeler `save`. + +### Comment intégrer le PDF interrogeable dans un document existant ? + +Traitez la sortie comme n’importe quel PDF standard. Utilisez une bibliothèque de fusion de PDF (par ex., iText ou Aspose PDF) pour la concaténer avec d’autres PDF. + +## Astuces & conseils du terrain + +- **Astuce :** Si vous avez besoin d’une taille de fichier minuscule, appelez `ocrEngine.getConfig().setCompress(true);` avant d’enregistrer. +- **Attention :** Les images avec des fonds transparents—Aspose OCR traite la transparence comme du blanc, ce qui peut affecter le contraste. +- **Rappel :** Le PDF interrogeable reste une image raster en dessous. Si vous avez besoin d’un PDF entièrement vectoriel, vous devrez recréer la mise en page manuellement. + +## Conclusion + +Nous venons de couvrir tout ce dont vous avez besoin pour **create searchable PDF** à partir d’images en utilisant Aspose OCR en Java. De l’ajout de la dépendance Maven à la vérification de la couche de texte cachée, le processus est simple et entièrement programmable. Vous pouvez maintenant **convert image to pdf**, **ocr image to pdf**, et même **extract text from image** sans quitter le confort de votre IDE. + +Prêt pour l’étape suivante ? Essayez le traitement par lots d’un dossier de reçus numérisés, ou combinez ce flux de travail avec un déclencheur de stockage cloud (AWS Lambda, Azure Functions) pour automatiser les pipelines d’ingestion de documents. Les possibilités sont infinies—allez‑y et expérimentez ! + +Si vous rencontrez des problèmes ou avez des idées d’amélioration, laissez un commentaire ci‑dessous. Bon codage ! + +![Diagramme montrant le flux : image → moteur OCR → PDF interrogeable](image-placeholder.png "diagramme du flux de création d’un PDF interrogeable") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..05dce409a --- /dev/null +++ b/ocr/french/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Créer un PDF consultable à partir d'une image en utilisant Aspose OCR + en Java. Apprenez à convertir une image en PDF, à activer la correction orthographique + et à utiliser le GPU OCR pour des résultats rapides. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: fr +og_description: Créer un PDF interrogeable à partir d'une image en utilisant Aspose + OCR en Java. Ce guide montre comment convertir une image en PDF, activer la correction + orthographique et utiliser le GPU OCR. +og_title: Créer un PDF consultable à partir d'une image avec OCR Java +tags: +- OCR +- Java +- PDF +title: Créer un PDF consultable à partir d'une image avec Java OCR +url: /fr/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Créer un PDF consultable à partir d'une image avec Java OCR + +Vous avez déjà eu besoin de **créer un PDF consultable** à partir d'une image numérisée mais vous ne saviez pas par où commencer ? Vous n'êtes pas seul—la plupart des développeurs rencontrent ce problème lorsqu'ils abordent pour la première fois les PDF basés sur des images. Heureusement, avec Aspose OCR for Java vous pouvez **convertir une image en PDF**, transformer le texte en contenu sélectionnable, et même ajouter une correction orthographique pour un résultat soigné. + +Dans ce tutoriel, nous parcourrons un exemple complet, prêt à l'exécution, qui montre comment **utiliser OCR GPU** lorsqu'il est disponible, comment **traiter l'OCR d'image** efficacement, et pourquoi activer la correction orthographique est important pour la recherche en aval. À la fin, vous disposerez d'une méthode en un clic pour générer un PDF consultable que vous pourrez distribuer aux utilisateurs ou archiver pour la conformité. + +> **Astuce :** Si vous exécutez le code sur une machine sans GPU, le programme revient automatiquement au CPU, vous n'avez donc rien à réécrire. + +--- + +## Ce dont vous avez besoin + +- **Java 8+** (le code se compile avec JDK 8 et versions ultérieures) +- **Aspose OCR for Java** library (téléchargez le JAR le plus récent depuis le site Aspose) +- Une **image d'entrée** (JPEG, PNG, TIFF, etc.) que vous souhaitez transformer en PDF consultable +- (Optionnel) Un **GPU** avec prise en charge CUDA si vous voulez la reconnaissance la plus rapide possible + +Pas de frameworks supplémentaires, pas de magie Maven/Gradle—juste un seul JAR sur le classpath et vous êtes prêt à partir. + +--- + +## Étape 1 : Initialiser le moteur OCR – Le cœur du processus + +Tout d'abord, nous créons une instance `OcrEngine` et la pointons vers le fichier source. Cet objet est le cheval de bataille qui lira l'image, exécutera le réseau neuronal et nous renverra le texte. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Pourquoi c'est important :* Initialiser le moteur une fois et le réutiliser évite le surcoût de chargement répété des bibliothèques natives—un petit gain de performance qui s'accumule lorsqu'on traite par lots des dizaines de fichiers. + +--- + +## Étape 2 : Choisir le dispositif de traitement – Utiliser OCR GPU lorsque possible + +Si votre poste de travail possède un GPU compatible, vous pouvez indiquer à Aspose d'exécuter le travail intensif dessus. Sinon, le moteur bascule automatiquement sur le CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Quel est le bénéfice ?* L'accélération GPU peut économiser des secondes par page, surtout pour les numérisations haute résolution. Le repli garantit que le même code fonctionne partout, c'est pourquoi nous recommandons **use OCR GPU** comme paramètre par défaut. + +--- + +## Étape 3 : Accélérer le scan – Exploiter tous les cœurs CPU + +Même lorsque le GPU est occupé, les étapes de prétraitement environnantes peuvent être parallélisées. Définir le nombre de threads sur le nombre de processeurs disponibles donne au moteur la possibilité de traiter plusieurs morceaux simultanément. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Remarque :* Sur un ordinateur portable à 4 cœurs, cela créera quatre threads ; sur une station de travail à 16 cœurs, vous obtenez le plein bénéfice. Notez simplement que plus de threads impliquent une utilisation mémoire plus élevée. + +--- + +## Étape 4 : Nettoyer l'image – Filtres de prétraitement + +Une numérisation floue ou bruitée produira du texte illisible. Ajouter quelques filtres intégrés améliore considérablement la précision. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Pourquoi ces filtres ?* `DeskewFilter` corrige la rotation qui survient souvent lorsqu'un document est passé au scanner sous un angle. `NoiseRemovalFilter` élimine les pixels parasites qui seraient autrement interprétés comme des caractères. Considérez cela comme fournir au moteur OCR une feuille propre à lire. + +--- + +## Étape 5 : Activer les fonctionnalités intelligentes – Activer la correction orthographique & la détection automatique de langue + +Si vous traitez des documents multilingues, ou si vous souhaitez simplement moins de fautes, activez le correcteur orthographique intégré et laissez le moteur deviner la langue. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Quand est-ce utile ?* Supposons que votre numérisation contienne des sections en anglais et en espagnol. La fonction de détection automatique change les dictionnaires à la volée, tandis que la correction orthographique nettoie les caractères mal lus comme « 0 » à la place de « O ». Cette étape est essentielle pour produire un **PDF consultable** qui renvoie réellement des résultats corrects. + +--- + +## Étape 6 : Enregistrer le résultat – Convertir l'image en PDF et le rendre consultable + +Enfin, nous demandons au moteur d'écrire un PDF où l'image originale se trouve derrière une couche de texte invisible. C'est le flux de travail classique de **convertir une image en PDF**, mais le PDF est désormais consultable. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Le fichier de sortie (`output-searchable.pdf`) peut être ouvert avec n'importe quel lecteur PDF ; vous pourrez sélectionner, copier et rechercher le texte comme dans un PDF natif. Aucun outil supplémentaire n'est requis. + +--- + +## Exemple complet fonctionnel – Copier‑coller‑et‑exécuter + +Ci-dessous se trouve le programme complet, prêt à être compilé. Remplacez `YOUR_DIRECTORY` par le dossier contenant `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Sortie attendue :** Lorsque vous exécutez le programme, vous verrez la ligne de console *« Searchable PDF generated successfully. »* Ouvrir `output-searchable.pdf` dans Adobe Reader vous permet de taper un mot de l'image originale dans la zone de recherche et d'accéder instantanément à son emplacement. + +--- + +## Questions fréquentes & cas particuliers + +- **Et si le GPU n’est pas détecté ?** + L’appel `setDeviceType(OcrDeviceType.GPU)` ne génère pas d’exception ; il indique simplement au moteur d’essayer le GPU en premier. S’il échoue, le moteur revient silencieusement au CPU. + +- **Puis‑je traiter plusieurs images en une seule exécution ?** + Oui. Enveloppez le code dans une boucle, changez le nom de fichier à chaque itération, et réutilisez la même instance `OcrEngine` pour garder une faible consommation de mémoire. + +- **Mon PDF est volumineux—comment le réduire ?** + Après l’OCR, vous pouvez exécuter les API d’optimisation PDF d’Aspose, ou simplement réduire la résolution de l’image source avant de la transmettre au moteur (`ImageStream.fromFile(...).setResolution(150)` pour 150 DPI). + +- **Je dois conserver la résolution originale de l'image pour des raisons légales.** + Le format `PDF_SEARCHABLE` préserve le bitmap original exactement ; la couche de texte invisible est ajoutée au-dessus sans altérer la qualité visuelle. + +--- + +## Résumé visuel + +![exemple de création de PDF consultable](placeholder-image.png "exemple de création de PDF consultable") + +*Texte alternatif :* *exemple de création de PDF consultable – moteur OCR Java transformant un JPG numérisé en PDF consultable.* + +--- + +## Conclusion + +Vous disposez maintenant d’une **solution complète, de bout en bout** pour transformer n'importe quelle image en **PDF consultable** en utilisant Aspose OCR for Java. En **convertissant une image en PDF**, **activant la correction orthographique**, et **utilisant OCR GPU** lorsque c’est possible, vous obtenez des résultats rapides, précis et consultables qui fonctionnent sur toutes les plateformes. + +Et après ? Essayez d'expérimenter avec : + +- **Différents formats de sortie** (`PDF`, `DOCX`, `HTML`) pour voir comment la couche de texte se comporte. +- **Dictionnaires personnalisés** si vous traitez du jargon spécifique à un domaine. +- **Traitement par lots** pour gérer automatiquement des milliers de numérisations. + +N'hésitez pas à ajuster le nombre de threads, à remplacer les filtres, ou à intégrer votre propre pipeline de prétraitement. Le schéma de base reste le même : charger → prétraiter → configurer → OCR → enregistrer. + +Bon codage, et que vos PDF soient toujours consultables ! + +{{< /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-image-with-spell-co/_index.md b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..55c1309be --- /dev/null +++ b/ocr/french/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Comment utiliser l'OCR pour extraire du texte d’une image en Java. Apprenez + la conversion d’image en texte avec l’OCR, corrigez les erreurs d’OCR et chargez + une image pour l’OCR avec Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: fr +og_description: Comment utiliser l'OCR en Java pour extraire du texte d’une image, + corriger les erreurs d’OCR et charger une image pour l’OCR à l’aide d’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’une image avec correction + orthographique +url: /fr/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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'une image avec correction orthographique + +Vous vous êtes déjà demandé **comment utiliser l'OCR** pour transformer une photo de reçu floue en texte propre et interrogeable ? Vous n'êtes pas seul. Dans de nombreux projets—applications de suivi des dépenses, pipelines de numérisation de factures, ou même un script de prise de notes rapide—obtenir un texte fiable à partir d'une image est le premier obstacle. + +Ce tutoriel vous montre exactement comment utiliser l'OCR en Java, couvrant tout, du chargement de l'image pour l'OCR à la correction des erreurs d'OCR afin que le résultat ressemble à du texte tapé par un humain. À la fin, vous serez capable d'**extraire du texte d'une image**, d'effectuer une conversion **OCR image en texte**, et de corriger automatiquement les erreurs de reconnaissance courantes. + +## Ce que vous allez créer + +Nous allons créer un petit programme console Java qui : + +1. Charge un PNG (ou tout autre format supporté) dans le moteur Aspose OCR. +2. Active la fonctionnalité de correction orthographique intégrée pour **corriger les erreurs d'OCR**. +3. Exécute le processus de reconnaissance et affiche le texte nettoyé. + +Aucun service externe, aucun framework lourd—juste un seul JAR et quelques lignes de code. + +### Prérequis + +- Java Development Kit (JDK) 8 ou plus récent. +- Maven (ou tout autre outil de construction) pour récupérer la bibliothèque Aspose OCR. +- Un fichier image (par ex. `receipt.png`) que vous souhaitez analyser. + +Si le JAR Aspose OCR vous manque, ajoutez cette dépendance à votre `pom.xml` : + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Astuce :** La version d'évaluation gratuite fonctionne pour les tests, mais une licence supprime le filigrane d'évaluation. + +## Étape 1 – Initialiser le moteur OCR (Mot‑clé principal en action) + +La première chose à faire est de créer une instance de `OcrEngine`. Considérez‑la comme le cerveau qui lira les pixels et les transformera en caractères. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Pourquoi c'est important :* Initialiser le moteur configure les ressources internes (modèles de langue, dictionnaires, etc.). Sauter cette étape provoquerait une `NullPointerException` plus tard lorsque vous essayerez de charger une image. + +## Étape 2 – Charger l'image pour l'OCR + +Nous allons maintenant réellement **charger l'image pour l'OCR**. Aspose fournit un utilitaire pratique `ImageStream.fromFile`, mais vous pouvez également fournir un `byte[]` si vous le préférez. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Erreur fréquente :* Le chemin du fichier doit être absolu ou relatif au répertoire de travail. Si l'image est introuvable, le moteur lève une `IOException`. Vérifiez bien le chemin, surtout lors de l'exécution depuis un IDE versus un JAR empaqueté. + +## Étape 3 – Activer la correction orthographique pour **corriger les erreurs d'OCR** + +L'OCR tel quel peut être bruyant—pensez à “l0ve” au lieu de “love” ou “0” pour “O”. Activer la correction orthographique indique au moteur d'exécuter une passe de post‑traitement qui corrige les erreurs typiques. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Pourquoi vous le voudriez :* Sans correction orthographique, vous pourriez devoir nettoyer manuellement la sortie, ce qui annule le but de l'automatisation. Le dictionnaire intégré fonctionne bien pour l'anglais et plusieurs autres langues. + +## Étape 4 – Effectuer la reconnaissance (**OCR image en texte**) + +Avec l'image chargée et la correction orthographique activée, nous pouvons enfin demander au moteur de reconnaître le texte. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Cas limite :* Si l'image a un faible contraste ou est fortement inclinée, le résultat peut encore contenir du charabia. Envisagez un pré‑traitement (par ex. binarisation, redressement) avant de la fournir au moteur. + +## Étape 5 – Afficher le texte nettoyé + +La dernière étape consiste simplement à imprimer le résultat. Dans une application réelle vous pourriez l'écrire dans une base de données ou un fichier, mais pour cette démo `System.out` suffit. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Sortie attendue + +En supposant que `receipt.png` contienne une liste claire d'articles, vous pourriez voir quelque chose comme : + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Remarquez comment “Qty” et “Price” sont orthographiés correctement même si le scan original contenait un “Qy” erroné. + +## Exemple complet fonctionnel + +Voici le programme complet que vous pouvez copier‑coller dans un fichier nommé `SpellCorrectDemo.java`. Assurez‑vous que le JAR Aspose OCR se trouve dans votre classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Exécutez‑le avec : + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Vous devriez maintenant voir le texte nettoyé affiché dans la console. + +## Bonus : Ajuster les paramètres pour une meilleure précision + +Bien que la configuration par défaut fonctionne pour la plupart des documents imprimés, vous pourriez devoir ajuster quelques paramètres pour des scénarios spécialisés : + +| Paramètre | Description | Quand le modifier | +|-----------|-------------|-------------------| +| `setLanguage(OcrLanguage.English)` | Force le dictionnaire anglais (réduit les faux positifs) | Si votre image ne contient que du texte anglais. | +| `setResolution(300)` | Indique au moteur le DPI de l'image source | Pour des numérisations haute résolution. | +| `setEnableAutoSkewCorrection(true)` | Corrige automatiquement les pages légèrement inclinées | Lorsque les images sont capturées avec un téléphone. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Questions fréquentes + +**Q : Cette méthode fonctionne‑t‑elle avec les PDF ?** +R : Oui. Convertissez chaque page PDF en image (par ex. avec Aspose PDF) et fournissez l'image au moteur OCR. + +**Q : Et si mon image est au format BMP ?** +R : `ImageStream.fromFile` prend en charge PNG, JPEG, BMP, TIFF et GIF nativement. Il suffit de changer l'extension du fichier. + +**Q : Puis‑je désactiver la correction orthographique ?** +R : Absolument—définissez `setEnableSpellCorrection(false)` si vous avez besoin d'une sortie OCR brute pour un traitement en aval. + +## Conclusion + +Vous savez maintenant **comment utiliser l'OCR** en Java pour **extraire du texte d'une image**, **corriger automatiquement les erreurs d'OCR**, et **charger correctement l'image pour l'OCR** en utilisant Aspose OCR. Le flux en cinq étapes—initialiser, charger, activer la correction orthographique, reconnaître et afficher—couvre la majorité des tâches OCR quotidiennes. + +À partir d'ici, envisagez d'enchaîner cette logique avec une écriture dans une base de données, un point d'accès REST, ou un processeur batch pour gérer des dizaines de reçus à la fois. Expérimentez avec le tableau de paramètres supplémentaires ci‑dessus pour extraire chaque dernier caractère de précision. + +Bon codage, et que vos résultats OCR soient toujours plus propres que vos reçus tachés de café ! + +![diagramme montrant comment utiliser l'OCR : image → moteur OCR → texte corrigé] + +{{< /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..c429d50c9 100644 --- a/ocr/german/java/advanced-ocr-techniques/_index.md +++ b/ocr/german/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Nutzen Sie die Leistungsfähigkeit der Texterkennung mit Aspose.OCR für Java. B 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. +### [Aspose OCR GPU Leitfaden: Beschleunigen der Textextraktion aus PNG-Bildern](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Nutzen Sie die GPU-Beschleunigung von Aspose OCR, um Text aus PNG-Bildern schnell und präzise zu extrahieren. +### [Texterkennung aus Bild mit Java OCR – Parallelverarbeitungs‑Leitfaden](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Beschleunigen Sie die Texterkennung mit Java OCR durch parallele Verarbeitung für höhere Leistung. +### [Wie man Aspose OCR für mehrsprachige Bilder verwendet](./how-to-use-aspose-ocr-for-mixed-language-images/) +Erfahren Sie, wie Sie Aspose OCR einsetzen, um Text aus Bildern mit mehreren Sprachen präzise zu extrahieren. +### [Wie man den Kontrast bei OCR verbessert – Vollständiger Java‑Vorverarbeitungsleitfaden](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Erfahren Sie, wie Sie den Bildkontrast optimieren, um die OCR‑Genauigkeit in Java zu verbessern. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/german/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..db2f8b6c7 --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: Das Aspose OCR GPU‑Tutorial zeigt, wie man Text aus einem Bild erkennt + und Text aus einer PNG-Datei extrahiert, wobei GPU‑Beschleunigung für schnelle und + zuverlässige OCR verwendet wird. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: de +og_description: Erfahren Sie, wie Sie Aspose OCR GPU nutzen, um Text aus Bildern zu + erkennen und Text aus PNGs mit GPU‑Beschleunigung in Java zu extrahieren. +og_title: 'aspose ocr gpu Leitfaden: Beschleunigen Sie die Textextraktion' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Aspose OCR GPU Leitfaden: Beschleunigen Sie die Textextraktion aus PNG‑Bildern' +url: /de/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Schnelle, zuverlässige Textextraktion aus PNG-Bildern + +Möchten Sie die OCR‑Leistung mit **aspose ocr gpu** steigern? Mit Aspose OCR GPU können Sie **Text aus Bild** viel schneller erkennen, indem Sie eine CUDA‑fähige Grafikkarte nutzen. Stellen Sie sich vor, ein hochauflösendes PNG in Sekunden statt Minuten zu verarbeiten – kein langes Warten mehr auf die Ergebnisse. + +In diesem Tutorial führen wir Sie durch alles, was Sie benötigen, um sofort loszulegen: ein Bild für OCR laden, die Engine in den GPU‑Modus schalten und schließlich den Text extrahieren. Am Ende haben Sie ein vollständiges, ausführbares Java‑Programm, das **Text aus png**‑Dateien mithilfe von GPU‑Beschleunigung extrahiert. Keine externe Dokumentation nötig – folgen Sie einfach den Schritten, kopieren Sie den Code und Sie sind startklar. + +## Was Sie benötigen + +- **Java Development Kit (JDK) 11+** – der Code verwendet die Standard‑Java‑Sprachfeatures. +- **Aspose.OCR for Java** (neueste Version ab Mai 2026). Sie können es von Maven Central beziehen: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Eine CUDA‑fähige GPU** (NVIDIA GeForce, Quadro oder Tesla) mit dem passenden Treiber installiert. +- **Ein Beispiel‑hochauflösendes PNG** (z. B. `sample-highres.png`), das Sie verarbeiten möchten. + +Falls Sie keine GPU haben, fällt der Code automatisch auf die CPU zurück – kommentieren Sie einfach die GPU‑Zeilen aus. + +## Schritt 1 – Bild für OCR laden + +Das Erste, das jeder OCR‑Workflow benötigt, ist eine Bildquelle. Aspose OCR stellt einen praktischen `ImageStream`‑Wrapper bereit, der aus einer Datei, einem Byte‑Array oder sogar einer URL lesen kann. Hier verwenden wir `ImageStream.fromFile`, weil es für die lokale Entwicklung am einfachsten ist. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Warum das wichtig ist:** Das korrekte Laden des Bildes stellt sicher, dass die OCR‑Engine die genauen Pixeldaten erhält, die sie benötigt. Die Verwendung von `ImageStream.fromFile` behandelt außerdem gängige PNG‑Eigenheiten (Alphakanal, Farbtiefe) automatisch. + +## Schritt 2 – GPU‑Beschleunigung aktivieren (aspose ocr gpu) + +Jetzt kommt die Magie: Aspose mitzuteilen, dass es auf der GPU laufen soll. Das Objekt `OcrDevice` in der Engine ermöglicht die Auswahl des Gerätetyps (`CPU` oder `GPU`) und, falls Sie mehr als eine GPU besitzen, die spezifische Geräte‑ID. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro Tipp:** Wenn Sie den Fehler `CUDA driver not found` erhalten, prüfen Sie, ob der NVIDIA‑Treiber zur von Aspose OCR benötigten CUDA‑Version passt (in der Regel CUDA 11.x für das 23.x‑Release). +> **Sonderfall:** Beim Betrieb auf einem Headless‑Server stellen Sie sicher, dass die GPU nicht von einem anderen Prozess gesperrt ist; andernfalls fällt der OCR‑Aufruf stillschweigend auf die CPU zurück. + +## Schritt 3 – Text aus Bild erkennen + +Nachdem das Bild geladen und das Gerät eingestellt wurde, können Sie endlich die OCR‑Engine ausführen. Die Methode `recognize()` gibt ein `OcrResult`‑Objekt zurück, das den Klartext, Konfidenzwerte und sogar Begrenzungsrahmen enthält, falls Sie diese später benötigen. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Wenn Sie das Programm ausführen, sollten Sie etwa Folgendes sehen: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Was Sie sehen:** Der rohe String, der aus dem PNG extrahiert wurde. Wenn das Bild Tabellen oder mehrspaltige Layouts enthält, können Sie `LayoutAnalysis` in der Engine aktivieren, um bessere Ergebnisse zu erzielen (außerhalb des Umfangs dieses kurzen Leitfadens). + +## Schritt 4 – Überprüfen, ob die GPU tatsächlich verwendet wird + +Es ist leicht anzunehmen, dass die GPU die schwere Arbeit übernimmt, aber ein kurzer Plausibilitäts‑Check kann Ihnen Stunden an Fehlersuche ersparen. Aspose OCR schreibt einen kleinen Log‑Eintrag, wenn das Gerät initialisiert wird. + +Fügen Sie diesen Ausschnitt direkt nach dem Setzen des Gerätetyps ein: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Wenn die Ausgabe `GPU` lautet, sind Sie startklar. Wenn sie `CPU` anzeigt, überprüfen Sie Ihre Treiberinstallation oder stellen Sie sicher, dass die Umgebungsvariable `CUDA_HOME` auf den richtigen Toolkit‑Ordner verweist. + +## Häufige Fallstricke & wie man sie vermeidet + +| Symptom | Wahrscheinliche Ursache | Lösung | +|---------|--------------------------|--------| +| `java.lang.UnsatisfiedLinkError` bezüglich `cudart64_110.dll` | CUDA‑Runtime nicht im `PATH` | Fügen Sie den CUDA‑`bin`‑Ordner zu Ihrem System‑`PATH` hinzu oder setzen Sie `java.library.path`. | +| OCR gibt leeren String zurück | Bild nicht korrekt geladen (falscher Pfad oder nicht unterstütztes Format) | Überprüfen Sie den Dateipfad und stellen Sie sicher, dass das PNG nicht beschädigt ist. | +| Leistung ähnlich wie CPU | GPU‑Fallback wegen Treiberinkompatibilität | Aktualisieren Sie den NVIDIA‑Treiber auf die in den Aspose OCR‑Release‑Notes angegebene Version. | +| Speicherüberlauf bei großen Bildern | GPU‑Speicher erschöpft | Reduzieren Sie die Bildauflösung oder teilen Sie das Bild vor der Verarbeitung in Kacheln. | + +## Bonus: Rückgriff auf CPU, wenn GPU nicht verfügbar ist + +Manchmal führen Sie denselben Code auf einem Entwicklungs‑Laptop ohne CUDA‑fähige GPU aus. Das Einbetten der Geräteauswahl in einen try‑catch‑Block macht das Programm robust. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Jetzt funktioniert das gleiche Binary überall, und Sie erhalten dennoch den Geschwindigkeitsvorteil, wo die Hardware es zulässt. + +## Vollständiges, sofort ausführbares Beispiel + +Unten finden Sie die komplette Java‑Klasse, die alle oben besprochenen Schritte, Prüfungen und Rückfall‑Logik enthält. Kopieren Sie sie in Ihre IDE, passen Sie den Bildpfad an und führen Sie sie aus. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Erwartete Ausgabe** (unter der Annahme, dass das PNG einfachen englischen Text enthält): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Falls die GPU nicht vorhanden ist, sehen Sie stattdessen „CPU“ in der letzten Zeile. + +## Visueller Überblick + +Unten ist ein schnelles Diagramm des Datenflusses – vom Laden des PNG bis zur Rückgabe des Klartexts. Der Alt‑Text des Bildes enthält das primäre Schlüsselwort für SEO. + +![aspose ocr gpu workflow – Bild laden, GPU aktivieren, Text erkennen] + +*Alt-Text: aspose ocr gpu workflow zeigt, wie man ein Bild für OCR lädt, GPU‑Beschleunigung aktiviert und Text aus png extrahiert.* + +## Zusammenfassung & nächste Schritte + +Wir haben gerade behandelt, wie man den Prozess des **recognize text from image** und **extract text from png** mit **aspose ocr gpu** beschleunigt. Die wichtigsten Erkenntnisse: + +1. **Bild laden** mit `ImageStream.fromFile`. +2. **GPU aktivieren** über `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **`recognize()` ausführen** und `ocrResult.getText()` auslesen. +4. **Gerät validieren** und bei Bedarf elegant auf CPU zurückfallen. + +Bereit, die Grenzen zu erweitern? Probieren Sie diese Experimente aus: + +- **Batch‑Verarbeitung:** Durchlaufen Sie ein Verzeichnis mit PNGs und schreiben Sie jedes Ergebnis in eine `.txt`‑Datei. +- **Layout‑Analyse:** Aktivieren Sie `ocrEngine.getOptions().setDetectDocumentStructure(true)`, um Spalten und Tabellen zu erhalten. +- **Multi‑GPU‑Skalierung:** Wenn Ihr Arbeitsplatz mehrere GPUs hat, starten Sie parallele Threads, die jeweils an eine andere `deviceId` gebunden sind. + +Diese Erweiterungen vertiefen Ihr Können in **gpu accelerated ocr** und öffnen die Tür zu groß angelegten Dokumentdigitalisierungsprojekten. + +--- + +*Viel Spaß beim Coden! Wenn Sie auf Probleme stoßen, hinterlassen Sie unten einen Kommentar – ich helfe Ihnen gern beim Troubleshooting.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/german/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..67887111a --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Wie man den Kontrast verbessert, während man lernt, Bilder vorzubereiten, + Rauschen zu entfernen und die Bildrotation für eine zuverlässige OCR-Text-Erkennung + zu korrigieren. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: de +og_description: Wie man den Kontrast in OCR‑Bildern verbessert, sowie Bilder vorverarbeitet, + Rauschen entfernt und die Bildrotation korrigiert, um eine genaue Texterkennung + zu ermöglichen. +og_title: Wie man den Kontrast bei OCR verbessert – Schritt‑für‑Schritt Java‑Leitfaden +tags: +- OCR +- Java +- Image Processing +title: Wie man den Kontrast in OCR verbessert – Vollständiger Java‑Vorverarbeitungsleitfaden +url: /de/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Wie man den Kontrast in OCR verbessert – Vollständiger Java‑Pre‑Processing‑Leitfaden + +Haben Sie sich jemals gefragt, **wie man den Kontrast verbessert**, damit Ihre OCR‑Engine den Text tatsächlich liest, anstatt Kauderwelsch auszugeben? Sie sind nicht allein. Die meisten Entwickler stoßen an ihre Grenzen, wenn das Quellbild dunkel, verzerrt oder voller Sprenkel ist, und das Ergebnis ist ein frustrierender Fehlschlag beim „recognize text from image“. + +Die gute Nachricht? Durch das Anwenden einiger intelligenter Pre‑Processing‑Schritte—**how to preprocess image**, **how to remove noise** und **correct image rotation**—können Sie ein verrauschtes, kontrastarmes PNG in eine saubere Leinwand verwandeln, die die OCR‑Engine liebt. In diesem Tutorial führen wir Sie durch ein praxisnahes Java‑Beispiel mit Aspose.OCR, erklären, warum jeder Filter wichtig ist, und zeigen Ihnen genau **how to enhance contrast** für eine rock‑solide Erkennung. + +--- + +## Was Sie lernen werden + +- Der Zweck jedes Pre‑Processing‑Filters (Deskew, Rauschunterdrückung, Kontrastverbesserung). +- **How to preprocess image** mit Aspose.OCR in Java, Schritt für Schritt. +- Praktische Tipps für **how to remove noise** und **correct image rotation** vor OCR. +- Der exakte Code, den Sie copy‑paste können, ausführen und die Ausgabe von **recognize text from image** sehen. + +> **Voraussetzungen** – Java 17+, Maven oder Gradle und eine Aspose.OCR‑Lizenz für Java (eine kostenlose Testversion reicht zum Testen). Keine weiteren Drittanbieter‑Bibliotheken sind erforderlich. + +--- + +## Schritt 1 – Projekt einrichten und Aspose.OCR importieren + +Bevor wir über **how to enhance contrast** sprechen können, benötigen wir ein funktionierendes Java‑Projekt mit der OCR‑Engine. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle, the equivalent is: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Create a simple `src/main/java/PreprocessDemo.java` file and import the required classes: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro‑Tipp:** Lassen Sie die Auto‑Import‑Funktion Ihrer IDE aktiviert; sie spart viel Hin‑und‑Her. + +--- + +## Schritt 2 – Bild laden, das Sie bereinigen möchten + +Jetzt, da die Bibliothek bereit ist, beantworten wir den ersten Teil von **how to preprocess image**: das Laden. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Zu diesem Zeitpunkt hält die Engine ein PNG von geringer Qualität, das wahrscheinlich unter schlechtem Kontrast, Rotation und Sprenkelrauschen leidet. Wenn Sie die Datei öffnen, sehen Sie genau, warum die OCR stolpert. + +--- + +## Schritt 3 – Filter anwenden: Deskew, Noise Removal, **How to Enhance Contrast** + +Dies ist das Herzstück des Tutorials—**how to enhance contrast**, während gleichzeitig Rotation und Rauschen behandelt werden. Aspose.OCR liefert drei vorgefertigte Filter: + +| Filter | Was er tut | Warum er für OCR wichtig ist | +|--------|------------|------------------------------| +| `DeskewFilter` | Erkennt und korrigiert Bildrotation | Stellt **correct image rotation** sicher, sodass Zeichen nicht schräg sind. | +| `NoiseRemovalFilter` | Reduziert zufällige Sprenkel und Hintergrundrauschen | Implementiert **how to remove noise**, sodass die Engine nur die Buchstaben sieht. | +| `ContrastEnhancementFilter` | Verstärkt den Unterschied zwischen Vordergrundtext und Hintergrund | Antwortet direkt auf **how to enhance contrast**, lässt schwache Striche hervorstechen. | + +Fügen Sie sie in der gezeigten Reihenfolge hinzu—zuerst Deskew, dann Noise Removal und schließlich Contrast Enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Warum diese Reihenfolge?** +> • Deskew funktioniert am besten auf der rohen Pixelmatrix; das Drehen eines verrauschten Bildes kann Artefakte verstärken. +> • Das Entfernen des Rauschens vor dem Verstärken des Kontrasts verhindert, dass der Filter Sprenkel verstärkt. +> • Schließlich lässt die Kontrastverbesserung die bereinigten Pixel hervorstechen, was genau **how to enhance contrast** für OCR ist. + +--- + +## Schritt 4 – OCR‑Engine ausführen und **Recognize Text from Image** + +Mit der Pre‑Processing‑Pipeline in place rufen wir schließlich die OCR‑Engine auf. Dieser Schritt beantwortet die ultimative Frage: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Wenn Sie `java PreprocessDemo` ausführen, sollten Sie sauberen, lesbaren Text statt eines wirren Durcheinanders sehen. Typische Ausgabe für eine Beispielrechnung könnte folgendermaßen aussehen: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Wenn das Ergebnis immer noch unscharf aussieht, sollten Sie die Parameter des `ContrastEnhancementFilter` anpassen (z. B. `setLevel(1.5)`) oder überprüfen, ob das Quellbild nicht übermäßig komprimiert ist. + +--- + +## Schritt 5 – Visueller Check: Vorher & Nachher (Optional) + +Sehen heißt Glauben. Unten befindet sich eine Platzhalter‑Illustration, die die Originaldatei mit der verarbeiteten Version vergleicht. Der Alt‑Text erwähnt ausdrücklich das Haupt‑Keyword für SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Wenn Sie den Code mit Ihrem eigenen Bild ausführen, werden Sie die gleiche dramatische Verbesserung der Lesbarkeit bemerken.* + +--- + +## Häufige Fallstricke & wie man sie behebt + +| Problem | Warum es passiert | Lösung | +|-------|-------------------|--------| +| Text ist nach dem Kontrast‑Boost immer noch unscharf | Filter‑Level zu niedrig oder Bildauflösung unzureichend | Erhöhen Sie das `ContrastEnhancementFilter`‑Level (`new ContrastEnhancementFilter(1.8)`) oder skalieren Sie das Bild vor der Verarbeitung hoch. | +| OCR gibt leere Zeichenkette zurück | Bild war komplett dunkel oder alle Pixel wurden vom Rauschfilter entfernt | Reduzieren Sie die Aggressivität des `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Zeichen sind immer noch schräg | Deskew hat den Winkel verpasst, weil das Bild stark verrauscht war | Führen Sie `DeskewFilter` **nach** einem leichten Rauschunterdrückungs‑Durchlauf aus, oder setzen Sie den Rotationswinkel manuell mit `DeskewFilter.setAngle(2.5)`. | +| Unerwartete Unicode‑Symbole | Die OCR‑Sprache ist nicht korrekt eingestellt | Rufen Sie `ocrEngine.setLanguage(OcrLanguage.English);` vor `recognize()` auf. | + +--- + +## Erweiterung der Pipeline – Was, wenn Sie mehr benötigen? + +Manchmal müssen Sie **how to preprocess image** für farbige Scans oder PDFs durchführen. Aspose.OCR bietet außerdem: + +- `BinarizationFilter` – konvertiert zu reinem Schwarz‑Weiß, ideal für hochkontrastigen Text. +- `ResizeFilter` – vergrößert kleine Schriftarten vor OCR. +- `SharpenFilter` – betont Kanten für schwache Handschrift. + +Sie können sie genauso verketten wie die drei Kernfilter, die zuvor gezeigt wurden. Denken Sie daran, die Reihenfolge bleibt wichtig: resize → denoise → binarize → contrast → deskew ist ein gängiges Rezept. + +--- + +## Zusammenfassung: Von verrauschtem PNG zu sauberem Text + +- **How to enhance contrast**: Verwenden Sie `ContrastEnhancementFilter` nach Deskew und Noise Removal. +- **How to preprocess image**: Laden, Filter hinzufügen, dann OCR ausführen. +- **How to remove noise**: `NoiseRemovalFilter` reinigt den Hintergrund, ohne Textstriche zu zerstören. +- **Correct image rotation**: `DeskewFilter` richtet die Textbasis aus, eine Voraussetzung für genaue Erkennung. +- **Recognize text from image**: Rufen Sie `ocrEngine.recognize()` auf und lesen Sie `ocrResult.getText()`. + +All diese Schritte zusammen ergeben eine robuste Pipeline, die für gescannte Rechnungen, Quittungen und sogar alte gedruckte Bücher funktioniert. + +--- + +## Was kommt als Nächstes? + +- **Experiment**: Passen Sie die Filterparameter an und beobachten Sie die Auswirkung auf die OCR‑Genauigkeit. +- **Batch processing**: Verpacken Sie die obige Logik in einer Schleife, um ganze Ordner mit Bildern zu verarbeiten. +- **Integration**: Leiten Sie die OCR‑Ausgabe in eine Datenbank oder einen PDF‑Generator für End‑zu‑End‑Automatisierung. + +Wenn Sie neugierig auf weitere Bild‑Verbesserungs‑Tricks sind—wie adaptives Thresholding oder Farbumkehr—schauen Sie sich die offiziellen Aspose‑Docs oder den Leitfaden „Advanced Image Pre‑processing with Aspose.OCR“ an. + +--- + +### Viel Spaß beim Coden! + +Jetzt wissen Sie **how to enhance contrast** und die gesamte Pre‑Processing‑Geschichte, die einen unordentlichen Scan in sauberen, durchsuchbaren Text verwandelt. Hinterlassen Sie einen Kommentar, wenn Sie auf Probleme stoßen, oder teilen Sie, wie Sie die Pipeline für Ihre eigenen Projekte angepasst haben. Lassen Sie die OCR‑Konversation weiterlaufen! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/german/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..10590ce25 --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,220 @@ +--- +category: general +date: 2026-05-06 +description: Wie man Aspose OCR verwendet, um Text aus einem Bild zu erkennen, die + automatische Spracherkennung zu aktivieren und die OCR‑Geschwindigkeit in Java zu + verbessern. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: de +og_description: Wie man Aspose OCR verwendet, um Text aus Bildern schnell zu erkennen, + die automatische Spracherkennung zu aktivieren und die OCR‑Geschwindigkeit in Java + zu verbessern. +og_title: Wie man Aspose OCR für mehrsprachige Bilder verwendet +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Wie man Aspose OCR für mehrsprachige Bilder verwendet +url: /de/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# So verwenden Sie Aspose OCR für mehrsprachige Bilder + +Haben Sie sich jemals gefragt, **wie man Aspose** verwendet, um Text aus einem Bild zu extrahieren, das mehrere Sprachen gleichzeitig enthält? Sie sind nicht allein – Entwickler stoßen häufig an Grenzen, wenn ein Bild Englisch, Russisch, Hindi oder irgendeine andere Schriftart mischt. Die gute Nachricht ist, dass Aspose OCR dies elegant handhabt, und Sie können sogar **Text aus Bild erkennen** schneller, indem Sie den Sprachensatz eingrenzen. + +In diesem Tutorial führen wir Sie durch ein vollständiges, sofort ausführbares Java‑Beispiel, das **lädt Bild für OCR**, die **automatische Spracherkennung** aktiviert und einen einfachen Trick zeigt, um **OCR‑Geschwindigkeit zu verbessern**. Am Ende haben Sie ein eigenständiges Programm, das den extrahierten Text in der Konsole ausgibt, und Sie verstehen, warum jede Einstellung wichtig ist. + +> **Voraussetzungen** – Java 17+ installiert, Maven oder Gradle für das Abhängigkeitsmanagement und eine Aspose OCR‑Lizenz (die kostenlose Testversion funktioniert für die Evaluierung). Keine weiteren Bibliotheken sind erforderlich. + +--- + +## Schritt 1 – Aspose OCR zu Ihrem Projekt hinzufügen + +Bevor Sie **Aspose verwenden** können, benötigen Sie die Bibliothek im Klassenpfad. Mit Maven sieht das so aus: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Falls Sie Gradle bevorzugen: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Profi‑Tipp:** Bleiben Sie bei der neuesten stabilen Version; neuere Releases enthalten oft Leistungsverbesserungen, die sich direkt auf **OCR‑Geschwindigkeit verbessern** auswirken. + +--- + +## Schritt 2 – Instanz der OCR‑Engine erstellen + +Das Herzstück jedes Aspose OCR‑Workflows ist die `OcrEngine`. Das Instanziieren ist unkompliziert, aber es ist erwähnenswert, dass die Engine interne Caches hält. Die Wiederverwendung einer einzelnen Instanz über viele Bilder hinweg kann tatsächlich **OCR‑Geschwindigkeit verbessern**, weil die Bibliothek wiederholte native Initialisierungen vermeidet. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +## Schritt 3 – **Bild für OCR laden** + +Aspose unterstützt viele Bildformate (PNG, JPEG, TIFF, BMP). Hier demonstrieren wir das Laden einer PNG, die englischen, russischen und Hindi‑Text enthält. Der Helfer `ImageStream.fromFile` abstrahiert die Datei‑I/O‑Details und stellt sicher, dass das Bild korrekt in die Engine gestreamt wird. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Was, wenn das Bild im Speicher liegt?** Verwenden Sie stattdessen `ImageStream.fromByteArray(byte[])` – perfekt für Web‑Services, die Bilder als Bytestreams erhalten. + +## Schritt 4 – Automatische Spracherkennung aktivieren + +Standardmäßig geht Aspose OCR von einer einzigen Sprache aus, was bei mehrsprachigen Bildern zu verzerrten Ausgaben führen kann. Das Aktivieren der automatischen Erkennung veranlasst die Engine, das Schriftsystem jedes Textblocks vor der Erkennung zu erkennen. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +## Schritt 5 – **OCR‑Geschwindigkeit verbessern** durch Einschränkung des Sprachpools + +Die vollständige Auto‑Erkennung scannt jede von Aspose unterstützte Sprache (über 70). Wenn Sie die möglichen Sprachen im Voraus kennen, können Sie der Engine einen Hinweis geben. Das Bereitstellen eines kleineren Arrays reduziert den Suchraum und **verbessert OCR‑Geschwindigkeit**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Warum hilft das?** Die Engine überspringt Sprachmodelle, die sie nicht benötigt, und spart CPU‑Zyklen sowie Speicher. Wenn Sie später weitere Sprachen hinzufügen, aktualisieren Sie einfach das Array – kein Code‑Rewrite erforderlich. + +## Schritt 6 – Durchführung der Erkennung und **Text aus Bild erkennen** + +Jetzt findet die eigentliche Verarbeitung statt. `recognize()` gibt ein `OcrResult`‑Objekt zurück, das den Klartext, Konfidenzwerte und sogar die Layout‑Informationen enthält, falls Sie diese später benötigen. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Erwartete Konsolenausgabe + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Wenn das Bild zusätzliches Rauschen oder schiefen Text enthält, können Sie für diese Zeilen niedrigere Konfidenzwerte sehen. In diesem Fall sollten Sie das Bild vorverarbeiten (Entzerrung, Binärisierung), bevor Sie es an Aspose übergeben. + +## Häufige Fragen & Sonderfälle + +### Was, wenn das Bild riesig ist (z. B. >10 MP)? + +Große Bilder verbrauchen mehr Speicher und können die Verarbeitung verlangsamen. Eine schnelle Möglichkeit, **OCR‑Geschwindigkeit zu verbessern**, besteht darin, das Bild zu verkleinern, während die Lesbarkeit erhalten bleibt: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Wie gehe ich mit Rechts‑nach‑Links‑Schriften wie Arabisch um? + +Aspose OCR respektiert automatisch die Schreibrichtung, aber Sie möchten möglicherweise das `RightToLeft`‑Flag für die Nachbearbeitung setzen: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Kann ich Text aus PDFs statt aus Bildern extrahieren? + +Ja – konvertieren Sie jede PDF‑Seite in ein Bild (mit Aspose PDF oder einem beliebigen Rasterisierer) und geben Sie das Ergebnis an dieselbe OCR‑Pipeline weiter. Die gleiche **Text aus Bild erkennen**‑Logik gilt. + +## Vollständiges funktionierendes Beispiel (zum Kopieren‑Einfügen bereit) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Speichern Sie die Datei als `MixedLanguageDemo.java`, kompilieren Sie sie mit `javac` und führen Sie sie mit `java MixedLanguageDemo` aus. Wenn alles korrekt eingerichtet ist, wird der mehrsprachige Text in der Konsole ausgegeben. + +## Fazit + +Sie wissen jetzt, **wie man Aspose** verwendet, um **Text aus Bild**‑Dateien zu **erkennen**, die mehrere Sprachen enthalten, wie man **automatische Spracherkennung aktiviert** und einen praktischen Hinweis, **OCR‑Geschwindigkeit zu verbessern**, indem man den Sprachpool begrenzt. Der vollständige Code oben ist zum Kopieren‑Einfügen bereit, und die Erklärungen sollten Ihnen das Vertrauen geben, die Lösung anzupassen – egal, ob Sie **Bild für OCR laden** aus einem Stream, einem Byte‑Array oder sogar einem Webcam‑Snapshot benötigen. + +Nächste Schritte? Probieren Sie Folgendes aus: + +* Bildvorverarbeitung hinzufügen (Rauschen entfernen, binarisieren) für Scans von geringer Qualität. +* `OcrResult` als JSON exportieren für nachgelagerte Dienste. +* Die Engine in einen Spring‑Boot‑REST‑Endpoint integrieren, sodass Clients Bilder hochladen und sofort extrahierten Text erhalten können. + +Viel Spaß beim Programmieren, und mögen Ihre OCR‑Pipelines schnell, genau und mehrsprachig 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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/german/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..f81b11e90 --- /dev/null +++ b/ocr/german/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Erkennen Sie Text aus Bildern schnell mit einem Java-OCR-Beispiel. Lernen + Sie, Text aus TIFF-Dateien mit paralleler OCR-Verarbeitung zu extrahieren und Java + effizient für OCR zu nutzen. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: de +og_description: Erkenne Text aus Bildern schnell mit einem vollständigen Java-OCR-Beispiel. + Dieses Tutorial zeigt, wie man Text aus TIFF-Dateien mit paralleler OCR-Verarbeitung + extrahiert. +og_title: Text aus Bild mit Java OCR erkennen – Leitfaden zur Parallelverarbeitung +tags: +- OCR +- Java +- Image Processing +title: Text aus Bild mit Java OCR erkennen – Leitfaden zur Parallelverarbeitung +url: /de/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Text aus Bild mit Java OCR erkennen – Leitfaden für Parallelverarbeitung + +Haben Sie schon einmal **Text aus Bild**‑Dateien erkennen müssen, aber sind an einem Leistungsengpass gescheitert? Sie sind nicht allein. Viele Entwickler stoßen an ihre Grenzen, wenn eine einstimmige OCR‑Engine durch mehrseitige TIFF‑Dateien kriecht und eine schnelle Aufgabe in einen Marathon verwandelt. + +In diesem Tutorial gehen wir Schritt für Schritt durch ein **java ocr example**, das nicht nur Text aus TIFF‑Dateien extrahiert, sondern auch alle Ihre CPU‑Kerne für parallele OCR‑Verarbeitung nutzt. Am Ende wissen Sie genau, *wie man ocr java* Projekte effizient umsetzt, und Sie erhalten ein sofort einsatzbereites Code‑Snippet, das Sie in jede Maven‑ oder Gradle‑Umgebung einbinden können. + +## Was Sie lernen werden + +- Die Aspose.OCR‑Bibliothek in einem Java‑Projekt einrichten. +- Ein mehrseitiges TIFF laden und für die Erkennung vorbereiten. +- **Parallele OCR‑Verarbeitung** aktivieren, indem die Thread‑Anzahl an Ihre logischen CPU‑Kerne angepasst wird. +- Den erkannten Text abrufen und anzeigen, um den **recognize text from image**‑Workflow abzuschließen. + +> **Voraussetzung:** Java 8 oder neuer und eine gültige Aspose.OCR for Java Lizenz (oder ein temporärer Evaluierungsschlüssel). Keine weiteren externen Tools erforderlich. + +--- + +## Schritt 1: Aspose.OCR‑Abhängigkeit hinzufügen + +Bevor wir **recognize text from image** durchführen können, muss die OCR‑Engine im Klassenpfad verfügbar sein. Wenn Sie Maven verwenden, fügen Sie Folgendes zu Ihrer `pom.xml` hinzu: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Für Gradle lautet das Äquivalent: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro‑Tipp:* Halten Sie die Versionsnummer aktuell; neuere Releases enthalten oft Performance‑Optimierungen, die **parallel ocr processing** noch schneller machen. + +--- + +## Schritt 2: Java‑Klasse vorbereiten – Vollständiges funktionierendes Beispiel + +Unten finden Sie ein eigenständiges **java ocr example**, das demonstriert, wie man **extract text from tiff** mithilfe aller verfügbaren CPU‑Kerne durchführt. Speichern Sie dies als `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Warum jede Zeile wichtig ist** + +- **Engine-Erstellung**: `OcrEngine` kapselt die gesamte schwere Arbeit. Ohne sie können Sie **recognize text from image** überhaupt nicht durchführen. +- **Bild laden**: `ImageStream.fromFile` unterstützt TIFF, PNG, JPEG usw. Die Verwendung eines mehrseitigen TIFF testet die Fähigkeit der Engine, komplexe Dokumente zu verarbeiten. +- **Thread‑Anzahl**: `Runtime.getRuntime().availableProcessors()` liefert die Anzahl logischer Kerne (inklusive Hyper‑Threads). Das Setzen dieses Werts löst **parallel ocr processing** aus und verkürzt die Laufzeit auf Mehrkern‑Maschinen drastisch. +- **Erkennung**: `engine.recognize()` führt die OCR‑Pipeline aus. Intern werden die Seiten auf den von Ihnen definierten Thread‑Pool verteilt. +- **Ergebnisverarbeitung**: `result.getText()` gibt einen einzelnen `String` zurück, der den zusammengefügten Text aller Seiten enthält – ideal für nachgelagerte Verarbeitung oder Speicherung. + +--- + +## Schritt 3: Demo ausführen und Ausgabe prüfen + +Kompilieren und starten Sie das Programm: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Sie sollten etwa Folgendes sehen: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Wenn die Konsole den erwarteten Text ausgibt, herzlichen Glückwunsch – Sie haben erfolgreich **recognize text from image** mit einem **java ocr example** durchgeführt, das parallel läuft. + +--- + +## Schritt 4: Anpassungen für reale Szenarien (optional) + +### Text nur von bestimmten Seiten extrahieren + +Manchmal benötigen Sie nur bestimmte Seiten aus einem großen TIFF. Sie können nach der Erkennung filtern: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Thread‑Anzahl manuell anpassen + +Wenn Ihr Server bereits mit anderen Aufgaben beschäftigt ist, können Sie die OCR‑Threads begrenzen: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Speicherintensive TIFFs handhaben + +Große mehrseitige TIFFs können viel RAM verbrauchen. Um dem entgegenzuwirken, verarbeiten Sie die Datei in Teilen: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Schritt 5: Häufige Stolperfallen & wie man sie vermeidet + +| Problem | Symptom | Lösung | +|---------|---------|--------| +| **Unzureichende Lizenz** | Runtime wirft `LicenseException` | Gültige Lizenzdatei anwenden oder den kostenlosen Evaluierungsmodus nutzen (fügt ein Wasserzeichen hinzu). | +| **Falscher Dateipfad** | `FileNotFoundException` | Pfad überprüfen und während des Tests absolute Pfade verwenden. | +| **CPU‑Drosselung** | Keine Geschwindigkeitssteigerung trotz `setThreadCount` | Sicherstellen, dass die JVM nicht durch `-Xmx` Speicherbegrenzungen oder OS‑Energiespareinstellungen eingeschränkt wird. | +| **Nicht unterstütztes Bildformat** | `UnsupportedFormatException` | Bild vor dem Einspeisen in TIFF, PNG oder JPEG konvertieren. | + +--- + +## Visuelle Zusammenfassung + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt‑Text:* „Diagramm, das den Ablauf von **recognize text from image** mit Java OCR und Parallelverarbeitung zeigt“ + +--- + +## Fazit + +Wir haben ein komplettes **java ocr example** durchlaufen, das **recognize text from image** Dateien – speziell mehrseitige TIFFs – verarbeitet und dabei **parallel ocr processing** voll ausnutzt. Durch die Abstimmung des Thread‑Pools auf Ihre CPU‑Kerne erhalten Sie nahezu lineare Beschleunigung auf moderner Hardware – genau die Antwort auf die Frage „*how to ocr java* efficiently?“. + +Als Nächstes könnten Sie: + +- **extract text from tiff** Dateien stapelweise verarbeiten und die Ergebnisse in einer Datenbank speichern. +- OCR mit NLP‑Bibliotheken (z. B. OpenNLP) kombinieren, um extrahierte Entitäten automatisch zu kennzeichnen. +- Die Lösung als Microservice hinter einem REST‑Endpoint bereitstellen, um OCR on‑Demand anzubieten. + +Probieren Sie es aus, passen Sie die Thread‑Anzahl an und sehen Sie, wie viel schneller Ihre Pipeline wird. Wenn Sie Probleme haben, hinterlassen Sie einen Kommentar unten – happy coding! + +{{< /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..039f1726b 100644 --- a/ocr/german/java/ocr-operations/_index.md +++ b/ocr/german/java/ocr-operations/_index.md @@ -77,6 +77,12 @@ 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. +### [OCR in Java verwenden – Text aus Bild mit Rechtschreibkorrektur extrahieren](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Erfahren Sie, wie Sie mit Aspose.OCR in Java Text aus Bildern extrahieren und dabei eine integrierte Rechtschreibkorrektur anwenden. +### [Durchsuchbares PDF aus Bild erstellen – Schritt‑für‑Schritt Java‑Leitfaden](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Erfahren Sie, wie Sie mit Aspose.OCR für Java ein durchsuchbares PDF aus einem Bild erstellen – detaillierte Schritt‑für‑Schritt‑Anleitung. +### [Durchsuchbares PDF aus Bild mit Java OCR erstellen](./create-searchable-pdf-from-image-with-java-ocr/) +Erstellen Sie ein durchsuchbares PDF aus einem Bild mithilfe von Aspose.OCR für Java – einfache Schritt‑für‑Schritt‑Anleitung. ## Häufig gestellte Fragen diff --git a/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..3e7933751 --- /dev/null +++ b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Erstellen Sie ein durchsuchbares PDF aus einem Bild mit Aspose OCR. Erfahren + Sie, wie Sie ein Bild in ein PDF konvertieren, ein Bild per OCR in ein PDF umwandeln + und Text aus einem Bild in wenigen Minuten extrahieren. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: de +og_description: Erstellen Sie ein durchsuchbares PDF aus einem Bild mit Aspose OCR. + Folgen Sie dieser Anleitung, um JPG in ein durchsuchbares PDF zu konvertieren, Text + aus dem Bild zu extrahieren und mehr. +og_title: Durchsuchbares PDF aus Bild erstellen – Komplettes Java‑Tutorial +tags: +- Java +- OCR +- PDF +- Aspose +title: Erstelle durchsuchbare PDF aus Bild – Schritt‑für‑Schritt Java‑Anleitung +url: /de/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Erstellen eines durchsuchbaren PDFs aus einem Bild – Vollständiges Java‑Tutorial + +Haben Sie jemals **ein durchsuchbares PDF** aus einem gescannten Foto erstellen müssen, waren sich aber nicht sicher, welche Bibliothek Sie wählen sollten? Sie sind nicht allein. In vielen Projekten – denken Sie an die Automatisierung von Spesenabrechnungen oder die digitale Archivierung – ist die Fähigkeit, ein einfaches Bild in ein PDF zu verwandeln, das Sie tatsächlich durchsuchen können, ein echter Wendepunkt. + +Deshalb werden wir in diesem Tutorial den gesamten Prozess von **convert image to PDF** durchgehen, OCR darauf anwenden und mit einem **searchable PDF** enden, das Sie in jeden Dokumenten‑Workflow einbinden können. Wir werden auch auf **extract text from image** eingehen und Ihnen zeigen, wie Sie **convert jpg to searchable pdf** ohne viel Boiler‑Plate‑Code durchführen können. + +## Was Sie lernen werden + +- Die genaue Maven/Gradle‑Abhängigkeit, die Sie für Aspose OCR benötigen. +- Wie Sie ein JPG (oder ein beliebiges unterstütztes Bild) in die OCR‑Engine laden. +- Warum das Speichern mit `OcrSaveFormat.PDF_SEARCHABLE` wichtig ist. +- Häufige Fallstricke (große Bilder, nicht unterstützte Formate) und wie man sie vermeidet. +- Wie Sie überprüfen, dass das resultierende PDF tatsächlich durchsuchbaren Text enthält. + +Am Ende dieses Leitfadens haben Sie eine einsatzbereite Java‑Klasse, die ein durchsuchbares PDF mit einem einzigen Methodenaufruf erzeugt. Keine externen Befehlszeilentools, keine zusätzlichen OCR‑Engines – nur reines Java. + +--- + +## Voraussetzungen + +| Anforderung | Warum es wichtig ist | +|-------------|----------------------| +| Java 8 oder neuer | Aspose OCR verwendet moderne Sprachfeatures. | +| Maven oder Gradle (zur Abhängigkeitsverwaltung) | Erleichtert das Einbinden des Aspose OCR JAR. | +| Ein Beispielbild (`input.jpg`) in einem bekannten Ordner | Der Code erwartet einen Dateipfad; Sie können es gegen PNG, BMP usw. austauschen. | +| Optional: ein PDF‑Betrachter mit Suchfunktion (Adobe Reader, Foxit, usw.) | Um zu bestätigen, dass das PDF wirklich durchsuchbar ist. | + +Wenn Sie das bereits haben, großartig – lassen Sie uns loslegen. + +--- + +## Schritt 1: Aspose OCR zu Ihrem Projekt hinzufügen + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro‑Tipp:** Die kostenlose Evaluierungs‑Version fügt dem ersten Blatt ein kleines Wasserzeichen hinzu. Für die Produktion holen Sie sich eine Lizenz von Aspose und rufen `License license = new License(); license.setLicense("Aspose.OCR.lic");` auf, bevor Sie `OcrEngine` instanziieren. + +--- + +## Schritt 2: Laden Sie das Bild, das Sie konvertieren möchten + +Wir verwenden `ImageStream.fromFile`, um das Bild direkt von der Festplatte zu lesen. Diese Methode unterstützt JPG, PNG, TIFF und viele weitere Formate, sodass Sie **convert image to PDF** unabhängig von der Quelle durchführen können. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Warum dieser Schritt?** Die OCR‑Engine benötigt eine Bitmap‑Darstellung des Textes. Die Bereitstellung eines hochauflösenden Bildes (300 dpi oder höher) verbessert die Erkennungsgenauigkeit erheblich, was Ihnen wiederum bessere **extract text from image**‑Ergebnisse liefert. + +--- + +## Schritt 3: OCR ausführen und als durchsuchbares PDF speichern + +Die Magie geschieht, wenn Sie `save` mit dem `PDF_SEARCHABLE`‑Format aufrufen. Im Hintergrund erzeugt Aspose OCR eine versteckte Textebene, die über dem Originalbild liegt und ein statisches Bild in ein **searchable PDF** verwandelt. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Wenn Sie ein einfaches PDF ohne die versteckte Ebene bevorzugen, ersetzen Sie `PDF_SEARCHABLE` durch `PDF`. Für die meisten Archivierungsszenarien ist jedoch die durchsuchbare Variante die gewünschte. + +--- + +## Schritt 4: Ergebnis überprüfen + +Nachdem das Programm beendet ist, öffnen Sie `searchable.pdf` in einem beliebigen PDF‑Betrachter und testen die integrierte Suche (Strg + F). Wenn Sie Wörter finden, die ursprünglich nur im Bild waren, herzlichen Glückwunsch – Sie haben erfolgreich **ocr image to pdf** durchgeführt. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Randfall:** Sehr große Bilder (> 10 MB) können einen `OutOfMemoryError` auslösen. Um dem entgegenzuwirken, skalieren Sie das Bild vorher mit `java.awt.Image` oder einer Bibliothek wie Thumbnailator herunter. + +--- + +## Vollständiges funktionierendes Beispiel + +Unten finden Sie die komplette, eigenständige Java‑Klasse. Kopieren Sie sie in Ihre IDE, passen Sie die Pfade an und führen Sie sie aus – keine zusätzlichen Schritte erforderlich. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +Wenn Sie `YOUR_DIRECTORY/searchable.pdf` öffnen, sollten Sie nach jedem Wort suchen können, das in `input.jpg` erscheint. Das ist das Wesentliche von **convert jpg to searchable pdf**. + +--- + +## Häufig gestellte Fragen (FAQ) + +### Kann ich mehrere Bilder gleichzeitig verarbeiten? +Ja. Durchlaufen Sie eine Liste von Dateipfaden, rufen Sie für jedes `setImage` auf und hängen Sie entweder Seiten an ein einzelnes PDF (`PDF_SEARCHABLE`) an oder erzeugen Sie separate PDFs. Denken Sie daran, den Engine‑Zustand zwischen den Durchläufen zurückzusetzen (`ocrEngine.clear()`). + +### Was tun, wenn die OCR‑Genauigkeit niedrig ist? +- Stellen Sie sicher, dass das Quellbild mindestens 300 dpi hat. +- Verwenden Sie `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);`, um die Sprache festzulegen. +- Vorverarbeiten Sie das Bild (Entzerrung, Kontrastverstärkung) mit einer Bibliothek wie OpenCV. + +### Unterstützt Aspose OCR weitere Sprachen? +Ja. Das `OcrLanguage`‑Enum enthält Französisch, Deutsch, Chinesisch, Arabisch und viele weitere. Wechseln Sie die Sprache, bevor Sie `save` aufrufen. + +### Wie bette ich das durchsuchbare PDF in ein bestehendes Dokument ein? +Behandeln Sie die Ausgabe wie jedes reguläre PDF. Verwenden Sie eine PDF‑Merge‑Bibliothek (z. B. iText oder Aspose PDF), um es mit anderen PDFs zu verketten. + +--- + +## Tipps & Tricks aus der Praxis + +- **Pro‑Tipp:** Wenn Sie eine sehr kleine Dateigröße benötigen, rufen Sie `ocrEngine.getConfig().setCompress(true);` vor dem Speichern auf. +- **Achten Sie auf:** Bilder mit transparentem Hintergrund – Aspose OCR behandelt Transparenz als Weiß, was den Kontrast beeinflussen kann. +- **Denken Sie daran:** Das durchsuchbare PDF ist immer noch ein Rasterbild im Hintergrund. Wenn Sie ein vollständig vektor‑basiertes PDF benötigen, müssen Sie das Layout manuell neu erstellen. + +--- + +## Fazit + +Wir haben gerade alles behandelt, was Sie benötigen, um **create searchable PDF**‑Dateien aus Bildern mit Aspose OCR in Java zu erstellen. Vom Hinzufügen der Maven‑Abhängigkeit bis zur Überprüfung der versteckten Textebene ist der Prozess unkompliziert und vollständig programmierbar. Jetzt können Sie **convert image to pdf**, **ocr image to pdf** und sogar **extract text from image** durchführen, ohne Ihre IDE zu verlassen. + +Bereit für den nächsten Schritt? Versuchen Sie, einen Ordner mit gescannten Belegen stapelweise zu verarbeiten, oder kombinieren Sie diesen Workflow mit einem Cloud‑Speicher‑Trigger (AWS Lambda, Azure Functions), um Dokumenten‑Ingest‑Pipelines zu automatisieren. Die Möglichkeiten sind endlos – probieren Sie es aus! + +Wenn Sie auf Probleme stoßen oder Ideen für Verbesserungen haben, hinterlassen Sie unten einen Kommentar. Viel Spaß beim Programmieren! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..f5aa43a68 --- /dev/null +++ b/ocr/german/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Erstellen Sie ein durchsuchbares PDF aus einem Bild mit Aspose OCR in + Java. Lernen Sie, wie Sie ein Bild in PDF konvertieren, Rechtschreibkorrektur aktivieren + und die OCR‑GPU für schnelle Ergebnisse nutzen. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: de +og_description: Erstellen Sie ein durchsuchbares PDF aus einem Bild mit Aspose OCR + in Java. Dieser Leitfaden zeigt, wie man ein Bild in PDF konvertiert, Rechtschreibkorrektur + aktiviert und die OCR‑GPU nutzt. +og_title: Durchsuchbare PDF aus Bild mit Java OCR erstellen +tags: +- OCR +- Java +- PDF +title: Durchsuchbares PDF aus Bild mit Java OCR erstellen +url: /de/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Durchsuchbares PDF aus Bild mit Java OCR erstellen + +Haben Sie jemals **ein durchsuchbares PDF** aus einem gescannten Bild erstellen müssen, wussten aber nicht, wo Sie anfangen sollen? Sie sind nicht allein – die meisten Entwickler stoßen an diese Hürde, wenn sie zum ersten Mal bildbasierte PDFs angehen. Glücklicherweise können Sie mit Aspose OCR für Java **Bild zu PDF konvertieren**, den Text in auswählbaren Inhalt umwandeln und sogar eine Rechtschreibkorrektur hinzufügen, um ein perfektes Ergebnis zu erzielen. + +In diesem Tutorial führen wir Sie durch ein komplettes, sofort ausführbares Beispiel, das zeigt, wie Sie **OCR GPU verwenden**, wenn es verfügbar ist, wie Sie **Bild‑OCR effizient verarbeiten** und warum das Aktivieren der Rechtschreibkorrektur für die nachgelagerte Suche wichtig ist. Am Ende haben Sie eine Ein‑Klick‑Lösung, um ein durchsuchbares PDF zu erzeugen, das Sie an Nutzer ausliefern oder zur Einhaltung von Vorgaben archivieren können. + +> **Pro‑Tipp:** Wenn Sie auf einer Maschine ohne GPU arbeiten, fällt der Code elegant auf die CPU zurück, sodass Sie nichts umschreiben müssen. + +--- + +## Was Sie benötigen + +- **Java 8+** (der Code kompiliert mit JDK 8 und neuer) +- **Aspose OCR für Java** Bibliothek (laden Sie die neueste JAR von der Aspose‑Website herunter) +- Ein **Eingabebild** (JPEG, PNG, TIFF usw.), das Sie in ein durchsuchbares PDF umwandeln möchten +- (Optional) Eine **GPU** mit CUDA‑Unterstützung, wenn Sie die schnellstmögliche Erkennung wünschen + +Keine zusätzlichen Frameworks, kein Maven/Gradle‑Zauber – nur eine einzelne JAR im Klassenpfad und Sie sind startklar. + +--- + +## Schritt 1: Initialisieren der OCR‑Engine – Das Herz des Prozesses + +Zuerst erstellen wir eine `OcrEngine`‑Instanz und verweisen sie auf die Quelldatei. Dieses Objekt ist die treibende Kraft, die das Bild liest, das neuronale Netzwerk ausführt und uns den Text zurückgibt. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Warum das wichtig ist:* Das einmalige Initialisieren der Engine und deren Wiederverwendung vermeidet den Overhead des wiederholten Ladens nativer Bibliotheken – ein kleiner Performance‑Gewinn, der sich bei der Stapelverarbeitung von Dutzenden Dateien summiert. + +--- + +## Schritt 2: Auswahl des Verarbeitungsgeräts – OCR GPU verwenden, wenn möglich + +Wenn Ihr Arbeitsplatz über eine kompatible GPU verfügt, können Sie Aspose anweisen, die schwere Arbeit dort auszuführen. Andernfalls wechselt die Engine automatisch zur CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Welchen Nutzen hat das?* GPU‑Beschleunigung kann pro Seite Sekunden einsparen, besonders bei hochauflösenden Scans. Der Fallback stellt sicher, dass derselbe Code überall funktioniert, weshalb wir **use OCR GPU** als Standardeinstellung empfehlen. + +--- + +## Schritt 3: Beschleunigung des Scanvorgangs – Alle CPU‑Kerne nutzen + +Selbst wenn die GPU ausgelastet ist, können die umgebenden Vorverarbeitungsschritte parallelisiert werden. Durch das Setzen der Thread‑Anzahl auf die verfügbaren Prozessoren erhält die Engine die Möglichkeit, mehrere Abschnitte gleichzeitig zu verarbeiten. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Hinweis:* Auf einem 4‑Kern‑Laptop werden vier Threads gestartet; auf einer 16‑Kern‑Workstation erhalten Sie den vollen Nutzen. Beachten Sie jedoch, dass mehr Threads mehr Speicherverbrauch bedeuten. + +--- + +## Schritt 4: Bild bereinigen – Vorverarbeitungsfilter + +Ein verschwommenes oder verrauschtes Scanbild erzeugt Müll‑Text. Das Hinzufügen einiger integrierter Filter verbessert die Genauigkeit dramatisch. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Warum diese Filter?* `DeskewFilter` korrigiert Drehungen, die häufig auftreten, wenn ein Dokument schräg in den Scanner eingelegt wird. `NoiseRemovalFilter` eliminiert Streupixel, die sonst fälschlicherweise als Zeichen interpretiert würden. Man kann sich das vorstellen wie ein sauberes Blatt Papier für die OCR‑Engine. + +--- + +## Schritt 5: Smarte Funktionen aktivieren – Rechtschreibkorrektur & automatische Spracherkennung + +Wenn Sie mehrsprachige Dokumente verarbeiten oder einfach weniger Tippfehler haben möchten, aktivieren Sie den integrierten Rechtschreibprüfer und lassen die Engine die Sprache erraten. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Wann ist das nützlich?* Angenommen, Ihr Scan enthält sowohl englische als auch spanische Abschnitte. Die Auto‑Detect‑Funktion schaltet die Wörterbücher dynamisch um, während die Rechtschreibkorrektur falsch erkannte Zeichen wie „0“ statt „O“ bereinigt. Dieser Schritt ist entscheidend, um ein **durchsuchbares PDF** zu erzeugen, das tatsächlich korrekte Ergebnisse liefert. + +--- + +## Schritt 6: Ergebnis speichern – Bild zu PDF konvertieren und durchsuchbar machen + +Zum Schluss lassen wir die Engine ein PDF schreiben, bei dem das Originalbild hinter einer unsichtbaren Textebene liegt. Das ist der klassische **convert image to PDF**‑Workflow, jedoch jetzt durchsuchbar. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Die Ausgabedatei (`output-searchable.pdf`) kann in jedem PDF‑Betrachter geöffnet werden; Sie können den Text auswählen, kopieren und durchsuchen, genau wie bei einem nativen PDF. Keine zusätzlichen Werkzeuge nötig. + +--- + +## Vollständiges funktionierendes Beispiel – Kopieren‑und‑Ausführen + +Unten finden Sie das gesamte Programm, bereit zum Kompilieren. Ersetzen Sie `YOUR_DIRECTORY` durch den Ordner, der `input.jpg` enthält. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Erwartete Ausgabe:** Beim Ausführen des Programms sehen Sie die Konsolenzeile *„Searchable PDF generated successfully.“* Öffnen Sie `output-searchable.pdf` in Adobe Reader, geben Sie ein Wort aus dem Originalbild in das Suchfeld ein und springen Sie sofort zur entsprechenden Stelle. + +--- + +## Häufige Fragen & Sonderfälle + +- **Was passiert, wenn die GPU nicht erkannt wird?** + Der Aufruf `setDeviceType(OcrDeviceType.GPU)` wirft keine Ausnahme; er weist die Engine lediglich an, zuerst die GPU zu versuchen. Scheitert dies, wechselt die Engine stillschweigend zur CPU. + +- **Kann ich mehrere Bilder in einem Durchlauf verarbeiten?** + Ja. Packen Sie den Code in eine Schleife, ändern Sie den Dateinamen bei jedem Durchlauf und verwenden Sie dieselbe `OcrEngine`‑Instanz, um den Speicherverbrauch gering zu halten. + +- **Mein PDF ist riesig – wie kann ich es verkleinern?** + Nach dem OCR können Sie Asposes PDF‑Optimierungs‑APIs nutzen oder das Quellbild vor dem Einlesen verkleinern (`ImageStream.fromFile(...).setResolution(150)` für 150 DPI). + +- **Ich muss die originale Bildauflösung aus rechtlichen Gründen beibehalten.** + Das `PDF_SEARCHABLE`‑Format bewahrt das originale Bitmap exakt; die unsichtbare Textebene wird darübergelegt, ohne die visuelle Qualität zu verändern. + +--- + +## Visuelle Zusammenfassung + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt‑Text:* *Beispiel für durchsuchbares PDF – Java OCR‑Engine, die ein gescanntes JPG in ein durchsuchbares PDF umwandelt.* + +--- + +## Fazit + +Sie haben nun eine **vollständige End‑zu‑End‑Lösung**, um jedes Bild mit Aspose OCR für Java in ein **durchsuchbares PDF** zu verwandeln. Durch **convert image to PDF**, **enable spell correction** und **use OCR GPU**, wenn möglich, erhalten Sie schnelle, genaue und durchsuchbare Ergebnisse, die plattformübergreifend funktionieren. + +Was kommt als Nächstes? Experimentieren Sie mit: + +- **Verschiedenen Ausgabeformaten** (`PDF`, `DOCX`, `HTML`), um zu sehen, wie sich die Textebene verhält. +- **Benutzerdefinierten Wörterbüchern**, falls Sie fachspezifische Terminologie verarbeiten. +- **Batch‑Verarbeitung**, um Tausende von Scans automatisch zu bearbeiten. + +Passen Sie gern die Thread‑Anzahl an, tauschen Sie Filter aus oder integrieren Sie Ihre eigene Vorverarbeitungspipeline. Das Grundmuster bleibt gleich: laden → vorverarbeiten → konfigurieren → OCR → speichern. + +Viel Spaß beim Coden und mögen Ihre PDFs stets durchsuchbar 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/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..0ce318ba9 --- /dev/null +++ b/ocr/german/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Wie man OCR verwendet, um Text aus einem Bild in Java zu extrahieren. + Lernen Sie die OCR‑Bild‑zu‑Text‑Konvertierung, korrigieren Sie OCR‑Fehler und laden + Sie ein Bild für OCR mit Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: de +og_description: Wie man OCR in Java verwendet, um Text aus einem Bild zu extrahieren, + OCR‑Fehler zu korrigieren und ein Bild für OCR mit Aspose OCR zu laden. +og_title: Wie man OCR in Java verwendet – Vollständiger Leitfaden +tags: +- OCR +- Java +- Aspose +title: Wie man OCR in Java verwendet – Text aus Bild extrahieren mit Rechtschreibkorrektur +url: /de/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 Bild extrahieren mit Rechtschreibkorrektur + +Haben Sie sich jemals gefragt, **wie man OCR** verwendet, um ein verschwommenes Belegfoto in sauberen, durchsuchbaren Text zu verwandeln? Sie sind nicht allein. In vielen Projekten – Ausgaben‑Tracking‑Apps, Rechnungs‑Digitalisierungspipelines oder sogar ein schnelles Notiz‑Skript – ist das zuverlässige Extrahieren von Text aus einem Bild das erste Hindernis. + +Dieses Tutorial zeigt Ihnen genau, wie man OCR in Java verwendet, und deckt alles ab, vom Laden des Bildes für OCR bis zur Korrektur von OCR‑Fehlern, sodass das Ergebnis wie von einem Menschen getippt wirkt. Am Ende können Sie **Text aus Bild extrahieren**, **OCR Bild zu Text**‑Konvertierung durchführen und häufige Erkennungsfehler automatisch beheben. + +## Was Sie bauen werden + +Wir erstellen ein kleines Java‑Konsolenprogramm, das: + +1. Lädt ein PNG (oder ein beliebiges unterstütztes Format) in die Aspose OCR‑Engine. +2. Aktiviert die integrierte Rechtschreibkorrektur‑Funktion, um **OCR‑Fehler zu korrigieren**. +3. Führt den Erkennungsprozess aus und gibt den bereinigten Text aus. + +Keine externen Dienste, keine schweren Frameworks – nur ein einzelnes JAR und ein paar Codezeilen. + +### Voraussetzungen + +- Java Development Kit (JDK) 8 oder neuer. +- Maven (oder ein beliebiges Build‑Tool), um die Aspose OCR‑Bibliothek zu beziehen. +- Eine Bilddatei (z. B. `receipt.png`), die Sie analysieren möchten. + +Wenn Ihnen das Aspose OCR JAR fehlt, fügen Sie diese Abhängigkeit zu Ihrer `pom.xml` hinzu: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Profi‑Tipp:** Die kostenlose Evaluationsversion funktioniert zum Testen, aber eine Lizenz entfernt das Evaluations‑Wasserzeichen. + +## Schritt 1 – Initialisieren der OCR‑Engine (Primäres Schlüsselwort in Aktion) + +Das Erste, was Sie tun müssen, ist eine Instanz von `OcrEngine` zu erstellen. Denken Sie daran als das Gehirn, das die Pixel liest und in Zeichen umwandelt. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Warum das wichtig ist:* Das Initialisieren der Engine richtet interne Ressourcen ein (Sprachmodelle, Wörterbücher usw.). Das Überspringen dieses Schrittes würde später zu einer `NullPointerException` führen, wenn Sie versuchen, ein Bild zu laden. + +## Schritt 2 – Bild für OCR laden + +Jetzt **laden wir das Bild für OCR**. Aspose stellt einen praktischen Helfer `ImageStream.fromFile` bereit, aber Sie können auch ein `byte[]` übergeben, wenn Sie möchten. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Häufiges Stolpern:* Der Dateipfad muss absolut oder relativ zum Arbeitsverzeichnis sein. Wenn das Bild nicht gefunden wird, wirft die Engine eine `IOException`. Überprüfen Sie den Pfad, besonders wenn Sie aus einer IDE statt aus einem gepackten JAR ausführen. + +## Schritt 3 – Rechtschreibkorrektur aktivieren, um **OCR‑Fehler zu korrigieren** + +Standard‑OCR kann verrauscht sein – denken Sie an „l0ve“ statt „love“ oder „0“ für „O“. Das Aktivieren der Rechtschreibkorrektur veranlasst die Engine, einen Nachbearbeitungsschritt auszuführen, der typische Fehler korrigiert. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Warum Sie das wollen:* Ohne Rechtschreibkorrektur müssten Sie die Ausgabe manuell bereinigen, was den Zweck der Automatisierung zunichte macht. Das integrierte Wörterbuch funktioniert gut für Englisch und mehrere andere Sprachen. + +## Schritt 4 – Erkennung durchführen (**OCR Bild zu Text**) + +Mit dem geladenen Bild und aktivierter Rechtschreibkorrektur können wir die Engine schließlich bitten, den Text zu erkennen. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Randfall:* Wenn das Bild wenig Kontrast hat oder stark verzerrt ist, kann das Ergebnis immer noch Kauderwelsch enthalten. Erwägen Sie eine Vorverarbeitung (z. B. Binärisierung, Entzerrung), bevor Sie es an die Engine übergeben. + +## Schritt 5 – Bereinigten Text ausgeben + +Der letzte Schritt besteht einfach darin, das Ergebnis auszugeben. In einer echten Anwendung könnten Sie es in eine Datenbank oder eine Datei schreiben, aber für diese Demo reicht `System.out` aus. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Erwartete Ausgabe + +Angenommen, `receipt.png` enthält eine klare Artikelliste, dann könnte die Ausgabe etwa so aussehen: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Beachten Sie, dass „Qty“ und „Price“ korrekt geschrieben sind, selbst wenn der ursprüngliche Scan ein verirrtes „Qy“ enthielt. + +## Vollständiges funktionierendes Beispiel + +Unten finden Sie das vollständige Programm, das Sie in eine Datei namens `SpellCorrectDemo.java` kopieren können. Stellen Sie sicher, dass das Aspose OCR‑JAR in Ihrem Klassenpfad liegt. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Führen Sie es aus mit: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Sie sollten nun den bereinigten Text in der Konsole sehen. + +## Bonus: Einstellungen für bessere Genauigkeit anpassen + +Obwohl die Standardkonfiguration für die meisten gedruckten Dokumente funktioniert, müssen Sie möglicherweise einige Parameter für spezielle Szenarien anpassen: + +| Einstellung | Was es macht | Wann ändern | +|------------|--------------|-------------| +| `setLanguage(OcrLanguage.English)` | Erzwingt englisches Wörterbuch (reduziert Fehlalarme) | Wenn Ihr Bild nur englischen Text enthält. | +| `setResolution(300)` | Teilt der Engine die DPI des Quellbildes mit | Für hochauflösende Scans. | +| `setEnableAutoSkewCorrection(true)` | Dreht leicht geneigte Seiten automatisch | Wenn Bilder mit einem Telefon aufgenommen wurden. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Häufig gestellte Fragen + +**F: Funktioniert das mit PDFs?** +A: Ja. Konvertieren Sie jede PDF‑Seite in ein Bild (z. B. mit Aspose PDF) und übergeben Sie das Bild an die OCR‑Engine. + +**F: Was ist, wenn mein Bild im BMP‑Format vorliegt?** +A: `ImageStream.fromFile` unterstützt PNG, JPEG, BMP, TIFF und GIF von Haus aus. Ändern Sie einfach die Dateierweiterung. + +**F: Kann ich die Rechtschreibkorrektur deaktivieren?** +A: Absolut – setzen Sie `setEnableSpellCorrection(false)`, wenn Sie rohe OCR‑Ausgabe für nachgelagerte Verarbeitung benötigen. + +## Fazit + +Sie wissen jetzt, **wie man OCR** in Java verwendet, um **Text aus Bild zu extrahieren**, automatisch **OCR‑Fehler zu korrigieren** und korrekt **Bild für OCR zu laden** mit Aspose OCR. Der fünf‑schrittige Ablauf – initialisieren, laden, Rechtschreibkorrektur aktivieren, erkennen und ausgeben – deckt die meisten alltäglichen OCR‑Aufgaben ab. + +Ab hier sollten Sie überlegen, diese Logik mit einem Datenbank‑Write‑Back, einem REST‑Endpunkt oder einem Batch‑Prozessor zu verketten, um Dutzende von Belegen gleichzeitig zu verarbeiten. Experimentieren Sie mit der obigen Tabelle zusätzlicher Einstellungen, um jede letzte Genauigkeit herauszuholen. + +Viel Spaß beim Programmieren, und möge Ihr OCR‑Ergebnis immer sauberer sein als Ihre kaffeefleckigen Belege! + +![Diagramm zur Verwendung von OCR, das Bild → OCR‑Engine → korrigierten Textfluss zeigt] + +{{< /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..68ed14ad1 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. +## [Πώς να χρησιμοποιήσετε το Aspose OCR για εικόνες μικτής γλώσσας](./how-to-use-aspose-ocr-for-mixed-language-images/) + +Μάθετε πώς να επεξεργάζεστε εικόνες που περιέχουν κείμενο σε πολλαπλές γλώσσες με το Aspose OCR, εξασφαλίζοντας ακριβή εξαγωγή κειμένου. + +## [Οδηγός Aspose OCR GPU: Επιτάχυνση Εξαγωγής Κειμένου από PNG Εικόνες](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Επιταχύνετε την εξαγωγή κειμένου από PNG εικόνες με το Aspose.OCR GPU, εξασφαλίζοντας υψηλή απόδοση και ακρίβεια. + +### [Αναγνώριση κειμένου από εικόνα με Java OCR – Οδηγός Παράλληλης Επεξεργασίας](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Επιταχύνετε την OCR σε εικόνες με Java χρησιμοποιώντας παράλληλη επεξεργασία για υψηλή απόδοση και ακρίβεια. + +## [Πώς να βελτιώσετε την αντίθεση στο OCR – Πλήρης οδηγός προεπεξεργασίας Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/greek/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..7ba9509d7 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: Το tutorial Aspose OCR GPU δείχνει πώς να αναγνωρίζετε κείμενο από εικόνα + και να εξάγετε κείμενο από PNG χρησιμοποιώντας επιτάχυνση GPU για γρήγορο, αξιόπιστο + OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: el +og_description: Μάθετε πώς να χρησιμοποιείτε το aspose ocr gpu για την αναγνώριση + κειμένου από εικόνα και την εξαγωγή κειμένου από png με επιτάχυνση GPU σε Java. +og_title: 'aspose ocr gpu Οδηγός: Επιταχύνετε την εξαγωγή κειμένου' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Οδηγός Aspose OCR GPU: Επιταχύνετε την εξαγωγή κειμένου από εικόνες PNG' +url: /el/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Γρήγορη, Αξιόπιστη Εξαγωγή Κειμένου από PNG Εικόνες + +Θέλετε να ενισχύσετε την απόδοση του OCR με **aspose ocr gpu**; Με το Aspose OCR GPU μπορείτε να **αναγνωρίσετε κείμενο από εικόνα** πολύ πιο γρήγορα αξιοποιώντας μια κάρτα γραφικών με υποστήριξη CUDA. Φανταστείτε την επεξεργασία ενός υψηλής ανάλυσης PNG σε δευτερόλεπτα αντί για λεπτά—χωρίς να περιμένετε για τα αποτελέσματα. + +Σε αυτό το tutorial θα περάσουμε από όλα όσα χρειάζεστε για να ξεκινήσετε: φόρτωση εικόνας για OCR, αλλαγή της μηχανής σε λειτουργία GPU, και τελικά εξαγωγή του κειμένου. Στο τέλος θα έχετε ένα πλήρες, εκτελέσιμο πρόγραμμα Java που **εξάγει κείμενο από png** αρχεία χρησιμοποιώντας επιτάχυνση GPU. Δεν απαιτείται εξωτερική τεκμηρίωση—απλώς ακολουθήστε τα βήματα, αντιγράψτε τον κώδικα, και θα είστε έτοιμοι. + +## Τι Θα Χρειαστείτε + +- **Java Development Kit (JDK) 11+** – ο κώδικας χρησιμοποιεί τις τυπικές δυνατότητες της γλώσσας Java. +- **Aspose.OCR for Java** (τελευταία έκδοση μέχρι Μάιο 2026). Μπορείτε να το κατεβάσετε από το Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Μια GPU με υποστήριξη CUDA** (NVIDIA GeForce, Quadro ή Tesla) με τον κατάλληλο οδηγό εγκατεστημένο. +- **Ένα δείγμα υψηλής ανάλυσης PNG** (π.χ., `sample-highres.png`) που θέλετε να επεξεργαστείτε. + +Αν δεν έχετε GPU, ο κώδικας θα επιστρέψει αυτόματα στη CPU—απλώς σχολιάστε τις γραμμές GPU. + +## Βήμα 1 – Φόρτωση της Εικόνας για OCR + +Το πρώτο που χρειάζεται οποιαδήποτε ροή εργασίας OCR είναι μια πηγή εικόνας. Το Aspose OCR παρέχει ένα βολικό wrapper `ImageStream` που μπορεί να διαβάσει από αρχείο, πίνακα bytes ή ακόμη και από URL. Εδώ χρησιμοποιούμε το `ImageStream.fromFile` επειδή είναι το πιο απλό για τοπική ανάπτυξη. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Γιατί είναι σημαντικό:** Η σωστή φόρτωση της εικόνας εξασφαλίζει ότι η μηχανή OCR λαμβάνει τα ακριβή δεδομένα pixel που χρειάζεται. Η χρήση του `ImageStream.fromFile` διαχειρίζεται επίσης αυτόματα κοινά χαρακτηριστικά PNG (κανάλι άλφα, βάθος χρώματος). + +## Βήμα 2 – Ενεργοποίηση Επιτάχυνσης GPU (aspose ocr gpu) + +Τώρα έρχεται η μαγεία: να πείτε στο Aspose να τρέχει στην GPU. Το αντικείμενο `OcrDevice` μέσα στη μηχανή σας επιτρέπει να επιλέξετε τον τύπο συσκευής (`CPU` ή `GPU`) και, αν έχετε περισσότερες από μία GPU, το συγκεκριμένο device ID. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Συμβουλή:** Αν αντιμετωπίσετε σφάλματα `CUDA driver not found`, ελέγξτε ξανά ότι ο οδηγός NVIDIA ταιριάζει με την έκδοση CUDA που απαιτεί το Aspose OCR (συνήθως CUDA 11.x για την έκδοση 23.x). +> **Σενάριο άκρης:** Όταν τρέχετε σε headless server, βεβαιωθείτε ότι η GPU δεν είναι κλειδωμένη από άλλη διεργασία· διαφορετικά η κλήση OCR θα επιστρέψει αθόρυβα στη CPU. + +## Βήμα 3 – Αναγνώριση Κειμένου από Εικόνα + +Με την εικόνα φορτωμένη και τη συσκευή ρυθμισμένη, μπορείτε τελικά να τρέξετε τη μηχανή OCR. Η μέθοδος `recognize()` επιστρέφει ένα αντικείμενο `OcrResult` που περιέχει το απλό κείμενο, τις βαθμολογίες εμπιστοσύνης, και ακόμη και τα bounding boxes αν τα χρειαστείτε αργότερα. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Όταν εκτελέσετε το πρόγραμμα, θα πρέπει να δείτε κάτι όπως: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Τι βλέπετε:** Η ακατέργαστη συμβολοσειρά που εξήχθη από το PNG. Αν η εικόνα περιέχει πίνακες ή διατάξεις πολλαπλών στηλών, μπορείτε να ενεργοποιήσετε το `LayoutAnalysis` στη μηχανή για καλύτερα αποτελέσματα (εκτός του πλαισίου αυτού του γρήγορου οδηγού). + +## Βήμα 4 – Επαλήθευση ότι η GPU Χρησιμοποιείται Πραγματικά + +Είναι εύκολο να υποθέσετε ότι η GPU κάνει τη βαριά δουλειά, αλλά ένας γρήγορος έλεγχος μπορεί να σας εξοικονομήσει ώρες εντοπισμού σφαλμάτων. Το Aspose OCR γράφει μια μικρή καταχώρηση στο log όταν αρχικοποιεί τη συσκευή. + +Προσθέστε αυτό το απόσπασμα αμέσως μετά τον καθορισμό του τύπου συσκευής: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Αν η έξοδος δείχνει `GPU`, είστε έτοιμοι. Αν δείχνει `CPU`, ελέγξτε ξανά την εγκατάσταση του οδηγού ή βεβαιωθείτε ότι η μεταβλητή περιβάλλοντος `CUDA_HOME` δείχνει στο σωστό φάκελο του toolkit. + +## Συνηθισμένα Προβλήματα & Πώς να τα Αποφύγετε + +| Σύμπτωμα | Πιθανή Αιτία | Διόρθωση | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` σχετικά με το `cudart64_110.dll` | Το runtime CUDA δεν βρίσκεται στο `PATH` | Προσθέστε το φάκελο `bin` του CUDA στο σύστημα `PATH` ή ορίστε το `java.library.path`. | +| Το OCR επιστρέφει κενή συμβολοσειρά | Η εικόνα δεν φορτώθηκε σωστά (λάθος διαδρομή ή μη υποστηριζόμενη μορφή) | Ελέγξτε ξανά τη διαδρομή του αρχείου και βεβαιωθείτε ότι το PNG δεν είναι κατεστραμμένο. | +| Η απόδοση είναι παρόμοια με τη CPU | Επιστροφή στη CPU λόγω ασυμφωνίας οδηγού | Ενημερώστε τον οδηγό NVIDIA στην έκδοση που αναγράφεται στις σημειώσεις έκδοσης του Aspose OCR. | +| Έλλειψη μνήμης σε μεγάλες εικόνες | Η μνήμη της GPU εξαντλήθηκε | Μειώστε την ανάλυση της εικόνας ή χωρίστε την εικόνα σε πλακίδια πριν την επεξεργασία. | + +## Bonus: Επιστροφή στη CPU Όταν η GPU Δεν Είναι Διαθέσιμη + +Μερικές φορές μπορεί να τρέξετε τον ίδιο κώδικα σε φορητό υπολογιστή ανάπτυξης χωρίς GPU με δυνατότητα CUDA. Η περιτύλιξη της επιλογής συσκευής σε μπλοκ try‑catch κάνει το πρόγραμμα πιο ανθεκτικό. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Τώρα το ίδιο εκτελέσιμο λειτουργεί παντού, και εξακολουθείτε να λαμβάνετε την επιτάχυνση όπου το υλικό το επιτρέπει. + +## Πλήρες, Έτοιμο‑για‑Εκτέλεση Παράδειγμα + +Παρακάτω βρίσκεται η πλήρης κλάση Java που ενσωματώνει όλα τα βήματα, τους ελέγχους και τη λογική επιστροφής που συζητήθηκαν παραπάνω. Αντιγράψτε‑και‑επικολλήστε την στο IDE σας, προσαρμόστε τη διαδρομή της εικόνας, και τρέξτε την. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Αναμενόμενη έξοδος** (υποθέτοντας ότι το PNG περιέχει απλό αγγλικό κείμενο): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Αν η GPU δεν υπάρχει, θα δείτε “CPU” στην τελευταία γραμμή. + +## Οπτική Επισκόπηση + +Παρακάτω υπάρχει ένα γρήγορο διάγραμμα της ροής δεδομένων—από τη φόρτωση του PNG μέχρι την επιστροφή του απλού κειμένου. Το alt text της εικόνας περιέχει τη βασική λέξη-κλειδί για SEO. + +![aspose ocr gpu workflow – φόρτωση εικόνας, ενεργοποίηση GPU, αναγνώριση κειμένου] + +*Alt text: aspose ocr gpu workflow που δείχνει πώς να φορτώσετε εικόνα για ocr, να ενεργοποιήσετε την επιτάχυνση GPU, και να εξάγετε κείμενο από png.* + +## Ανακεφαλαίωση & Επόμενα Βήματα + +Μόλις καλύψαμε πώς να **aspose ocr gpu**‑επιταχύνουμε τη διαδικασία **αναγνώρισης κειμένου από εικόνα** και **εξαγωγής κειμένου από png** αρχείων. Τα κύρια σημεία: + +1. **Φορτώστε την εικόνα** με `ImageStream.fromFile`. +2. **Ενεργοποιήστε την GPU** μέσω `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Τρέξτε το `recognize()`** και διαβάστε το `ocrResult.getText()`. +4. **Επικυρώστε τη συσκευή** και επιστρέψτε ομαλά στη CPU όταν χρειάζεται. + +Έτοιμοι να ξεπεράσετε τα όρια; Δοκιμάστε αυτά τα πειράματα: + +- **Επεξεργασία παρτίδας:** Επανάληψη πάνω σε έναν φάκελο PNG και εγγραφή κάθε αποτελέσματος σε αρχείο `.txt`. +- **Ανάλυση διάταξης:** Ενεργοποιήστε το `ocrEngine.getOptions().setDetectDocumentStructure(true)` για διατήρηση στηλών και πινάκων. +- **Κλιμάκωση πολλαπλών GPU:** Αν ο σταθμός εργασίας σας έχει πολλές GPU, δημιουργήστε παράλληλα νήματα, το καθένα δεσμευμένο σε διαφορετικό `deviceId`. + +Αυτές οι επεκτάσεις θα ενισχύσουν την εξειδίκευσή σας στο **gpu accelerated ocr** και θα ανοίξουν την πόρτα σε μεγάλης κλίμακας έργα ψηφιοποίησης εγγράφων. + +--- + +*Καλή προγραμματιστική! Αν αντιμετωπίσετε προβλήματα, αφήστε ένα σχόλιο παρακάτω—θα χαρώ να σας βοηθήσω να τα επιλύσετε.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/greek/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..61f023709 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: Πώς να ενισχύσετε την αντίθεση ενώ μαθαίνετε πώς να προεπεξεργαστείτε + την εικόνα, να αφαιρέσετε τον θόρυβο και να διορθώσετε την περιστροφή της εικόνας + για αξιόπιστη αναγνώριση κειμένου OCR. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: el +og_description: Πώς να ενισχύσετε την αντίθεση σε εικόνες OCR, καθώς και πώς να προεπεξεργαστείτε + την εικόνα, να αφαιρέσετε τον θόρυβο και να διορθώσετε την περιστροφή της εικόνας + για ακριβή αναγνώριση κειμένου. +og_title: Πώς να βελτιώσετε την αντίθεση στο OCR – Οδηγός Java βήμα‑προς‑βήμα +tags: +- OCR +- Java +- Image Processing +title: Πώς να βελτιώσετε την αντίθεση στο OCR – Πλήρης οδηγός προεπεξεργασίας Java +url: /el/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Πώς να βελτιώσετε την αντίθεση στο OCR – Πλήρης οδηγός προεπεξεργασίας Java + +Έχετε αναρωτηθεί ποτέ **πώς να βελτιώσετε την αντίθεση** ώστε η μηχανή OCR σας να διαβάζει πραγματικά το κείμενο αντί να παράγει ακατανόητο χαοτικό κείμενο; Δεν είστε μόνοι. Οι περισσότεροι προγραμματιστές συναντούν πρόβλημα όταν η πηγή εικόνας είναι αμυδρή, λοξή ή γεμάτη στίγματα, και το αποτέλεσμα είναι μια απογοητευτική αποτυχία «αναγνώρισης κειμένου από εικόνα». + +Τα καλά νέα; Εφαρμόζοντας μερικά έξυπνα βήματα προεπεξεργασίας—**πώς να προεπεξεργαστείτε εικόνα**, **πώς να αφαιρέσετε θόρυβο**, και **σωστή περιστροφή εικόνας**—μπορείτε να μετατρέψετε ένα θορυβώδες, χαμηλής αντίθεσης PNG σε καθαρό καμβά που αγαπά η μηχανή OCR. Σε αυτό το tutorial θα περάσουμε από ένα πραγματικό παράδειγμα Java χρησιμοποιώντας το Aspose.OCR, θα εξηγήσουμε γιατί κάθε φίλτρο είναι σημαντικό, και θα σας δείξουμε ακριβώς **πώς να βελτιώσετε την αντίθεση** για ακαταμάχητη αναγνώριση. + +--- + +## Τι θα μάθετε + +- Ο σκοπός κάθε φίλτρου προεπεξεργασίας (deskew, noise removal, contrast enhancement). +- **Πώς να προεπεξεργαστείτε εικόνα** με το Aspose.OCR σε Java, βήμα προς βήμα. +- Πρακτικές συμβουλές για **πώς να αφαιρέσετε θόρυβο** και **σωστή περιστροφή εικόνας** πριν από το OCR. +- Ο ακριβής κώδικας που μπορείτε να αντιγράψετε‑επικολλήσετε, εκτελέσετε, και να δείτε το αποτέλεσμα της **αναγνώρισης κειμένου από εικόνα**. + +> **Προαπαιτούμενα** – Java 17+, Maven ή Gradle, και άδεια Aspose.OCR για Java (μια δωρεάν δοκιμή λειτουργεί για δοκιμές). Δεν απαιτούνται άλλες βιβλιοθήκες τρίτων. + +--- + +## Βήμα 1 – Ρυθμίστε το έργο και εισάγετε το Aspose.OCR + +Πριν μπορέσουμε να μιλήσουμε για **πώς να βελτιώσετε την αντίθεση**, χρειαζόμαστε ένα λειτουργικό έργο Java με την μηχανή OCR ενσωματωμένη. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Αν προτιμάτε Gradle, το ισοδύναμο είναι: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Δημιουργήστε ένα απλό αρχείο `src/main/java/PreprocessDemo.java` και εισάγετε τις απαιτούμενες κλάσεις: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Συμβουλή επαγγελματία:** Κρατήστε τη λειτουργία αυτόματης εισαγωγής του IDE ενεργή· εξοικονομεί πολύ χρόνο. + +--- + +## Βήμα 2 – Φορτώστε την εικόνα που θέλετε να καθαρίσετε + +Τώρα που η βιβλιοθήκη είναι έτοιμη, ας απαντήσουμε στο πρώτο μέρος του **πώς να προεπεξεργαστείτε εικόνα**: τη φόρτωση. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Σε αυτό το σημείο η μηχανή κρατά ένα PNG χαμηλής ποιότητας που πιθανότατα υποφέρει από κακή αντίθεση, περιστροφή και στίγματα θορύβου. Αν ανοίξετε το αρχείο, θα δείτε ακριβώς γιατί το OCR θα δυσκολευτεί. + +--- + +## Βήμα 3 – Εφαρμογή φίλτρων: Deskew, Noise Removal, **Πώς να βελτιώσετε την αντίθεση** + +Αυτή είναι η καρδιά του tutorial—**πώς να βελτιώσετε την αντίθεση** ενώ ταυτόχρονα αντιμετωπίζετε την περιστροφή και τον θόρυβο. Το Aspose.OCR παρέχει τρία έτοιμα φίλτρα: + +| Φίλτρο | Τι κάνει | Γιατί είναι σημαντικό για OCR | +|--------|----------|-------------------------------| +| `DeskewFilter` | Ανιχνεύει και διορθώνει την περιστροφή της εικόνας | Εξασφαλίζει **σωστή περιστροφή εικόνας**, ώστε οι χαρακτήρες να μην είναι λοξοί. | +| `NoiseRemovalFilter` | Μειώνει τυχαία στίγματα και σκόνη φόντου | Εφαρμόζει **πώς να αφαιρέσετε θόρυβο** ώστε η μηχανή να βλέπει μόνο τα γράμματα. | +| `ContrastEnhancementFilter` | Αυξάνει τη διαφορά μεταξύ του κειμένου στο προσκήνιο και του φόντου | Απαντά άμεσα στο **πώς να βελτιώσετε την αντίθεση**, κάνοντας τα αδύναμα στίγματα να ξεχωρίζουν. | + +Προσθέστε τα με τη σειρά που φαίνεται—deskew πρώτα, μετά noise removal, και τέλος contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Γιατί αυτή η σειρά;** +> • Το Deskew λειτουργεί καλύτερα στο ακατέργαστο πλέγμα εικονοστοιχείων· η περιστροφή μιας θορυβώδους εικόνας μπορεί να ενισχύσει τα τεχνουργήματα. +> • Ο καθαρισμός του θορύβου πριν την ενίσχυση της αντίθεσης αποτρέπει το φίλτρο από το να ενισχύσει τα στίγματα. +> • Τέλος, η ενίσχυση της αντίθεσης κάνει τα καθαρισμένα εικονοστοιχεία να ξεχωρίζουν, που είναι ακριβώς **πώς να βελτιώσετε την αντίθεση** για OCR. + +--- + +## Βήμα 4 – Εκτελέστε τη μηχανή OCR και **αναγνώριση κειμένου από εικόνα** + +Με τη σειρά προεπεξεργασίας σε θέση, τελικά καλούμε τη μηχανή OCR. Αυτό το βήμα απαντά στην τελική ερώτηση: **αναγνώριση κειμένου από εικόνα**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Όταν εκτελέσετε `java PreprocessDemo`, θα πρέπει να δείτε καθαρό, αναγνώσιμο κείμενο αντί για ακατάληπτο χάος. Η τυπική έξοδος για ένα δείγμα τιμολόγησης μπορεί να φαίνεται ως εξής: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Αν το αποτέλεσμα εξακολουθεί να φαίνεται θολό, σκεφτείτε να ρυθμίσετε τις παραμέτρους του `ContrastEnhancementFilter` (π.χ., `setLevel(1.5)`) ή ελέγξτε ξανά ότι η πηγή εικόνας δεν είναι συμπιεσμένη πέρα από την αποκατάσταση. + +--- + +## Βήμα 5 – Οπτικός έλεγχος: Πριν & Μετά (Προαιρετικό) + +Το να βλέπεις είναι να πιστεύεις. Παρακάτω είναι μια εικονική εικονογράφηση που συγκρίνει το αρχικό αρχείο με την επεξεργασμένη έκδοση. Το alt‑text αναφέρει ρητά τη βασική λέξη-κλειδί για SEO. + +![Διάγραμμα που δείχνει πώς να βελτιώσετε την αντίθεση στην προεπεξεργασία OCR – αρχική vs. ενισχυμένη εικόνα](https://example.com/contrast-demo.png "Πώς να βελτιώσετε την αντίθεση στην προεπεξεργασία OCR") + +*Αν εκτελέσετε τον κώδικα στη δική σας εικόνα, θα παρατηρήσετε την ίδια δραματική βελτίωση στην αναγνωσιμότητα.* + +--- + +## Συχνά προβλήματα & πώς να τα διορθώσετε + +| Πρόβλημα | Γιατί συμβαίνει | Διόρθωση | +|----------|------------------|----------| +| Το κείμενο παραμένει θολό μετά την ενίσχυση της αντίθεσης | Το επίπεδο του φίλτρου είναι πολύ χαμηλό ή η ανάλυση της εικόνας ανεπαρκής | Αυξήστε το επίπεδο του `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) ή αυξήστε την ανάλυση της εικόνας πριν την επεξεργασία. | +| Το OCR επιστρέφει κενή συμβολοσειρά | Η εικόνα ήταν εντελώς σκοτεινή ή όλα τα εικονοστοιχεία αφαιρέθηκαν από το φίλτρο θορύβου | Μειώστε την επιθετικότητα του `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Οι χαρακτήρες παραμένουν λοξοί | Το Deskew παρέλειψε τη γωνία επειδή η εικόνα ήταν πολύ θορυβώδης | Εκτελέστε το `DeskewFilter` **μετά** από μια ελαφριά αφαίρεση θορύβου, ή ορίστε χειροκίνητα τη γωνία περιστροφής με `DeskewFilter.setAngle(2.5)`. | +| Απρόσμενα σύμβολα Unicode | Η γλώσσα του OCR δεν έχει οριστεί σωστά | Καλέστε `ocrEngine.setLanguage(OcrLanguage.English);` πριν το `recognize()`. | + +--- + +## Επέκταση της αλυσίδας – Τι αν χρειάζεστε περισσότερα; + +Μερικές φορές μπορεί να χρειαστείτε **πώς να προεπεξεργαστείτε εικόνα** για έγχρωμες σάρωση ή PDF. Το Aspose.OCR προσφέρει επίσης: + +- `BinarizationFilter` – μετατρέπει σε καθαρό μαύρο‑και‑λευκό, ιδανικό για κείμενο υψηλής αντίθεσης. +- `ResizeFilter` – μεγεθύνει μικρές γραμματοσειρές πριν το OCR. +- `SharpenFilter` – τονίζει τις άκρες για αδύναμη χειρόγραφη γραφή. + +Μπορείτε να τα συνδέσετε όπως τα τρία βασικά φίλτρα που εμφανίστηκαν νωρίτερα. Θυμηθείτε, η σειρά εξακολουθεί να είναι σημαντική: resize → denoise → binarize → contrast → deskew είναι μια κοινή συνταγή. + +--- + +## Ανακεφαλαίωση: Από θορυβώδες PNG σε καθαρό κείμενο + +- **Πώς να βελτιώσετε την αντίθεση**: χρησιμοποιήστε το `ContrastEnhancementFilter` μετά το deskew και την αφαίρεση θορύβου. +- **Πώς να προεπεξεργαστείτε εικόνα**: φορτώστε, προσθέστε φίλτρα, και στη συνέχεια εκτελέστε το OCR. +- **Πώς να αφαιρέσετε θόρυβο**: το `NoiseRemovalFilter` καθαρίζει το φόντο χωρίς να καταστρέφει τα στίγματα του κειμένου. +- **Σωστή περιστροφή εικόνας**: το `DeskewFilter` ευθυγραμμίζει τη βάση του κειμένου, προαπαιτούμενο για ακριβή αναγνώριση. +- **Αναγνώριση κειμένου από εικόνα**: καλέστε `ocrEngine.recognize()` και διαβάστε `ocrResult.getText()`. + +Όλα αυτά τα βήματα μαζί σας παρέχουν μια αξιόπιστη αλυσίδα που λειτουργεί για σκαναρισμένα τιμολόγια, αποδείξεις και ακόμη και παλιά έντυπα βιβλία. + +--- + +## Τι θα ακολουθήσει; + +- **Πειραματισμός**: Ρυθμίστε τις παραμέτρους των φίλτρων και παρατηρήστε την επίδραση στην ακρίβεια του OCR. +- **Επεξεργασία παρτίδας**: Τυλίξτε τη λογική σε έναν βρόχο για να επεξεργαστείτε ολόκληρους φακέλους εικόνων. +- **Ενσωμάτωση**: Εισάγετε την έξοδο του OCR σε μια βάση δεδομένων ή σε δημιουργό PDF για αυτοματοποίηση από άκρη σε άκρη. + +Αν σας ενδιαφέρουν άλλα κόλπα βελτίωσης εικόνας—όπως προσαρμοστική κατωφλίωση ή αντιστροφή χρωμάτων—ελέγξτε την επίσημη τεκμηρίωση του Aspose ή τον οδηγό «Advanced Image Pre‑processing with Aspose.OCR». + +### Καλό Κώδικα! + +Τώρα ξέρετε **πώς να βελτιώσετε την αντίθεση** και ολόκληρη τη διαδικασία προεπεξεργασίας που μετατρέπει μια ακατάστατη σάρωση σε καθαρό, αναζητήσιμο κείμενο. Αφήστε ένα σχόλιο αν αντιμετωπίσετε προβλήματα, ή μοιραστείτε πώς προσαρμόσατε την αλυσίδα για τα δικά σας έργα. Ας συνεχίσουμε τη συζήτηση για το OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/greek/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..da77cdb23 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-05-06 +description: Πώς να χρησιμοποιήσετε το Aspose OCR για την αναγνώριση κειμένου από + εικόνα, να ενεργοποιήσετε την αυτόματη ανίχνευση γλώσσας και να βελτιώσετε την ταχύτητα + του OCR σε Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: el +og_description: Πώς να χρησιμοποιήσετε το Aspose OCR για γρήγορη αναγνώριση κειμένου + από εικόνα, ενεργοποίηση αυτόματης ανίχνευσης γλώσσας και βελτίωση της ταχύτητας + OCR σε Java. +og_title: Πώς να χρησιμοποιήσετε το Aspose OCR για εικόνες πολλαπλών γλωσσών +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Πώς να χρησιμοποιήσετε το Aspose OCR για εικόνες με πολλαπλές γλώσσες +url: /el/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Πώς να χρησιμοποιήσετε το Aspose OCR για εικόνες μικτής γλώσσας + +Έχετε αναρωτηθεί ποτέ **πώς να χρησιμοποιήσετε το Aspose** για να εξάγετε κείμενο από μια εικόνα που περιέχει πολλές γλώσσες ταυτόχρονα; Δεν είστε μόνοι—οι προγραμματιστές συχνά συναντούν προβλήματα όταν μια εικόνα συνδυάζει Αγγλικά, Ρωσικά, Χίντι ή οποιοδήποτε άλλο σύστημα γραφής. Τα καλά νέα είναι ότι το Aspose OCR το διαχειρίζεται άψογα, και μπορείτε ακόμη **να αναγνωρίσετε κείμενο από εικόνα** πιο γρήγορα περιορίζοντας το σύνολο των γλωσσών. + +Σε αυτό το tutorial θα περάσουμε βήμα‑βήμα από ένα πλήρες, έτοιμο‑για‑εκτέλεση παράδειγμα Java που **φορτώνει εικόνα για OCR**, ενεργοποιεί **αυτόματη ανίχνευση γλώσσας**, και δείχνει ένα απλό κόλπο για **βελτίωση ταχύτητας OCR**. Στο τέλος θα έχετε ένα αυτόνομο πρόγραμμα που εκτυπώνει το εξαγόμενο κείμενο στην κονσόλα, και θα καταλάβετε γιατί κάθε ρύθμιση είναι σημαντική. + +> **Προαπαιτούμενα** – Java 17+ εγκατεστημένη, Maven ή Gradle για διαχείριση εξαρτήσεων, και άδεια Aspose OCR (η δωρεάν δοκιμή λειτουργεί για αξιολόγηση). Δεν απαιτούνται άλλες βιβλιοθήκες. + +--- + +## Βήμα 1 – Προσθήκη του Aspose OCR στο έργο σας + +Πριν μπορέσετε **να χρησιμοποιήσετε το Aspose**, χρειάζεστε τη βιβλιοθήκη στο classpath σας. Με Maven φαίνεται έτσι: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Αν προτιμάτε Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Κρατήστε την τελευταία σταθερή έκδοση· οι νεότερες εκδόσεις συχνά περιλαμβάνουν βελτιώσεις απόδοσης που επηρεάζουν άμεσα **βελτίωση ταχύτητας OCR**. + +--- + +## Βήμα 2 – Δημιουργία του παραδείγματος OCR Engine + +Η καρδιά κάθε ροής εργασίας Aspose OCR είναι το `OcrEngine`. Η δημιουργία του είναι απλή, αλλά αξίζει να σημειωθεί ότι η μηχανή διατηρεί εσωτερικές κρυφές μνήμες. Η επαναχρησιμοποίηση ενός μόνο αντικειμένου σε πολλές εικόνες μπορεί πραγματικά **να βελτιώσει την ταχύτητα OCR** επειδή η βιβλιοθήκη αποφεύγει επαναλαμβανόμενη αρχικοποίηση native. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Βήμα 3 – **Φόρτωση εικόνας για OCR** + +Το Aspose δέχεται πολλές μορφές εικόνας (PNG, JPEG, TIFF, BMP). Εδώ δείχνουμε τη φόρτωση ενός PNG που περιέχει κείμενο στα Αγγλικά, Ρωσικά και Χίντι. Η βοηθητική μέθοδος `ImageStream.fromFile` αφαιρεί τις λεπτομέρειες του I/O αρχείου και εξασφαλίζει ότι η εικόνα μεταδίδεται σωστά στη μηχανή. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Τι γίνεται αν η εικόνα είναι στη μνήμη;** Χρησιμοποιήστε `ImageStream.fromByteArray(byte[])` αντί—ιδανικό για web services που λαμβάνουν εικόνες ως ροές byte. + +--- + +## Βήμα 4 – Ενεργοποίηση αυτόματης ανίχνευσης γλώσσας + +Από προεπιλογή το Aspose OCR υποθέτει μία μόνο γλώσσα, κάτι που μπορεί να οδηγήσει σε ακατάλληλο αποτέλεσμα σε πολυγλωσσικές εικόνες. Η ενεργοποίηση της αυτόματης ανίχνευσης λέει στη μηχανή να εντοπίζει το σύστημα γραφής κάθε μπλοκ κειμένου πριν από την αναγνώριση. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Βήμα 5 – **Βελτίωση ταχύτητας OCR** περιορίζοντας την ομάδα γλωσσών + +Η πλήρης αυτόματη ανίχνευση σαρώει όλες τις γλώσσες που υποστηρίζει το Aspose (πάνω από 70). Αν γνωρίζετε εκ των προτέρων τις πιθανές γλώσσες, μπορείτε να δώσετε ένα υπόδειγμα στη μηχανή. Η παροχή ενός μικρότερου πίνακα μειώνει τον χώρο αναζήτησης και επομένως **βελτιώνει την ταχύτητα OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Γιατί βοηθά αυτό;** Η μηχανή παραλείπει μοντέλα γλώσσας που δεν χρειάζεται, εξοικονομώντας κύκλους CPU και μνήμη. Αν αργότερα προσθέσετε περισσότερες γλώσσες, απλώς ενημερώστε τον πίνακα—χωρίς ανάγκη επαναγραφής κώδικα. + +--- + +## Βήμα 6 – Εκτέλεση της αναγνώρισης και **Αναγνώριση κειμένου από εικόνα** + +Τώρα γίνεται η βαριά δουλειά. Η μέθοδος `recognize()` επιστρέφει ένα αντικείμενο `OcrResult` που περιέχει το απλό κείμενο, τις βαθμολογίες εμπιστοσύνης, και ακόμη και τις πληροφορίες διάταξης αν τις χρειαστείτε αργότερα. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Αναμενόμενη έξοδος κονσόλας + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Αν η εικόνα περιέχει πρόσθετο θόρυβο ή κείμενο με κλίση, μπορεί να δείτε χαμηλότερη εμπιστοσύνη για αυτές τις γραμμές. Σε αυτήν την περίπτωση, σκεφτείτε προεπεξεργασία της εικόνας (απλοποίηση, δυαδικοποίηση) πριν τη δώσετε στο Aspose. + +--- + +## Συχνές ερωτήσεις & Ακραίες περιπτώσεις + +### Τι γίνεται αν η εικόνα είναι τεράστια (π.χ., >10 MP); + +Οι μεγάλες εικόνες καταναλώνουν περισσότερη μνήμη και μπορούν να επιβραδύνουν την επεξεργασία. Ένας γρήγορος τρόπος για **βελτίωση ταχύτητας OCR** είναι η μείωση της κλίμακας της εικόνας διατηρώντας την αναγνωσιμότητα: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Πώς να διαχειριστώ γλώσσες από δεξιά προς αριστερά όπως η Αραβική; + +Το Aspose OCR σέβεται αυτόματα την κατεύθυνση του συστήματος γραφής, αλλά ίσως θέλετε να ορίσετε τη σημαία `RightToLeft` για μετα-επεξεργασία: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Μπορώ να εξάγω κείμενο από PDF αντί για εικόνες; + +Ναι—μετατρέψτε κάθε σελίδα PDF σε εικόνα (χρησιμοποιώντας Aspose PDF ή οποιονδήποτε rasterizer) και δώστε το αποτέλεσμα στην ίδια ροή OCR. Η ίδια λογική **αναγνώρισης κειμένου από εικόνα** ισχύει. + +--- + +## Πλήρες λειτουργικό παράδειγμα (έτοιμο για αντιγραφή‑επικόλληση) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Αποθηκεύστε το αρχείο ως `MixedLanguageDemo.java`, μεταγλωττίστε με `javac`, και τρέξτε με `java MixedLanguageDemo`. Αν όλα έχουν ρυθμιστεί σωστά, θα δείτε το πολυγλωσσικό κείμενο να εκτυπώνεται στην κονσόλα. + +--- + +## Συμπέρασμα + +Τώρα ξέρετε **πώς να χρησιμοποιήσετε το Aspose** για **αναγνώριση κειμένου από εικόνα** που περιέχει πολλές γλώσσες, πώς να **ενεργοποιήσετε την αυτόματη ανίχνευση γλώσσας**, και ένα πρακτικό κόλπο για **βελτίωση ταχύτητας OCR** περιορίζοντας την ομάδα γλωσσών. Ο πλήρης κώδικας παραπάνω είναι έτοιμος για αντιγραφή‑επικόλληση, και οι εξηγήσεις θα σας δώσουν την εμπιστοσύνη να προσαρμόσετε τη λύση—είτε χρειάζεστε **φόρτωση εικόνας για OCR** από ροή, byte array, ή ακόμη και στιγμιότυπο webcam. + +Επόμενα βήματα; Δοκιμάστε να πειραματιστείτε με: + +* Προσθήκη προεπεξεργασίας εικόνας (αφαίρεση θορύβου, δυαδικοποίηση) για σαρώσεις χαμηλής ποιότητας. +* Εξαγωγή του `OcrResult` ως JSON για downstream υπηρεσίες. +* Ενσωμάτωση της μηχανής σε ένα Spring Boot REST endpoint ώστε οι πελάτες να μπορούν να ανεβάζουν εικόνες και να λαμβάνουν άμεσα το εξαγόμενο κείμενο. + +Καλή προγραμματιστική, και εύχομαι οι pipelines OCR σας να είναι γρήγοροι, ακριβείς και πολυγλωσσικοί! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/greek/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..07091ceb8 --- /dev/null +++ b/ocr/greek/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Αναγνωρίστε κείμενο από εικόνα γρήγορα χρησιμοποιώντας ένα παράδειγμα + OCR σε Java. Μάθετε να εξάγετε κείμενο από αρχεία TIFF με παράλληλη επεξεργασία + OCR και πώς να κάνετε OCR σε Java αποδοτικά. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: el +og_description: Αναγνωρίστε κείμενο από εικόνα γρήγορα με ένα πλήρες παράδειγμα Java + OCR. Αυτό το σεμινάριο δείχνει πώς να εξάγετε κείμενο από tiff χρησιμοποιώντας παράλληλη + επεξεργασία OCR. +og_title: Αναγνώριση κειμένου από εικόνα με Java OCR – Οδηγός Παράλληλης Επεξεργασίας +tags: +- OCR +- Java +- Image Processing +title: Αναγνώριση κειμένου από εικόνα με Java OCR – Οδηγός Παράλληλης Επεξεργασίας +url: /el/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Αναγνώριση κειμένου από εικόνα με Java OCR – Οδηγός Παράλληλης Επεξεργασίας + +Έχετε ποτέ χρειαστεί να **αναγνωρίσετε κείμενο από εικόνα** αλλά να έχετε κολλήσει στο εμπόδιο της απόδοσης; Δεν είστε μόνοι. Πολλοί προγραμματιστές χτυπούν το τοίχο όταν μια μονονηματική μηχανή OCR διασχίζει πολύπλευρα TIFF, μετατρέποντας μια γρήγορη εργασία σε μαραθώνιο. + +Σε αυτό το tutorial θα περάσουμε από ένα **java ocr example** που όχι μόνο εξάγει κείμενο από αρχεία tiff, αλλά αξιοποιεί και όλους τους πυρήνες του CPU σας για παράλληλη επεξεργασία OCR. Στο τέλος θα ξέρετε ακριβώς *πώς να κάνετε ocr java* έργα αποδοτικά, και θα έχετε ένα έτοιμο‑για‑εκτέλεση απόσπασμα κώδικα που μπορείτε να ενσωματώσετε σε οποιαδήποτε ρύθμιση Maven ή Gradle. + +## Τι Θα Μάθετε + +- Πώς να ρυθμίσετε τη βιβλιοθήκη Aspose.OCR σε ένα έργο Java. +- Πώς να φορτώσετε ένα πολυ‑σελίδων TIFF και να το προετοιμάσετε για αναγνώριση. +- Πώς να ενεργοποιήσετε **παράλληλη επεξεργασία OCR** ταιριάζοντας τον αριθμό νημάτων με τους λογικούς πυρήνες του CPU σας. +- Πώς να ανακτήσετε και να εμφανίσετε το αναγνωρισμένο κείμενο, ολοκληρώνοντας τη ροή **αναγνώριση κειμένου από εικόνα**. + +> **Prerequisite:** Java 8 ή νεότερη και έγκυρη άδεια Aspose.OCR for Java (ή προσωρινό κλειδί αξιολόγησης). Δεν απαιτούνται άλλα εξωτερικά εργαλεία. + +--- + +## Βήμα 1: Προσθήκη Εξάρτησης Aspose.OCR + +Πριν μπορέσουμε να **αναγνωρίσουμε κείμενο από εικόνα**, χρειάζεται η μηχανή OCR στην κλάση‑διαδρομή. Αν χρησιμοποιείτε Maven, προσθέστε το παρακάτω στο `pom.xml` σας: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Για Gradle, το ισοδύναμο είναι: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* Κρατήστε τον αριθμό έκδοσης ενημερωμένο· οι νεότερες εκδόσεις συχνά περιλαμβάνουν βελτιώσεις απόδοσης που κάνουν την **παράλληλη επεξεργασία ocr** ακόμη πιο γρήγορη. + +--- + +## Βήμα 2: Προετοιμασία της Κλάσης Java – Πλήρες Παράδειγμα Εργασίας + +Παρακάτω υπάρχει ένα αυτόνομο **java ocr example** που δείχνει πώς να **εξάγετε κείμενο από tiff** χρησιμοποιώντας όλους τους διαθέσιμους πυρήνες CPU. Αποθηκεύστε το ως `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Γιατί κάθε γραμμή είναι σημαντική** + +- **Δημιουργία μηχανής**: Το `OcrEngine` ενσωματώνει όλη τη βαριά δουλειά. Χωρίς αυτό, δεν μπορείτε καθόλου να **αναγνωρίσετε κείμενο από εικόνα**. +- **Φόρτωση εικόνας**: Το `ImageStream.fromFile` υποστηρίζει TIFF, PNG, JPEG κ.λπ. Η χρήση ενός πολυ‑σελίδων TIFF δοκιμάζει την ικανότητα της μηχανής να διαχειρίζεται σύνθετα έγγραφα. +- **Αριθμός νημάτων**: Η `Runtime.getRuntime().availableProcessors()` επιστρέφει τον αριθμό λογικών πυρήνων (συμπεριλαμβανομένων των hyper‑threads). Ορίζοντας αυτή την τιμή ενεργοποιεί την **παράλληλη επεξεργασία ocr**, μειώνοντας δραστικά το χρόνο εκτέλεσης σε πολυπύρημα μηχανές. +- **Αναγνώριση**: Η `engine.recognize()` εκτελεί τη διαδικασία OCR. Εσωτερικά, διανέμει τις σελίδες στο pool νημάτων που ορίσατε. +- **Διαχείριση αποτελέσματος**: Η `result.getText()` επιστρέφει ένα ενιαίο `String` που περιέχει το ενωμένο κείμενο όλων των σελίδων – ιδανικό για επεξεργασία ή αποθήκευση. + +--- + +## Βήμα 3: Εκτέλεση του Demo και Επαλήθευση του Αποτελέσματος + +Συμπιέστε και εκτελέστε το πρόγραμμα: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Θα πρέπει να δείτε κάτι σαν: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Αν η κονσόλα εκτυπώσει το αναμενόμενο κείμενο, συγχαρητήρια—έχετε επιτυχώς **αναγνωρίσει κείμενο από εικόνα** χρησιμοποιώντας ένα **java ocr example** που τρέχει παράλληλα. + +--- + +## Βήμα 4: Προσαρμογές για Πραγματικά Σενάρια (Προαιρετικό) + +### Εξαγωγή Κειμένου μόνο από Συγκεκριμένες Σελίδες + +Μερικές φορές χρειάζεστε μόνο ορισμένες σελίδες από ένα μεγάλο TIFF. Μπορείτε να φιλτράρετε μετά την αναγνώριση: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Χειροκίνητη Ρύθμιση Αριθμού Νημάτων + +Αν ο διακομιστής σας είναι ήδη απασχολημένος με άλλες εργασίες, μπορείτε να περιορίσετε τα νήματα OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Διαχείριση Μνήμης‑Απαιτητικών TIFF + +Τα μεγάλα πολυ‑σελίδων TIFF μπορούν να καταναλώσουν πολύ RAM. Για να το μετριάσετε, επεξεργαστείτε το αρχείο σε τμήματα: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Βήμα 5: Συνηθισμένα Πιθανά Προβλήματα & Πώς να τα Αποφύγετε + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **Insufficient license** | Runtime throws `LicenseException` | Apply a valid license file or use the free evaluation mode (adds a watermark). | +| **Wrong file path** | `FileNotFoundException` | Double‑check the path and use absolute paths during testing. | +| **CPU throttling** | No speed gain despite `setThreadCount` | Ensure your JVM isn’t limited by `-Xmx` memory caps or OS power‑saving settings. | +| **Unsupported image format** | `UnsupportedFormatException` | Convert the image to TIFF, PNG, or JPEG before feeding it to the engine. | + +--- + +## Οπτική Σύνοψη + +![recognize text from image example](image-placeholder.png "αναγνώριση κειμένου από εικόνα") + +*Alt text:* “Διάγραμμα που δείχνει τη ροή της αναγνώρισης κειμένου από εικόνα χρησιμοποιώντας Java OCR με παράλληλη επεξεργασία” + +--- + +## Συμπέρασμα + +Μόλις περάσαμε από ένα πλήρες **java ocr example** που **αναγνωρίζει κείμενο από εικόνα** αρχεία, ειδικά πολυ‑σελίδων TIFF, αξιοποιώντας πλήρως την **παράλληλη επεξεργασία ocr**. Ταιριάζοντας το pool νημάτων με τους πυρήνες του CPU, λαμβάνετε σχεδόν γραμμική επιτάχυνση σε σύγχρονο υλικό—ακριβώς η απάντηση στο “*πώς να κάνετε ocr java* αποδοτικά;”. + +Στη συνέχεια, μπορείτε να εξερευνήσετε: + +- **extract text from tiff** αρχεία σε παρτίδες και αποθήκευση των αποτελεσμάτων σε βάση δεδομένων. +- Συνδυασμός OCR με βιβλιοθήκες NLP (π.χ., OpenNLP) για αυτόματη σήμανση εξαγόμενων οντοτήτων. +- Ανάπτυξη της λύσης ως μικροϋπηρεσία πίσω από ένα REST endpoint για OCR κατόπιν ζήτησης. + +Δοκιμάστε το, προσαρμόστε τον αριθμό νημάτων, και δείτε πόσο πιο γρήγορη γίνεται η διαδικασία σας. Αν αντιμετωπίσετε δυσκολίες, αφήστε ένα σχόλιο παρακάτω—καλή κωδικοποίηση! + +{{< /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..c1aea58c6 100644 --- a/ocr/greek/java/ocr-operations/_index.md +++ b/ocr/greek/java/ocr-operations/_index.md @@ -50,24 +50,18 @@ 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. Τέλος με τις δυσκολίες στην εξαγωγή κειμένου PDF. Βυθιστείτε στο tutorial και εξοπλιστείτε με τη γνώση για να αναγνωρίζετε κείμενο σε έγγραφα PDF άψογα, εξασφαλίζοντας ομαλή ροή εργασίας. -[Get Started with PDF Recognition](./recognize-pdf/) - ## OCR Αναγνώριση Εικόνων TIFF στο Aspose.OCR για Java Ζήστε το επόμενο επίπεδο αναγνώρισης κειμένου σε Java με το Aspose.OCR. Το tutorial μας για την αναγνώριση κειμένου σε εικόνες TIFF έχει σχεδιαστεί ώστε η διαδικασία να είναι αβίαστη για εσάς. Κατεβάστε το τώρα για μια αδιάσπαστη εμπειρία OCR και δείτε την ακρίβεια και την ταχύτητα που προσφέρει το Aspose.OCR. Πείτε αντίο στην χειροκίνητη εξαγωγή κειμένου από εικόνες TIFF. Αφήστε το Aspose.OCR να το κάνει για εσάς. Βυθιστείτε στο tutorial και ξεκλειδώστε ισχυρή αναγνώριση κειμένου σε Java. -[TIFF Recognition Tutorial](./recognize-tiff/) - Συμπερασματικά, με τη Λίστα Tutorials του Aspose.OCR για Java, έχετε τα κλειδιά για να αξιοποιήσετε πλήρως τις δυνατότητες των λειτουργιών OCR. Εξερευνήστε κάθε tutorial, ανακαλύψτε τις δυνατότητες και αναβαθμίστε τις ικανότητες εξαγωγής κειμένου σας. Πείτε αντίο στις χειροκίνητες προσπάθειες και αγκαλιάστε την ακρίβεια και την αποδοτικότητα που προσφέρει το Aspose.OCR για Java! ## OCR Operations Tutorials @@ -81,6 +75,12 @@ weight: 21 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. +### [Πώς να χρησιμοποιήσετε το OCR σε Java – Εξαγωγή κειμένου από εικόνα με διόρθωση ορθογραφίας](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Μάθετε πώς να εξάγετε κείμενο από εικόνες σε Java με το Aspose.OCR και να εφαρμόσετε αυτόματη διόρθωση ορθογραφίας. +### [Δημιουργία Αναζητήσιμου PDF από Εικόνα – Οδηγός Βήμα‑Βήμα Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Μάθετε πώς να μετατρέψετε εικόνες σε αναζητήσιμο PDF με το Aspose.OCR για Java, ακολουθώντας βήμα‑βήμα οδηγίες. +### [Δημιουργία Αναζητήσιμου PDF από Εικόνα με Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Μάθετε πώς να μετατρέψετε εικόνα σε αναζητήσιμο PDF χρησιμοποιώντας το Aspose.OCR για Java. ## Συχνές Ερωτήσεις diff --git a/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..e8db68b8d --- /dev/null +++ b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,188 @@ +--- +category: general +date: 2026-05-06 +description: Δημιουργήστε αναζητήσιμο PDF από μια εικόνα χρησιμοποιώντας το Aspose + OCR. Μάθετε πώς να μετατρέψετε την εικόνα σε PDF, να κάνετε OCR την εικόνα σε PDF + και να εξάγετε κείμενο από την εικόνα σε λίγα λεπτά. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: el +og_description: Δημιουργήστε αναζητήσιμο PDF από μια εικόνα με το Aspose OCR. Ακολουθήστε + αυτόν τον οδηγό για να μετατρέψετε JPG σε αναζητήσιμο PDF, να εξάγετε κείμενο από + εικόνα και πολλά άλλα. +og_title: Δημιουργία PDF με δυνατότητα αναζήτησης από εικόνα – Πλήρες μάθημα Java +tags: +- Java +- OCR +- PDF +- Aspose +title: Δημιουργία Αναζητήσιμου PDF από Εικόνα – Οδηγός Java Βήμα‑βήμα +url: /el/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Δημιουργία Αναζητήσιμου PDF από Εικόνα – Πλήρες Java Tutorial + +Έχετε χρειαστεί ποτέ να **δημιουργήσετε αναζητήσιμο PDF** από μια σαρωμένη φωτογραφία αλλά δεν ήξερες ποια βιβλιοθήκη να επιλέξεις; Δεν είστε μόνοι. Σε πολλά έργα—σκεφτείτε αυτοματοποίηση αναφορών εξόδων ή ψηφιακή αρχειοθέτηση—η δυνατότητα να μετατρέψετε μια απλή εικόνα σε PDF που μπορείτε πραγματικά να αναζητήσετε είναι καθοριστική. + +Γι' αυτό στο tutorial αυτό θα περάσουμε από όλη τη διαδικασία **convert image to PDF**, θα εκτελέσουμε OCR πάνω της και θα καταλήξουμε με ένα **searchable PDF** που μπορείτε να ενσωματώσετε σε οποιαδήποτε ροή εργασίας εγγράφων. Θα αγγίξουμε επίσης το **extract text from image** και θα σας δείξουμε πώς να **convert jpg to searchable pdf** χωρίς πολύ κώδικα boilerplate. + +## Τι Θα Μάθετε + +- Η ακριβής εξάρτηση Maven/Gradle που χρειάζεστε για το Aspose OCR. +- Πώς να φορτώσετε ένα JPG (ή οποιαδήποτε υποστηριζόμενη εικόνα) στη μηχανή OCR. +- Γιατί η αποθήκευση με `OcrSaveFormat.PDF_SEARCHABLE` είναι σημαντική. +- Συνηθισμένα προβλήματα (μεγάλες εικόνες, μη υποστηριζόμενες μορφές) και πώς να τα αποφύγετε. +- Πώς να επαληθεύσετε ότι το παραγόμενο PDF περιέχει πραγματικά αναζητήσιμο κείμενο. + +Στο τέλος αυτού του οδηγού θα έχετε μια έτοιμη‑για‑εκτέλεση κλάση Java που παράγει ένα αναζητήσιμο PDF με μία κλήση μεθόδου. Χωρίς εξωτερικά εργαλεία γραμμής εντολών, χωρίς επιπλέον μηχανές OCR—απλώς καθαρή Java. + +--- + +## Προαπαιτούμενα + +| Απαίτηση | Γιατί είναι σημαντικό | +|-------------|----------------| +| Java 8 ή νεότερη | Το Aspose OCR χρησιμοποιεί σύγχρονα χαρακτηριστικά της γλώσσας. | +| Maven ή Gradle (για διαχείριση εξαρτήσεων) | Καθιστά εύκολο το κατέβασμα του Aspose OCR JAR. | +| Ένα δείγμα εικόνας (`input.jpg`) τοποθετημένο σε γνωστό φάκελο | Ο κώδικας αναμένει διαδρομή αρχείου· μπορείτε να την αντικαταστήσετε με PNG, BMP κ.λπ. | +| Προαιρετικά: ένας προβολέας PDF με δυνατότητα αναζήτησης (Adobe Reader, Foxit, κ.λπ.) | Για να επιβεβαιώσετε ότι το PDF είναι πραγματικά αναζητήσιμο. | + +Αν τα έχετε ήδη, υπέροχα—ας ξεκινήσουμε. + +## Βήμα 1: Προσθέστε το Aspose OCR στο Έργο σας + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Η δωρεάν έκδοση αξιολόγησης προσθέτει ένα μικρό υδατογράφημα στην πρώτη σελίδα. Για παραγωγή, αποκτήστε άδεια από την Aspose και καλέστε `License license = new License(); license.setLicense("Aspose.OCR.lic");` πριν δημιουργήσετε το `OcrEngine`. + +## Βήμα 2: Φορτώστε την Εικόνα που Θέλετε να Μετατρέψετε + +Θα χρησιμοποιήσουμε το `ImageStream.fromFile` για να διαβάσουμε την εικόνα απευθείας από το δίσκο. Αυτή η μέθοδος υποστηρίζει JPG, PNG, TIFF και πολλές άλλες μορφές, ώστε να μπορείτε να **convert image to PDF** ανεξαρτήτως της πηγής. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Γιατί αυτό το βήμα;** Η μηχανή OCR χρειάζεται μια bitmap αναπαράσταση του κειμένου. Η παροχή μιας υψηλής ανάλυσης εικόνας (300 dpi ή περισσότερο) βελτιώνει δραματικά την ακρίβεια αναγνώρισης, κάτι που με τη σειρά του σας δίνει καλύτερα αποτελέσματα **extract text from image**. + +## Βήμα 3: Εκτελέστε OCR και Αποθηκεύστε ως Αναζητήσιμο PDF + +Η μαγεία συμβαίνει όταν καλέσετε το `save` με τη μορφή `PDF_SEARCHABLE`. Πίσω από την κουρτίνα, το Aspose OCR δημιουργεί ένα κρυφό στρώμα κειμένου που τοποθετείται πάνω στην αρχική εικόνα, μετατρέποντας μια στατική εικόνα σε **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Αν προτιμάτε ένα απλό PDF χωρίς το κρυφό στρώμα, αντικαταστήστε το `PDF_SEARCHABLE` με `PDF`. Αλλά για τις περισσότερες περιπτώσεις αρχειοθέτησης, η αναζητήσιμη παραλλαγή είναι αυτή που θέλετε. + +## Βήμα 4: Επαληθεύστε το Αποτέλεσμα + +Αφού ολοκληρωθεί το πρόγραμμα, ανοίξτε το `searchable.pdf` σε οποιονδήποτε προβολέα PDF και δοκιμάστε την ενσωματωμένη αναζήτηση (Ctrl + F). Αν μπορείτε να βρείτε λέξεις που αρχικά υπήρχαν μόνο στην εικόνα, συγχαρητήρια—έχετε επιτυχώς **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** Πολύ μεγάλες εικόνες (> 10 MB) μπορεί να προκαλέσουν `OutOfMemoryError`. Για να το μετριάσετε, μειώστε το μέγεθος της εικόνας εκ των προτέρων χρησιμοποιώντας `java.awt.Image` ή μια βιβλιοθήκη όπως η Thumbnailator. + +## Πλήρες Παράδειγμα Λειτουργίας + +Παρακάτω βρίσκεται η πλήρης, αυτόνομη κλάση Java. Αντιγράψτε‑και‑επικολλήστε την στο IDE σας, προσαρμόστε τις διαδρομές και τρέξτε—χωρίς επιπλέον βήματα. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Αναμενόμενο αποτέλεσμα:** + +``` +Searchable PDF created. +``` + +Όταν ανοίξετε το `YOUR_DIRECTORY/searchable.pdf` θα πρέπει να μπορείτε να αναζητήσετε οποιαδήποτε λέξη εμφανίζεται στο `input.jpg`. Αυτή είναι η ουσία του **convert jpg to searchable pdf**. + +## Συχνές Ερωτήσεις (FAQ) + +### Μπορώ να επεξεργαστώ πολλές εικόνες ταυτόχρονα; + +Ναι. Επανάληψη πάνω σε μια λίστα διαδρομών αρχείων, κλήση του `setImage` για κάθε μία, και είτε προσθήκη σελίδων σε ένα ενιαίο PDF (`PDF_SEARCHABLE`) είτε δημιουργία ξεχωριστών PDF. Απλώς θυμηθείτε να επαναφέρετε την κατάσταση της μηχανής μεταξύ των επαναλήψεων (`ocrEngine.clear()`). + +### Τι γίνεται αν η ακρίβεια του OCR είναι χαμηλή; + +- Βεβαιωθείτε ότι η πηγή εικόνας είναι τουλάχιστον 300 dpi. +- Χρησιμοποιήστε `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` για να κλειδώσετε τη γλώσσα. +- Προεπεξεργαστείτε την εικόνα (απλοποίηση κλίσης, ενίσχυση αντίθεσης) με μια βιβλιοθήκη όπως το OpenCV. + +### Υποστηρίζει το Aspose OCR άλλες γλώσσες; + +Απολύτως. Το enum `OcrLanguage` περιλαμβάνει Γαλλικά, Γερμανικά, Κινέζικα, Αραβικά και πολλά άλλα. Αλλάξτε τη γλώσσα πριν καλέσετε το `save`. + +### Πώς ενσωματώνω το αναζητήσιμο PDF σε υπάρχον έγγραφο; + +Αντιμετωπίστε το αποτέλεσμα ως οποιοδήποτε κανονικό PDF. Χρησιμοποιήστε μια βιβλιοθήκη συγχώνευσης PDF (π.χ., iText ή Aspose PDF) για να το συνενώσετε με άλλα PDF. + +## Συμβουλές & Τεχνάσματα από την Πρακτική + +- **Pro tip:** Αν χρειάζεστε πολύ μικρό μέγεθος αρχείου, καλέστε `ocrEngine.getConfig().setCompress(true);` πριν την αποθήκευση. +- **Watch out for:** Εικόνες με διαφανές φόντο—το Aspose OCR αντιμετωπίζει τη διαφάνεια ως λευκό, κάτι που μπορεί να επηρεάσει την αντίθεση. +- **Remember:** Το αναζητήσιμο PDF παραμένει ακόμη εικόνα raster στο παρασκήνιο. Αν χρειάζεστε πλήρως PDF βασισμένο σε vector, θα πρέπει να ξαναδημιουργήσετε τη διάταξη χειροκίνητα. + +## Συμπέρασμα + +Μόλις καλύψαμε όλα όσα χρειάζεστε για να **create searchable PDF** αρχεία από εικόνες χρησιμοποιώντας το Aspose OCR σε Java. Από την προσθήκη της εξάρτησης Maven μέχρι την επαλήθευση του κρυφού στρώματος κειμένου, η διαδικασία είναι απλή και πλήρως προγραμματιζόμενη. Τώρα μπορείτε να **convert image to pdf**, **ocr image to pdf**, και ακόμη **extract text from image** χωρίς να αφήσετε το IDE σας. + +Έτοιμοι για το επόμενο βήμα; Δοκιμάστε την επεξεργασία παρτίδας ενός φακέλου σαρωμένων αποδείξεων, ή συνδυάστε αυτή τη ροή εργασίας με ένα trigger αποθήκευσης στο cloud (AWS Lambda, Azure Functions) για να αυτοματοποιήσετε τις γραμμές εισαγωγής εγγράφων. Οι δυνατότητες είναι ατελείωτες—προχωρήστε και πειραματιστείτε! + +Αν αντιμετωπίσετε προβλήματα ή έχετε ιδέες για βελτιώσεις, αφήστε ένα σχόλιο παρακάτω. Καλή προγραμματιστική! + +![Διάγραμμα που δείχνει τη ροή: εικόνα → μηχανή OCR → αναζητήσιμο PDF](image-placeholder.png "διάγραμμα δημιουργίας αναζητήσιμου 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/greek/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..19f7b9067 --- /dev/null +++ b/ocr/greek/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Δημιουργήστε αναζητήσιμο PDF από μια εικόνα χρησιμοποιώντας το Aspose + OCR σε Java. Μάθετε πώς να μετατρέψετε την εικόνα σε PDF, να ενεργοποιήσετε τη διόρθωση + ορθογραφίας και να χρησιμοποιήσετε το OCR GPU για γρήγορα αποτελέσματα. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: el +og_description: Δημιουργήστε PDF με δυνατότητα αναζήτησης από μια εικόνα χρησιμοποιώντας + το Aspose OCR σε Java. Αυτός ο οδηγός δείχνει πώς να μετατρέψετε την εικόνα σε PDF, + να ενεργοποιήσετε τη διόρθωση ορθογραφίας και να χρησιμοποιήσετε το OCR GPU. +og_title: Δημιουργία Αναζητήσιμου PDF από Εικόνα με Java OCR +tags: +- OCR +- Java +- PDF +title: Δημιουργία Αναζητήσιμου PDF από Εικόνα με Java OCR +url: /el/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Δημιουργία Αναζητήσιμου PDF από Εικόνα με Java OCR + +Έχετε ποτέ χρειαστεί να **δημιουργήσετε αναζητήσιμο PDF** από μια σαρωμένη εικόνα αλλά δεν ήξερτε από πού να ξεκινήσετε; Δεν είστε μόνοι—οι περισσότεροι προγραμματιστές αντιμετωπίζουν αυτό το πρόβλημα όταν ασχολούνται για πρώτη φορά με PDF βασισμένα σε εικόνες. Ευτυχώς, με το Aspose OCR for Java μπορείτε να **μετατρέψετε εικόνα σε PDF**, να μετατρέψετε το κείμενο σε επιλέξιμο περιεχόμενο, και ακόμη να προσθέσετε διόρθωση ορθογραφίας για ένα πιο επαγγελματικό αποτέλεσμα. + +Σε αυτό το tutorial θα περάσουμε βήμα‑βήμα από ένα πλήρες, έτοιμο‑για‑εκτέλεση παράδειγμα που δείχνει πώς να **χρησιμοποιήσετε OCR GPU** όταν είναι διαθέσιμο, πώς να **επεξεργαστείτε OCR εικόνας** αποδοτικά, και γιατί η ενεργοποίηση της διόρθωσης ορθογραφίας είναι σημαντική για την αναζήτηση. Στο τέλος θα έχετε έναν τρόπο με ένα κλικ για να δημιουργήσετε ένα αναζητήσιμο PDF που μπορείτε να διανείμετε σε χρήστες ή να αρχειοθετήσετε για συμμόρφωση. + +> **Pro tip:** Αν τρέχετε σε μηχάνημα χωρίς GPU, ο κώδικας επιστρέφει ήρεμα στην CPU, ώστε να μην χρειαστεί να ξαναγράψετε τίποτα. + +--- + +## Τι Θα Χρειαστείτε + +- **Java 8+** (ο κώδικας μεταγλωττίζεται με JDK 8 και νεότερα) +- **Aspose OCR for Java** library (κατεβάστε το τελευταίο JAR από τον ιστότοπο της Aspose) +- Μια **εικόνα εισόδου** (JPEG, PNG, TIFF, κ.λπ.) που θέλετε να μετατρέψετε σε αναζητήσιμο PDF +- (Προαιρετικά) Μια **GPU** με υποστήριξη CUDA αν θέλετε την ταχύτερη δυνατή αναγνώριση + +Δεν απαιτούνται επιπλέον frameworks, κανένα Maven/Gradle μαγικό—απλώς ένα JAR στην classpath και είστε έτοιμοι. + +## Βήμα 1: Αρχικοποίηση της Μηχανής OCR – Η Καρδιά της Διαδικασίας + +Πρώτα δημιουργούμε μια παρουσία `OcrEngine` και την κατευθύνουμε στο αρχείο πηγής. Αυτό το αντικείμενο είναι ο εργαζόμενος που θα διαβάσει την εικόνα, θα τρέξει το νευρωνικό δίκτυο και θα μας επιστρέψει το κείμενο. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Why this matters:* Η αρχικοποίηση της μηχανής μία φορά και η επαναχρησιμοποίησή της αποφεύγει το κόστος φόρτωσης των εγγενών βιβλιοθηκών—μια μικρή βελτίωση απόδοσης που συσσωρεύεται όταν επεξεργάζεστε δεκάδες αρχεία σε παρτίδα. + +## Βήμα 2: Επιλογή Συσκευής Επεξεργασίας – Χρήση OCR GPU Όταν Είναι Δυνατό + +Αν ο σταθμός εργασίας σας διαθέτει συμβατή GPU, μπορείτε να πείτε στο Aspose να εκτελεί το βαρέως τύπου έργο εκεί. Διαφορετικά η μηχανή μεταβαίνει αυτόματα στην CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*What’s the benefit?* Η επιτάχυνση με GPU μπορεί να εξοικονομήσει δευτερόλεπτα ανά σελίδα, ειδικά για σαρώσεις υψηλής ανάλυσης. Η εναλλακτική λύση εξασφαλίζει ότι ο ίδιος κώδικας λειτουργεί παντού, γι’ αυτό συνιστούμε **use OCR GPU** ως προεπιλογή. + +## Βήμα 3: Επιτάχυνση Σάρωσης – Εκμετάλλευση Όλων των Πυρήνων CPU + +Ακόμη και όταν η GPU είναι απασχολημένη, τα περιβάλλοντα βήματα προεπεξεργασίας μπορούν να παραλληλοποιηθούν. Ορίζοντας τον αριθμό νημάτων στο πλήθος των διαθέσιμων επεξεργαστών δίνει στη μηχανή την ευκαιρία να επεξεργαστεί πολλαπλά τμήματα ταυτόχρονα. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Note:* Σε ένα laptop με 4 πυρήνες αυτό θα δημιουργήσει τέσσερα νήματα· σε έναν σταθμό εργασίας με 16 πυρήνες θα έχετε το πλήρες όφελος. Να θυμάστε ότι περισσότερα νήματα σημαίνουν μεγαλύτερη χρήση μνήμης. + +## Βήμα 4: Καθαρισμός Εικόνας – Φίλτρα Προ‑επεξεργασίας + +Μια θολή ή θορυβώδης σάρωση θα παράγει άχρηστο κείμενο. Η προσθήκη μερικών ενσωματωμένων φίλτρων βελτιώνει δραστικά την ακρίβεια. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Why these filters?* Το `DeskewFilter` διορθώνει την περιστροφή που συχνά εμφανίζεται όταν ένα έγγραφο τροφοδοτείται στον σαρωτή υπό γωνία. Το `NoiseRemovalFilter` αφαιρεί ανεπιθύμητα pixel που διαφορετικά θα ερμηνευτούν ως χαρακτήρες. Σκεφτείτε το ως παροχή ενός καθαρού φύλλου χαρτιού στη μηχανή OCR. + +## Βήμα 5: Ενεργοποίηση Έξυπνων Λειτουργιών – Διόρθωση Ορθογραφίας & Αυτόματη Ανίχνευση Γλώσσας + +Αν εργάζεστε με πολυγλωσσικά έγγραφα, ή απλώς θέλετε λιγότερα τυπογραφικά λάθη, ενεργοποιήστε τον ενσωματωμένο ελεγκτή ορθογραφίας και αφήστε τη μηχανή να μαντέψει τη γλώσσα. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*When is this useful?* Υποθέστε ότι η σάρωση περιέχει τόσο αγγλικά όσο και ισπανικά τμήματα. Η λειτουργία αυτόματης ανίχνευσης εναλλάσσει λεξικά σε πραγματικό χρόνο, ενώ η διόρθωση ορθογραφίας καθαρίζει λανθασμένα αναγνωσμένους χαρακτήρες όπως το “0” αντί για “O”. Αυτό το βήμα είναι ουσιώδες για την παραγωγή ενός **αναζητήσιμου PDF** που επιστρέφει σωστά αποτελέσματα. + +## Βήμα 6: Αποθήκευση Αποτελέσματος – Μετατροπή Εικόνας σε PDF και Κατάσταση Αναζητήσιμου + +Τέλος ζητάμε από τη μηχανή να γράψει ένα PDF όπου η αρχική εικόνα βρίσκεται πίσω από ένα αόρατο στρώμα κειμένου. Αυτή είναι η κλασική ροή εργασίας **convert image to PDF**, αλλά το PDF είναι πλέον αναζητήσιμο. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Το αρχείο εξόδου (`output-searchable.pdf`) μπορεί να ανοιχθεί σε οποιονδήποτε προβολέα PDF· θα μπορείτε να επιλέγετε, να αντιγράφετε και να αναζητάτε το κείμενο όπως σε ένα εγγενές PDF. Δεν απαιτούνται επιπλέον εργαλεία. + +## Πλήρες Παράδειγμα – Αντιγραφή‑και‑Εκτέλεση + +Παρακάτω βρίσκεται ολόκληρο το πρόγραμμα, έτοιμο για μεταγλώττιση. Αντικαταστήστε το `YOUR_DIRECTORY` με το φάκελο που περιέχει το `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Expected output:** Όταν τρέξετε το πρόγραμμα θα δείτε τη γραμμή κονσόλας *“Searchable PDF generated successfully.”* Το άνοιγμα του `output-searchable.pdf` στο Adobe Reader σας επιτρέπει να πληκτρολογήσετε μια λέξη από την αρχική εικόνα στο πεδίο αναζήτησης και να μεταβείτε αμέσως στη θέση της. + +## Συχνές Ερωτήσεις & Ακραίες Περιπτώσεις + +- **What if the GPU isn’t detected?** + Η κλήση `setDeviceType(OcrDeviceType.GPU)` δεν πετάει εξαίρεση· απλώς υποδεικνύει στη μηχανή να δοκιμάσει πρώτα την GPU. Αν αποτύχει, η μηχανή επιστρέφει σιωπηλά στην CPU. + +- **Can I process multiple images in one run?** + Ναι. Τυλίξτε τον κώδικα μέσα σε βρόχο, αλλάξτε το όνομα αρχείου σε κάθε επανάληψη, και επαναχρησιμοποιήστε την ίδια παρουσία `OcrEngine` για να κρατήσετε τη χρήση μνήμης χαμηλή. + +- **My PDF is huge—how do I shrink it?** + Μετά το OCR μπορείτε να χρησιμοποιήσετε τα API βελτιστοποίησης PDF της Aspose, ή απλώς να μειώσετε την ανάλυση της πηγαίας εικόνας πριν τη δώσετε στη μηχανή (`ImageStream.fromFile(...).setResolution(150)` για 150 DPI). + +- **I need to keep the original image resolution for legal compliance.** + Η μορφή `PDF_SEARCHABLE` διατηρεί το αρχικό bitmap ακριβώς· το αόρατο στρώμα κειμένου προστίθεται από πάνω χωρίς να αλλάξει η οπτική ποιότητα. + +## Οπτική Σύνοψη + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt text:* *παράδειγμα δημιουργίας αναζητήσιμου pdf – Μηχανή Java OCR που μετατρέπει ένα σαρωμένο JPG σε αναζητήσιμο PDF.* + +## Συμπέρασμα + +Τώρα έχετε μια **πλήρη, end‑to‑end λύση** για τη μετατροπή οποιασδήποτε εικόνας σε **αναζητήσιμο PDF** χρησιμοποιώντας το Aspose OCR for Java. Με **convert image to PDF**, **enabling spell correction**, και **using OCR GPU** όταν είναι δυνατό, λαμβάνετε γρήγορα, ακριβή και αναζητήσιμα αποτελέσματα που λειτουργούν σε όλες τις πλατφόρμες. + +Τι ακολουθεί; Δοκιμάστε: + +- **Different output formats** (`PDF`, `DOCX`, `HTML`) για να δείτε πώς συμπεριφέρεται το στρώμα κειμένου. +- **Custom dictionaries** αν επεξεργάζεστε ειδική ορολογία. +- **Batch processing** για αυτόματη διαχείριση χιλιάδων σαρώσεων. + +Αισθανθείτε ελεύθεροι να ρυθμίσετε τον αριθμό νημάτων, να αλλάξετε φίλτρα, ή να ενσωματώσετε τη δική σας γραμμή προεπεξεργασίας. Το βασικό μοτίβο παραμένει το ίδιο: load → preprocess → configure → OCR → save. + +Καλή προγραμματιστική, και οι PDF σας να είναι πάντα αναζητήσιμοι! + +{{< /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-image-with-spell-co/_index.md b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..393eb224a --- /dev/null +++ b/ocr/greek/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,220 @@ +--- +category: general +date: 2026-05-06 +description: Πώς να χρησιμοποιήσετε το OCR για να εξάγετε κείμενο από εικόνα σε Java. + Μάθετε τη μετατροπή εικόνας σε κείμενο με OCR, διορθώστε τα σφάλματα OCR και φορτώστε + εικόνα για OCR με το Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: el +og_description: Πώς να χρησιμοποιήσετε OCR στη Java για να εξάγετε κείμενο από εικόνα, + να διορθώσετε σφάλματα OCR και να φορτώσετε εικόνα για OCR χρησιμοποιώντας 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 εικόνα με διόρθωση + ορθογραφίας +url: /el/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 Εικόνα με Διόρθωση Ορθογραφίας + +Έχετε αναρωτηθεί ποτέ **πώς να χρησιμοποιήσετε OCR** για να μετατρέψετε μια θολή φωτογραφία από απόδειξη σε καθαρό, αναζητήσιμο κείμενο; Δεν είστε μόνοι. Σε πολλά έργα—εφαρμογές παρακολούθησης εξόδων, δίκτυα ψηφιοποίησης τιμολογίων ή ακόμη και ένα γρήγορο σενάριο λήψης σημειώσεων—η απόκτηση αξιόπιστου κειμένου από μια εικόνα είναι το πρώτο εμπόδιο. + +Αυτό το tutorial σας δείχνει ακριβώς πώς να χρησιμοποιήσετε OCR σε Java, καλύπτοντας τα πάντα από τη φόρτωση της εικόνας για OCR μέχρι τη διόρθωση σφαλμάτων OCR ώστε το αποτέλεσμα να διαβάζεται σαν να είχε πληκτρολογηθεί από άνθρωπο. Στο τέλος, θα μπορείτε να **εξάγετε κείμενο από εικόνα**, να εκτελέσετε μετατροπή **OCR εικόνα σε κείμενο** και να διορθώσετε αυτόματα κοινά λάθη αναγνώρισης. + +## Τι Θα Δημιουργήσετε + +Θα δημιουργήσουμε ένα μικρό πρόγραμμα κονσόλας Java που: + +1. Φορτώνει ένα PNG (ή οποιαδήποτε υποστηριζόμενη μορφή) στη μηχανή Aspose OCR. +2. Ενεργοποιεί τη ενσωματωμένη λειτουργία διόρθωσης ορθογραφίας για **διόρθωση σφαλμάτων OCR**. +3. Τρέχει τη διαδικασία αναγνώρισης και εκτυπώνει το καθαρισμένο κείμενο. + +Χωρίς εξωτερικές υπηρεσίες, χωρίς βαριά πλαίσια—μόνο ένα JAR και μερικές γραμμές κώδικα. + +### Προαπαιτούμενα + +- Java Development Kit (JDK) 8 ή νεότερο. +- Maven (ή οποιοδήποτε εργαλείο κατασκευής) για να κατεβάσετε τη βιβλιοθήκη Aspose OCR. +- Ένα αρχείο εικόνας (π.χ., `receipt.png`) που θέλετε να αναλύσετε. + +Αν λείπει το Aspose OCR JAR, προσθέστε αυτήν την εξάρτηση στο `pom.xml` σας: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Συμβουλή:** Η δωρεάν έκδοση αξιολόγησης λειτουργεί για δοκιμές, αλλά μια άδεια αφαιρεί το υδατογράφημα αξιολόγησης. + +## Βήμα 1 – Αρχικοποίηση της Μηχανής OCR (Κύρια Λέξη-Κλειδί σε Δράση) + +Το πρώτο πράγμα που πρέπει να κάνετε είναι να δημιουργήσετε μια παρουσία του `OcrEngine`. Σκεφτείτε το ως τον εγκέφαλο που θα διαβάσει τα pixel και θα τα μετατρέψει σε χαρακτήρες. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Γιατί είναι σημαντικό:* Η αρχικοποίηση της μηχανής ρυθμίζει εσωτερικούς πόρους (μοντέλα γλώσσας, λεξικά κ.λπ.). Η παράλειψη αυτού του βήματος θα προκαλούσε `NullPointerException` αργότερα όταν προσπαθήσετε να φορτώσετε μια εικόνα. + +## Βήμα 2 – Φόρτωση Εικόνας για OCR + +Τώρα πραγματικά **φορτώνουμε εικόνα για OCR**. Η Aspose παρέχει ένα βολικό βοηθητικό `ImageStream.fromFile`, αλλά μπορείτε επίσης να δώσετε ένα `byte[]` αν προτιμάτε. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Συνηθισμένο λάθος:* Η διαδρομή του αρχείου πρέπει να είναι απόλυτη ή σχετική με τον τρέχοντα φάκελο εργασίας. Αν η εικόνα δεν βρεθεί, η μηχανή ρίχνει `IOException`. Ελέγξτε ξανά τη διαδρομή, ειδικά όταν τρέχετε από IDE σε σχέση με ένα πακεταρισμένο JAR. + +## Βήμα 3 – Ενεργοποίηση Διόρθωσης Ορθογραφίας για **Διόρθωση Σφαλμάτων OCR** + +Το έτοιμο OCR μπορεί να είναι θορυβώδες—σκεφτείτε “l0ve” αντί για “love” ή “0” αντί για “O”. Η ενεργοποίηση της διόρθωσης ορθογραφίας λέει στη μηχανή να εκτελέσει μια φάση μετα-επεξεργασίας που διορθώνει τυπικά λάθη. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Γιατί το θέλετε:* Χωρίς διόρθωση ορθογραφίας, ίσως χρειαστεί να καθαρίσετε χειροκίνητα την έξοδο, κάτι που αναιρεί το σκοπό του αυτοματισμού. Το ενσωματωμένο λεξικό λειτουργεί καλά για τα Αγγλικά και αρκετές άλλες γλώσσες. + +## Βήμα 4 – Εκτέλεση Αναγνώρισης (**OCR Εικόνα σε Κείμενο**) + +Με τη φορτωμένη εικόνα και τη διόρθωση ορθογραφίας ενεργοποιημένη, μπορούμε τελικά να ζητήσουμε από τη μηχανή να αναγνωρίσει το κείμενο. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Ακραία περίπτωση:* Αν η εικόνα έχει χαμηλή αντίθεση ή είναι πολύ κεκλιμένη, το αποτέλεσμα μπορεί ακόμα να περιέχει ακαταλαβίστικο κείμενο. Σκεφτείτε προ-επεξεργασία (π.χ., δυαδικοποίηση, διόρθωση κλίσης) πριν τη δώσετε στη μηχανή. + +## Βήμα 5 – Εξαγωγή του Καθαρισμένου Κειμένου + +Το τελικό βήμα είναι απλώς η εκτύπωση του αποτελέσματος. Σε μια πραγματική εφαρμογή μπορεί να το γράψετε σε βάση δεδομένων ή αρχείο, αλλά για αυτήν την επίδειξη το `System.out` αρκεί. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Αναμενόμενη Έξοδος + +Υποθέτοντας ότι το `receipt.png` περιέχει μια σαφή λίστα αντικειμένων, μπορεί να δείτε κάτι όπως: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Παρατηρήστε πώς τα “Qty” και “Price” είναι ορθογραφημένα σωστά ακόμη και αν η αρχική σάρωση είχε ένα λανθασμένο “Qy”. + +## Πλήρες Παράδειγμα Λειτουργίας + +Παρακάτω είναι το πλήρες πρόγραμμα που μπορείτε να αντιγράψετε‑επικολλήσετε σε ένα αρχείο με όνομα `SpellCorrectDemo.java`. Βεβαιωθείτε ότι το Aspose OCR JAR βρίσκεται στο classpath σας. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Τρέξτε το με: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Τώρα θα πρέπει να δείτε το καθαρισμένο κείμενο να εκτυπώνεται στην κονσόλα. + +## Μπόνους: Ρύθμιση Παραμέτρων για Καλύτερη Ακρίβεια + +Αν και η προεπιλεγμένη διαμόρφωση λειτουργεί για τα περισσότερα έντυπα έγγραφα, ίσως χρειαστεί να προσαρμόσετε μερικές παραμέτρους για εξειδικευμένα σενάρια: + +| Ρύθμιση | Τι Κάνει | Πότε να Αλλάξει | +|---------|----------|-----------------| +| `setLanguage(OcrLanguage.English)` | Επιβάλλει το λεξικό Αγγλικών (μειώνει ψευδώς θετικά) | Εάν η εικόνα σας περιέχει μόνο κείμενο στα Αγγλικά. | +| `setResolution(300)` | Ενημερώνει τη μηχανή για το DPI της πηγαίας εικόνας | Για υψηλής ανάλυσης σάρωση. | +| `setEnableAutoSkewCorrection(true)` | Αυτόματη περιστροφή ελαφρώς κεκλιμένων σελίδων | Όταν οι εικόνες λαμβάνονται με κινητό. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Συχνές Ερωτήσεις + +**Ε: Λειτουργεί αυτό με PDF;** +Α: Ναι. Μετατρέψτε κάθε σελίδα PDF σε εικόνα (π.χ., χρησιμοποιώντας Aspose PDF) και δώστε την εικόνα στη μηχανή OCR. + +**Ε: Τι γίνεται αν η εικόνα μου είναι σε μορφή BMP;** +Α: Το `ImageStream.fromFile` υποστηρίζει PNG, JPEG, BMP, TIFF και GIF από προεπιλογή. Απλώς αλλάξτε την επέκταση του αρχείου. + +**Ε: Μπορώ να απενεργοποιήσω τη διόρθωση ορθογραφίας;** +Α: Απόλυτα—ορίστε `setEnableSpellCorrection(false)` αν χρειάζεστε ακατέργαστη έξοδο OCR για επεξεργασία σε επόμενο στάδιο. + +## Συμπέρασμα + +Τώρα ξέρετε **πώς να χρησιμοποιήσετε OCR** σε Java για **εξαγωγή κειμένου από εικόνα**, αυτόματη **διόρθωση σφαλμάτων OCR**, και σωστή **φόρτωση εικόνας για OCR** χρησιμοποιώντας Aspose OCR. Η ροή πέντε βημάτων—αρχικοποίηση, φόρτωση, ενεργοποίηση διόρθωσης ορθογραφίας, αναγνώριση και έξοδος—καλύπτει την πλειονότητα των καθημερινών εργασιών OCR. + +Από εδώ, σκεφτείτε να συνδέσετε αυτή τη λογική με εγγραφή σε βάση δεδομένων, ένα REST endpoint ή έναν επεξεργαστή παρτίδας για να διαχειριστείτε δεκάδες αποδείξεις ταυτόχρονα. Πειραματιστείτε με τον παραπάνω πίνακα επιπλέον ρυθμίσεων για να εξάγετε κάθε τελευταίο χαρακτήρα ακρίβειας. + +Καλό κώδικα, και εύχομαι τα αποτελέσματα OCR σας να είναι πάντα πιο καθαρά από τις αποδείξεις που λεκιάστηκαν από καφέ! + +![διάγραμμα πώς να χρησιμοποιήσετε OCR που δείχνει εικόνα → μηχανή OCR → ροή διορθωμένου κειμένου] + +{{< /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..c54ca81b6 100644 --- a/ocr/hindi/java/advanced-ocr-techniques/_index.md +++ b/ocr/hindi/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ Aspose.OCR के साथ जावा में निर्बाध छव 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। +### [Aspose OCR GPU गाइड: PNG छवियों से टेक्स्ट निष्कर्षण को तेज़ करें](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +GPU का उपयोग करके PNG छवियों से तेज़ और सटीक टेक्स्ट निकालें। Aspose OCR के साथ उच्च प्रदर्शन प्राप्त करें। +### [जावा OCR के साथ छवि से टेक्स्ट पहचान – समानांतर प्रोसेसिंग गाइड](./recognize-text-from-image-with-java-ocr-parallel-processing/) +जावा OCR में समानांतर प्रोसेसिंग का उपयोग करके कई छवियों से तेज़ी से टेक्स्ट निकालें। चरण-दर-चरण मार्गदर्शिका। +### [मिश्रित‑भाषा छवियों के लिए Aspose OCR का उपयोग कैसे करें](./how-to-use-aspose-ocr-for-mixed-language-images/) +Aspose OCR के साथ मिश्रित भाषा वाली छवियों से सटीक पाठ निकालें। चरण‑दर‑चरण मार्गदर्शिका। +### [OCR में कंट्रास्ट बढ़ाने का तरीका – पूर्ण जावा प्री‑प्रोसेसिंग गाइड](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +जावा में OCR की सटीकता बढ़ाने के लिए कंट्रास्ट सुधार के चरण‑दर‑चरण प्री‑प्रोसेसिंग तकनीकें सीखें। + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/hindi/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..f567526ae --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU ट्यूटोरियल दिखाता है कि कैसे इमेज से टेक्स्ट को पहचानें + और GPU एक्सेलेरेशन का उपयोग करके PNG से टेक्स्ट निकालें, जिससे तेज़ और विश्वसनीय + OCR प्राप्त हो। +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: hi +og_description: जाने कैसे Aspose OCR GPU का उपयोग करके इमेज से टेक्स्ट पहचानें और + Java में GPU एक्सेलेरेशन के साथ PNG से टेक्स्ट निकालें। +og_title: 'Aspose OCR GPU गाइड: पाठ निष्कर्षण को तेज़ करें' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Aspose OCR GPU गाइड: PNG छवियों से टेक्स्ट निष्कर्षण को तेज़ करें' +url: /hi/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – तेज़, विश्वसनीय PNG छवियों से टेक्स्ट निष्कर्षण + +क्या आप **aspose ocr gpu** के साथ अपनी OCR प्रदर्शन को बढ़ाना चाहते हैं? Aspose OCR GPU के साथ आप **recognize text from image** को बहुत तेज़ी से कर सकते हैं, CUDA‑सक्षम ग्राफ़िक्स कार्ड का उपयोग करके। कल्पना करें कि एक हाई‑रेज़ोल्यूशन PNG को सेकंड में प्रोसेस किया जा रहा है, मिनटों की बजाय—अब परिणामों का इंतज़ार नहीं करना पड़ेगा। + +इस ट्यूटोरियल में हम वह सब कुछ बताएँगे जो आपको शुरू करने के लिए चाहिए: OCR के लिए इमेज लोड करना, इंजन को GPU मोड में स्विच करना, और अंत में टेक्स्ट निकालना। अंत तक आपके पास एक पूर्ण, चलाने योग्य Java प्रोग्राम होगा जो GPU एक्सेलेरेशन का उपयोग करके **extracts text from png** फ़ाइलों को निकालता है। कोई बाहरी दस्तावेज़ीकरण आवश्यक नहीं—बस चरणों का पालन करें, कोड कॉपी करें, और आप तैयार हैं। + +## आपको क्या चाहिए + +- **Java Development Kit (JDK) 11+** – कोड मानक Java भाषा सुविधाओं का उपयोग करता है। +- **Aspose.OCR for Java** (May 2026 तक का नवीनतम संस्करण)। आप इसे Maven Central से प्राप्त कर सकते हैं: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **एक CUDA‑सक्षम GPU** (NVIDIA GeForce, Quadro, या Tesla) जिसमें उचित ड्राइवर स्थापित हो। +- **एक नमूना हाई‑रेज़ोल्यूशन PNG** (जैसे `sample-highres.png`) जिसे आप प्रोसेस करना चाहते हैं। + +यदि आपके पास GPU नहीं है, तो कोड स्वचालित रूप से CPU पर फॉल्बैक हो जाएगा—बस GPU लाइनों को टिप्पणी (comment) कर दें। + +## चरण 1 – OCR के लिए इमेज लोड करें + +किसी भी OCR वर्कफ़्लो को सबसे पहले एक इमेज स्रोत चाहिए। Aspose OCR एक सुविधाजनक `ImageStream` रैपर प्रदान करता है जो फ़ाइल, बाइट एरे, या यहाँ तक कि URL से पढ़ सकता है। यहाँ हम `ImageStream.fromFile` का उपयोग करते हैं क्योंकि यह स्थानीय विकास के लिए सबसे सरल है। + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **क्यों यह महत्वपूर्ण है:** इमेज को सही तरीके से लोड करने से OCR इंजन को आवश्यक सटीक पिक्सेल डेटा मिलता है। `ImageStream.fromFile` का उपयोग करने से सामान्य PNG समस्याओं (अल्फा चैनल, कलर डेप्थ) को भी स्वचालित रूप से संभाला जाता है। + +## चरण 2 – GPU एक्सेलेरेशन सक्षम करें (aspose ocr gpu) + +अब जादू का समय: Aspose को GPU पर चलाने के लिए बताना। इंजन के अंदर का `OcrDevice` ऑब्जेक्ट आपको डिवाइस प्रकार (`CPU` या `GPU`) चुनने देता है और यदि आपके पास एक से अधिक GPU हैं, तो विशिष्ट डिवाइस ID भी। + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** यदि आपको `CUDA driver not found` त्रुटियां मिलती हैं, तो दोबारा जांचें कि NVIDIA ड्राइवर Aspose OCR द्वारा आवश्यक CUDA संस्करण से मेल खाता है (आमतौर पर 23.x रिलीज़ के लिए CUDA 11.x)। +> **Edge case:** जब हेडलेस सर्वर पर चल रहे हों, तो सुनिश्चित करें कि GPU किसी अन्य प्रक्रिया द्वारा लॉक न हो; अन्यथा OCR कॉल चुपचाप CPU पर फॉल्बैक हो जाएगा। + +## चरण 3 – इमेज से टेक्स्ट पहचानें + +इमेज लोड हो जाने और डिवाइस सेट हो जाने के बाद, आप अंततः OCR इंजन चला सकते हैं। `recognize()` मेथड एक `OcrResult` ऑब्जेक्ट लौटाता है जिसमें प्लेन टेक्स्ट, कॉन्फिडेंस स्कोर, और यदि बाद में जरूरत पड़े तो बाउंडिंग बॉक्स भी होते हैं। + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +जब आप प्रोग्राम चलाएँगे, तो आपको कुछ इस तरह दिखना चाहिए: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **आप क्या देख रहे हैं:** PNG से निकाली गई कच्ची स्ट्रिंग। यदि इमेज में टेबल या मल्टी‑कॉलम लेआउट हैं, तो बेहतर परिणामों के लिए आप इंजन पर `LayoutAnalysis` सक्षम कर सकते हैं (इस त्वरित गाइड के दायरे से बाहर)। + +## चरण 4 – सत्यापित करें कि GPU वास्तव में उपयोग हो रहा है + +यह मान लेना आसान है कि GPU भारी काम कर रहा है, लेकिन एक त्वरित सत्यापन जांच आपको डिबगिंग में घंटों बचा सकती है। Aspose OCR डिवाइस को इनिशियलाइज़ करते समय एक छोटा लॉग एंट्री लिखता है। + +डिवाइस प्रकार सेट करने के तुरंत बाद यह स्निपेट जोड़ें: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +यदि आउटपुट `GPU` दिखाता है, तो आप तैयार हैं। यदि यह `CPU` कहता है, तो अपने ड्राइवर इंस्टॉलेशन को फिर से देखें या सुनिश्चित करें कि `CUDA_HOME` एनवायरनमेंट वैरिएबल सही टूलकिट फ़ोल्डर की ओर इशारा कर रहा है। + +## सामान्य समस्याएँ और उन्हें कैसे टालें + +| Symptom | Likely Cause | Fix | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA रनटाइम `PATH` में नहीं है | `CUDA` के `bin` फ़ोल्डर को सिस्टम `PATH` में जोड़ें या `java.library.path` सेट करें। | +| OCR returns empty string | इमेज सही तरीके से लोड नहीं हुई (गलत पाथ या असमर्थित फ़ॉर्मेट) | फ़ाइल पाथ को दोबारा जांचें, और सुनिश्चित करें कि PNG भ्रष्ट नहीं है। | +| Performance similar to CPU | ड्राइवर मिसमैच के कारण GPU फॉल्बैक | Aspose OCR रिलीज़ नोट्स में सूचीबद्ध संस्करण के अनुसार NVIDIA ड्राइवर को अपडेट करें। | +| Out‑of‑memory on large images | GPU मेमोरी समाप्त | इमेज रेज़ोल्यूशन कम करें या प्रोसेसिंग से पहले इमेज को टाइल्स में विभाजित करें। | + +## बोनस: जब GPU उपलब्ध न हो तो CPU पर फॉल्बैक करना + +कभी-कभी आप वही कोड एक विकास लैपटॉप पर चला सकते हैं जिसमें CUDA‑सक्षम GPU नहीं है। डिवाइस चयन को try‑catch ब्लॉक में लपेटने से प्रोग्राम मजबूत बनता है। + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +अब वही बाइनरी हर जगह काम करता है, और जहाँ हार्डवेयर अनुमति देता है, आपको गति में वृद्धि मिलती रहती है। + +## पूर्ण, तैयार‑चलाने योग्य उदाहरण + +नीचे वह पूर्ण Java क्लास है जिसमें ऊपर चर्चा किए गए सभी चरण, जांच और फॉल्बैक लॉजिक शामिल हैं। इसे अपने IDE में कॉपी‑पेस्ट करें, इमेज पाथ समायोजित करें, और चलाएँ। + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**अपेक्षित आउटपुट** (मान लेते हैं कि PNG में साधारण अंग्रेज़ी टेक्स्ट है): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +यदि GPU मौजूद नहीं है, तो आप अंतिम पंक्ति में “CPU” देखेंगे। + +## दृश्य अवलोकन + +नीचे डेटा फ्लो का एक त्वरित आरेख है—PNG लोड करने से लेकर प्लेन टेक्स्ट प्राप्त करने तक। इमेज का alt टेक्स्ट SEO के लिए मुख्य कीवर्ड शामिल करता है। + +![aspose ocr gpu कार्यप्रवाह – इमेज लोड करें, GPU सक्षम करें, टेक्स्ट पहचानें] + +*Alt text: aspose ocr gpu कार्यप्रवाह दर्शाता है कि OCR के लिए इमेज कैसे लोड करें, GPU एक्सेलेरेशन कैसे सक्षम करें, और PNG से टेक्स्ट कैसे निकालें।* + +## पुनरावलोकन और अगले कदम + +हमने अभी-अभी बताया कि कैसे **aspose ocr gpu**‑से प्रक्रिया को **recognize text from image** और **extract text from png** फ़ाइलों के लिए तेज़ किया जाए। मुख्य बिंदु: + +1. **इमेज लोड करें** `ImageStream.fromFile` के साथ। +2. **GPU सक्षम करें** `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)` के माध्यम से। +3. **`recognize()` चलाएँ** और `ocrResult.getText()` पढ़ें। +4. **डिवाइस को वैलिडेट करें** और आवश्यकता पड़ने पर सुगमता से CPU पर फॉल्बैक करें। + +सीमाओं को आगे बढ़ाने के लिए तैयार हैं? इन प्रयोगों को आज़माएँ: + +- **बैच प्रोसेसिंग:** PNGs की डायरेक्टरी पर लूप करें और प्रत्येक परिणाम को `.txt` फ़ाइल में लिखें। +- **लेआउट विश्लेषण:** कॉलम और टेबल को संरक्षित रखने के लिए `ocrEngine.getOptions().setDetectDocumentStructure(true)` को चालू करें। +- **मल्टी‑GPU स्केलिंग:** यदि आपके कार्यस्थल में कई GPU हैं, तो समानांतर थ्रेड्स शुरू करें, प्रत्येक को अलग `deviceId` पर पिन करें। + +ये विस्तार आपके **gpu accelerated ocr** में महारत को गहरा करेंगे और बड़े‑पैमाने पर दस्तावेज़ डिजिटलीकरण प्रोजेक्ट्स के द्वार खोलेंगे। + +--- + +*कोडिंग का आनंद लें! यदि आपको कोई समस्या आती है, तो नीचे टिप्पणी छोड़ें—मैं आपकी समस्या हल करने में मदद करने के लिए खुश रहूँगा।* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/hindi/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..3df79b85e --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: विश्वसनीय OCR टेक्स्ट पहचान के लिए छवि को प्रीप्रोसेस करना, शोर हटाना + और छवि का रोटेशन सुधारना सीखते हुए कंट्रास्ट कैसे बढ़ाएँ। +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: hi +og_description: OCR छवियों में कंट्रास्ट कैसे बढ़ाएँ, साथ ही छवि को प्री‑प्रोसेस करना, + शोर हटाना, और सटीक टेक्स्ट पहचान के लिए छवि के घुमाव को सही करना। +og_title: OCR में कंट्रास्ट कैसे बढ़ाएँ – चरण-दर-चरण जावा गाइड +tags: +- OCR +- Java +- Image Processing +title: OCR में कंट्रास्ट कैसे बढ़ाएँ – जावा प्री‑प्रोसेसिंग की संपूर्ण गाइड +url: /hi/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR में कंट्रास्ट कैसे बढ़ाएँ – पूर्ण जावा प्री‑प्रोसेसिंग गाइड + +क्या आप कभी सोचते रहे हैं **how to enhance contrast** ताकि आपका OCR इंजन वास्तव में टेक्स्ट पढ़े और बेतुके अक्षर न निकाले? आप अकेले नहीं हैं। अधिकांश डेवलपर्स तब रुकते हैं जब स्रोत इमेज धुंधली, तिरछी, या धब्बों से भरपूर होती है, और परिणामस्वरूप “recognize text from image” में निराशाजनक विफलता आती है। + +अच्छी खबर? कुछ स्मार्ट प्री‑प्रोसेसिंग स्टेप्स—**how to preprocess image**, **how to remove noise**, और **correct image rotation**—को लागू करके आप एक शोरयुक्त, लो‑कंट्रास्ट PNG को एक साफ़ कैनवास में बदल सकते हैं जिसे OCR इंजन पसंद करता है। इस ट्यूटोरियल में हम Aspose.OCR का उपयोग करके एक वास्तविक जावा उदाहरण देखेंगे, प्रत्येक फ़िल्टर क्यों महत्वपूर्ण है समझाएंगे, और बिल्कुल **how to enhance contrast** करके मजबूत पहचान कैसे प्राप्त करें दिखाएंगे। + +--- + +## आप क्या सीखेंगे + +- प्रत्येक प्री‑प्रोसेसिंग फ़िल्टर (डेस्क्यू, नॉइज़ रिमूवल, कंट्रास्ट एन्हांसमेंट) का उद्देश्य। +- **how to preprocess image** Aspose.OCR के साथ जावा में, चरण‑दर‑चरण। +- **how to remove noise** और **correct image rotation** को OCR से पहले कैसे लागू करें। +- वह सटीक कोड जिसे आप कॉपी‑पेस्ट कर सकते हैं, चलाएँ और **recognize text from image** का आउटपुट देखें। + +> **Prerequisites** – Java 17+, Maven या Gradle, और Aspose.OCR for Java लाइसेंस (टेस्टिंग के लिए फ्री ट्रायल चल सकता है)। अन्य कोई थर्ड‑पार्टी लाइब्रेरी आवश्यक नहीं। + +--- + +## Step 1 – प्रोजेक्ट सेट‑अप और Aspose.OCR इम्पोर्ट करें + +पहले **how to enhance contrast** पर बात करने से पहले हमें OCR इंजन के साथ एक कार्यशील जावा प्रोजेक्ट चाहिए। + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +यदि आप Gradle पसंद करते हैं, तो समकक्ष इस प्रकार है: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +एक साधारण `src/main/java/PreprocessDemo.java` फ़ाइल बनाएँ और आवश्यक क्लासेज़ इम्पोर्ट करें: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** अपने IDE की ऑटो‑इम्पोर्ट सुविधा चालू रखें; यह बहुत समय बचाता है। + +--- + +## Step 2 – वह इमेज लोड करें जिसे आप साफ़ करना चाहते हैं + +अब लाइब्रेरी तैयार है, चलिए **how to preprocess image** के पहले भाग का उत्तर देते हैं: इमेज लोड करना। + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +इस चरण पर इंजन एक लो‑क्वालिटी PNG रखता है जिसमें संभवतः खराब कंट्रास्ट, रोटेशन, और स्पीकल नॉइज़ है। यदि आप फ़ाइल खोलेंगे, तो आप देखेंगे कि OCR क्यों फेल हो रहा है। + +--- + +## Step 3 – फ़िल्टर लागू करें: Deskew, Noise Removal, **How to Enhance Contrast** + +यह ट्यूटोरियल का मुख्य भाग है—**how to enhance contrast** करते हुए एक साथ रोटेशन और नॉइज़ को संभालना। Aspose.OCR तीन तैयार‑फ़िल्टर प्रदान करता है: + +| Filter | क्या करता है | OCR के लिए क्यों महत्वपूर्ण | +|--------|--------------|---------------------------| +| `DeskewFilter` | इमेज रोटेशन का पता लगाता है और सुधारता है | सुनिश्चित करता है **correct image rotation**, ताकि अक्षर तिरछे न हों। | +| `NoiseRemovalFilter` | रैंडम धब्बों और बैकग्राउंड ग्रेन को कम करता है | इम्प्लीमेंट करता है **how to remove noise** ताकि इंजन केवल अक्षर देखे। | +| `ContrastEnhancementFilter` | फ़ोरग्राउंड टेक्स्ट और बैकग्राउंड के बीच अंतर को बढ़ाता है | सीधे तौर पर **how to enhance contrast** का उत्तर देता है, जिससे हल्की स्ट्रोक्स उभर कर दिखें। | + +उन्हें दिखाए क्रम में जोड़ें—पहले डेस्क्यू, फिर नॉइज़ रिमूवल, फिर कंट्रास्ट एन्हांसमेंट: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **यह क्रम क्यों?** +> • Deskew कच्चे पिक्सेल मैट्रिक्स पर सबसे बेहतर काम करता है; शोरयुक्त इमेज को घुमाने से आर्टिफैक्ट्स बढ़ सकते हैं। +> • कंट्रास्ट बढ़ाने से पहले नॉइज़ साफ़ करने से फ़िल्टर धब्बों को बढ़ाने से बचता है। +> • अंत में कंट्रास्ट एन्हांसमेंट साफ़ पिक्सेल को उभारेगा, जो कि OCR के लिए **how to enhance contrast** का सही तरीका है। + +--- + +## Step 4 – OCR इंजन चलाएँ और **Recognize Text from Image** करें + +प्री‑प्रोसेसिंग पाइपलाइन तैयार होने के बाद, अब हम OCR इंजन को कॉल करते हैं। यह चरण अंतिम सवाल का उत्तर देता है: **recognize text from image**। + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +जब आप `java PreprocessDemo` चलाएँगे, तो आपको गड़बड़ टेक्स्ट की बजाय साफ़, पठनीय टेक्स्ट दिखना चाहिए। एक नमूना इनवॉइस का सामान्य आउटपुट इस प्रकार हो सकता है: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +यदि परिणाम अभी भी धुंधला दिखे, तो `ContrastEnhancementFilter` के पैरामीटर (जैसे `setLevel(1.5)`) को समायोजित करें या जांचें कि स्रोत इमेज पुनर्प्राप्ति से अधिक कंप्रेस्ड तो नहीं है। + +--- + +## Step 5 – विज़ुअल चेक: Before & After (Optional) + +देखना ही विश्वास है। नीचे एक प्लेसहोल्डर इलेस्ट्रेशन है जो मूल फ़ाइल और प्रोसेस्ड संस्करण की तुलना करता है। alt‑टेक्स्ट में SEO के लिए मुख्य कीवर्ड स्पष्ट रूप से उल्लेखित है। + +![OCR प्री‑प्रोसेसिंग में कंट्रास्ट कैसे बढ़ाएँ – मूल बनाम संवर्धित इमेज दिखाने वाला आरेख](https://example.com/contrast-demo.png "OCR प्री‑प्रोसेसिंग में कंट्रास्ट कैसे बढ़ाएँ") + +*यदि आप अपना कोड अपनी इमेज पर चलाते हैं, तो आप समान नाटकीय पठनीयता वृद्धि देखेंगे।* + +--- + +## Common Pitfalls & How to Fix Them + +| समस्या | क्यों होता है | समाधान | +|--------|--------------|--------| +| कंट्रास्ट बूस्ट के बाद भी टेक्स्ट धुंधला | फ़िल्टर लेवल बहुत कम या इमेज रेज़ोल्यूशन अपर्याप्त | `ContrastEnhancementFilter` लेवल बढ़ाएँ (`new ContrastEnhancementFilter(1.8)`) या प्रोसेसिंग से पहले इमेज को अपस्केल करें। | +| OCR खाली स्ट्रिंग लौटाता है | इमेज पूरी तरह डार्क थी या नॉइज़ फ़िल्टर ने सभी पिक्सेल हटा दिए | `NoiseRemovalFilter` की आक्रामकता घटाएँ (`new NoiseRemovalFilter(0.3)`)। | +| अक्षर अभी भी तिरछे हैं | इमेज बहुत शोरयुक्त होने के कारण Deskew ने एंगल मिस कर दिया | हल्के नॉइज़ रिमूवल के बाद **DeskewFilter** चलाएँ, या मैन्युअली `DeskewFilter.setAngle(2.5)` से एंगल सेट करें। | +| अनपेक्षित Unicode सिंबल्स | OCR भाषा सही से सेट नहीं है | `ocrEngine.setLanguage(OcrLanguage.English);` को `recognize()` से पहले कॉल करें। | + +--- + +## Extending the Pipeline – What If You Need More? + +कभी‑कभी आपको रंगीन स्कैन या PDF के लिए **how to preprocess image** की आवश्यकता हो सकती है। Aspose.OCR अतिरिक्त फ़िल्टर भी देता है: + +- `BinarizationFilter` – शुद्ध ब्लैक‑एंड‑व्हाइट में बदलता है, उच्च कंट्रास्ट टेक्स्ट के लिए बेहतरीन। +- `ResizeFilter` – छोटे फ़ॉन्ट को OCR से पहले बड़ा करता है। +- `SharpenFilter` – फेड हैंडराइटिंग के लिए एजेज़ को तेज़ करता है। + +आप इन्हें पहले दिखाए तीन कोर फ़िल्टर की तरह चेन कर सकते हैं। क्रम अभी भी महत्वपूर्ण है: resize → denoise → binarize → contrast → deskew एक आम रेसिपी है। + +--- + +## Recap: Noisy PNG से Clean Text तक + +- **How to enhance contrast**: `ContrastEnhancementFilter` को डेस्क्यू और नॉइज़ रिमूवल के बाद उपयोग करें। +- **How to preprocess image**: इमेज लोड करें, फ़िल्टर जोड़ें, फिर OCR चलाएँ। +- **How to remove noise**: `NoiseRemovalFilter` बैकग्राउंड को साफ़ करता है बिना टेक्स्ट स्ट्रोक्स को नुकसान पहुँचाए। +- **Correct image rotation**: `DeskewFilter` टेक्स्ट बेसलाइन को संरेखित करता है, सटीक पहचान के लिए आवश्यक। +- **Recognize text from image**: `ocrEngine.recognize()` कॉल करें और `ocrResult.getText()` पढ़ें। + +इन सभी चरणों से आप स्कैन किए हुए इनवॉइस, रसीदें, और पुरानी प्रिंटेड किताबों के लिए एक मजबूत पाइपलाइन बना सकते हैं। + +--- + +## What’s Next? + +- **प्रयोग करें**: फ़िल्टर पैरामीटर बदलें और OCR सटीकता पर प्रभाव देखें। +- **बैच प्रोसेसिंग**: ऊपर दिया लॉजिक लूप में रखें ताकि पूरे फ़ोल्डर की इमेज प्रोसेस हो सके। +- **इंटीग्रेशन**: OCR आउटपुट को डेटाबेस या PDF जेनरेटर में फीड करें ताकि एंड‑टू‑एंड ऑटोमेशन हो सके। + +यदि आप अन्य इमेज‑एन्हांसमेंट ट्रिक्स—जैसे एडैप्टिव थ्रेशहोल्डिंग या कलर इनवर्शन—में रुचि रखते हैं, तो Aspose की आधिकारिक डॉक्यूमेंटेशन या “Advanced Image Pre‑processing with Aspose.OCR” गाइड देखें। + +--- + +### कोडिंग की शुभकामनाएँ! + +अब आप **how to enhance contrast** और पूरी प्री‑प्रोसेसिंग कहानी जानते हैं जो एक गंदे स्कैन को साफ़, सर्चेबल टेक्स्ट में बदल देती है। यदि आपको कोई समस्या आती है तो कमेंट करें, या बताएं कि आपने अपने प्रोजेक्ट में पाइपलाइन को कैसे कस्टमाइज़ किया। चलिए OCR चर्चा जारी रखें! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/hindi/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..5ffa68803 --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR का उपयोग करके छवि से पाठ को पहचानने, स्वचालित भाषा पहचान को + सक्षम करने, और जावा में OCR गति को सुधारने का तरीका। +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: hi +og_description: Aspose OCR का उपयोग करके छवि से तेज़ी से टेक्स्ट पहचानना, स्वचालित + भाषा पहचान सक्षम करना, और जावा में OCR गति में सुधार करना। +og_title: मिक्स्ड‑भाषा छवियों के लिए Aspose OCR का उपयोग कैसे करें +tags: +- Aspose +- OCR +- Java +- Image Processing +title: मिश्रित‑भाषा छवियों के लिए Aspose OCR का उपयोग कैसे करें +url: /hi/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR को मिश्रित‑भाषा छवियों के लिए कैसे उपयोग करें + +क्या आपने कभी सोचा है **how to use Aspose** को एक ऐसी तस्वीर से टेक्स्ट निकालने के लिए जिसमें एक साथ कई भाषाएँ हों? आप अकेले नहीं हैं—डेवलपर्स अक्सर तब रुकावट का सामना करते हैं जब कोई छवि अंग्रेज़ी, रूसी, हिंदी या किसी अन्य लिपि को मिलाती है। अच्छी खबर यह है कि Aspose OCR इसे सहजता से संभालता है, और आप भाषा सेट को सीमित करके **recognize text from image** को तेज़ भी कर सकते हैं। + +इस ट्यूटोरियल में हम एक पूर्ण, तैयार‑चलाने‑योग्य Java उदाहरण के माध्यम से चलेंगे जो **loads image for OCR** करता है, **automatic language detection** को सक्रिय करता है, और **improve OCR speed** के लिए एक सरल ट्रिक दिखाता है। अंत तक आपके पास एक स्व-निहित प्रोग्राम होगा जो निकाले गए टेक्स्ट को कंसोल पर प्रिंट करेगा, और आप समझ पाएँगे कि प्रत्येक सेटिंग क्यों महत्वपूर्ण है। + +> **Prerequisites** – Java 17+ स्थापित हो, Maven या Gradle निर्भरता प्रबंधन के लिए, और एक Aspose OCR लाइसेंस (मुफ़्त ट्रायल मूल्यांकन के लिए काम करता है)। अन्य कोई लाइब्रेरी आवश्यक नहीं है। + +--- + +## Step 1 – अपने प्रोजेक्ट में Aspose OCR जोड़ें + +Aspose **use** करने से पहले, आपको लाइब्रेरी को अपने क्लासपाथ पर जोड़ना होगा। Maven के साथ यह इस प्रकार दिखता है: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +यदि आप Gradle पसंद करते हैं: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** नवीनतम स्थिर रिलीज़ का उपयोग करें; नई संस्करण अक्सर प्रदर्शन सुधार शामिल करते हैं जो सीधे **improve OCR speed** को प्रभावित करते हैं। + +--- + +## Step 2 – OCR Engine Instance बनाएं + +हर Aspose OCR कार्यप्रवाह का दिल `OcrEngine` है। इसे इंस्टैंसिएट करना सरल है, लेकिन यह ध्यान देने योग्य है कि इंजन आंतरिक कैश रखता है। कई छवियों में एक ही इंस्टेंस को पुनः उपयोग करने से वास्तव में **improve OCR speed** हो सकता है क्योंकि लाइब्रेरी दोहराए गए नेटिव इनिशियलाइज़ेशन से बचती है। + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +## Step 3 – **Load Image for OCR** + +Aspose कई इमेज फ़ॉर्मेट (PNG, JPEG, TIFF, BMP) को स्वीकार करता है। यहाँ हम एक PNG लोड करने का प्रदर्शन करते हैं जिसमें अंग्रेज़ी, रूसी, और हिंदी टेक्स्ट है। `ImageStream.fromFile` हेल्पर फ़ाइल‑I/O विवरणों को एब्स्ट्रैक्ट करता है और सुनिश्चित करता है कि इमेज सही ढंग से इंजन में स्ट्रीम हो। + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** `ImageStream.fromByteArray(byte[])` का उपयोग करें—वेब सेवाओं के लिए उपयुक्त जो इमेज को बाइट स्ट्रीम के रूप में प्राप्त करती हैं। + +## Step 4 – Automatic Language Detection सक्षम करें + +डिफ़ॉल्ट रूप से Aspose OCR एक ही भाषा मानता है, जिससे बहुभाषी चित्रों पर गड़बड़ आउटपुट हो सकता है। ऑटोमैटिक डिटेक्शन को चालू करने से इंजन को प्रत्येक टेक्स्ट ब्लॉक की स्क्रिप्ट को पहचानने से पहले पहचानने की अनुमति मिलती है। + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +## Step 5 – भाषा पूल को सीमित करके **Improve OCR Speed** + +पूर्ण ऑटो‑डिटेक्ट Aspose द्वारा समर्थित सभी भाषाओं (70 से अधिक) को स्कैन करता है। यदि आप पहले से संभावित भाषाओं को जानते हैं, तो आप इंजन को एक संकेत दे सकते हैं। छोटा एरे प्रदान करने से सर्च स्पेस कम हो जाता है और इसलिए **improves OCR speed**। + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** इंजन उन भाषा मॉडलों को स्किप करता है जिनकी उसे आवश्यकता नहीं है, जिससे CPU साइकिल और मेमोरी बचती है। यदि आप बाद में अधिक भाषाएँ जोड़ते हैं, तो केवल एरे को अपडेट करें—कोड को फिर से लिखने की आवश्यकता नहीं। + +## Step 6 – पहचान करें और **Recognize Text from Image** + +अब भारी काम होता है। `recognize()` एक `OcrResult` ऑब्जेक्ट लौटाता है जिसमें साधारण टेक्स्ट, कॉन्फिडेंस स्कोर, और यदि बाद में आवश्यकता हो तो लेआउट जानकारी भी शामिल होती है। + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### अपेक्षित कंसोल आउटपुट + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +यदि छवि में अतिरिक्त शोर या तिरछा टेक्स्ट है, तो आप उन लाइनों के लिए कम कॉन्फिडेंस देख सकते हैं। ऐसे में, Aspose को फीड करने से पहले छवि का पूर्व‑प्रसंस्करण (डेस्क्यू, बाइनराइज़ेशन) करने पर विचार करें। + +## Common Questions & Edge Cases + +### यदि छवि बहुत बड़ी हो (जैसे, >10 MP) तो क्या करें? + +बड़ी छवियाँ अधिक मेमोरी खपत करती हैं और प्रोसेसिंग को धीमा कर सकती हैं। **improve OCR speed** का एक तेज़ तरीका है छवि को पढ़ने योग्य रखते हुए डाउनस्केल करना: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Arabic जैसी दाएँ‑से‑बाएँ स्क्रिप्ट को कैसे संभालें? + +Aspose OCR स्वचालित रूप से स्क्रिप्ट दिशा का सम्मान करता है, लेकिन आप पोस्ट‑प्रोसेसिंग के लिए `RightToLeft` फ़्लैग सेट करना चाह सकते हैं: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### क्या मैं इमेज के बजाय PDFs से टेक्स्ट निकाल सकता हूँ? + +हां—प्रत्येक PDF पेज को एक इमेज में बदलें (Aspose PDF या किसी भी रास्टराइज़र का उपयोग करके) और परिणाम को उसी OCR पाइपलाइन में फीड करें। वही **recognize text from image** लॉजिक लागू होता है। + +## Full Working Example (कॉपी‑पेस्ट तैयार) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +`MixedLanguageDemo.java` के रूप में फ़ाइल सहेजें, `javac` से कंपाइल करें, और `java MixedLanguageDemo` से चलाएँ। यदि सब कुछ सही ढंग से सेट है, तो आप कंसोल पर बहुभाषी टेक्स्ट प्रिंट होते देखेंगे। + +## निष्कर्ष + +अब आप जानते हैं **how to use Aspose** को **recognize text from image** फ़ाइलों के लिए जो कई भाषाएँ शामिल करती हैं, कैसे **enable automatic language detection** किया जाता है, और भाषा पूल को सीमित करके **improve OCR speed** का एक व्यावहारिक टिप। ऊपर दिया गया पूरा कोड कॉपी‑पेस्ट के लिए तैयार है, और व्याख्याएँ आपको समाधान को अनुकूलित करने का आत्मविश्वास देती हैं—चाहे आपको **load image for OCR** को स्ट्रीम, बाइट एरे, या यहाँ तक कि वेबकैम स्नैपशॉट से लेना हो। + +अगले कदम? इन चीज़ों के साथ प्रयोग करें: + +* कम गुणवत्ता वाले स्कैन के लिए इमेज प्री‑प्रोसेसिंग (डिनॉइज़, बिनराइज़) जोड़ना। +* डाउनस्ट्रीम सेवाओं के लिए `OcrResult` को JSON के रूप में एक्सपोर्ट करना। +* इंजन को Spring Boot REST एंडपॉइंट में इंटीग्रेट करना ताकि क्लाइंट इमेज अपलोड कर सकें और तुरंत निकाला गया टेक्स्ट प्राप्त कर सकें। + +कोडिंग का आनंद लें, और आपकी OCR पाइपलाइन तेज़, सटीक और बहुभाषी हों! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/hindi/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..f1aff99d9 --- /dev/null +++ b/ocr/hindi/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: जावा OCR उदाहरण का उपयोग करके छवि से तेज़ी से पाठ पहचानें। समानांतर OCR + प्रोसेसिंग के साथ TIFF फ़ाइलों से पाठ निकालना सीखें और जावा में OCR को कुशलतापूर्वक + कैसे करें। +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: hi +og_description: इमेज से तेज़ी से टेक्स्ट पहचानें एक पूर्ण जावा OCR उदाहरण के साथ। + यह ट्यूटोरियल दिखाता है कि कैसे टिफ़ फ़ाइल से टेक्स्ट निकाला जाए पैरलल OCR प्रोसेसिंग + का उपयोग करके। +og_title: जावा OCR के साथ छवि से टेक्स्ट पहचानें – समानांतर प्रोसेसिंग गाइड +tags: +- OCR +- Java +- Image Processing +title: जावा OCR के साथ छवि से टेक्स्ट पहचानें – समानांतर प्रसंस्करण गाइड +url: /hi/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज से टेक्स्ट पहचानें Java OCR – पैरलल प्रोसेसिंग गाइड + +क्या आपको कभी **इमेज से टेक्स्ट पहचानने** की ज़रूरत पड़ी लेकिन परफ़ॉर्मेंस बॉटलनेक पर अटक गए? आप अकेले नहीं हैं। कई डेवलपर्स एक सिंगल‑थ्रेडेड OCR इंजन के कारण मल्टी‑पेज TIFF फ़ाइलों को प्रोसेस करते‑समय दीवार से टकराते हैं, जिससे एक तेज़ काम मैराथन बन जाता है। + +इस ट्यूटोरियल में हम एक **java ocr example** के माध्यम से दिखाएंगे कि कैसे TIFF फ़ाइलों से टेक्स्ट निकाला जाए और साथ ही सभी CPU कोर का उपयोग करके पैरलल OCR प्रोसेसिंग की जाए। अंत तक आप जानेंगे *how to ocr java* प्रोजेक्ट्स को प्रभावी ढंग से कैसे चलाया जाए, और आपके पास एक तैयार‑कोड स्निपेट होगा जिसे आप किसी भी Maven या Gradle सेटअप में डाल सकते हैं। + +## आप क्या सीखेंगे + +- Java प्रोजेक्ट में Aspose.OCR लाइब्रेरी सेट अप करना। +- मल्टी‑पेज TIFF लोड करना और उसे पहचान के लिए तैयार करना। +- **पैरलल OCR प्रोसेसिंग** को सक्षम करना, थ्रेड काउंट को आपके लॉजिकल CPU कोर के अनुसार सेट करना। +- पहचान किया गया टेक्स्ट प्राप्त करना और प्रदर्शित करना, जिससे **इमेज से टेक्स्ट पहचानें** वर्कफ़्लो पूरा हो जाता है। + +> **Prerequisite:** Java 8 या उससे नया और एक वैध Aspose.OCR for Java लाइसेंस (या एक टेम्पररी इवैल्यूएशन की)। अन्य कोई बाहरी टूल आवश्यक नहीं है। + +--- + +## Step 1: Add Aspose.OCR Dependency + +**इमेज से टेक्स्ट पहचानने** के लिए हमें OCR इंजन को क्लासपाथ में जोड़ना होगा। यदि आप Maven उपयोग करते हैं, तो अपने `pom.xml` में निम्न जोड़ें: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle के लिए समकक्ष है: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* संस्करण संख्या को अपडेट रखें; नए रिलीज़ अक्सर परफ़ॉर्मेंस ट्यूनिंग शामिल करते हैं जो **पैरलल OCR प्रोसेसिंग** को और तेज़ बनाते हैं। + +--- + +## Step 2: Prepare the Java Class – Full Working Example + +नीचे एक स्व-समाहित **java ocr example** दिया गया है जो सभी उपलब्ध CPU कोर का उपयोग करके **tiff से टेक्स्ट निकालने** को दर्शाता है। इसे `ParallelOcrDemo.java` के रूप में सेव करें। + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**हर लाइन का महत्व** + +- **Engine creation**: `OcrEngine` सभी भारी काम को संभालता है। इसके बिना आप **इमेज से टेक्स्ट पहचान** नहीं कर सकते। +- **Image loading**: `ImageStream.fromFile` TIFF, PNG, JPEG आदि को सपोर्ट करता है। मल्टी‑पेज TIFF का उपयोग इंजन की जटिल दस्तावेज़ों को संभालने की क्षमता को टेस्ट करता है। +- **Thread count**: `Runtime.getRuntime().availableProcessors()` लॉजिकल कोर (हाइपर‑थ्रेड सहित) की संख्या देता है। इस वैल्यू को सेट करने से **पैरलल OCR प्रोसेसिंग** सक्रिय होती है, जिससे मल्टी‑कोर मशीनों पर रनटाइम में भारी कमी आती है। +- **Recognition**: `engine.recognize()` OCR पाइपलाइन चलाता है। आंतरिक रूप से यह पेजेज़ को आपके द्वारा परिभाषित थ्रेड पूल में बाँट देता है। +- **Result handling**: `result.getText()` एक ही `String` लौटाता है जिसमें सभी पेजों का संयोजित टेक्स्ट होता है – डाउनस्ट्रीम प्रोसेसिंग या स्टोरेज के लिए एकदम उपयुक्त। + +--- + +## Step 3: Run the Demo and Verify Output + +प्रोग्राम को कंपाइल और एक्सीक्यूट करें: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +आपको कुछ इस तरह दिखना चाहिए: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +यदि कंसोल में अपेक्षित टेक्स्ट प्रिंट होता है, तो बधाई—आपने सफलतापूर्वक **इमेज से टेक्स्ट पहचान** की है एक **java ocr example** के साथ जो पैरलल रूप से चलता है। + +--- + +## Step 4: Tweak for Real‑World Scenarios (Optional) + +### केवल विशिष्ट पेजों से टेक्स्ट निकालें + +कभी‑कभी आपको बड़े TIFF में से केवल कुछ पेज चाहिए होते हैं। पहचान के बाद आप फ़िल्टर कर सकते हैं: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### थ्रेड काउंट को मैन्युअली एडजस्ट करें + +यदि आपका सर्वर पहले से ही अन्य टास्क से व्यस्त है, तो आप OCR थ्रेड्स को सीमित कर सकते हैं: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### मेमोरी‑इंटेंसिव TIFF को संभालें + +बड़े मल्टी‑पेज TIFF बहुत RAM खा सकते हैं। इसे कम करने के लिए फ़ाइल को चंक्स में प्रोसेस करें: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Step 5: Common Pitfalls & How to Avoid Them + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **लाइसेंस अपर्याप्त** | रनटाइम `LicenseException` फेंकता है | वैध लाइसेंस फ़ाइल लागू करें या फ्री इवैल्यूएशन मोड उपयोग करें (वॉटरमार्क जोड़ता है)। | +| **गलत फ़ाइल पाथ** | `FileNotFoundException` | पाथ को दोबारा जांचें और टेस्टिंग के दौरान एब्सोल्यूट पाथ उपयोग करें। | +| **CPU थ्रॉटलिंग** | `setThreadCount` के बावजूद गति नहीं बढ़ती | सुनिश्चित करें कि आपका JVM `-Xmx` मेमोरी कैप या OS पावर‑सेविंग सेटिंग्स से सीमित न हो। | +| **असमर्थित इमेज फ़ॉर्मेट** | `UnsupportedFormatException` | इमेज को TIFF, PNG, या JPEG में कन्वर्ट करके इंजन को फीड करें। | + +--- + +## Visual Summary + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt text:* “डायग्राम दिखाता है कि Java OCR के साथ पैरलल प्रोसेसिंग द्वारा इमेज से टेक्स्ट पहचान का फ्लो” + +--- + +## Conclusion + +हमने एक पूर्ण **java ocr example** के माध्यम से **इमेज से टेक्स्ट पहचान** की प्रक्रिया को समझा, विशेष रूप से मल्टी‑पेज TIFF फ़ाइलों के लिए, और साथ ही **पैरलल OCR प्रोसेसिंग** का पूरा फायदा उठाया। थ्रेड पूल को CPU कोर के अनुसार सेट करके आप आधुनिक हार्डवेयर पर लगभग रैखिक स्पीड‑अप प्राप्त कर सकते हैं—यह ठीक वही उत्तर है जो “*how to ocr java* efficiently?” सवाल का देता है। + +आगे आप कर सकते हैं: + +- **tiff से टेक्स्ट निकालें** बैच में और परिणाम को डेटाबेस में स्टोर करें। +- OCR को NLP लाइब्रेरी (जैसे OpenNLP) के साथ मिलाकर निकाले गए एंटिटीज़ को ऑटो‑टैग करें। +- समाधान को एक माइक्रोसर्विस के रूप में डिप्लॉय करें और ऑन‑डिमांड OCR के लिए REST एन्डपॉइंट प्रदान करें। + +इसे आज़माएँ, थ्रेड काउंट को ट्यून करें, और देखें आपका पाइपलाइन कितना तेज़ हो जाता है। यदि कोई समस्या आती है, तो नीचे कमेंट करें—हैप्पी कोडिंग! + +{{< /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..1e6afe1c5 100644 --- a/ocr/hindi/java/ocr-operations/_index.md +++ b/ocr/hindi/java/ocr-operations/_index.md @@ -80,6 +80,12 @@ 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। +### [Java में OCR का उपयोग – इमेज से टेक्स्ट निकालें और स्पेल करेक्शन](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Java में OCR का उपयोग करके इमेज से टेक्स्ट निकालें और स्पेल‑करेक्शन के साथ सटीकता बढ़ाएँ। +### [इमेज से सर्चेबल PDF बनाएं – चरण‑दर‑चरण जावा गाइड](./create-searchable-pdf-from-image-step-by-step-java-guide/) +इमेज को सर्चेबल PDF में बदलने की पूरी प्रक्रिया, जावा कोड उदाहरणों के साथ। +### [जावा OCR के साथ इमेज से सर्चेबल PDF बनाएं](./create-searchable-pdf-from-image-with-java-ocr/) +जावा OCR का उपयोग करके इमेज को सर्चेबल PDF में बदलने की प्रक्रिया, कोड उदाहरणों के साथ। ## अक्सर पूछे जाने वाले सवाल diff --git a/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..30b67e411 --- /dev/null +++ b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR का उपयोग करके छवि से खोज योग्य PDF बनाएं। सीखें कि कैसे छवि + को PDF में बदलें, OCR छवि को PDF में बदलें और मिनटों में छवि से टेक्स्ट निकालें। +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: hi +og_description: Aspose OCR के साथ छवि से खोज योग्य PDF बनाएं। इस गाइड का पालन करके + JPG को खोज योग्य PDF में बदलें, छवि से टेक्स्ट निकालें और अधिक। +og_title: छवि से खोज योग्य PDF बनाएं – पूर्ण जावा ट्यूटोरियल +tags: +- Java +- OCR +- PDF +- Aspose +title: इमेज से सर्चेबल PDF बनाएं – चरण‑दर‑चरण जावा गाइड +url: /hi/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज से सर्चेबल PDF बनाएं – पूर्ण जावा ट्यूटोरियल + +क्या आपको कभी **सर्चेबल PDF** बनाना पड़ा हो लेकिन यह नहीं पता था कि कौन सी लाइब्रेरी चुनें? आप अकेले नहीं हैं। कई प्रोजेक्ट्स में—जैसे खर्च‑रिपोर्ट ऑटोमेशन या डिजिटल आर्काइविंग—एक साधारण इमेज को ऐसे PDF में बदलने की क्षमता जो आप वास्तव में खोज सकें, एक गेम‑चेंजर है। + +इसीलिए इस ट्यूटोरियल में हम **इमेज को PDF में बदलने**, उस पर OCR चलाने, और अंत में एक **सर्चेबल PDF** प्राप्त करने की पूरी प्रक्रिया को समझेंगे, जिसे आप किसी भी डॉक्यूमेंट वर्कफ़्लो में डाल सकते हैं। हम **इमेज से टेक्स्ट निकालना** और **jpg को सर्चेबल pdf में बदलना** बिना बहुत सारे बायलरप्लेट कोड के भी दिखाएंगे। + +## आप क्या सीखेंगे + +- Aspose OCR के लिए आवश्यक Maven/Gradle डिपेंडेंसी का सटीक विवरण। +- JPG (या कोई भी सपोर्टेड इमेज) को OCR इंजन में लोड करने का तरीका। +- `OcrSaveFormat.PDF_SEARCHABLE` के साथ सेव करने का महत्व। +- सामान्य समस्याएँ (बड़ी इमेज, असपोर्टेड फॉर्मेट) और उन्हें कैसे टालें। +- यह कैसे वेरिफ़ाई करें कि उत्पन्न PDF में वास्तव में सर्चेबल टेक्स्ट है। + +इस गाइड के अंत तक आपके पास एक तैयार‑टू‑रन जावा क्लास होगा जो एक ही मेथड कॉल में सर्चेबल PDF बनाता है। कोई बाहरी कमांड‑लाइन टूल नहीं, कोई अतिरिक्त OCR इंजन नहीं—सिर्फ शुद्ध जावा। + +--- + +## प्री‑रिक्वायरमेंट्स + +| आवश्यकता | क्यों महत्वपूर्ण है | +|-------------|----------------| +| Java 8 या नया | Aspose OCR आधुनिक भाषा फीचर्स का उपयोग करता है। | +| Maven या Gradle (डिपेंडेंसी मैनेजमेंट के लिए) | Aspose OCR JAR को आसानी से जोड़ता है। | +| एक सैंपल इमेज (`input.jpg`) जिसे ज्ञात फ़ोल्डर में रखें | कोड को फ़ाइल पाथ चाहिए; आप इसे PNG, BMP आदि से बदल सकते हैं। | +| वैकल्पिक: सर्च क्षमता वाला PDF व्यूअर (Adobe Reader, Foxit, आदि) | यह पुष्टि करने के लिए कि PDF वास्तव में सर्चेबल है। | + +यदि आपके पास ये सब है, तो चलिए शुरू करते हैं। + +--- + +## चरण 1: अपने प्रोजेक्ट में Aspose OCR जोड़ें + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **प्रो टिप:** फ्री इवैल्यूएशन वर्ज़न पहले पेज पर छोटा वाटरमार्क जोड़ता है। प्रोडक्शन के लिए Aspose से लाइसेंस लेकर `License license = new License(); license.setLicense("Aspose.OCR.lic");` को `OcrEngine` इंस्टैंशिएट करने से पहले कॉल करें। + +--- + +## चरण 2: वह इमेज लोड करें जिसे आप कन्वर्ट करना चाहते हैं + +हम `ImageStream.fromFile` का उपयोग करके इमेज को सीधे डिस्क से पढ़ेंगे। यह मेथड JPG, PNG, TIFF और कई अन्य फॉर्मेट को सपोर्ट करता है, इसलिए आप **इमेज को PDF में बदलना** स्रोत चाहे जो भी हो, कर सकते हैं। + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **यह चरण क्यों आवश्यक है?** OCR इंजन को टेक्स्ट का बिटमैप प्रतिनिधित्व चाहिए। 300 dpi या उससे अधिक की हाई‑रिज़ॉल्यूशन इमेज सप्लाई करने से पहचान की सटीकता में काफी सुधार होता है, जिससे आपको बेहतर **इमेज से टेक्स्ट निकालना** परिणाम मिलते हैं। + +--- + +## चरण 3: OCR चलाएँ और सर्चेबल PDF के रूप में सेव करें + +जादू तब होता है जब आप `save` को `PDF_SEARCHABLE` फॉर्मेट के साथ कॉल करते हैं। अंदरूनी तौर पर Aspose OCR एक हिडन टेक्स्ट लेयर बनाता है जो मूल इमेज के ऊपर रखी जाती है, जिससे एक स्थिर तस्वीर **सर्चेबल PDF** बन जाती है। + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +यदि आप हिडन लेयर के बिना साधारण PDF चाहते हैं, तो `PDF_SEARCHABLE` को `PDF` से बदल दें। लेकिन अधिकांश आर्काइविंग परिदृश्यों में सर्चेबल वर्ज़न ही चाहिए। + +--- + +## चरण 4: परिणाम की पुष्टि करें + +प्रोग्राम समाप्त होने के बाद `searchable.pdf` को किसी भी PDF व्यूअर में खोलें और बिल्ट‑इन सर्च (Ctrl + F) आज़माएँ। यदि आप उन शब्दों को खोज पाते हैं जो मूल रूप से केवल इमेज में थे, तो बधाई—आपने सफलतापूर्वक **ocr इमेज को pdf** किया है। + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **एज केस:** बहुत बड़ी इमेज (> 10 MB) `OutOfMemoryError` का कारण बन सकती है। इसे कम करने के लिए इमेज को पहले `java.awt.Image` या Thumbnailator जैसी लाइब्रेरी से डाउनस्केल करें। + +--- + +## पूर्ण कार्यशील उदाहरण + +नीचे पूरी, स्व-निहित जावा क्लास दी गई है। इसे अपने IDE में कॉपी‑पेस्ट करें, पाथ्स को समायोजित करें, और चलाएँ—कोई अतिरिक्त कदम नहीं। + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**अपेक्षित आउटपुट:** + +``` +Searchable PDF created. +``` + +जब आप `YOUR_DIRECTORY/searchable.pdf` खोलेंगे तो आपको `input.jpg` में मौजूद किसी भी शब्द को सर्च करने में सक्षम होना चाहिए। यही है **jpg को सर्चेबल pdf में बदलना** का सार। + +--- + +## अक्सर पूछे जाने वाले प्रश्न (FAQ) + +### क्या मैं एक साथ कई इमेज प्रोसेस कर सकता हूँ? +हां। फ़ाइल पाथ की लिस्ट पर लूप लगाएँ, प्रत्येक के लिए `setImage` कॉल करें, और या तो सभी पेज़ को एक ही PDF (`PDF_SEARCHABLE`) में जोड़ें या अलग‑अलग PDF बनाएं। लूप के बीच इंजन की स्थिति रीसेट करना याद रखें (`ocrEngine.clear()`)। + +### अगर OCR की सटीकता कम है तो क्या करें? +- सुनिश्चित करें कि स्रोत इमेज कम से कम 300 dpi हो। +- `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` से भाषा लॉक करें। +- इमेज को प्री‑प्रोसेस करें (डेस्क्यू, कॉन्ट्रास्ट बूस्ट) OpenCV जैसी लाइब्रेरी से। + +### क्या Aspose OCR अन्य भाषाओं को सपोर्ट करता है? +बिल्कुल। `OcrLanguage` एन्नुम में फ़्रेंच, जर्मन, चाइनीज़, अरबी और कई और शामिल हैं। `save` कॉल करने से पहले भाषा बदलें। + +### सर्चेबल PDF को मौजूदा डॉक्यूमेंट में कैसे एम्बेड करें? +आउटपुट को किसी भी सामान्य PDF की तरह ट्रीट करें। PDF मर्जर लाइब्रेरी (जैसे iText या Aspose PDF) का उपयोग करके इसे अन्य PDF के साथ जोड़ें। + +--- + +## ट्रेंच से टिप्स और ट्रिक्स + +- **प्रो टिप:** यदि आपको छोटा फ़ाइल साइज चाहिए, तो सेव करने से पहले `ocrEngine.getConfig().setCompress(true);` कॉल करें। +- **ध्यान रखें:** ट्रांसपेरेंट बैकग्राउंड वाली इमेज—Aspose OCR ट्रांसपेरेंसी को व्हाइट मानता है, जिससे कॉन्ट्रास्ट प्रभावित हो सकता है। +- **याद रखें:** सर्चेबल PDF के नीचे अभी भी एक रास्टर इमेज है। यदि आपको पूरी तरह से वेक्टर‑बेस्ड PDF चाहिए, तो लेआउट को मैन्युअली री‑क्रिएट करना पड़ेगा। + +--- + +## निष्कर्ष + +हमने Aspose OCR का उपयोग करके जावा में इमेज से **सर्चेबल PDF** बनाने की पूरी प्रक्रिया को कवर किया। Maven डिपेंडेंसी जोड़ने से लेकर हिडन टेक्स्ट लेयर की पुष्टि तक, प्रक्रिया सीधी और पूरी तरह प्रोग्रामेबल है। अब आप **इमेज को PDF में बदलना**, **ocr इमेज को pdf**, और **इमेज से टेक्स्ट निकालना** बिना IDE छोड़े कर सकते हैं। + +अगला कदम तैयार है? स्कैन किए हुए रसीदों के फ़ोल्डर को बैच‑प्रोसेस करें, या इस वर्कफ़्लो को क्लाउड स्टोरेज ट्रिगर (AWS Lambda, Azure Functions) के साथ जोड़ें ताकि डॉक्यूमेंट इनजेशन पाइपलाइन ऑटोमेट हो सके। संभावनाएँ अनंत हैं—जाकर प्रयोग करें! + +यदि आपको कोई समस्या आती है या सुधार के लिए आइडिया है, तो नीचे कमेंट करें। हैप्पी कोडिंग! + +![इमेज → OCR इंजन → सर्चेबल PDF दिखाने वाला डायग्राम](image-placeholder.png "सर्चेबल pdf फ्लोचार्ट") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..27312b295 --- /dev/null +++ b/ocr/hindi/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,226 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR का उपयोग करके जावा में छवि से खोज योग्य PDF बनाएं। छवि को + PDF में बदलना सीखें, वर्तनी सुधार सक्षम करें, और तेज़ परिणामों के लिए OCR GPU का + उपयोग करें। +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: hi +og_description: Aspose OCR का उपयोग करके जावा में एक छवि से खोज योग्य PDF बनाएं। यह + गाइड दिखाता है कि कैसे छवि को PDF में बदलें, वर्तनी सुधार सक्षम करें, और OCR GPU + का उपयोग करें। +og_title: जावा OCR के साथ इमेज से सर्चेबल PDF बनाएं +tags: +- OCR +- Java +- PDF +title: जावा OCR का उपयोग करके छवि से खोज योग्य PDF बनाएं +url: /hi/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# इमेज से Java OCR के साथ सर्चेबल PDF बनाएं + +क्या आपको कभी **स्कैन की गई तस्वीर से सर्चेबल PDF** बनाना पड़ा, लेकिन शुरुआत कैसे करें, समझ नहीं आया? आप अकेले नहीं हैं—ज्यादातर डेवलपर्स को इमेज‑आधारित PDFs के साथ काम करते समय यही समस्या आती है। सौभाग्य से, Aspose OCR for Java के साथ आप **इमेज को PDF में बदल** सकते हैं, टेक्स्ट को चयन योग्य बना सकते हैं, और एक पॉलिश्ड रिजल्ट के लिए स्पेल करेक्शन भी जोड़ सकते हैं। + +इस ट्यूटोरियल में हम एक पूरी, तैयार‑चलाने योग्य उदाहरण के माध्यम से दिखाएंगे कि **OCR GPU** का उपयोग कैसे करें जब वह उपलब्ध हो, **इमेज OCR** को प्रभावी ढंग से कैसे प्रोसेस करें, और डाउनस्ट्रीम सर्च के लिए स्पेल करेक्शन क्यों महत्वपूर्ण है। अंत तक आपके पास एक‑क्लिक समाधान होगा जिससे आप सर्चेबल PDF जेनरेट कर सकते हैं, जिसे आप यूज़र्स को दे सकते हैं या कंप्लायंस के लिए आर्काइव कर सकते हैं। + +> **प्रो टिप:** यदि आप ऐसे मशीन पर चल रहे हैं जिसमें GPU नहीं है, तो कोड स्वचालित रूप से CPU पर फॉल बैक हो जाता है, इसलिए आपको कुछ भी री‑राइट करने की जरूरत नहीं। + +--- + +## आपको क्या चाहिए + +- **Java 8+** (कोड JDK 8 और उसके बाद के संस्करणों के साथ कम्पाइल होता है) +- **Aspose OCR for Java** लाइब्रेरी (Aspose साइट से नवीनतम JAR डाउनलोड करें) +- एक **इनपुट इमेज** (JPEG, PNG, TIFF, आदि) जिसे आप सर्चेबल PDF में बदलना चाहते हैं +- (वैकल्पिक) **GPU** जिसमें CUDA सपोर्ट हो, यदि आप सबसे तेज़ रिकग्निशन चाहते हैं + +कोई अतिरिक्त फ्रेमवर्क नहीं, कोई Maven/Gradle जादू नहीं—सिर्फ क्लासपाथ में एक JAR और आप तैयार हैं। + +--- + +## चरण 1: OCR इंजन को इनिशियलाइज़ करें – प्रोसेस का दिल + +सबसे पहले हम एक `OcrEngine` इंस्टेंस बनाते हैं और उसे स्रोत फ़ाइल की ओर इशारा करते हैं। यह ऑब्जेक्ट वह वर्कहॉर्स है जो इमेज पढ़ेगा, न्यूरल नेटवर्क चलाएगा, और हमें टेक्स्ट वापस देगा। + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*क्यों महत्वपूर्ण है:* इंजन को एक बार इनिशियलाइज़ करके पुनः‑उपयोग करने से नेटीव लाइब्रेरीज़ को बार‑बार लोड करने का ओवरहेड बचता है—एक छोटा परफॉर्मेंस बूस्ट जो जब आप दर्जनों फ़ाइलों को बैच‑प्रोसेस करते हैं तो बड़ा फर्क डालता है। + +--- + +## चरण 2: प्रोसेसिंग डिवाइस चुनें – संभव हो तो OCR GPU इस्तेमाल करें + +यदि आपके वर्कस्टेशन में संगत GPU है, तो आप Aspose को बताकर भारी काम GPU पर करा सकते हैं। अन्यथा इंजन स्वचालित रूप से CPU पर स्विच कर लेता है। + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*क्या फायदा है?* GPU एक्सेलेरेशन प्रत्येक पेज पर सेकंड्स बचा सकता है, खासकर हाई‑रेज़ोल्यूशन स्कैन के लिए। फॉलबैक यह सुनिश्चित करता है कि वही कोड हर जगह काम करे, इसलिए हम **use OCR GPU** को डिफ़ॉल्ट सेटिंग के रूप में सुझाते हैं। + +--- + +## चरण 3: स्कैन को तेज़ करें – सभी CPU कोर का उपयोग करें + +भले ही GPU व्यस्त हो, आसपास के प्री‑प्रोसेसिंग स्टेप्स को पैराललाइज़ किया जा सकता है। थ्रेड काउंट को उपलब्ध प्रोसेसर की संख्या पर सेट करने से इंजन को एक साथ कई चंक्स प्रोसेस करने का मौका मिलता है। + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*नोट:* 4‑कोर लैपटॉप पर यह चार थ्रेड्स बनाएगा; 16‑कोर वर्कस्टेशन पर आपको पूरा लाभ मिलेगा। बस ध्यान रखें कि अधिक थ्रेड्स का मतलब मेमोरी उपयोग बढ़ना भी है। + +--- + +## चरण 4: इमेज को साफ़ करें – प्री‑प्रोसेसिंग फ़िल्टर + +धुंधली या शोर वाली स्कैन गंदा टेक्स्ट उत्पन्न करेगी। कुछ बिल्ट‑इन फ़िल्टर जोड़ने से सटीकता में नाटकीय सुधार आता है। + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*इन फ़िल्टरों का कारण क्या है?* `DeskewFilter` स्कैन के उस घुमाव को ठीक करता है जो अक्सर दस्तावेज़ को एंगल पर स्कैनर में डालने से होता है। `NoiseRemovalFilter` अनावश्यक पिक्सेल्स को हटाता है, जिन्हें अन्यथा अक्षर मान लिया जाता। इसे इस तरह समझें कि OCR इंजन को साफ़ कागज़ दिया गया हो। + +--- + +## चरण 5: स्मार्ट फीचर चालू करें – स्पेल करेक्शन और ऑटो लैंग्वेज डिटेक्शन सक्षम करें + +यदि आप बहुभाषी दस्तावेज़ों से निपट रहे हैं, या बस कम टाइपो चाहते हैं, तो बिल्ट‑इन स्पेल चेकर को ऑन करें और इंजन को भाषा का अनुमान लगाने दें। + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*यह कब उपयोगी है?* मान लीजिए आपकी स्कैन में अंग्रेज़ी और स्पेनिश दोनों सेक्शन हैं। ऑटो‑डिटेक्ट फीचर रन‑टाइम पर डिक्शनरी बदल देता है, जबकि स्पेल करेक्शन “0” को “O” जैसी गलत पढ़ी गई कैरेक्टर्स को ठीक करता है। यह स्टेप एक **searchable PDF** बनाने के लिए आवश्यक है जो सही परिणाम देता है। + +--- + +## चरण 6: परिणाम सहेजें – इमेज को PDF में बदलें और सर्चेबल बनाएं + +अंत में हम इंजन को एक PDF लिखने के लिए कहते हैं जहाँ मूल इमेज एक अदृश्य टेक्स्ट लेयर के पीछे रहती है। यह क्लासिक **convert image to PDF** वर्कफ़्लो है, लेकिन अब PDF सर्चेबल है। + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +आउटपुट फ़ाइल (`output-searchable.pdf`) को किसी भी PDF व्यूअर में खोला जा सकता है; आप टेक्स्ट को चयन, कॉपी और सर्च कर पाएँगे जैसे कि वह नेेटिव PDF हो। अतिरिक्त टूल्स की ज़रूरत नहीं। + +--- + +## पूर्ण कार्यशील उदाहरण – पेस्ट‑एंड‑रन + +नीचे पूरा प्रोग्राम दिया गया है, तैयार‑कम्पाइल करने के लिए। `YOUR_DIRECTORY` को उस फ़ोल्डर से बदलें जहाँ `input.jpg` रखा है। + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**अपेक्षित आउटपुट:** प्रोग्राम चलाने पर कंसोल में *“Searchable PDF generated successfully.”* दिखेगा। `output-searchable.pdf` को Adobe Reader में खोलें, मूल इमेज से कोई शब्द सर्च बॉक्स में टाइप करें और तुरंत उसकी लोकेशन पर जाएँ। + +--- + +## सामान्य प्रश्न और किनारे के केस + +- **यदि GPU नहीं मिलता तो क्या होगा?** + `setDeviceType(OcrDeviceType.GPU)` कॉल एक्सेप्शन नहीं फेंकेगा; यह सिर्फ इंजन को पहले GPU आज़माने का निर्देश देता है। अगर विफल रहता है, तो इंजन चुपचाप CPU पर फॉलबैक हो जाता है। + +- **क्या मैं एक रन में कई इमेज प्रोसेस कर सकता हूँ?** + हाँ। कोड को लूप में रखें, प्रत्येक इटरेशन में फ़ाइल नाम बदलें, और मेमोरी कम रखने के लिए वही `OcrEngine` इंस्टेंस पुनः‑उपयोग करें। + +- **मेरी PDF बहुत बड़ी है—मैं इसे कैसे छोटा करूँ?** + OCR के बाद आप Aspose के PDF ऑप्टिमाइज़ेशन API का उपयोग कर सकते हैं, या सोर्स इमेज को डाउनस्केल कर सकते हैं (`ImageStream.fromFile(...).setResolution(150)` 150 DPI के लिए)। + +- **क़ानूनी अनुपालन के लिए मुझे मूल इमेज रेज़ोल्यूशन रखना है।** + `PDF_SEARCHABLE` फॉर्मेट मूल बिटमैप को बिल्कुल वैसा ही रखता है; अदृश्य टेक्स्ट लेयर ऊपर जोड़ दी जाती है बिना विज़ुअल क्वालिटी बदले। + +--- + +## विज़ुअल सारांश + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") +*Alt text:* *create searchable pdf example – Java OCR इंजन स्कैन की गई JPG को सर्चेबल PDF में बदल रहा है।* + +--- + +## निष्कर्ष + +अब आपके पास **Aspose OCR for Java** का उपयोग करके किसी भी इमेज को **searchable PDF** में बदलने का **पूरा, एंड‑टू‑एंड समाधान** है। **इमेज को PDF में बदलना**, **स्पेल करेक्शन सक्षम करना**, और **संभव हो तो OCR GPU** का उपयोग करके आप तेज़, सटीक और सर्चेबल परिणाम प्राप्त कर सकते हैं जो सभी प्लेटफ़ॉर्म पर काम करते हैं। + +अब आगे क्या? इन चीज़ों को आज़माएँ: + +- **विभिन्न आउटपुट फॉर्मेट** (`PDF`, `DOCX`, `HTML`) ताकि आप देख सकें टेक्स्ट लेयर कैसे व्यवहार करती है। +- **कस्टम डिक्शनरी** यदि आप डोमेन‑स्पेसिफिक जार्गन प्रोसेस कर रहे हैं। +- **बैच प्रोसेसिंग** ताकि हजारों स्कैन को ऑटोमैटिकली हैंडल किया जा सके। + +थ्रेड काउंट बदलें, फ़िल्टर स्वैप करें, या अपनी प्री‑प्रोसेसिंग पाइपलाइन जोड़ें। कोर पैटर्न वही रहता है: लोड → प्री‑प्रोसेस → कॉन्फ़िगर → OCR → सेव। + +हैप्पी कोडिंग, और आपके PDFs हमेशा सर्चेबल 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/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..13545e33f --- /dev/null +++ b/ocr/hindi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: जावा में OCR का उपयोग करके छवि से टेक्स्ट निकालने का तरीका। OCR इमेज‑से‑टेक्स्ट + रूपांतरण सीखें, OCR त्रुटियों को सुधारें और Aspose OCR के साथ OCR के लिए छवि लोड + करें। +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: hi +og_description: जावा में OCR का उपयोग करके छवि से टेक्स्ट निकालना, OCR त्रुटियों को + सुधारना और Aspose OCR का उपयोग करके OCR के लिए छवि लोड करना। +og_title: जावा में OCR का उपयोग कैसे करें – पूर्ण गाइड +tags: +- OCR +- Java +- Aspose +title: जावा में OCR का उपयोग कैसे करें – इमेज से टेक्स्ट निकालें और वर्तनी सुधार के + साथ +url: /hi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# जावा में OCR का उपयोग कैसे करें – इमेज से टेक्स्ट निकालें और स्पेल करेक्शन के साथ + +क्या आपने कभी **OCR का उपयोग कैसे करें** को एक धुंधली रसीद की फोटो को साफ, खोज योग्य टेक्स्ट में बदलने के लिए? आप अकेले नहीं हैं। कई प्रोजेक्ट्स में—खर्च‑ट्रैकिंग ऐप्स, इनवॉइस डिजिटाइज़ेशन पाइपलाइन, या यहाँ तक कि एक त्वरित नोट‑लेने वाला स्क्रिप्ट—एक इमेज से विश्वसनीय टेक्स्ट प्राप्त करना पहला बाधा है। + +यह ट्यूटोरियल आपको बिल्कुल दिखाता है कि जावा में OCR का उपयोग कैसे करें, OCR के लिए इमेज लोड करने से लेकर OCR त्रुटियों को सुधारने तक, ताकि परिणाम ऐसा लगे जैसे इंसान ने टाइप किया हो। अंत तक, आप **extract text from image**, **OCR image to text** रूपांतरण कर सकेंगे, और सामान्य पहचान त्रुटियों को स्वचालित रूप से ठीक कर सकेंगे। + +## आप क्या बनाएँगे + +हम एक छोटा जावा कंसोल प्रोग्राम बनाएँगे जो: + +1. PNG (या कोई भी समर्थित फ़ॉर्मेट) को Aspose OCR इंजन में लोड करता है। +2. बिल्ट‑इन स्पेल‑करेक्शन फीचर को सक्षम करता है ताकि **correct OCR errors**। +3. पहचान प्रक्रिया चलाता है और साफ़ किया गया टेक्स्ट प्रिंट करता है। + +कोई बाहरी सेवाएँ नहीं, कोई भारी फ्रेमवर्क नहीं—सिर्फ एक सिंगल JAR और कुछ लाइनों का कोड। + +### पूर्वापेक्षाएँ + +- Java Development Kit (JDK) 8 या नया। +- Maven (या कोई भी बिल्ड टूल) Aspose OCR लाइब्रेरी को प्राप्त करने के लिए। +- एक इमेज फ़ाइल (जैसे `receipt.png`) जिसे आप विश्लेषण करना चाहते हैं। + +यदि आपके पास Aspose OCR JAR नहीं है, तो इस डिपेंडेंसी को अपने `pom.xml` में जोड़ें: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tip:** मुफ्त इवैल्यूएशन संस्करण परीक्षण के लिए काम करता है, लेकिन लाइसेंस इवैल्यूएशन वॉटरमार्क को हटा देता है। + +## चरण 1 – OCR इंजन को इनिशियलाइज़ करें (Primary Keyword in Action) + +पहला काम जो आपको करना है वह है `OcrEngine` की एक इंस्टेंस बनाना। इसे ऐसे समझें जैसे वह दिमाग जो पिक्सेल को पढ़ेगा और उन्हें अक्षरों में बदल देगा। + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Why this matters:* इंजन को इनिशियलाइज़ करने से आंतरिक रिसोर्सेज (भाषा मॉडल, शब्दकोश, आदि) सेट होते हैं। इस चरण को छोड़ने से बाद में इमेज लोड करने पर `NullPointerException` हो सकता है। + +## चरण 2 – OCR के लिए इमेज लोड करें + +अब हम वास्तव में **load image for OCR**। Aspose एक सुविधाजनक `ImageStream.fromFile` हेल्पर प्रदान करता है, लेकिन आप चाहें तो `byte[]` भी दे सकते हैं। + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Common pitfall:* फ़ाइल पाथ एब्सोल्यूट या वर्किंग डायरेक्टरी के रिलेटिव होना चाहिए। यदि इमेज नहीं मिलती, तो इंजन `IOException` फेंकेगा। पाथ को दोबारा जाँचें, विशेष रूप से जब IDE से चलाते हैं बनाम पैकेज्ड JAR से। + +## चरण 3 – **Correct OCR Errors** के लिए स्पेल करेक्शन सक्षम करें + +डिफ़ॉल्ट OCR शोरयुक्त हो सकता है—जैसे “l0ve” की जगह “love” या “O” की जगह “0”。 स्पेल करेक्शन को सक्षम करने से इंजन को एक पोस्ट‑प्रोसेसिंग पास चलाने को कहा जाता है जो सामान्य गलतियों को ठीक करता है। + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Why you’d want this:* स्पेल करेक्शन के बिना, आपको आउटपुट को मैन्युअली साफ़ करना पड़ेगा, जो ऑटोमेशन के उद्देश्य को नष्ट कर देता है। बिल्ट‑इन शब्दकोश अंग्रेज़ी और कई अन्य भाषाओं के लिए अच्छा काम करता है। + +## चरण 4 – पहचान करें (**OCR Image to Text**) + +इमेज लोड हो जाने और स्पेल करेक्शन सक्षम हो जाने के बाद, हम अंततः इंजन से टेक्स्ट पहचानने को कह सकते हैं। + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Edge case:* यदि इमेज लो‑कंट्रास्ट या बहुत टिल्टेड है, तो परिणाम में अभी भी बकवास हो सकता है। इंजन को फीड करने से पहले प्री‑प्रोसेसिंग (जैसे बाइनराइज़ेशन, डेस्क्यू) पर विचार करें। + +## चरण 5 – साफ़ किया गया टेक्स्ट आउटपुट करें + +अंतिम चरण बस परिणाम को प्रिंट करना है। वास्तविक एप्लिकेशन में आप इसे डेटाबेस या फ़ाइल में लिख सकते हैं, लेकिन इस डेमो के लिए `System.out` पर्याप्त है। + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### अपेक्षित आउटपुट + +मान लीजिए `receipt.png` में वस्तुओं की स्पष्ट सूची है, तो आप कुछ इस तरह देख सकते हैं: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +ध्यान दें कि “Qty” और “Price” सही ढंग से लिखे गए हैं भले ही मूल स्कैन में “Qy” जैसा गलती हो। + +## पूर्ण कार्यशील उदाहरण + +नीचे पूरा प्रोग्राम है जिसे आप `SpellCorrectDemo.java` नाम की फ़ाइल में कॉपी‑पेस्ट कर सकते हैं। सुनिश्चित करें कि Aspose OCR JAR आपके क्लासपाथ में है। + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +इसे चलाएँ: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +अब आपको कंसोल में साफ़ किया गया टेक्स्ट प्रिंट होता दिखेगा। + +## बोनस: बेहतर सटीकता के लिए सेटिंग्स को ट्यून करना + +डिफ़ॉल्ट कॉन्फ़िगरेशन अधिकांश प्रिंटेड दस्तावेज़ों के लिए काम करता है, लेकिन विशेष परिस्थितियों में आपको कुछ पैरामीटर समायोजित करने पड़ सकते हैं: + +| सेटिंग | क्या करता है | कब बदलें | +|---------|--------------|----------| +| `setLanguage(OcrLanguage.English)` | इंग्लिश शब्दकोश को मजबूर करता है (गलत पॉज़िटिव को कम करता है) | यदि आपकी इमेज में केवल अंग्रेज़ी टेक्स्ट है। | +| `setResolution(300)` | इंजन को स्रोत इमेज की DPI बताता है | हाई‑रिज़ॉल्यूशन स्कैन के लिए। | +| `setEnableAutoSkewCorrection(true)` | हल्के टिल्टेड पेजों को ऑटो‑रोटेट करता है | जब इमेज फ़ोन से कैप्चर की गई हों। | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## अक्सर पूछे जाने वाले प्रश्न + +**Q: क्या यह PDFs के साथ काम करता है?** +A: हाँ। प्रत्येक PDF पेज को इमेज में कनवर्ट करें (जैसे Aspose PDF का उपयोग करके) और इमेज को OCR इंजन में फीड करें। + +**Q: अगर मेरी इमेज BMP फ़ॉर्मेट में है तो?** +A: `ImageStream.fromFile` डिफ़ॉल्ट रूप से PNG, JPEG, BMP, TIFF, और GIF को सपोर्ट करता है। बस फ़ाइल एक्सटेंशन बदल दें। + +**Q: क्या मैं स्पेल करेक्शन को डिसेबल कर सकता हूँ?** +A: बिल्कुल—यदि आपको डाउनस्ट्रीम प्रोसेसिंग के लिए कच्चा OCR आउटपुट चाहिए तो `setEnableSpellCorrection(false)` सेट करें। + +## निष्कर्ष + +अब आप जानते हैं **how to use OCR** जावा में **extract text from image**, स्वचालित रूप से **correct OCR errors**, और Aspose OCR का उपयोग करके **load image for OCR** सही तरीके से कैसे करें। पाँच‑स्टेप फ्लो—इनिशियलाइज़, लोड, स्पेल करेक्शन सक्षम, पहचान, और आउटपुट—दैनिक OCR कार्यों का अधिकांश भाग कवर करता है। + +अब आप इस लॉजिक को डेटाबेस राइट‑बैक, REST एंडपॉइंट, या बैच प्रोसेसर के साथ जोड़ने पर विचार कर सकते हैं ताकि एक साथ दर्जनों रसीदों को संभाला जा सके। ऊपर दिए गए अतिरिक्त सेटिंग्स टेबल के साथ प्रयोग करें ताकि सटीकता का हर एक कैरेक्टर निकाला जा सके। + +कोडिंग का आनंद लें, और आपकी OCR परिणाम हमेशा आपके कॉफ़ी‑दाग़ वाले रसीदों से भी साफ़ रहें! + +![इमेज → OCR इंजन → सुधरा हुआ टेक्स्ट प्रवाह दिखाने वाला OCR उपयोग डायग्राम] + +{{< /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..11b9ffe42 100644 --- a/ocr/hongkong/java/advanced-ocr-techniques/_index.md +++ b/ocr/hongkong/java/advanced-ocr-techniques/_index.md @@ -43,7 +43,7 @@ Aspose.OCR for Java 是光學字元辨識 (OCR) 方面的遊戲規則改變者 ## [在 Aspose.OCR 中指定允許的字符](./specify-allowed-characters/) -透過使用 Aspose.OCR for Java 指定允許的字符，輕鬆從圖像中提取文字。按照我們的逐步指南進行高效集成，確保無縫的文字識別體驗。使用 Aspose.OCR 功能增強您的 Java 應用程式。 +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。 ## 結論 @@ -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。 +### [Aspose OCR GPU 指南：加速從 PNG 圖像提取文字](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +利用 Aspose.OCR GPU 加速在 Java 中從 PNG 圖像提取文字，提高效能與準確度。 +### [使用 Java OCR 從圖像辨識文字 – 平行處理指南](./recognize-text-from-image-with-java-ocr-parallel-processing/) +使用平行處理提升 Java OCR 從圖像提取文字的效能與速度。 +### [在 Aspose.OCR for Java 中使用混合語言圖像](./how-to-use-aspose-ocr-for-mixed-language-images/) +使用 Aspose.OCR for Java 輕鬆辨識同時包含多種語言的圖像文字，提高文字提取的準確度與效率。 +### [如何在 OCR 中增強對比度 – 完整的 Java 前處理指南](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +使用 Aspose.OCR for Java 的完整前處理指南，提升圖像對比度以改善 OCR 準確度。 + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..681cd8098 --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU 教學示範如何使用 GPU 加速，快速且可靠地從圖像辨識文字，並從 PNG 提取文字。 +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: zh-hant +og_description: 了解如何在 Java 中使用 Aspose OCR GPU 透過 GPU 加速辨識圖像文字，並從 PNG 提取文字。 +og_title: Aspose OCR GPU 指南：加速文字擷取 +tags: +- Aspose +- OCR +- Java +- GPU +title: Aspose OCR GPU 指南：加速從 PNG 圖像提取文字 +url: /zh-hant/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – 快速、可靠的 PNG 圖像文字提取 + +想要透過 **aspose ocr gpu** 提升 OCR 效能嗎？使用 Aspose OCR GPU，您可以透過支援 CUDA 的顯示卡 **從影像中辨識文字**，速度遠快於傳統方式。想像一下，將高解析度的 PNG 只需數秒即可處理完畢，而不必等上好幾分鐘——不再需要漫長的等待。 + +在本教學中，我們將一步步說明如何完成以下工作：載入 OCR 影像、切換引擎至 GPU 模式，最後抽取文字。完成後，您將擁有一個完整、可執行的 Java 程式，能夠 **從 png 檔案中抽取文字**，並使用 GPU 加速。無需參考外部文件——只要跟隨步驟、複製程式碼，即可立即上手。 + +## 您需要的環境 + +- **Java Development Kit (JDK) 11+** – 程式碼使用標準的 Java 語言功能。 +- **Aspose.OCR for Java**（截至 2026 年 5 月的最新版本）。可從 Maven Central 取得： + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **支援 CUDA 的 GPU**（NVIDIA GeForce、Quadro 或 Tesla），並安裝相容的驅動程式。 +- **一張高解析度的 PNG 範例**（例如 `sample-highres.png`），即您想要處理的檔案。 + +如果您沒有 GPU，程式會自動回退至 CPU——只需將 GPU 相關程式碼註解掉即可。 + +## 第一步 – 載入 OCR 影像 + +任何 OCR 工作流程的第一步都是取得影像來源。Aspose OCR 提供便利的 `ImageStream` 包裝類別，可從檔案、位元組陣列，甚至 URL 讀取。此處使用 `ImageStream.fromFile`，因為它是本機開發最直接的方式。 + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **為什麼重要：** 正確載入影像可確保 OCR 引擎取得完整的像素資料。使用 `ImageStream.fromFile` 也會自動處理常見的 PNG 特性（例如 alpha 通道、色深）。 + +## 第二步 – 啟用 GPU 加速 (aspose ocr gpu) + +接下來的關鍵步驟：告訴 Aspose 使用 GPU。引擎內的 `OcrDevice` 物件讓您選擇裝置類型（`CPU` 或 `GPU`），若有多張 GPU，亦可指定具體的 device ID。 + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **專業提示：** 若出現 `CUDA driver not found` 錯誤，請再次確認 NVIDIA 驅動程式與 Aspose OCR 所需的 CUDA 版本相符（通常為 CUDA 11.x，對應 23.x 版）。 +> **特殊情況：** 在無頭伺服器上執行時，請確保 GPU 未被其他程序佔用，否則 OCR 呼叫會靜默回退至 CPU。 + +## 第三步 – 從影像辨識文字 + +在載入影像並設定裝置後，即可執行 OCR 引擎。`recognize()` 方法會回傳 `OcrResult` 物件，內含純文字、信心分數，甚至可取得文字框的座標資訊。 + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +執行程式後，您應該會看到類似以下的輸出： + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **您看到的內容：** 從 PNG 中抽取的原始字串。若影像包含表格或多欄排版，可在引擎上啟用 `LayoutAnalysis` 以獲得更佳結果（本快速指南未涵蓋）。 + +## 第四步 – 驗證確實使用了 GPU + +常會誤以為 GPU 已在運作，然而簡單的驗證可省下大量除錯時間。Aspose OCR 會在初始化裝置時寫入一條簡短的日誌。 + +在設定裝置類型之後，加入以下程式碼片段： + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +若輸出顯示 `GPU`，即表示已成功使用 GPU。若顯示 `CPU`，請重新檢查驅動程式安裝或確保 `CUDA_HOME` 環境變數指向正確的工具包資料夾。 + +## 常見問題與避免方式 + +| 症狀 | 可能原因 | 解決方法 | +|------|----------|----------| +| `java.lang.UnsatisfiedLinkError` 關於 `cudart64_110.dll` | CUDA 執行時未加入 `PATH` | 將 CUDA 的 `bin` 資料夾加入系統 `PATH`，或設定 `java.library.path`。 | +| OCR 回傳空字串 | 影像未正確載入（路徑錯誤或不支援的格式） | 再次確認檔案路徑，並驗證 PNG 是否損毀。 | +| 效能與 CPU 相當 | 因驅動不匹配而回退至 GPU | 更新 NVIDIA 驅動至 Aspose OCR 發行說明中列出的版本。 | +| 大圖檔記憶體不足 | GPU 記憶體耗盡 | 降低影像解析度，或在處理前將影像切割成多塊。 | + +## 加分技巧：GPU 不可用時回退至 CPU + +有時您可能在沒有 CUDA 相容 GPU 的開發筆電上執行相同程式碼。將裝置選擇包在 try‑catch 區塊中，可提升程式的韌性。 + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +如此一來，同一個二進位檔即可在任何環境執行，且只要硬體支援就能獲得加速。 + +## 完整、可直接執行的範例 + +以下為完整的 Java 類別，結合前述所有步驟、檢查與回退邏輯。將程式碼貼到 IDE、調整影像路徑後即可執行。 + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**預期輸出**（假設 PNG 內含簡單的英文文字）： + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +若未偵測到 GPU，最後一行會顯示 “CPU”。 + +## 視覺概覽 + +以下是一張快速示意圖，說明從載入 PNG 到取得純文字的資料流程。圖中的 alt 文字已包含 SEO 關鍵字。 + +![aspose ocr gpu workflow – load image, enable GPU, recognize text] + +*Alt text: aspose ocr gpu 工作流程，示範如何載入影像、啟用 GPU 加速，並從 png 抽取文字。* + +## 重點回顧與後續步驟 + +我們剛剛說明了如何 **aspose ocr gpu** 加速 **從影像辨識文字** 與 **從 png 抽取文字** 的整個流程。關鍵要點如下： + +1. 使用 `ImageStream.fromFile` **載入影像**。 +2. 透過 `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)` **啟用 GPU**。 +3. 呼叫 `recognize()`，並讀取 `ocrResult.getText()`。 +4. **驗證裝置**，必要時優雅地回退至 CPU。 + +想挑戰更高境界嗎？可嘗試以下實驗： + +- **批次處理：** 迴圈遍歷資料夾內的 PNG，將每個結果寫入 `.txt` 檔。 +- **版面分析：** 開啟 `ocrEngine.getOptions().setDetectDocumentStructure(true)`，保留欄位與表格。 +- **多 GPU 擴展：** 若工作站配備多張 GPU，可啟動平行執行緒，分別綁定不同的 `deviceId`。 + +這些延伸功能將深化您對 **gpu accelerated ocr** 的掌握，並為大規模文件數位化專案開啟新可能。 + +--- + +*開心寫程式！若遇到任何問題，歡迎在下方留言，我很樂意協助您排除故障。* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..b3e2a8ede --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,215 @@ +--- +category: general +date: 2026-05-06 +description: 如何在學習圖像預處理、去除噪點及校正圖像旋轉的同時提升對比度，以實現可靠的 OCR 文字辨識。 +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: zh-hant +og_description: 如何增強 OCR 圖像的對比度，以及如何預處理圖像、去除噪點和校正圖像旋轉，以實現準確的文字辨識。 +og_title: 如何在 OCR 中提升對比度 – Java 逐步指南 +tags: +- OCR +- Java +- Image Processing +title: 如何提升 OCR 對比度 – 完整的 Java 前置處理指南 +url: /zh-hant/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何提升 OCR 對比度 – 完整的 Java 前置處理指南 + +有沒有想過 **如何提升對比度**，讓你的 OCR 引擎真的能讀取文字，而不是輸出一堆亂碼？你並不孤單。大多數開發者在面對暗淡、傾斜或充滿雜點的原始影像時，都會卡關，最終得到令人沮喪的「從影像辨識文字」失敗。 + +好消息是？只要套用幾個聰明的前置處理步驟——**如何前置處理影像**、**如何去除雜訊**，以及**校正影像旋轉**——就能把噪點多、對比度低的 PNG 變成 OCR 引擎喜愛的乾淨畫布。本教學將以 Aspose.OCR 的真實 Java 範例說明每個濾鏡的意義，並示範 **如何提升對比度** 以達到穩定的辨識效果。 + +--- + +## 你將學會 + +- 每個前置處理濾鏡的目的（去斜、去雜訊、提升對比度）。 +- 使用 Aspose.OCR 在 Java 中 **如何前置處理影像**，一步一步操作。 +- 實用技巧：**如何去除雜訊** 以及 **校正影像旋轉**，在 OCR 前做好準備。 +- 完整可直接複製、執行的程式碼，讓你看到 **從影像辨識文字** 的結果。 + +> **先備條件** – Java 17+、Maven 或 Gradle，以及 Aspose.OCR for Java 授權（免費試用即可測試）。不需要其他第三方函式庫。 + +--- + +## 第 1 步 – 建立專案並匯入 Aspose.OCR + +在談 **如何提升對比度** 之前，我們必須先有一個可執行的 Java 專案，並把 OCR 引擎加入其中。 + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +如果你偏好 Gradle，等價的設定如下： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +建立一個簡單的 `src/main/java/PreprocessDemo.java` 檔案，並匯入必要的類別： + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **小技巧**：保持 IDE 的自動匯入功能開啟；這樣可以省下不少來回手動調整的時間。 + +--- + +## 第 2 步 – 載入要清理的影像 + +函式庫已就緒，接下來回答 **如何前置處理影像** 的第一步：載入影像。 + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +此時引擎內部持有一張品質較低的 PNG，可能同時遭遇對比度不足、旋轉以及雜點噪聲。若打開檔案，你會立刻看到 OCR 為何會卡住。 + +--- + +## 第 3 步 – 套用濾鏡：去斜、去雜訊、**如何提升對比度** + +這是本教學的核心——在同時處理旋轉與雜訊的同時，**如何提升對比度**。Aspose.OCR 內建三種即用濾鏡： + +| 濾鏡 | 功能說明 | 為何對 OCR 重要 | +|------|----------|----------------| +| `DeskewFilter` | 偵測並校正影像旋轉 | 確保 **校正影像旋轉**，讓字元不會傾斜。 | +| `NoiseRemovalFilter` | 減少隨機雜點與背景顆粒 | 實作 **如何去除雜訊**，讓引擎只看到文字。 | +| `ContrastEnhancementFilter` | 提升前景文字與背景之間的差異 | 直接回應 **如何提升對比度**，讓淡弱筆畫更突出。 | + +依下列順序加入濾鏡——先去斜，接著去雜訊，最後提升對比度： + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **為什麼要這樣排序？** +> • 去斜在原始像素矩陣上效果最佳；對已雜訊的影像進行旋轉會放大雜點。 +> • 在提升對比度之前先清除雜訊，可避免濾鏡把雜點也放大。 +> • 最後的對比度提升讓已清理的像素更突出，這正是 **如何提升對比度** 在 OCR 中的關鍵。 + +--- + +## 第 4 步 – 執行 OCR 引擎並 **從影像辨識文字** + +前置處理管線完成後，我們終於呼叫 OCR 引擎。這一步回答最終問題：**從影像辨識文字**。 + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +執行 `java PreprocessDemo` 後，你應該會看到乾淨、可讀的文字，而不是一堆亂碼。以下是一張樣本發票的典型輸出： + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +如果結果仍然模糊，可考慮調整 `ContrastEnhancementFilter` 參數（例如 `setLevel(1.5)`），或再次確認原始影像是否已過度壓縮而無法復原。 + +--- + +## 第 5 步 – 視覺檢查：前後對比（可選） + +眼見為實。下方示意圖比較原始檔案與處理後的版本，alt 文字已明確包含主要關鍵字以利 SEO。 + +![示意圖：如何提升 OCR 前置處理中的對比度 – 原始 vs. 強化後影像](https://example.com/contrast-demo.png "如何提升 OCR 前置處理中的對比度") + +*如果你在自己的影像上執行程式碼，將會看到同樣顯著的可讀性提升。* + +--- + +## 常見陷阱與解決方式 + +| 問題 | 為何會發生 | 解決方法 | +|------|------------|----------| +| 對比度提升後文字仍然模糊 | 濾鏡等級太低或影像解析度不足 | 提高 `ContrastEnhancementFilter` 等級（`new ContrastEnhancementFilter(1.8)`）或在處理前先放大影像。 | +| OCR 回傳空字串 | 影像過暗或所有像素被雜訊濾鏡移除 | 降低 `NoiseRemovalFilter` 的強度（`new NoiseRemovalFilter(0.3)`）。 | +| 字元仍然傾斜 | 去斜因雜訊過重而未偵測到角度 | 在輕度去雜訊後再執行 `DeskewFilter`，或手動設定旋轉角度 `DeskewFilter.setAngle(2.5)`。 | +| 出現意外的 Unicode 符號 | OCR 語言設定不正確 | 在 `recognize()` 前呼叫 `ocrEngine.setLanguage(OcrLanguage.English);`。 | + +--- + +## 延伸管線 – 若需要更多功能該怎麼做？ + +有時你可能需要 **如何前置處理影像** 以處理彩色掃描或 PDF。Aspose.OCR 亦提供： + +- `BinarizationFilter` – 轉為純黑白，適合高對比度文字。 +- `ResizeFilter` – 在 OCR 前放大小字體。 +- `SharpenFilter` – 強化邊緣，對淡筆跡手寫特別有效。 + +使用方式與前述三個核心濾鏡相同，只要依需求串接即可。記得順序仍然重要：`Resize → Denoise → Binarize → Contrast → Deskew` 是常見的配方。 + +--- + +## 重點回顧：從噪點 PNG 到乾淨文字 + +- **如何提升對比度**：在去斜與去雜訊之後使用 `ContrastEnhancementFilter`。 +- **如何前置處理影像**：載入 → 加入濾鏡 → 執行 OCR。 +- **如何去除雜訊**：`NoiseRemovalFilter` 在不破壞文字筆畫的前提下清理背景。 +- **校正影像旋轉**：`DeskewFilter` 使文字基線對齊，是精準辨識的前置條件。 +- **從影像辨識文字**：呼叫 `ocrEngine.recognize()` 並取得 `ocrResult.getText()`。 + +以上步驟組合成一條穩健的管線，適用於掃描發票、收據，甚至舊書籍的文字辨識。 + +--- + +## 接下來可以做什麼？ + +- **實驗**：調整濾鏡參數，觀察對 OCR 準確度的影響。 +- **批次處理**：將上述邏輯包在迴圈中，一次處理整個資料夾的影像。 +- **整合**：將 OCR 輸出寫入資料庫或 PDF 產生器，完成端到端自動化。 + +如果你對其他影像增強技巧有興趣——例如自適應閾值或顏色反轉——可參考 Aspose 官方文件或「Advanced Image Pre‑processing with Aspose.OCR」指南。 + +--- + +### Happy Coding! + +現在你已掌握 **如何提升對比度** 以及完整的前置處理流程，能把雜亂的掃描檔轉換成乾淨、可搜尋的文字。若在實作過程中遇到問題，歡迎留言討論，或分享你自訂的管線如何在專案中發揮效益。讓我們一起持續推進 OCR 的應用吧！ + +{{< /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/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..245496afa --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,230 @@ +--- +category: general +date: 2026-05-06 +description: 如何在 Java 中使用 Aspose OCR 從圖像中識別文字、啟用自動語言偵測並提升 OCR 速度。 +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: zh-hant +og_description: 如何使用 Aspose OCR 快速辨識圖像文字、啟用自動語言偵測，並在 Java 中提升 OCR 速度。 +og_title: 如何使用 Aspose OCR 處理混合語言圖像 +tags: +- Aspose +- OCR +- Java +- Image Processing +title: 如何使用 Aspose OCR 處理混合語言圖像 +url: /zh-hant/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 如何使用 Aspose OCR 處理混合語言圖像 + +有沒有想過 **如何使用 Aspose** 從同時包含多種語言的圖片中擷取文字？你並不孤單——開發者在面對同時混合英文、俄文、印地文或其他文字的圖像時，常常會卡關。好消息是 Aspose OCR 能夠優雅地處理這種情況，甚至可以透過縮小語言集合來更快地 **recognize text from image**。 + +在本教學中，我們將逐步說明一個完整、可直接執行的 Java 範例，該範例會 **loads image for OCR**、開啟 **automatic language detection**，並展示一個簡單的技巧來 **improve OCR speed**。完成後，你將擁有一個獨立的程式，能將擷取的文字印在主控台上，並了解每個設定的意義。 + +> **先決條件** – 已安裝 Java 17+、用於相依管理的 Maven 或 Gradle，以及 Aspose OCR 授權（免費試用版可用於評估）。不需要其他函式庫。 + +--- + +## 步驟 1 – 將 Aspose OCR 加入專案 + +在能 **use Aspose** 之前，你必須將此函式庫加入 classpath。使用 Maven 時可如下設定： + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +如果你偏好使用 Gradle： + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **專業提示**：請使用最新的穩定版；較新的版本通常包含效能提升，直接影響 **improve OCR speed**。 + +--- + +## 步驟 2 – 建立 OCR Engine 實例 + +每個 Aspose OCR 工作流程的核心是 `OcrEngine`。建立它相當簡單，但值得留意的是引擎會保留內部快取。於多張圖片間重複使用同一個實例其實可以 **improve OCR speed**，因為函式庫避免了重複的原生初始化。 + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## 步驟 3 – **Load Image for OCR** + +Aspose 支援多種影像格式（PNG、JPEG、TIFF、BMP）。此處示範載入一張包含英文、俄文與印地文的 PNG。`ImageStream.fromFile` 輔助方法抽象化檔案 I/O 細節，確保影像正確串流至引擎。 + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **如果影像在記憶體中呢？** 可改用 `ImageStream.fromByteArray(byte[])`——非常適合接收位元組串流的 Web 服務。 + +--- + +## 步驟 4 – 啟用自動語言偵測 + +預設情況下，Aspose OCR 會假設只有單一語言，這在多語言圖片上會導致文字亂碼。開啟自動偵測後，引擎會在辨識前先偵測每個文字區塊的文字腳本。 + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## 步驟 5 – 透過限制語言池 **Improve OCR Speed** + +完整的自動偵測會掃描 Aspose 支援的所有語言（超過 70 種）。若事先知道可能的語言，可提供引擎提示。傳入較小的陣列會減少搜尋範圍，從而 **improves OCR speed**。 + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **為什麼這樣有幫助？** 引擎會跳過不需要的語言模型，節省 CPU 時間與記憶體。若之後新增語言，只需更新陣列即可——不必重寫程式碼。 + +--- + +## 步驟 6 – 執行辨識並 **Recognize Text from Image** + +現在開始進行繁重的辨識工作。`recognize()` 會回傳一個 `OcrResult` 物件，內含純文字、信心分數，甚至在之後需要時的版面資訊。 + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### 預期的主控台輸出 + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +若影像含有額外雜訊或傾斜文字，可能會看到這些行的信心分數較低。此時可考慮在送給 Aspose 前先對影像做前處理（去傾、二值化）。 + +--- + +## 常見問題與邊緣情況 + +### 如果影像非常大（例如 >10 MP）？ + +大型影像會佔用更多記憶體，且可能減慢處理速度。快速提升 **improve OCR speed** 的方法是將影像縮小，同時保留可讀性： + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### 如何處理從右至左的文字（例如阿拉伯文）？ + +Aspose OCR 會自動遵守文字方向，但你可能想在後處理時設定 `RightToLeft` 旗標： + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### 我可以從 PDF 而非影像中擷取文字嗎？ + +可以——先將每頁 PDF 轉為影像（使用 Aspose PDF 或任何光柵化工具），再將結果送入相同的 OCR 流程。相同的 **recognize text from image** 邏輯同樣適用。 + +--- + +## 完整可執行範例（可直接複製貼上） + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +將檔案儲存為 `MixedLanguageDemo.java`，使用 `javac` 編譯，並以 `java MixedLanguageDemo` 執行。若環境設定正確，將會在主控台看到多語言文字。 + +--- + +## 結論 + +現在你已了解 **how to use Aspose** 來 **recognize text from image** 包含多種語言的檔案，如何 **enable automatic language detection**，以及透過限制語言池來 **improve OCR speed** 的實用技巧。上方完整程式碼已可直接複製貼上，說明亦能讓你有信心調整此解決方案——無論是要從串流、位元組陣列，甚至是網路攝影機快照 **load image for OCR**。 + +接下來的步驟？可以嘗試以下實驗： + +* 加入影像前處理（去噪、二值化）以應對低品質掃描。 +* 將 `OcrResult` 匯出為 JSON 供下游服務使用。 +* 將引擎整合至 Spring Boot REST 端點，讓客戶端上傳影像並即時取得擷取文字。 + +祝開發順利，願你的 OCR 流程快速、精確且支援多語言！ + +{{< /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/hongkong/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/hongkong/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..63af9a5a0 --- /dev/null +++ b/ocr/hongkong/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,203 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Java OCR 範例快速辨識影像文字。學習如何透過平行 OCR 處理從 TIFF 檔案中擷取文字，以及如何高效地在 Java 中執行 + OCR。 +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: zh-hant +og_description: 使用完整的 Java OCR 範例快速辨識圖像文字。本教學示範如何透過平行 OCR 處理從 TIFF 中擷取文字。 +og_title: 使用 Java OCR 從圖片辨識文字 – 並行處理指南 +tags: +- OCR +- Java +- Image Processing +title: 使用 Java OCR 從圖像辨識文字 – 平行處理指南 +url: /zh-hant/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Java OCR 辨識影像文字 – 平行處理指南 + +是否曾需要 **辨識影像文字**，卻卡在效能瓶頸？你並不孤單。許多開發者在單執行緒的 OCR 引擎處理多頁 TIFF 時，會把本來快速的任務變成馬拉松。 + +在本教學中，我們將示範一個 **java ocr example**，不僅能從 tiff 檔案抽取文字，還能利用所有 CPU 核心進行平行 OCR 處理。完成後，你將清楚知道如何高效 **ocr java** 專案，並且擁有一段可直接放入任何 Maven 或 Gradle 專案的可執行程式碼。 + +## 你將學會 + +- 在 Java 專案中設定 Aspose.OCR 套件。 +- 載入多頁 TIFF 並為辨識做準備。 +- 透過將執行緒數量對應到邏輯 CPU 核心，啟用 **平行 OCR 處理**。 +- 取得並顯示辨識出的文字，完成 **辨識影像文字** 工作流程。 + +> **先決條件：** Java 8 或更新版本，且需有有效的 Aspose.OCR for Java 授權（或暫時的評估金鑰）。不需要其他外部工具。 + +--- + +## 步驟 1：加入 Aspose.OCR 相依性 + +在我們能 **辨識影像文字** 之前，需要先把 OCR 引擎加入 classpath。若使用 Maven，請將以下內容加入 `pom.xml`： + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle 的寫法則如下： + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *小技巧：* 請保持版本號為最新；較新的發行版通常會包含效能優化，使 **平行 OCR 處理** 更快。 + +--- + +## 步驟 2：準備 Java 類別 – 完整可執行範例 + +以下是一個自包含的 **java ocr example**，示範如何使用所有可用的 CPU 核心 **從 tiff 抽取文字**。請將此檔案儲存為 `ParallelOcrDemo.java`。 + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**每行程式碼的意義** + +- **Engine 建立**：`OcrEngine` 負責所有繁重的工作。沒有它，就無法 **辨識影像文字**。 +- **影像載入**：`ImageStream.fromFile` 支援 TIFF、PNG、JPEG 等格式。使用多頁 TIFF 可測試引擎處理複雜文件的能力。 +- **執行緒數量**：`Runtime.getRuntime().availableProcessors()` 會回傳邏輯核心數（含超執行緒）。設定此值即可觸發 **平行 OCR 處理**，在多核心機器上大幅縮短執行時間。 +- **辨識**：`engine.recognize()` 執行 OCR 流程。內部會將頁面分配到先前定義的執行緒池。 +- **結果處理**：`result.getText()` 會回傳一個包含所有頁面合併文字的 `String`——非常適合後續處理或儲存。 + +--- + +## 步驟 3：執行示範並驗證輸出 + +編譯並執行程式： + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +預期會看到類似以下的輸出： + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +如果主控台印出預期的文字，恭喜你！已成功使用 **java ocr example** 以平行方式 **辨識影像文字**。 + +--- + +## 步驟 4：針對實務情境微調（可選） + +### 只抽取特定頁面的文字 + +有時只需要大型 TIFF 中的某些頁面。辨識完畢後即可過濾： + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### 手動調整執行緒數量 + +若伺服器已在執行其他工作，可能需要限制 OCR 執行緒： + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### 處理記憶體密集型 TIFF + +大型多頁 TIFF 可能佔用大量記憶體。可將檔案分塊處理以降低需求： + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## 步驟 5：常見問題與避免方式 + +| 問題 | 症狀 | 解決方案 | +|------|------|----------| +| **授權不足** | 執行時拋出 `LicenseException` | 套用有效的授權檔案，或使用免費評估模式（會加上浮水印）。 | +| **檔案路徑錯誤** | `FileNotFoundException` | 再次確認路徑，測試時使用絕對路徑。 | +| **CPU 限速** | 即使設定 `setThreadCount` 仍無速度提升 | 確認 JVM 未受 `-Xmx` 記憶體上限或作業系統省電設定限制。 | +| **不支援的影像格式** | `UnsupportedFormatException` | 在送入引擎前先將影像轉為 TIFF、PNG 或 JPEG。 | + +--- + +## 視覺摘要 + +![辨識影像文字範例](image-placeholder.png "辨識影像文字") + +*替代文字：*「示意圖說明使用 Java OCR 進行平行處理的辨識影像文字流程」 + +--- + +## 結論 + +我們剛剛完整走過一個 **java ocr example**，能 **辨識影像文字**（特別是多頁 TIFF），同時充分利用 **平行 OCR 處理**。透過將執行緒池對應到 CPU 核心，你可以在現代硬體上獲得近線性的加速——正是「*如何高效 ocr java*」的答案。 + +接下來，你可以探索： + +- 批次 **從 tiff 抽取文字**，並將結果寫入資料庫。 +- 結合 OCR 與 NLP 套件（如 OpenNLP）自動標記抽取的實體。 +- 將解決方案部署為 REST 微服務，提供即時 OCR 功能。 + +試著執行、調整執行緒數量，看看你的工作流程快了多少。若遇到任何問題，歡迎在下方留言——祝開發順利！ + +{{< /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..dd5755dff 100644 --- a/ocr/hongkong/java/ocr-operations/_index.md +++ b/ocr/hongkong/java/ocr-operations/_index.md @@ -82,6 +82,12 @@ 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。 +### [如何在 Java 中使用 OCR – 從圖像提取文字並進行拼寫校正](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +示範如何在 Java 使用 Aspose.OCR 從圖像提取文字，並結合拼寫校正提升結果準確度。 +### [從圖像建立可搜尋 PDF – 步驟式 Java 教學](./create-searchable-pdf-from-image-step-by-step-java-guide/) +示範如何使用 Aspose.OCR for Java 將圖像轉換為可搜尋的 PDF，提供完整步驟與範例程式碼。 +### [使用 Java OCR 從圖像建立可搜尋 PDF](./create-searchable-pdf-from-image-with-java-ocr/) +示範如何使用 Aspose.OCR for Java 將圖像轉換為可搜尋的 PDF，包含程式碼範例與設定說明。 ## 常見問題 diff --git a/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..dce5cf18a --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,197 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Aspose OCR 從圖像建立可搜尋的 PDF。了解如何在幾分鐘內將圖像轉換為 PDF、將圖像 OCR 成 PDF，並從圖像中提取文字。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: zh-hant +og_description: 使用 Aspose OCR 從圖像建立可搜尋的 PDF。請參考本指南將 JPG 轉換為可搜尋的 PDF、從圖像提取文字及其他功能。 +og_title: 將圖像轉換為可搜尋的 PDF – 完整 Java 教學 +tags: +- Java +- OCR +- PDF +- Aspose +title: 從圖像建立可搜尋 PDF – Java 步驟指南 +url: /zh-hant/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 建立可搜尋的 PDF（由影像轉換） – 完整 Java 教學 + +有沒有需要 **建立可搜尋的 PDF**，卻不確定要選哪個函式庫？你並不孤單。於許多專案中——例如費用報表自動化或數位檔案保存——將普通影像轉成可搜尋的 PDF 是一項顛覆性的功能。 + +因此在本教學中，我們將完整示範 **convert image to PDF**、執行 OCR，最後產生一個可放入任何文件工作流程的 **searchable PDF**。同時也會提及 **extract text from image**，並示範如何 **convert jpg to searchable pdf**，且不需要大量樣板程式碼。 + +## 你將學會 + +- 使用 Aspose OCR 所需的 Maven/Gradle 依賴完整寫法。 +- 如何將 JPG（或任何支援的影像）載入 OCR 引擎。 +- 為什麼以 `OcrSaveFormat.PDF_SEARCHABLE` 方式儲存很重要。 +- 常見陷阱（大型影像、不支援格式）以及避免方法。 +- 如何驗證產生的 PDF 真正包含可搜尋的文字。 + +閱讀完本指南後，你將擁有一個可直接執行的 Java 類別，只要呼叫一次方法即可產生可搜尋的 PDF。無需外部指令列工具、也不需要額外的 OCR 引擎——純 Java 完成。 + +--- + +## 前置條件 + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 或更新版本 | Aspose OCR 使用現代語言功能。 | +| Maven 或 Gradle（用於依賴管理） | 可輕鬆取得 Aspose OCR JAR。 | +| 一張放在已知資料夾的範例影像（`input.jpg`） | 程式碼需要檔案路徑；你也可以換成 PNG、BMP 等。 | +| 可選：具備搜尋功能的 PDF 檢視器（Adobe Reader、Foxit 等） | 用來確認 PDF 是否真的可搜尋。 | + +如果你已具備上述條件，太好了——讓我們開始吧。 + +--- + +## 第一步：將 Aspose OCR 加入專案 + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** 免費評估版會在首頁加上小水印。正式上線時，請向 Aspose 取得授權，並在建立 `OcrEngine` 前呼叫 +> `License license = new License(); license.setLicense("Aspose.OCR.lic");` + +--- + +## 第二步：載入欲轉換的影像 + +我們會使用 `ImageStream.fromFile` 直接從磁碟讀取影像。此方法支援 JPG、PNG、TIFF 等多種格式，讓你 **convert image to PDF** 時不受來源限制。 + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **為什麼要這麼做？** OCR 引擎需要文字的點陣圖表示。提供 300 dpi 以上的高解析度影像，可大幅提升辨識正確率，進而得到更好的 **extract text from image** 結果。 + +--- + +## 第三步：執行 OCR 並儲存為可搜尋的 PDF + +當你以 `PDF_SEARCHABLE` 格式呼叫 `save` 時，魔法就會發生。Aspose OCR 會在原始影像上建立隱藏的文字層，將靜態圖片變成 **searchable PDF**。 + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +如果你只想要純 PDF（不含隱藏文字層），可將 `PDF_SEARCHABLE` 改成 `PDF`。但在大多數檔案保存情境下，可搜尋的變體才是最佳選擇。 + +--- + +## 第四步：驗證結果 + +程式結束後，使用任何 PDF 檢視器開啟 `searchable.pdf`，然後使用內建搜尋（Ctrl + F）。若能找到原本只在影像中的文字，恭喜你成功完成 **ocr image to pdf**。 + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** 超大型影像（> 10 MB）可能導致 `OutOfMemoryError`。可先使用 `java.awt.Image` 或 Thumbnailator 等函式庫將影像縮小後再處理。 + +--- + +## 完整範例程式 + +以下提供完整、獨立的 Java 類別。直接複製貼上到 IDE、調整路徑後執行，即可完成，無需額外步驟。 + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**預期輸出：** + +``` +Searchable PDF created. +``` + +當你開啟 `YOUR_DIRECTORY/searchable.pdf` 時，應該能搜尋到 `input.jpg` 中出現的任何字詞。這就是 **convert jpg to searchable pdf** 的核心。 + +--- + +## 常見問題 (FAQ) + +### 可以一次處理多張影像嗎？ +可以。將檔案路徑列表迭代，對每張影像呼叫 `setImage`，然後使用 `PDF_SEARCHABLE` 追加頁面至同一 PDF，或產生多個 PDF。記得在每次迭代後呼叫 `ocrEngine.clear()` 以重置引擎狀態。 + +### OCR 辨識率太低怎麼辦？ +- 確保來源影像至少 300 dpi。 +- 使用 `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` 鎖定語言。 +- 以 OpenCV 等函式庫先行前處理（去斜、提升對比度）。 + +### Aspose OCR 支援其他語言嗎？ +當然支援。`OcrLanguage` 列舉包含法文、德文、中文、阿拉伯文等多種語言。於呼叫 `save` 前切換語言即可。 + +### 如何將可搜尋的 PDF 嵌入既有文件？ +將輸出視為普通 PDF。使用 PDF 合併函式庫（如 iText 或 Aspose PDF）即可與其他 PDF 連接。 + +--- + +## 實務小技巧 + +- **Pro tip:** 若需要更小的檔案大小，可在儲存前呼叫 `ocrEngine.getConfig().setCompress(true);`。 +- **留意：** 透明背景的影像——Aspose OCR 會將透明視為白色，可能影響對比度。 +- **記得：** 可搜尋的 PDF 底層仍是點陣圖。如果需要完整向量化的 PDF，必須自行重新建立版面。 + +--- + +## 結論 + +我們已完整說明如何使用 Aspose OCR 在 Java 中 **create searchable PDF**，從加入 Maven 依賴到驗證隱藏文字層，整個流程簡潔且全程可程式化。現在，你可以 **convert image to pdf**、**ocr image to pdf**，甚至 **extract text from image**，全都在 IDE 內完成。 + +準備好進一步挑戰了嗎？試著批次處理一整個掃描收據資料夾，或將此工作流程與雲端儲存觸發器（AWS Lambda、Azure Functions）結合，打造自動化文件匯入管線。可能性無限，盡情實驗吧！ + +如果在實作過程中遇到問題或有改進建議，歡迎在下方留言。祝開發愉快！ + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..37345b285 --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-05-06 +description: 使用 Aspose OCR 在 Java 中從圖像建立可搜尋的 PDF。了解如何將圖像轉換為 PDF、啟用拼寫校正，並使用 OCR GPU + 以獲得快速結果。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: zh-hant +og_description: 使用 Aspose OCR 在 Java 中將圖像轉換為可搜尋的 PDF。本指南說明如何將圖像轉換為 PDF、啟用拼寫校正，以及使用 + OCR GPU。 +og_title: 使用 Java OCR 從圖像建立可搜尋的 PDF +tags: +- OCR +- Java +- PDF +title: 使用 Java OCR 從圖片建立可搜尋的 PDF +url: /zh-hant/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 使用 Java OCR 從圖像建立可搜尋的 PDF + +是否曾需要從掃描圖片**建立可搜尋的 PDF**，卻不知從何開始？你並不孤單——大多數開發者在首次處理基於圖像的 PDF 時都會碰到這個問題。幸運的是，使用 Aspose OCR for Java，你可以**將圖像轉換為 PDF**，將文字轉為可選取的內容，甚至加入拼寫校正以獲得更完善的結果。 + +在本教學中，我們將逐步說明一個完整、可直接執行的範例，展示如何在可用時**使用 OCR GPU**、如何有效**處理圖像 OCR**，以及為何啟用拼寫校正對後續搜尋很重要。完成後，你將擁有一鍵產生可搜尋 PDF 的方式，能夠提供給使用者或作為合規存檔。 + +> **專業提示：**如果你在沒有 GPU 的機器上執行，程式碼會自動回退到 CPU，無需重新編寫任何程式。 + +--- + +## 需要的環境 + +- **Java 8+**（程式碼可在 JDK 8 及更新版本編譯） +- **Aspose OCR for Java** 函式庫（從 Aspose 官方網站下載最新 JAR） +- **輸入圖像**（JPEG、PNG、TIFF 等），用於轉換為可搜尋的 PDF +- （可選）具備 CUDA 支援的 **GPU**，若想獲得最快的辨識速度 + +不需要額外框架，也不需要 Maven/Gradle 魔法——只要在 classpath 中放入單一 JAR，即可開始。 + +--- + +## 步驟 1：初始化 OCR 引擎 – 流程核心 + +首先，我們建立 `OcrEngine` 實例並指向來源檔案。此物件是執行讀取圖像、運行神經網路並回傳文字的主要工作者。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*為何重要：*只初始化一次引擎並重複使用，可避免重複載入原生函式庫的開銷——這在批次處理數十個檔案時會累積成顯著的效能提升。 + +--- + +## 步驟 2：選擇處理裝置 – 盡可能使用 OCR GPU + +如果你的工作站具備相容的 GPU，可指示 Aspose 在其上執行繁重運算。否則引擎會自動切換至 CPU。 + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*有何好處？*GPU 加速可為每頁節省數秒，尤其是高解析度掃描時。回退機制確保相同程式碼在任何環境皆可執行，這也是我們建議將 **use OCR GPU** 設為預設設定的原因。 + +--- + +## 步驟 3：加速掃描 – 利用所有 CPU 核心 + +即使 GPU 正在忙碌，周邊的前處理步驟仍可平行化。將執行緒數設定為可用處理器核心數，可讓引擎同時處理多個資料塊。 + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*注意：*在 4 核心筆記型電腦上會啟動四個執行緒；在 16 核心工作站上則可獲得完整效益。請留意，執行緒數增多會導致記憶體使用量提升。 + +--- + +## 步驟 4：清理圖像 – 前處理濾鏡 + +模糊或雜訊過多的掃描會產生垃圾文字。加入幾個內建濾鏡可大幅提升準確度。 + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*為何使用這些濾鏡？*`DeskewFilter` 校正文件在掃描時因角度導致的旋轉。`NoiseRemovalFilter` 移除會被誤判為字元的雜散像素。可將其視為給 OCR 引擎一張乾淨的紙張閱讀。 + +--- + +## 步驟 5：開啟智慧功能 – 啟用拼寫校正與自動語言偵測 + +若處理多語言文件，或僅想減少錯別字，可開啟內建拼寫檢查器，讓引擎自動偵測語言。 + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*何時有用？*假設掃描文件同時包含英文與西班牙文段落。自動偵測功能會即時切換字典，而拼寫校正則會修正如將 “0” 誤讀為 “O” 等錯誤。此步驟對產生實際能返回正確結果的 **searchable PDF** 至關重要。 + +--- + +## 步驟 6：儲存結果 – 將圖像轉換為 PDF 並使其可搜尋 + +最後，我們請引擎輸出一個 PDF，原始圖像位於隱形文字層之下。這是經典的 **convert image to PDF** 工作流程，但 PDF 現在已具備可搜尋功能。 + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +輸出檔案 (`output-searchable.pdf`) 可在任何 PDF 檢視器中開啟；你將能像原生 PDF 一樣選取、複製與搜尋文字。無需額外工具。 + +--- + +## 完整範例 – 直接貼上執行 + +以下為完整程式碼，已可直接編譯。將 `YOUR_DIRECTORY` 替換為存放 `input.jpg` 的資料夾路徑。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**預期輸出：**執行程式時，你會在主控台看到 *“Searchable PDF generated successfully.”* 的訊息。於 Adobe Reader 開啟 `output-searchable.pdf`，即可在搜尋框輸入原始圖像中的文字，立即跳至相應位置。 + +--- + +## 常見問題與邊緣案例 + +- **如果未偵測到 GPU？** + `setDeviceType(OcrDeviceType.GPU)` 呼叫不會拋出例外；它僅指示引擎先嘗試使用 GPU。若失敗，則會靜默回退至 CPU。 + +- **是否可以一次處理多張圖像？** + 可以。將程式碼包在迴圈中，每次迭代更換檔名，並重複使用同一個 `OcrEngine` 實例，以降低記憶體使用。 + +- **我的 PDF 太大——如何縮小？** + OCR 完成後，你可以使用 Aspose 的 PDF 最佳化 API，或在送入引擎前先縮小來源圖像（例如 `ImageStream.fromFile(...).setResolution(150)` 以 150 DPI）。 + +- **我需要保留原始圖像解析度以符合法規要求。** + `PDF_SEARCHABLE` 格式會完整保留原始位圖；隱形文字層會疊加於上方，且不會改變視覺品質。 + +--- + +## 視覺摘要 + +![建立可搜尋 PDF 範例](placeholder-image.png "建立可搜尋 PDF 範例") + +*Alt text:* *建立可搜尋 PDF 範例 – Java OCR 引擎將掃描的 JPG 轉換為可搜尋的 PDF。* + +--- + +## 結論 + +現在，你已擁有使用 Aspose OCR for Java 將任何圖像轉換為 **searchable PDF** 的 **完整、端到端解決方案**。透過 **convert image to PDF**、**啟用拼寫校正**，以及在可能時 **使用 OCR GPU**，即可獲得快速、精確且可搜尋的結果，且能跨平台運作。 + +接下來可以嘗試以下實驗： + +- **不同的輸出格式**（`PDF`、`DOCX`、`HTML`）以觀察文字層的表現。 +- **自訂字典**，若你處理特定領域的術語。 +- **批次處理**，自動處理數千張掃描檔。 + +隨意調整執行緒數、替換濾鏡，或接入自己的前處理流程。核心模式保持不變：載入 → 前處理 → 設定 → OCR → 儲存。 + +祝程式開發順利，願你的 PDF 永遠可搜尋！ + +{{< /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-image-with-spell-co/_index.md b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..881d0ae26 --- /dev/null +++ b/ocr/hongkong/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,216 @@ +--- +category: general +date: 2026-05-06 +description: 如何在 Java 中使用 OCR 從圖像提取文字。學習 OCR 圖像轉文字的轉換、校正 OCR 錯誤，並使用 Aspose OCR 載入圖像進行 + OCR。 +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: zh-hant +og_description: 如何在 Java 中使用 Aspose OCR 進行光學字符辨識，從圖像提取文字、校正 OCR 錯誤及載入圖像進行 OCR。 +og_title: 在 Java 中使用 OCR 的完整指南 +tags: +- OCR +- Java +- Aspose +title: 如何在 Java 中使用 OCR – 從圖像提取文字並進行拼寫校正 +url: /zh-hant/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 – 從圖片提取文字並進行拼寫校正 + +有沒有想過 **如何使用 OCR** 把模糊的收據照片變成乾淨、可搜尋的文字？你並不孤單。無論是支出追蹤應用、發票數位化流程，或是快速筆記腳本，從圖片取得可靠文字往往是第一道關卡。 + +本教學將一步步示範如何在 Java 中使用 OCR，涵蓋從載入圖片到校正 OCR 錯誤，使最終結果看起來像是人工輸入。完成後，你將能 **從圖片提取文字**、執行 **OCR 圖片轉文字**，並自動修正常見的辨識錯誤。 + +## 你將會建立的程式 + +我們會建立一個小型的 Java 主控台程式，功能如下： + +1. 將 PNG（或任何支援格式）載入 Aspose OCR 引擎。 +2. 啟用內建的拼寫校正功能以 **校正 OCR 錯誤**。 +3. 執行辨識程序並印出已清理的文字。 + +不需要外部服務，也不需要龐大的框架——只要一個 JAR 檔與幾行程式碼。 + +### 前置條件 + +- Java Development Kit (JDK) 8 或更新版本。 +- Maven（或任何建置工具）以取得 Aspose OCR 函式庫。 +- 一張你想分析的圖片檔（例如 `receipt.png`）。 + +如果缺少 Aspose OCR JAR，請在 `pom.xml` 中加入以下相依性： + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **小技巧：** 免費評估版可用於測試，但購買授權後會移除評估水印。 + +## 步驟 1 – 初始化 OCR 引擎（主要關鍵字實作） + +首先需要建立 `OcrEngine` 的實例。把它想像成會閱讀像素並轉換成字元的大腦。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*為什麼重要：* 初始化引擎會配置內部資源（語言模型、字典等）。若省略此步驟，稍後載入圖片時會拋出 `NullPointerException`。 + +## 步驟 2 – 載入圖片以供 OCR + +現在正式 **載入圖片以供 OCR**。Aspose 提供便利的 `ImageStream.fromFile` 輔助方法，當然你也可以直接傳入 `byte[]`。 + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*常見陷阱：* 檔案路徑必須是絕對路徑或相對於工作目錄的路徑。若找不到圖片，引擎會拋出 `IOException`。請特別留意在 IDE 與打包成 JAR 後的路徑差異。 + +## 步驟 3 – 啟用拼寫校正以 **校正 OCR 錯誤** + +預設的 OCR 可能會產生雜訊——例如把 “love” 讀成 “l0ve”，或把 “O” 讀成 “0”。啟用拼寫校正會讓引擎在辨識後執行一次後處理，修正常見錯誤。 + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*為什麼需要：* 若不啟用拼寫校正，你可能必須手動清理輸出，這樣就失去了自動化的意義。內建字典對英文及其他幾種語言的支援相當不錯。 + +## 步驟 4 – 執行辨識（**OCR 圖片轉文字**） + +圖片已載入且拼寫校正已開啟，現在可以請引擎進行文字辨識。 + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*邊緣情況：* 若圖片對比度低或嚴重傾斜，結果仍可能出現亂碼。建議在送入引擎前先做前處理（例如二值化、去傾斜）。 + +## 步驟 5 – 輸出已清理的文字 + +最後一步只需要把結果印出。實務上可能會寫入資料庫或檔案，但此示範只用 `System.out` 即可。 + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### 預期輸出 + +假設 `receipt.png` 包含清晰的商品清單，可能會看到類似以下的輸出： + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +可以看到即使原始掃描中出現了 “Qy”，最終仍正確顯示為 “Qty” 與 “Price”。 + +## 完整範例程式 + +以下是完整程式碼，可直接複製貼上至 `SpellCorrectDemo.java`。請確保 Aspose OCR JAR 已加入 classpath。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +執行方式： + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +執行後，你應該會在主控台看到已清理的文字。 + +## 加分：調整設定以提升準確度 + +雖然預設組態已能應付大多數列印文件，特定情境下仍可能需要微調參數： + +| 設定 | 功能說明 | 何時調整 | +|------|----------|----------| +| `setLanguage(OcrLanguage.English)` | 強制使用英文字典（降低誤判） | 圖片僅含英文文字時 | +| `setResolution(300)` | 告訴引擎來源圖片的 DPI | 高解析度掃描時 | +| `setEnableAutoSkewCorrection(true)` | 自動校正輕微傾斜的頁面 | 圖片是手機拍攝時 | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## 常見問題 + +**Q: 這能處理 PDF 嗎？** +A: 能。先將每頁 PDF 轉成圖片（例如使用 Aspose PDF），再交給 OCR 引擎。 + +**Q: 我的圖片是 BMP 格式可以嗎？** +A: `ImageStream.fromFile` 內建支援 PNG、JPEG、BMP、TIFF 與 GIF，只要更換副檔名即可。 + +**Q: 可以關閉拼寫校正嗎？** +A: 完全可以——若需要原始 OCR 輸出供後續處理，只要設定 `setEnableSpellCorrection(false)` 即可。 + +## 結論 + +現在你已掌握 **如何在 Java 中使用 OCR** 來 **從圖片提取文字**、自動 **校正 OCR 錯誤**，以及正確 **載入圖片以供 OCR** 的完整流程。這五步（初始化、載入、啟用拼寫校正、辨識、輸出）涵蓋了大多數日常 OCR 任務。 + +接下來，你可以將此邏輯串接至資料庫寫入、REST 端點，或批次處理器，以一次處理多張收據。也可以嘗試上表的額外設定，爭取每一個字元的準確度。 + +祝程式開發順利，願你的 OCR 結果永遠比咖啡污漬的收據還要乾淨！ + +![如何使用 OCR 圖示：圖片 → OCR 引擎 → 校正後文字流程] + +{{< /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/hungarian/java/advanced-ocr-techniques/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/_index.md index 622639535..2bd644328 100644 --- a/ocr/hungarian/java/advanced-ocr-techniques/_index.md +++ b/ocr/hungarian/java/advanced-ocr-techniques/_index.md @@ -43,7 +43,11 @@ 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. +Az Aspose.OCR for Java segítségével zökkenőmentesen oldja fel a szövegkivonást a képekből. Kövesse lépésről lépésre útmutatónkat a hatékony integráció érdekében. + +## [Szöveg felismerése képről Java OCR-rel – Párhuzamos feldolgozási útmutató](./recognize-text-from-image-with-java-ocr-parallel-processing/) + +Ismerje meg, hogyan használhatja a párhuzamos feldolgozást a Java OCR-rel a szöveg gyorsabb kinyeréséhez képekről. ## Következtetés @@ -56,14 +60,23 @@ Oldja fel a zökkenőmentes képszöveg-kivonást Java nyelven az Aspose.OCR seg ### [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. +Fedezze fel a szövegfelismerés erejét az Aspose.OCR for Java segítségével. Kövesse lépésről lépésre 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. +Az Aspose.OCR for Java segítségével zökkenőmentesen oldja fel a szövegkivonást a képekből. Kövesse lépésről lépésre útmutatónkat a hatékony integráció érdekében. +### [Aspose OCR GPU útmutató: Szövegkinyerés felgyorsítása PNG képekből](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Gyorsítsa fel a PNG képek szövegkinyerését az Aspose OCR GPU technológiával. Javítsa teljesítményét Java alkalmazásában. +### [Szöveg felismerése képről Java OCR-rel – Párhuzamos feldolgozási útmutató](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Gyorsítsa a szövegkinyerést képről párhuzamos feldolgozással Java OCR használatával. +### [Hogyan használja az Aspose OCR-t vegyes nyelvű képeken](./how-to-use-aspose-ocr-for-mixed-language-images/) +Fedezze fel, hogyan végezhet OCR-t vegyes nyelvű képeken az Aspose OCR segítségével, biztosítva a pontos szövegkinyerést több nyelven. +### [Hogyan növelje a kontrasztot az OCR-ben – Teljes Java előfeldolgozási útmutató](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Fedezze fel, hogyan javíthatja a kontrasztot a képeken az OCR pontosságának növelése érdekében Java előfeldolgozással. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..19eecc7a9 --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-05-06 +description: Az Aspose OCR GPU útmutató bemutatja, hogyan lehet szöveget felismerni + képről, és szöveget kinyerni PNG-ből GPU gyorsítással a gyors, megbízható OCR érdekében. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: hu +og_description: Ismerje meg, hogyan használja az Aspose OCR GPU-t szöveg felismerésére + képről, és szöveg kinyerésére PNG-ből GPU gyorsítással Java-ban. +og_title: 'aspose OCR GPU útmutató: Szövegkinyerés felgyorsítása' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Aspose OCR GPU útmutató: Szövegkinyerés felgyorsítása PNG képekből' +url: /hu/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Gyors, megbízható szövegkinyerés PNG képekből + +Szeretnéd felgyorsítani az OCR teljesítményedet az **aspose ocr gpu** segítségével? Az Aspose OCR GPU-val sokkal gyorsabban **recognize text from image** tudsz végezni egy CUDA‑támogatott grafikus kártya kihasználásával. Képzeld el, hogy egy nagy felbontású PNG-t másodpercek alatt dolgozol fel, nem percek alatt – többé nem kell várakozni az eredményekre. + +Ebben a tutorialban végigvezetünk mindenen, amire szükséged van a beüzemeléshez: kép betöltése OCR-hez, a motor GPU módra állítása, és végül a szöveg kinyerése. A végére egy teljes, futtatható Java programod lesz, amely **extracts text from png** fájlokból GPU gyorsítással. Nem szükséges külső dokumentáció – csak kövesd a lépéseket, másold a kódot, és már mehetsz is. + +## Amire szükséged lesz + +- **Java Development Kit (JDK) 11+** – a kód a standard Java nyelvi funkciókat használja. +- **Aspose.OCR for Java** (a legújabb verzió 2026 májusában). Letöltheted a Maven Centralból: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **CUDA‑támogatott GPU** (NVIDIA GeForce, Quadro vagy Tesla) a megfelelő illesztőprogrammal telepítve. +- **Egy minta nagy felbontású PNG** (például `sample-highres.png`), amelyet feldolgozni szeretnél. + +Ha nincs GPU-d, a kód automatikusan visszaesik a CPU-ra – egyszerűen kommentáld ki a GPU sorokat. + +## 1. lépés – Kép betöltése OCR-hez + +Az első dolog, amire bármely OCR munkafolyamatnak szüksége van, egy képforrás. Az Aspose OCR egy kényelmes `ImageStream` csomagot biztosít, amely képes fájlból, bájt tömbből vagy akár URL‑ről olvasni. Itt a `ImageStream.fromFile`-t használjuk, mert ez a legegyszerűbb helyi fejlesztéshez. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** A kép helyes betöltése biztosítja, hogy az OCR motor megkapja a pontos pixel adatot, amire szüksége van. A `ImageStream.fromFile` automatikusan kezeli a gyakori PNG sajátosságokat (alfa csatorna, színmélység) is. + +## 2. lépés – GPU gyorsítás engedélyezése (aspose ocr gpu) + +Most jön a varázslat: megmondani az Aspose‑nak, hogy a GPU-n fusson. A motoron belüli `OcrDevice` objektum lehetővé teszi a készülék típusának (`CPU` vagy `GPU`) kiválasztását, és ha több GPU-d is van, a konkrét device ID-t is megadhatod. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** Ha `CUDA driver not found` hibát kapsz, ellenőrizd, hogy az NVIDIA driver megegyezik-e az Aspose OCR által igényelt CUDA verzióval (általában CUDA 11.x a 23.x kiadásnál). + +> **Edge case:** Fej nélküli szerveren futtatáskor győződj meg róla, hogy a GPU-t nem egy másik folyamat zárolja; ellenkező esetben az OCR hívás csendben visszaesik a CPU-ra. + +## 3. lépés – Szöveg felismerése a képről + +A kép betöltése és a készülék beállítása után végre futtathatod az OCR motort. A `recognize()` metódus egy `OcrResult` objektumot ad vissza, amely tartalmazza a nyers szöveget, a biztonsági pontszámokat, és akár a körülhatároló dobozokat is, ha később szükséged van rájuk. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Amikor futtatod a programot, valami ilyesmit kell látnod: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** A PNG‑ből kinyert nyers karakterlánc. Ha a kép táblázatokat vagy többoszlopos elrendezést tartalmaz, engedélyezheted a `LayoutAnalysis`-t a motoron a jobb eredményekért (ez a gyors útmutató keretein kívül van). + +## 4. lépés – Ellenőrizd, hogy a GPU valóban használatban van-e + +Könnyű azt feltételezni, hogy a GPU végzi a nehéz munkát, de egy gyors ellenőrzés órákat takaríthat meg a hibakeresésben. Az Aspose OCR egy kis naplóbejegyzést ír, amikor inicializálja a készüléket. + +Add ezt a kódrészletet közvetlenül a készülék típusának beállítása után: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Ha a kimenet `GPU`‑t ír, minden rendben van. Ha `CPU`‑t jelez, nézd át az illesztőprogram telepítését, vagy győződj meg róla, hogy a `CUDA_HOME` környezeti változó a megfelelő toolkit mappára mutat. + +## Gyakori hibák és hogyan kerüld el őket + +| Tünet | Valószínű ok | Megoldás | +|-------|--------------|----------| +| `java.lang.UnsatisfiedLinkError` a `cudart64_110.dll`-re vonatkozóan | CUDA futtatókörnyezet nincs a `PATH`-ban | Add hozzá a CUDA `bin` mappát a rendszer `PATH`‑jához vagy állítsd be a `java.library.path`‑t. | +| OCR üres stringet ad vissza | A kép nem töltődött be helyesen (rossz útvonal vagy nem támogatott formátum) | Ellenőrizd az útvonalat, és győződj meg róla, hogy a PNG nem sérült. | +| Teljesítmény hasonló a CPU‑hoz | GPU visszaesik a CPU‑ra az illesztőprogram eltérés miatt | Frissítsd az NVIDIA illesztőprogramot a Aspose OCR kiadási megjegyzéseiben szereplő verzióra. | +| Memóriahiány nagy képeknél | GPU memória kimerült | Csökkentsd a kép felbontását vagy oszd fel a képet csempékre a feldolgozás előtt. | + +## Bónusz: Visszaesés CPU-ra, ha a GPU nem elérhető + +Néha ugyanazt a kódot futtathatod egy fejlesztői laptopon, amelynek nincs CUDA‑támogatott GPU-ja. A készülék kiválasztásának try‑catch blokkba ágyazása robusztusabbá teszi a programot. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Most ugyanaz a bináris mindenhol működik, és továbbra is megkapod a sebességnyereséget, ahol a hardver engedi. + +## Teljes, azonnal futtatható példa + +Az alábbiakban a teljes Java osztály látható, amely magába foglalja a fent tárgyalt összes lépést, ellenőrzést és visszaesési logikát. Másold be az IDE‑dbe, állítsd be a kép útvonalát, és futtasd. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output** (feltételezve, hogy a PNG egyszerű angol szöveget tartalmaz): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Ha a GPU nincs jelen, az utolsó sorban “CPU” lesz látható. + +## Vizuális áttekintés + +Az alábbi gyors diagram a adatáramlást mutatja – a PNG betöltésétől a nyers szöveg visszakapásáig. A kép alt szövege tartalmazza a SEO‑hoz szükséges kulcsszót. + +![aspose ocr gpu munkafolyamat – kép betöltése, GPU engedélyezése, szöveg felismerése] + +## Összefoglalás és következő lépések + +Most megtanultuk, hogyan **aspose ocr gpu**‑gyorsíthatod a **recognize text from image** és **extract text from png** folyamatát. A legfontosabb tanulságok: + +1. **Load the image** a `ImageStream.fromFile`‑val. +2. **Enable GPU** a `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`‑val. +3. **Run `recognize()`** és olvasd ki a `ocrResult.getText()`‑t. +4. **Validate the device** és elegánsan visszaeshetsz CPU-ra, ha szükséges. + +Készen állsz a határok feszegetésére? Próbáld ki ezeket a kísérleteket: + +- **Batch processing:** Ciklus egy PNG‑könyvtáron, és minden eredményt írj egy `.txt` fájlba. +- **Layout analysis:** Kapcsold be a `ocrEngine.getOptions().setDetectDocumentStructure(true)`‑t, hogy megőrizd az oszlopokat és táblázatokat. +- **Multi‑GPU scaling:** Ha a munkaállomásod több GPU‑val rendelkezik, indíts párhuzamos szálakat, mindegyik egy külön `deviceId`‑hez kötve. + +Ezek a kiegészítések mélyítik a **gpu accelerated ocr** ismereteidet, és megnyitják az utat a nagyméretű dokumentumdigitalizációs projektek felé. + +--- + +*Boldog kódolást! Ha bármilyen akadályba ütközöl, hagyj egy kommentet alul – szívesen segítek a hibaelhárításban.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..d967db635 --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Hogyan növelhetjük a kontrasztot, miközben megtanuljuk a kép előfeldolgozását, + a zaj eltávolítását és a kép forgatásának korrekcióját a megbízható OCR szövegfelismerés + érdekében. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: hu +og_description: Hogyan növelhetjük a kontrasztot OCR képeken, valamint hogyan előfeldolgozhatjuk + a képet, távolíthatjuk el a zajt, és korrigálhatjuk a kép forgását a pontos szövegfelismerés + érdekében. +og_title: Hogyan növelhetjük a kontrasztot az OCR-ben – Lépésről lépésre Java útmutató +tags: +- OCR +- Java +- Image Processing +title: Hogyan növelhetjük a kontrasztot az OCR-ben – Teljes Java előfeldolgozási útmutató +url: /hu/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hogyan növelhetjük a kontrasztot az OCR-ben – Teljes Java előfeldolgozási útmutató + +Gondolkodtál már azon, **hogyan növelheted a kontrasztot**, hogy az OCR motorod tényleg elolvassa a szöveget ahelyett, hogy értelmetlen karaktereket adna ki? Nem vagy egyedül. A legtöbb fejlesztő szembe ütközik a problémával, amikor a forráskép sötét, ferde vagy foltokkal teli, és az eredmény egy frusztráló „szöveg felismerése képről” hiba. + +A jó hír? Néhány okos előfeldolgozási lépés alkalmazásával – **how to preprocess image**, **how to remove noise**, és **correct image rotation** – egy zajos, alacsony kontrasztú PNG‑t tiszta vászonra változtathatsz, amelyet az OCR motor szeret. Ebben a tutorialban egy valós Java példán keresztül mutatjuk be az Aspose.OCR használatát, elmagyarázzuk, miért fontos minden szűrő, és pontosan megmutatjuk, **hogyan növelheted a kontrasztot** a szilárd felismerés érdekében. + +--- + +## Mit fogsz megtanulni + +- Az egyes előfeldolgozó szűrők (deskew, noise removal, contrast enhancement) célja. +- **How to preprocess image** az Aspose.OCR‑rel Java‑ban, lépésről lépésre. +- Gyakorlati tippek a **how to remove noise** és a **correct image rotation** OCR előtt. +- A pontos kód, amelyet másolhatsz‑beilleszthetsz, futtathatsz, és láthatod a **recognize text from image** kimenetét. + +> **Előfeltételek** – Java 17+, Maven vagy Gradle, valamint egy Aspose.OCR for Java licenc (az ingyenes próba verzió teszteléshez elegendő). Más harmadik féltől származó könyvtárak nem szükségesek. + +--- + +## 1. lépés – A projekt beállítása és az Aspose.OCR importálása + +Mielőtt beszélnénk a **how to enhance contrast**‑ról, szükségünk van egy működő Java projektre, amelyben az OCR motor már be van integrálva. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Ha inkább Gradlet használsz, az ekvivalens: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Hozz létre egy egyszerű `src/main/java/PreprocessDemo.java` fájlt, és importáld a szükséges osztályokat: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tipp:** Tartsd bekapcsolva az IDE automatikus import funkcióját; ez sok vissza‑vissza lépést takarít meg. + +--- + +## 2. lépés – Töltsd be a tisztítandó képet + +Most, hogy a könyvtár készen áll, válaszoljuk meg a **how to preprocess image** első részét: a betöltést. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Ekkor a motor egy alacsony minőségű PNG‑t tart a memóriában, amely valószínűleg rossz kontraszt, forgatás és speckle zaj miatt szenved. Ha megnyitod a fájlt, pontosan látni fogod, miért akad el az OCR. + +--- + +## 3. lépés – Szűrők alkalmazása: Deskew, Zajcsökkentés, **Hogyan növeljük a kontrasztot** + +Ez a tutorial szíve – **how to enhance contrast** – miközben egyszerre kezeli a forgatást és a zajt. Az Aspose.OCR három kész szűrőt biztosít: + +| Szűrő | Mit csinál | Miért fontos az OCR számára | +|--------|--------------|------------------------| +| `DeskewFilter` | Felismeri és korrigálja a kép forgatását | Biztosítja a **correct image rotation**, így a karakterek nem dőlnek. | +| `NoiseRemovalFilter` | Csökkenti a véletlenszerű foltokat és a háttérzajt | Megvalósítja a **how to remove noise**, így a motor csak a betűket látja. | +| `ContrastEnhancementFilter` | Növeli az előtér szöveg és a háttér közötti különbséget | Közvetlenül válaszol a **how to enhance contrast**, kiemelve a gyenge vonalakat. | + +Add hozzá őket a megjelenített sorrendben – először a deskew, majd a zajcsökkentés, végül a kontrasztjavítás: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Miért ez a sorrend?** +> • A Deskew a nyers pixelmátrixon működik a legjobban; egy zajos kép forgatása felerősítheti a hibákat. +> • A zaj eltávolítása a kontraszt növelése előtt megakadályozza, hogy a szűrő a speckle‑eket felerősítse. +> • Végül a kontrasztjavítás kiemeli a megtisztított pixeleket, ami pontosan a **how to enhance contrast**‑ot jelenti az OCR‑hez. + +--- + +## 4. lépés – Az OCR motor futtatása és **Szöveg felismerése képről** + +Az előfeldolgozó csővezeték beállítása után végül meghívjuk az OCR motort. Ez a lépés válaszolja meg a végső kérdést: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Amikor a `java PreprocessDemo` parancsot futtatod, tiszta, olvasható szöveget kell látnod, nem pedig összekuszálódott karaktereket. Egy minta számla tipikus kimenete így nézhet ki: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Ha az eredmény még mindig homályos, fontold meg a `ContrastEnhancementFilter` paramétereinek finomhangolását (pl. `setLevel(1.5)`) vagy ellenőrizd, hogy a forráskép nem lett‑e túl erősen tömörítve. + +--- + +## 5. lépés – Vizuális ellenőrzés: Előtte & Utána (Opcionális) + +A látás a hit. Az alábbi helyőrző illusztráció az eredeti fájlt hasonlítja a feldolgozott változathoz. Az alt‑szöveg kifejezetten tartalmazza a fő kulcsszót a SEO‑hoz. + +![Diagram a kontraszt növeléséről OCR előfeldolgozásban – eredeti vs. javított kép](https://example.com/contrast-demo.png "Hogyan növeljük a kontrasztot OCR előfeldolgozásban") + +*Ha a saját képedre futtatod a kódot, ugyanazt a drámai javulást fogod észrevenni az olvashatóságban.* + +--- + +## Gyakori hibák és megoldások + +| Probléma | Miért fordul elő | Megoldás | +|-------|----------------|-----| +| A szöveg még mindig elmosódott a kontraszt növelése után | A szűrő szintje túl alacsony vagy a kép felbontása nem elegendő | Növeld a `ContrastEnhancementFilter` szintjét (`new ContrastEnhancementFilter(1.8)`) vagy nagyítsd fel a képet a feldolgozás előtt. | +| Az OCR üres stringet ad vissza | A kép teljesen sötét volt, vagy a zajszűrő minden pixelt eltávolított | Csökkentsd a `NoiseRemovalFilter` agresszivitását (`new NoiseRemovalFilter(0.3)`). | +| A karakterek még mindig dőlnek | A Deskew nem találta meg a szöget, mert a kép erősen zajos volt | Futtasd a `DeskewFilter`‑t **utána** egy könnyű zajcsökkentő lépésnek, vagy állítsd be manuálisan a forgatási szöget a `DeskewFilter.setAngle(2.5)`‑tel. | +| Váratlan Unicode szimbólumok | Az OCR nyelv nincs megfelelően beállítva | Hívd meg a `ocrEngine.setLanguage(OcrLanguage.English);`‑t a `recognize()` előtt. | + +--- + +## A csővezeték kibővítése – Mi van, ha többre van szükség? + +Néha szükség lehet **how to preprocess image** színes beolvasásokra vagy PDF‑ekre. Az Aspose.OCR további szűrőket kínál: + +- `BinarizationFilter` – átalakítja a képet tiszta fekete‑fehérre, kiváló magas kontrasztú szöveghez. +- `ResizeFilter` – megnöveli a kis betűméreteket az OCR előtt. +- `SharpenFilter` – kiemeli az éleket a gyenge kézírás esetén. + +Ezeket ugyanúgy láncolhatod, mint a három fő szűrőt korábban. Ne feledd, a sorrend továbbra is számít: resize → denoise → binarize → contrast → deskew egy gyakori recept. + +--- + +## Összefoglalás: Zajos PNG‑ről tiszta szövegre + +- **How to enhance contrast**: használja a `ContrastEnhancementFilter`‑t a deskew és a zajcsökkentés után. +- **How to preprocess image**: töltse be a képet, adja hozzá a szűrőket, majd futtassa az OCR‑t. +- **How to remove noise**: a `NoiseRemovalFilter` megtisztítja a hátteret anélkül, hogy a szövegvonalakat elpusztítaná. +- **Correct image rotation**: a `DeskewFilter` igazítja a szöveg alapvonalát, ami előfeltétele a pontos felismerésnek. +- **Recognize text from image**: hívja meg az `ocrEngine.recognize()`‑t, és olvassa a `ocrResult.getText()`‑t. + +Ezek a lépések együtt egy robusztus csővezetéket adnak, amely működik beolvasott számlák, bizonylatok és akár régi nyomtatott könyvek esetén is. + +--- + +## Mi a következő? + +- **Kísérletezz**: állítsd be a szűrő paramétereit, és figyeld meg az OCR pontosságra gyakorolt hatást. +- **Kötegelt feldolgozás**: csomagold be a fenti logikát egy ciklusba, hogy egész mappákat tudj egyszerre kezelni. +- **Integráció**: tápláld az OCR kimenetet egy adatbázisba vagy PDF‑generátorba a teljes automatizálás érdekében. + +Ha érdekelnek más képnövelő trükkök – például adaptív küszöbölés vagy színinvertálás – nézd meg az Aspose hivatalos dokumentációját vagy a „Advanced Image Pre‑processing with Aspose.OCR” útmutatót. + +--- + +### Boldog kódolást! + +Most már tudod, **how to enhance contrast**, és ismered az egész előfeldolgozási folyamatot, amely egy rendezetlen beolvasást tiszta, kereshető szöveggé alakít. Hagyj kommentet, ha elakadsz, vagy oszd meg, hogyan szabályoztad a csővezetéket a saját projektjeidben. Tartsuk életben az OCR‑ról szóló beszélgetést! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..cfcbc475a --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,234 @@ +--- +category: general +date: 2026-05-06 +description: Hogyan használjuk az Aspose OCR-t a képről történő szövegfelismeréshez, + az automatikus nyelvfelismerés engedélyezéséhez, és az OCR sebességének javításához + Java-ban. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: hu +og_description: Hogyan használjuk az Aspose OCR-t a képről a szöveg gyors felismerésére, + az automatikus nyelvfelismerés engedélyezésére és az OCR sebességének javítására + Java-ban. +og_title: Hogyan használjuk az Aspose OCR-t vegyes nyelvű képekhez +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Hogyan használjuk az Aspose OCR-t vegyes nyelvű képekhez +url: /hu/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hogyan használjuk az Aspose OCR-t kevert nyelvű képekhez + +Gondolkodtál már azon, **hogyan használjuk az Aspose‑t**, hogy szöveget nyerjünk ki egy olyan képből, amely egyszerre több nyelvet tartalmaz? Nem vagy egyedül—a fejlesztők gyakran akadnak akadályba, amikor egy kép keveri az angolt, oroszt, hindit vagy bármely más írásrendszert. A jó hír, hogy az Aspose OCR elegánsan kezeli ezt, és akár **recognize text from image**-t is gyorsabban végezhetsz, ha szűkíted a nyelvi halmazt. + +Ebben az útmutatóban végigvezetünk egy teljes, azonnal futtatható Java példán, amely **loads image for OCR**, bekapcsolja a **automatic language detection**-t, és egy egyszerű trükköt mutat a **improve OCR speed**-hez. A végére egy önálló programod lesz, amely kiírja a kinyert szöveget a konzolra, és megérted, miért fontos minden beállítás. + +> **Prerequisites** – Java 17+ telepítve, Maven vagy Gradle a függőségkezeléshez, és egy Aspose OCR licenc (az ingyenes próba a kiértékeléshez megfelelő). Más könyvtárak nem szükségesek. + +--- + +## 1. lépés – Add Aspose OCR to Your Project + +Mielőtt **use Aspose**-t használhatnád, a könyvtárra szükséged van a classpath-on. Maven‑nel ez így néz ki: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Ha inkább Gradle‑t használsz: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tipp:** Maradj a legújabb stabil kiadásnál; az újabb verziók gyakran tartalmaznak teljesítményjavításokat, amelyek közvetlenül befolyásolják a **improve OCR speed**-t. + +--- + +## 2. lépés – Az OCR Engine példány létrehozása + +Az minden Aspose OCR munkafolyamat szíve a `OcrEngine`. A példányosítása egyszerű, de érdemes megjegyezni, hogy a motor belső gyorsítótárakat tart. Egyetlen példány újra‑használata sok kép esetén valóban **improve OCR speed**-t eredményez, mivel a könyvtár elkerüli az ismételt natív inicializálást. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## 3. lépés – **Load Image for OCR** + +Az Aspose számos képfájltípust támogat (PNG, JPEG, TIFF, BMP). Itt egy PNG betöltését mutatjuk be, amely angol, orosz és hindi szöveget tartalmaz. A `ImageStream.fromFile` segédfüggvény elrejti a fájl‑I/O részleteit, és biztosítja, hogy a kép helyesen legyen beolvasva a motorba. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Mi van, ha a kép a memóriában van?** Használd helyette a `ImageStream.fromByteArray(byte[])`‑t—tökéletes webszolgáltatásokhoz, amelyek képeket byte‑folyamokként kapják. + +--- + +## 4. lépés – Az automatikus nyelvfelismerés engedélyezése + +Alapértelmezés szerint az Aspose OCR egyetlen nyelvet feltételez, ami torz kimenetet eredményezhet többnyelvű képeken. Az automatikus felismerés bekapcsolása azt mondja a motornak, hogy minden szövegrészlet írásrendszerét megvizsgálja a felismerés előtt. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## 5. lépés – **Improve OCR Speed** a nyelvi halmaz korlátozásával + +A teljes automatikus felismerés minden, az Aspose által támogatott nyelvet (több mint 70) átvizsgál. Ha előre tudod a lehetséges nyelveket, adhatsz a motor számára egy tippet. Egy kisebb tömb megadása csökkenti a keresési teret, és ezáltal **improves OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Miért segít ez?** A motor kihagyja a felesleges nyelvi modelleket, ezáltal CPU‑ciklusokat és memóriát takarít meg. Ha később több nyelvet adsz hozzá, csak frissítsd a tömböt—kód újraírása nélkül. + +--- + +## 6. lépés – A felismerés végrehajtása és **Recognize Text from Image** + +Most a nehéz munka megtörténik. A `recognize()` egy `OcrResult` objektumot ad vissza, amely tartalmazza a tiszta szöveget, a megbízhatósági pontszámokat, és akár az elrendezési információkat is, ha később szükséged van rá. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Várható konzolkimenet + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Ha a kép további zajt vagy ferde szöveget tartalmaz, alacsonyabb megbízhatóságot láthatsz az adott soroknál. Ebben az esetben fontold meg a kép előfeldolgozását (ferde korrigálás, binarizálás) mielőtt az Aspose‑nek átadnád. + +--- + +## Gyakori kérdések és szélhelyzetek + +### Mi van, ha a kép hatalmas (pl. >10 MP)? + +A nagy képek több memóriát fogyasztanak és lassíthatják a feldolgozást. Egy gyors módja a **improve OCR speed**-nek, ha lecsökkented a képet, miközben megőrzöd az olvashatóságot: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Hogyan kezelem a jobbról balra író írásrendszereket, mint az arab? + +Az Aspose OCR automatikusan figyelembe veszi az írásirányt, de előfordulhat, hogy a `RightToLeft` jelzőt szeretnéd beállítani a post‑processing során: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Kivonhatok szöveget PDF‑ekből a képek helyett? + +Igen—konvertáld a PDF minden oldalát képpé (az Aspose PDF vagy bármely rasterizáló segítségével), és add át az eredményt ugyanabba az OCR csővezetékbe. Ugyanaz a **recognize text from image** logika érvényes. + +--- + +## Teljes működő példa (másolás-beillesztés kész) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Mentsd a fájlt `MixedLanguageDemo.java` néven, fordítsd `javac`‑vel, és futtasd `java MixedLanguageDemo`‑val. Ha minden helyesen van beállítva, a többnyelvű szöveget a konzolra nyomtatva fogod látni. + +--- + +## Összegzés + +Most már tudod, **how to use Aspose**‑t, hogy **recognize text from image** fájlokból, amelyek több nyelvet tartalmaznak, hogyan **enable automatic language detection**, és egy gyakorlati tippet a **improve OCR speed**‑hez a nyelvi halmaz korlátozásával. A fenti teljes kód másolásra kész, és a magyarázatok bizalmat adnak a megoldás testreszabásához—akár **load image for OCR**‑t kell stream‑ből, byte‑tömbből vagy akár webkamera felvételből. + +Következő lépések? Kísérletezz a következőkkel: + +* Kép előfeldolgozás hozzáadása (zajcsökkentés, binarizálás) alacsony minőségű szkenekhez. +* `OcrResult` exportálása JSON‑ként downstream szolgáltatásokhoz. +* A motor integrálása egy Spring Boot REST végpontra, hogy az ügyfelek képeket tölthessenek fel és azonnal megkapják a kinyert szöveget. + +Boldog kódolást, és legyenek az OCR csővezetékeid gyorsak, pontosak és többnyelvűek! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/hungarian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..088ce25cb --- /dev/null +++ b/ocr/hungarian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Ismerje fel a szöveget a képről gyorsan egy Java OCR példával. Tanulja + meg, hogyan lehet szöveget kinyerni TIFF fájlokból párhuzamos OCR feldolgozással, + és hogyan lehet hatékonyan OCR-t használni Java-ban. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: hu +og_description: Ismerje fel a szöveget a képről gyorsan egy teljes Java OCR példával. + Ez az útmutató bemutatja, hogyan lehet TIFF-ből szöveget kinyerni párhuzamos OCR + feldolgozással. +og_title: Képről szöveg felismerése Java OCR-rel – Párhuzamos feldolgozási útmutató +tags: +- OCR +- Java +- Image Processing +title: Képről szöveg felismerése Java OCR-rel – Párhuzamos feldolgozási útmutató +url: /hu/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# szöveg felismerése képről Java OCR-rel – Párhuzamos feldolgozási útmutató + +Valaha is szükséged volt **szöveg felismerésére képről** fájlokból, de a teljesítmény szűk keresztmetszetben ragadtál? Nem vagy egyedül. Sok fejlesztő elakad, amikor egy egy‑szálas OCR motor átfut a többoldalas TIFF-eken, és egy gyors feladatot maratonná változtat. + +Ebben az útmutatóban egy **java ocr example**-t mutatunk be, amely nem csak a tiff fájlokból nyeri ki a szöveget, hanem az összes CPU magodat is kihasználja a párhuzamos ocr feldolgozáshoz. A végére pontosan tudni fogod, hogyan lehet *how to ocr java* projekteket hatékonyan kezelni, és kapsz egy kész‑kód snippetet, amelyet bármely Maven vagy Gradle környezetbe beilleszthetsz. + +## Mit fogsz megtanulni + +- Az Aspose.OCR könyvtár beállítása egy Java projektben. +- Többoldalas TIFF betöltése és előkészítése a felismeréshez. +- **Párhuzamos OCR feldolgozás** engedélyezése a szálak számának a logikai CPU magokhoz igazításával. +- A felismert szöveg lekérése és megjelenítése, befejezve a **recognize text from image** munkafolyamatot. + +> **Előfeltétel:** Java 8 vagy újabb, valamint egy érvényes Aspose.OCR for Java licenc (vagy ideiglenes értékelő kulcs). Más külső eszköz nem szükséges. + +--- + +## 1. lépés: Aspose.OCR függőség hozzáadása + +Mielőtt **szöveget felismerhetünk képről**, szükségünk van az OCR motorra a classpath-on. Ha Maven-t használsz, add hozzá a következőt a `pom.xml`-hez: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle esetén az ekvivalens a következő: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +*Pro tip:* Tartsd naprakészen a verziószámot; az újabb kiadások gyakran tartalmaznak teljesítményjavításokat, amelyek még gyorsabbá teszik a **parallel ocr processing**-t. + +--- + +## 2. lépés: Java osztály előkészítése – Teljes működő példa + +Az alábbi önálló **java ocr example** bemutatja, hogyan **extract text from tiff** használva az összes elérhető CPU magot. Mentsd el `ParallelOcrDemo.java` néven. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Miért fontos minden sor** + +- **Engine creation**: `OcrEngine` tartalmazza a nehéz munkát. Nélküle egyáltalán nem tudsz **recognize text from image**. +- **Image loading**: `ImageStream.fromFile` támogatja a TIFF, PNG, JPEG stb. formátumokat. Egy többoldalas TIFF használata teszteli a motor képességét összetett dokumentumok kezelésére. +- **Thread count**: `Runtime.getRuntime().availableProcessors()` visszaadja a logikai magok számát (beleértve a hyper‑threadeket). Ennek beállítása elindítja a **parallel ocr processing**-t, drámai módon csökkentve a futási időt többmagos gépeken. +- **Recognition**: `engine.recognize()` futtatja az OCR csővezetékét. Belsőleg az oldalakat a megadott szálkészletre osztja. +- **Result handling**: `result.getText()` egyetlen `String`-et ad vissza, amely az összes oldal összefűzött szövegét tartalmazza – tökéletes további feldolgozáshoz vagy tároláshoz. + +--- + +## 3. lépés: A demó futtatása és a kimenet ellenőrzése + +Fordítsd le és futtasd a programot: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Valami ilyesmit kell látnod: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Ha a konzol a várt szöveget írja ki, gratulálok—sikeresen **recognize text from image** egy **java ocr example** segítségével, amely párhuzamosan fut. + +--- + +## 4. lépés: Finomhangolás valós környezetekhez (opcionális) + +### Szöveg kinyerése csak meghatározott oldalakról + +Néha csak bizonyos oldalakat kell kinyerni egy nagy TIFF-ből. A felismerés után szűrheted: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Szál számának manuális beállítása + +Ha a szerver már más feladatokkal van leterhelve, korlátozhatod az OCR szálakat: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Memóriaigényes TIFF-ek kezelése + +A nagy többoldalas TIFF-ek sok RAM-ot fogyaszthatnak. Ennek mérséklésére dolgozd fel a fájlt darabokban: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## 5. lépés: Gyakori hibák és elkerülésük + +| Probléma | Tünet | Megoldás | +|----------|-------|----------| +| **Nem elegendő licenc** | A futás közben `LicenseException` kivételt dob | Alkalmazz érvényes licencfájlt, vagy használd az ingyenes értékelő módot (vízjelet ad hozzá). | +| **Helytelen fájlútvonal** | `FileNotFoundException` | Ellenőrizd újra az útvonalat, és tesztelés közben használj abszolút útvonalakat. | +| **CPU korlátozás** | Nincs sebességnövekedés a `setThreadCount` ellenére | Győződj meg róla, hogy a JVM nincs korlátozva `-Xmx` memóriahatárral vagy az operációs rendszer energiatakarékos beállításaival. | +| **Nem támogatott képfájl formátum** | `UnsupportedFormatException` | Konvertáld a képet TIFF, PNG vagy JPEG formátumba, mielőtt a motorba adod. | + +--- + +## Vizuális összefoglaló + +![szöveg felismerése képről példa](image-placeholder.png "szöveg felismerése képről") + +*Alt text:* “Diagram, amely a szöveg felismerésének folyamatát mutatja képről Java OCR-rel párhuzamos feldolgozás mellett” + +--- + +## Következtetés + +Most egy teljes **java ocr example**-t vettünk át, amely **recognize text from image** fájlokkal, kifejezetten többoldalas TIFF-ekkel dolgozik, miközben teljes mértékben kihasználja a **parallel ocr processing**-t. A szálkészlet a CPU magokhoz igazításával közel lineáris gyorsulást érhetsz el a modern hardveren – pontosan a válasz a “*how to ocr java* efficiently?” kérdésre. + +Ezután érdemes lehet felfedezni: + +- **extract text from tiff** fájlok kötegelt feldolgozása és az eredmények adatbázisba mentése. +- OCR kombinálása NLP könyvtárakkal (pl. OpenNLP), hogy automatikusan címkézd a kinyert entitásokat. +- A megoldás telepítése mikroszolgáltatásként egy REST végpontra, igény szerinti OCR-hez. + +Próbáld ki, finomhangold a szálak számát, és nézd meg, mennyivel gyorsabb lesz a folyamatod. Ha bármilyen problémába ütközöl, írj egy megjegyzést alább – jó kódolást! + +{{< /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..44271f408 100644 --- a/ocr/hungarian/java/ocr-operations/_index.md +++ b/ocr/hungarian/java/ocr-operations/_index.md @@ -83,6 +83,12 @@ 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. +### [Hogyan használjuk az OCR-t Java-ban – Szöveg kinyerése képről helyesírási javítással](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Fedezd fel, hogyan lehet képről szöveget kinyerni Java-ban az OCR-rel, és automatikusan javítani a helyesírást. +### [Kereshető PDF létrehozása képből – Lépésről lépésre Java útmutató](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Fedezd fel, hogyan hozhatsz létre kereshető PDF-et képekből Java-ban az Aspose.OCR segítségével. +### [Kereshető PDF létrehozása képből Java OCR-rel](./create-searchable-pdf-from-image-with-java-ocr/) +Ismerd meg, hogyan hozhatsz létre kereshető PDF-et képből Java OCR-rel, lépésről lépésre útmutató. ## Gyakran Ismételt Kérdések diff --git a/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..7dbbaa767 --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Készíts kereshető PDF-et egy képből az Aspose OCR segítségével. Tanuld + meg, hogyan konvertálj képet PDF-be, OCR-eld a képet PDF-be, és nyerj ki szöveget + a képből percek alatt. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: hu +og_description: Készíts kereshető PDF-et egy képből az Aspose OCR segítségével. Kövesd + ezt az útmutatót a JPG kereshető PDF-é konvertáláshoz, a képről történő szövegkivonáshoz + és egyebekhez. +og_title: Kereshető PDF létrehozása képből – Teljes Java útmutató +tags: +- Java +- OCR +- PDF +- Aspose +title: Kereshető PDF készítése képből – Lépésről lépésre Java útmutató +url: /hu/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Kereshető PDF létrehozása képből – Teljes Java útmutató + +Valaha is szükséged volt **create searchable PDF** létrehozására egy beolvasott fényképről, de nem tudtad, melyik könyvtárat válaszd? Nem vagy egyedül. Sok projektben—gondolj költségjelentés‑automatizálásra vagy digitális archiválásra—az a képesség, hogy egy egyszerű képet PDF‑vé alakíts, amelyet ténylegesen kereshetsz, igazi áttörés. + +Ezért ebben az útmutatóban végigvezetünk a teljes **convert image to PDF** folyamaton, futtatunk OCR‑t, és egy **searchable PDF**-et kapunk, amelyet bármilyen dokumentumfolyamatba beilleszthetsz. Emellett érintjük a **extract text from image** témát, és megmutatjuk, hogyan **convert jpg to searchable pdf** anélkül, hogy sok sablonkódot kellene írnod. + +## Mit fogsz megtanulni + +- A pontos Maven/Gradle függőség, amelyre az Aspose OCR-hez szükséged van. +- Hogyan tölts be egy JPG‑t (vagy bármely támogatott képet) az OCR motorba. +- `OcrSaveFormat.PDF_SEARCHABLE` mentése miért fontos. +- Gyakori buktatók (nagy képek, nem támogatott formátumok) és hogyan kerüld el őket. +- Hogyan ellenőrizheted, hogy a kapott PDF valóban tartalmaz kereshető szöveget. + +A útmutató végére egy kész‑használatra Java osztályod lesz, amely egyetlen metódushívással kereshető PDF-et állít elő. Nincsenek külső parancssori eszközök, nincs extra OCR motor—csak tiszta Java. + +--- + +## Előkövetelmények + +| Követelmény | Miért fontos | +|-------------|----------------| +| Java 8 or newer | Az Aspose OCR modern nyelvi funkciókat használ. | +| Maven or Gradle (for dependency management) | Egyszerűvé teszi az Aspose OCR JAR letöltését. | +| A sample image (`input.jpg`) placed in a known folder | A kód fájlútvonalat vár; cserélheted PNG‑re, BMP‑re stb. | +| Optional: a PDF viewer with search capability (Adobe Reader, Foxit, etc.) | A PDF valóban kereshető-e ellenőrzéséhez. | + +Ha már megvannak ezek, nagyszerű—merüljünk el. + +--- + +## 1. lépés: Aspose OCR hozzáadása a projekthez + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** A ingyenes értékelő verzió kis vízjelet helyez az első oldalra. Production környezetben szerezz licencet az Aspose‑tól, és hívd meg a `License license = new License(); license.setLicense("Aspose.OCR.lic");` kódot, mielőtt példányosítanád az `OcrEngine`‑t. + +--- + +## 2. lépés: A konvertálni kívánt kép betöltése + +A `ImageStream.fromFile`‑t fogjuk használni a kép közvetlen lemezről történő beolvasásához. Ez a metódus támogatja a JPG, PNG, TIFF és számos más formátumot, így **convert image to PDF**‑t végezhetsz a forrástól függetlenül. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Miért ez a lépés?** Az OCR motornak bitmap ábrázolásra van szüksége a szöveghez. Egy nagy felbontású kép (300 dpi vagy nagyobb) biztosítása drámaian javítja a felismerés pontosságát, ami viszont jobb **extract text from image** eredményeket ad. + +--- + +## 3. lépés: OCR futtatása és mentés kereshető PDF‑ként + +A varázslat akkor történik, amikor a `save`‑et a `PDF_SEARCHABLE` formátummal hívod. A háttérben az Aspose OCR egy rejtett szövegréteget hoz létre, amely az eredeti kép fölött helyezkedik el, így egy statikus képet **searchable PDF**-vé alakít. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Ha egyszerű PDF‑t szeretnél a rejtett réteg nélkül, cseréld a `PDF_SEARCHABLE`‑t `PDF`‑ra. De a legtöbb archiválási esetben a kereshető változat az, amit szeretnél. + +--- + +## 4. lépés: Az eredmény ellenőrzése + +A program befejezése után nyisd meg a `searchable.pdf`‑t bármely PDF‑megtekintőben, és próbáld ki a beépített keresést (Ctrl + F). Ha megtalálsz olyan szavakat, amelyek eredetileg csak a képen voltak, gratulálok—sikeresen **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Különleges eset:** Nagyon nagy képek (> 10 MB) `OutOfMemoryError`‑t okozhatnak. Ennek elkerülése érdekében előzetesen méretezd le a képet a `java.awt.Image` vagy egy olyan könyvtár, mint a Thumbnailator segítségével. + +--- + +## Teljes működő példa + +Az alábbiakban a teljes, önálló Java osztály található. Másold be az IDE‑be, állítsd be az útvonalakat, és futtasd—nincs szükség extra lépésekre. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +Amikor megnyitod a `YOUR_DIRECTORY/searchable.pdf`‑t, képesnek kell lenned keresni bármely szót, amely az `input.jpg`‑ben megjelenik. Ez a **convert jpg to searchable pdf** lényege. + +--- + +## Gyakran Ismételt Kérdések (GYIK) + +### Feldolgozhatok több képet egyszerre? +Igen. Iterálj egy fájlútvonalak listáján, minden egyeshez hívd a `setImage`‑t, és vagy egyetlen PDF‑hez (`PDF_SEARCHABLE`) fűzd hozzá az oldalakat, vagy külön PDF‑eket generálj. Ne feledd, hogy minden iteráció után állítsd vissza a motor állapotát (`ocrEngine.clear()`). + +### Mi a teendő, ha az OCR pontossága alacsony? +- Győződj meg róla, hogy a forráskép legalább 300 dpi. +- `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` használata a nyelv rögzítéséhez. +- Előfeldolgozás a képen (kiegyenesítés, kontraszt növelés) egy olyan könyvtárral, mint az OpenCV. + +### Támogatja az Aspose OCR más nyelveket is? +Természetesen. Az `OcrLanguage` enum tartalmazza a franciát, németet, kínait, arabul és még sok más nyelvet. A `save` hívása előtt állítsd át a nyelvet. + +### Hogyan ágyazhatom be a kereshető PDF‑t egy meglévő dokumentumba? +Kezeld a kimenetet bármely szabványos PDF‑ként. Használj PDF egyesítő könyvtárat (pl. iText vagy Aspose PDF), hogy más PDF‑ekkel összefűzd. + +--- + +## Tippek és trükkök a gyakorlatból + +- **Pro tip:** Ha nagyon kis fájlméretre van szükséged, hívd meg a `ocrEngine.getConfig().setCompress(true);`‑t a mentés előtt. +- **Vigyázz:** Átlátszó háttérrel rendelkező képekre—az Aspose OCR az átlátszóságot fehérként kezeli, ami befolyásolhatja a kontrasztot. +- **Ne feledd:** A kereshető PDF még mindig egy raszteres kép alatta. Ha teljesen vektoralapú PDF‑re van szükséged, manuálisan kell újra létrehoznod a layoutot. + +--- + +## Összegzés + +Most lefedtük mindazt, amire szükséged van **create searchable PDF** fájlok képekből történő előállításához az Aspose OCR használatával Java‑ban. A Maven függőség hozzáadásától a rejtett szövegréteg ellenőrzéséig a folyamat egyszerű és teljesen programozható. Most már **convert image to pdf**, **ocr image to pdf**, és akár **extract text from image** is elvégezheted anélkül, hogy elhagynád az IDE kényelmét. + +Készen állsz a következő lépésre? Próbáld meg tömegesen feldolgozni egy mappa beolvasott nyugtáit, vagy kombináld ezt a munkafolyamatot egy felhő tároló triggerrel (AWS Lambda, Azure Functions), hogy automatizáld a dokumentumok befogadását. A lehetőségek végtelenek—csak vágj bele és kísérletezz! + +Ha bármilyen problémába ütközöl vagy van ötleted a fejlesztésre, hagyj egy megjegyzést alább. Boldog kódolást! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..52a79a6aa --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Készíts kereshető PDF-et egy képből az Aspose OCR Java használatával. + Tanulja meg, hogyan konvertálja a képet PDF-be, engedélyezze a helyesírási javítást, + és használja az OCR GPU-t a gyors eredményekért. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: hu +og_description: Készítsen kereshető PDF-et egy képből az Aspose OCR Java használatával. + Ez az útmutató bemutatja, hogyan konvertálja a képet PDF-be, hogyan engedélyezze + a helyesírási javítást, és hogyan használja az OCR GPU-t. +og_title: Készíts kereshető PDF-et képből Java OCR-rel +tags: +- OCR +- Java +- PDF +title: Kereshető PDF létrehozása képből Java OCR-rel +url: /hu/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Kereshető PDF létrehozása képből Java OCR-rel + +Valaha szükséged volt **kereshető PDF** létrehozására egy beolvasott képből, de nem tudtad, hol kezdj? Nem vagy egyedül – a legtöbb fejlesztő ezzel a problémával találkozik, amikor először foglalkozik képalapú PDF‑ekkel. Szerencsére az Aspose OCR for Java‑val **konvertálhatod a képet PDF‑be**, a szöveget választható tartalommá alakíthatod, és még helyesírási javítást is hozzáadhatsz a kifinomult eredményhez. + +Ebben a bemutatóban egy teljes, azonnal futtatható példán keresztül mutatjuk be, hogyan **használhatod az OCR GPU‑t**, ha elérhető, hogyan **feldolgozhatod hatékonyan a képet OCR‑rel**, és miért fontos a helyesírási javítás engedélyezése a későbbi kereséshez. A végére egy egykattintásos megoldást kapsz, amellyel kereshető PDF‑et generálhatsz, amelyet felhasználóknak szállíthatsz vagy archiválhatsz megfelelőség céljából. + +> **Pro tipp:** Ha olyan gépen futtatod, amelynek nincs GPU-ja, a kód elegánsan visszatér a CPU‑ra, így nem kell semmit átírnod. + +--- + +## Amire szükséged lesz + +- **Java 8+** (a kód JDK 8‑kal és újabb verziókkal fordítható) +- **Aspose OCR for Java** könyvtár (töltsd le a legújabb JAR‑t az Aspose weboldaláról) +- Egy **bemeneti kép** (JPEG, PNG, TIFF stb.), amelyet kereshető PDF‑é szeretnél alakítani +- (Opcionális) **GPU** CUDA‑támogatással, ha a lehető leggyorsabb felismerést szeretnéd + +Nincs szükség extra keretrendszerekre, Maven/Gradle varázslatra – csak egy JAR a classpath‑on, és már indulhat a munka. + +## 1. lépés: Az OCR motor inicializálása – A folyamat szíve + +Először létrehozunk egy `OcrEngine` példányt, és a forrásfájlra mutatunk. Ez az objektum a munkavégző, amely beolvassa a képet, futtatja a neurális hálót, és visszaadja a szöveget. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Miért fontos:* A motor egyszeri inicializálása és újrahasználata elkerüli a natív könyvtárak többszöri betöltésének költségét – egy apró teljesítményelőny, amely sok fájl kötegelt feldolgozásakor összeadódik. + +## 2. lépés: A feldolgozó eszköz kiválasztása – Használd az OCR GPU‑t, ha lehetséges + +Ha a munkaállomásod kompatibilis GPU‑val rendelkezik, megmondhatod az Aspose‑nak, hogy a nehéz feladatot arra bízza. Ellenkező esetben a motor automatikusan CPU‑ra vált. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Mi a haszon?* A GPU‑gyorsítás másodperceket spórolhat minden egyes oldalon, különösen nagy felbontású beolvasásoknál. A visszaesés biztosítja, hogy ugyanaz a kód mindenhol működjön, ezért ajánljuk a **use OCR GPU** beállítást alapértelmezettként. + +## 3. lépés: A beolvasás felgyorsítása – Használd ki az összes CPU magot + +Még ha a GPU is le van terhelve, a környező előfeldolgozó lépések párhuzamosíthatók. A szálak számának beállítása a rendelkezésre álló processzorok számával lehetővé teszi, hogy a motor egyszerre több darabot dolgozzon fel. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Megjegyzés:* Egy 4‑magos laptop négy szálat indít; egy 16‑magos munkaállomás a teljes előnyt élvezi. Csak tartsd szem előtt, hogy több szál nagyobb memóriahasználatot jelent. + +## 4. lépés: A kép tisztítása – Előfeldolgozó szűrők + +Egy homályos vagy zajos beolvasás szemét szöveget eredményez. Néhány beépített szűrő hozzáadása drámai módon javítja a pontosságot. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Miért ezek a szűrők?* A `DeskewFilter` korrigálja a forgatást, amely gyakran előfordul, ha a dokumentumot szögben helyezik a szkennerbe. A `NoiseRemovalFilter` eltávolítja a szóró pixeleket, amelyek egyébként karakterként lennének értelmezve. Olyan, mintha a OCR motor egy tiszta papírlapra olvasna. + +## 5. lépés: Okos funkciók bekapcsolása – Helyesírás-ellenőrzés és automatikus nyelvfelismerés engedélyezése + +Ha többnyelvű dokumentumokkal dolgozol, vagy egyszerűen kevesebb hibát szeretnél, kapcsold be a beépített helyesírás-ellenőrzőt, és engedd, hogy a motor kitalálja a nyelvet. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Mikor hasznos?* Tegyük fel, hogy a beolvasás tartalmaz angol és spanyol szakaszokat is. Az automatikus felismerés futás közben váltogatja a szótárakat, míg a helyesírás-ellenőrzés kijavítja a „0”‑t „O”‑ra hasonló hibákat. Ez a lépés elengedhetetlen egy **kereshető PDF** előállításához, amely valóban helyes eredményeket ad. + +## 6. lépés: Az eredmény mentése – Kép konvertálása PDF‑be és kereshetővé tétele + +Végül megkérjük a motort, hogy írjon ki egy PDF‑et, ahol az eredeti kép egy láthatatlan szövegréteg mögött helyezkedik el. Ez a klasszikus **convert image to PDF** munkafolyamat, de a PDF most már kereshető. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +A kimeneti fájl (`output-searchable.pdf`) bármely PDF‑olvasóval megnyitható; a szöveget kiválaszthatod, másolhatod és keresheted, mintha natív PDF‑ről lenne szó. Külön eszközök nem szükségesek. + +## Teljes működő példa – Másolj és futtasd + +Az alábbi kódrészlet a teljes program, készen áll a fordításra. Cseréld le a `YOUR_DIRECTORY`‑t arra a mappára, amelyik a `input.jpg`‑t tartalmazza. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Várható kimenet:** A program futtatásakor a konzolon megjelenik a *„Searchable PDF generated successfully.”* sor. Az `output-searchable.pdf` megnyitása az Adobe Reader‑ben lehetővé teszi, hogy a képen lévő szóból beírj egy keresett kifejezést, és az azonnal a megfelelő helyre ugrik. + +## Gyakori kérdések és szélsőséges esetek + +- **Mi van, ha a GPU nem kerül felismerésre?** + A `setDeviceType(OcrDeviceType.GPU)` hívás nem dob kivételt; csak azt utasítja a motort, hogy először próbálja meg a GPU‑t. Ha ez nem sikerül, a motor csendben visszatér a CPU‑ra. + +- **Feldolgozhatok több képet egy futtatás során?** + Igen. A kódot egy ciklusba helyezheted, minden iterációban megváltoztatva a fájlnevet, és ugyanazt az `OcrEngine` példányt újrahasználva alacsony memóriaigény mellett. + +- **A PDF‑em hatalmas – hogyan tudom lecsökkenteni?** + OCR után használhatod az Aspose PDF optimalizáló API‑kat, vagy egyszerűen lecsökkentheted a forráskép felbontását a motorba való betáplálás előtt (`ImageStream.fromFile(...).setResolution(150)` 150 DPI‑ra). + +- **Meg kell őriznem az eredeti kép felbontását jogi megfelelés miatt.** + A `PDF_SEARCHABLE` formátum pontosan megőrzi az eredeti bitmapet; a láthatatlan szövegréteg felül kerül anélkül, hogy a vizuális minőséget befolyásolná. + +## Vizuális összefoglaló + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt szöveg:* *kereshető pdf példa – Java OCR motor, amely egy beolvasott JPG‑t kereshető PDF‑vé alakít.* + +## Következtetés + +Most már rendelkezel egy **teljes, vég‑től‑végig megoldással**, amely bármely képet **kereshető PDF‑vé** alakít az Aspose OCR for Java segítségével. A **kép konvertálása PDF‑be**, a **helyesírás-ellenőrzés engedélyezése** és a **OCR GPU használata** (ha lehetséges) gyors, pontos és kereshető eredményeket biztosít, amelyek platformfüggetlenül működnek. + +Mi a következő? Próbálj ki: + +- **Különböző kimeneti formátumokat** (`PDF`, `DOCX`, `HTML`), hogy lásd, hogyan viselkedik a szövegréteg. +- **Egyedi szótárakat**, ha domain‑specifikus zsargont dolgozol fel. +- **Kötegelt feldolgozást**, hogy automatikusan több ezer beolvasást kezelj. + +Nyugodtan módosítsd a szálak számát, cseréld ki a szűrőket, vagy építs be saját előfeldolgozó csővezetékedet. A fő minta változatlan marad: betöltés → előfeldolgozás → konfigurálás → OCR → mentés. + +Boldog kódolást, és legyenek a PDF‑jeid mindig kereshetők! + +{{< /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-image-with-spell-co/_index.md b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..96e6f938c --- /dev/null +++ b/ocr/hungarian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Hogyan használjuk az OCR-t szöveg kinyerésére képből Java-ban. Ismerje + meg az OCR kép‑szöveg átalakítást, javítsa az OCR hibákat, és töltse be a képet + OCR-hez az Aspose OCR segítségével. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: hu +og_description: Hogyan használjuk az OCR-t Java-ban a képről szöveg kinyeréséhez, + az OCR hibák javításához és a kép betöltéséhez OCR-hez 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 képből helyesírási javítással +url: /hu/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hogyan használjuk az OCR-t Java‑ban – Szöveg kinyerése képből helyesírási javítással + +Gondolkodtál már azon, **hogyan használjuk az OCR-t**, hogy egy elmosódott nyugta fotót tiszta, kereshető szöveggé alakítsunk? Nem vagy egyedül. Sok projektben – költségkövető alkalmazásokban, számla‑digitalizálási folyamatokban vagy akár egy gyors jegyzetkészítő szkriptben – a megbízható szöveg kinyerése a képből az első akadály. + +Ez a bemutató pontosan megmutatja, hogyan használjuk az OCR-t Java‑ban, a kép betöltésétől a hibák javításáig, hogy az eredmény úgy olvasható legyen, mintha ember gépelte volna. A végére **kép‑szöveg kinyerést**, **OCR image to text** konverziót és a gyakori felismerési hibák automatikus javítását is elsajátítod. + +## Mit fogunk építeni + +Készítünk egy apró Java konzolprogramot, amely: + +1. Betölti a PNG‑t (vagy bármely támogatott formátumot) az Aspose OCR motorba. +2. Engedélyezi a beépített helyesírás‑javító funkciót a **OCR hibák javításához**. +3. Elindítja a felismerési folyamatot és kiírja a megtisztított szöveget. + +Nincs külső szolgáltatás, nincs nehéz keretrendszer – csak egy JAR és néhány kódsor. + +### Előfeltételek + +- Java Development Kit (JDK) 8 vagy újabb. +- Maven (vagy bármely build eszköz) az Aspose OCR könyvtár letöltéséhez. +- Egy képfájl (pl. `receipt.png`), amelyet elemezni szeretnél. + +Ha hiányzik az Aspose OCR JAR, add hozzá ezt a függőséget a `pom.xml`‑hez: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tipp:** Az ingyenes értékelő verzió teszteléshez megfelelő, de egy licenc eltávolítja az értékelő vízjelet. + +## 1. lépés – Az OCR motor inicializálása (Primary Keyword in Action) + +Az első dolog, amit meg kell tenned, egy `OcrEngine` példány létrehozása. Gondolj rá úgy, mint a “agyra”, amely a pixeleket karakterekké alakítja. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Miért fontos:* A motor inicializálása beállítja a belső erőforrásokat (nyelvi modellek, szótárak stb.). Ennek kihagyása `NullPointerException`‑t eredményez, amikor később képet próbálsz betölteni. + +## 2. lépés – Kép betöltése OCR‑hez + +Most ténylegesen **betöltjük a képet OCR‑hez**. Az Aspose egy kényelmes `ImageStream.fromFile` segédfüggvényt biztosít, de ha szeretnéd, `byte[]`‑ként is betáplálhatod. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Gyakori buktató:* A fájl útvonalának abszolútnak vagy a munkakönyvtárhoz relatívnak kell lennie. Ha a kép nem található, a motor `IOException`‑t dob. Ellenőrizd az útvonalat, különösen IDE‑ból vagy csomagolt JAR‑ból futtatva. + +## 3. lépés – Helyesírás‑javítás engedélyezése a **OCR hibák javításához** + +Azonnal használható OCR gyakran zajos – gondolj a “l0ve” helyett “love” vagy “0” helyett “O” hibákra. A helyesírás‑javítás bekapcsolása azt mondja a motornak, hogy egy utófeldolgozó lépést hajtson végre a tipikus hibák kijavítására. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Miért érdemes:* Helyesírás‑javítás nélkül manuálisan kell tisztítanod a kimenetet, ami aláássa az automatizálás célját. A beépített szótár jól működik angolul és több más nyelven is. + +## 4. lépés – Felismerés végrehajtása (**OCR Image to Text**) + +Miután a kép betöltődött és a helyesírás‑javítás be van kapcsolva, végre kérhetjük a motort, hogy ismerje fel a szöveget. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Szélsőséges eset:* Ha a kép alacsony kontrasztú vagy erősen ferde, az eredmény még mindig értelmetlen karaktereket tartalmazhat. Fontold meg előfeldolgozást (pl. binarizálás, kiegyenesítés) a motorba való betáplálás előtt. + +## 5. lépés – A megtisztított szöveg kiírása + +Az utolsó lépés egyszerűen a végeredmény kiírása. Egy valódi alkalmazásban adatbázisba vagy fájlba írnád, de a bemutatóhoz a `System.out` elegendő. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Várt kimenet + +Tegyük fel, hogy a `receipt.png` egy tiszta tételeket tartalmazó listát mutat, akkor valami ilyesmit láthatsz: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Vedd észre, hogy a “Qty” és a “Price” helyesen van leírva, még akkor is, ha az eredeti szken egy “Qy” hibát tartalmazott. + +## Teljes működő példa + +Az alábbi programot másold be egy `SpellCorrectDemo.java` nevű fájlba. Győződj meg róla, hogy az Aspose OCR JAR a classpath‑on van. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Futtasd a következővel: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Most már a megtisztított szöveget kell látnod a konzolon. + +## Bónusz: Beállítások finomhangolása a jobb pontosságért + +Bár az alapértelmezett konfiguráció a legtöbb nyomtatott dokumentumnál működik, speciális esetekben érdemes néhány paramétert módosítani: + +| Beállítás | Mit csinál | Mikor változtass | +|-----------|------------|-------------------| +| `setLanguage(OcrLanguage.English)` | Angol szótárat kényszerít (csökkenti a hamis pozitívokat) | Ha a képen csak angol szöveg van. | +| `setResolution(300)` | A forráskép DPI‑ját adja meg a motor számára | Magas felbontású szkennelés esetén. | +| `setEnableAutoSkewCorrection(true)` | Automatikusan kiegyenesíti a kissé ferde oldalakat | Telefonra készült képek esetén. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Gyakran Ismételt Kérdések + +**K: Működik ez PDF‑ekkel?** +V: Igen. Konvertáld a PDF minden oldalát képpé (pl. az Aspose PDF‑el), majd add az OCR motorhoz. + +**K: Mi van, ha a képem BMP formátumú?** +V: Az `ImageStream.fromFile` natívan támogatja a PNG, JPEG, BMP, TIFF és GIF formátumokat. Csak cseréld le a fájlkiterjesztést. + +**K: Kikapcsolhatom a helyesírás‑javítást?** +V: Természetesen – állítsd `setEnableSpellCorrection(false)`‑ra, ha nyers OCR kimenetre van szükséged a további feldolgozáshoz. + +## Összegzés + +Most már tudod, **hogyan használjuk az OCR-t** Java‑ban **szöveg kinyeréséhez képből**, automatikusan **OCR hibák javításával**, és helyesen **képet betöltve OCR‑hez** az Aspose OCR‑del. Az öt lépéses folyamat – inicializálás, betöltés, helyesírás‑javítás engedélyezése, felismerés és kiírás – lefedi a mindennapi OCR feladatok nagy részét. + +Innen tovább gondolhatod, hogy a logikát adatbázis‑visszaírással, REST‑endpointtal vagy kötegelt feldolgozóval láncolod, hogy egyszerre több tucat nyugtát kezelj. Kísérletezz a fenti beállítási táblázattal, hogy a lehető legmagasabb pontosságot érd el. + +Boldog kódolást, és legyen az OCR eredményed mindig tisztább, mint a kávé‑foltos nyugtáid! + +![how to use ocr diagram showing image → OCR engine → corrected text flow] + +{{< /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..707b72f15 100644 --- a/ocr/indonesian/java/advanced-ocr-techniques/_index.md +++ b/ocr/indonesian/java/advanced-ocr-techniques/_index.md @@ -43,27 +43,23 @@ Berdayakan aplikasi Java Anda dengan Aspose.OCR untuk pengenalan teks yang tepat ## [Menentukan Karakter yang Diizinkan di Aspose.OCR](./specify-allowed-characters/) -Ekstrak teks dari gambar dengan mudah dengan menentukan karakter yang diizinkan dengan Aspose.OCR untuk Java. Ikuti panduan langkah demi langkah kami untuk integrasi yang efisien, memastikan pengalaman pengenalan teks yang lancar. Tingkatkan aplikasi Java Anda dengan kemampuan Aspose.OCR. - -## Kesimpulan - -Dengan Aspose.OCR untuk Java, menguasai teknik OCR tingkat lanjut tidak pernah semudah ini. Selami tutorial ini, dan buka potensi penuh pengenalan teks dalam proyek Java Anda. Tingkatkan aplikasi Anda dengan integrasi yang lancar, akurasi tinggi, dan kemampuan ekstraksi teks serbaguna. Unduh sekarang dan ambil langkah pertama menuju keunggulan OCR dengan Aspose.OCR untuk Java! -## Tutorial Teknik OCR Tingkat Lanjut -### [Melakukan OCR pada BufferedImage di Aspose.OCR untuk Java](./perform-ocr-buffered-image/) -Lakukan OCR pada BufferedImage dengan mudah menggunakan Aspose.OCR untuk Java. Ekstrak teks dari gambar dengan mulus. Unduh sekarang untuk pengalaman pengenalan teks serbaguna. -### [Melakukan OCR pada Gambar dari URL di Aspose.OCR untuk Java](./perform-ocr-image-from-url/) -Buka kunci ekstraksi teks gambar yang lancar di Java dengan Aspose.OCR. OCR akurasi tinggi dengan integrasi mudah. -### [Melakukan OCR pada Halaman Tertentu di Aspose.OCR](./perform-ocr-on-page/) -Buka kecanggihan Aspose.OCR untuk Java dengan panduan langkah demi langkah kami dalam melakukan OCR pada halaman tertentu. Ekstrak teks dengan mudah dari gambar dan tingkatkan proyek Java Anda. -### [Mempersiapkan Persegi Panjang untuk OCR di Aspose.OCR](./prepare-rectangles-for-ocr/) -Buka kekuatan pengenalan teks dengan Aspose.OCR untuk Java. Ikuti panduan langkah demi langkah kami untuk integrasi yang lancar. Tingkatkan aplikasi Java Anda dengan kemampuan OCR yang efisien. -### [Mengenali Garis di Aspose.OCR untuk Java](./recognize-lines/) -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. +Buka kunci ekstraksi teks dari gambar secara lancar dengan Aspose.OCR untuk Java. Ikuti panduan langkah demi langkah kami untuk integrasi yang efisien, memastikan pengalaman pengenalan teks yang lancar. Tingkatkan aplikasi Java Anda dengan kemampuan Aspose.OCR. + +### [Cara Menggunakan Aspose OCR untuk Gambar Campuran Bahasa](./how-to-use-aspose-ocr-for-mixed-language-images/) +Pelajari cara mengekstrak teks dari gambar yang mengandung beberapa bahasa secara akurat dengan Aspose OCR. + +### [Panduan Aspose OCR GPU: Mempercepat Ekstraksi Teks dari Gambar PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Tingkatkan kecepatan ekstraksi teks dari gambar PNG dengan memanfaatkan GPU menggunakan Aspose OCR. Panduan langkah demi langkah untuk integrasi mudah. + +### [Mengenali Teks dari Gambar dengan Java OCR – Panduan Pemrosesan Paralel](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Tingkatkan kecepatan OCR dengan memproses gambar secara paralel menggunakan Java. Ikuti panduan langkah demi langkah kami. + +### [Cara Meningkatkan Kontras dalam OCR – Panduan Pra‑pemrosesan Java Lengkap](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Panduan lengkap untuk meningkatkan kontras gambar sebelum OCR menggunakan Java, meningkatkan akurasi ekstraksi teks. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..7016194f7 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: Tutorial Aspose OCR GPU menunjukkan cara mengenali teks dari gambar dan + mengekstrak teks dari PNG menggunakan akselerasi GPU untuk OCR yang cepat dan handal. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: id +og_description: Pelajari cara menggunakan Aspose OCR GPU untuk mengenali teks dari + gambar dan mengekstrak teks dari PNG dengan akselerasi GPU di Java. +og_title: 'Panduan aspose ocr gpu: Mempercepat Ekstraksi Teks' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Panduan Aspose OCR GPU: Mempercepat Ekstraksi Teks dari Gambar PNG' +url: /id/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Ekstraksi Teks Cepat dan Andal dari Gambar PNG + +Ingin meningkatkan performa OCR Anda dengan **aspose ocr gpu**? Dengan Aspose OCR GPU Anda dapat **recognize text from image** jauh lebih cepat dengan memanfaatkan kartu grafis yang mendukung CUDA. Bayangkan memproses PNG resolusi tinggi dalam hitungan detik, bukan menit—tidak lagi menunggu lama untuk hasilnya. + +Dalam tutorial ini kami akan membahas semua yang Anda perlukan untuk memulai: memuat gambar untuk OCR, mengubah mesin ke mode GPU, dan akhirnya mengekstrak teks. Pada akhir tutorial Anda akan memiliki program Java lengkap yang dapat dijalankan dan **extracts text from png** menggunakan akselerasi GPU. Tidak perlu dokumentasi eksternal—cukup ikuti langkah‑langkahnya, salin kode, dan Anda siap. + +## What You’ll Need + +- **Java Development Kit (JDK) 11+** – kode ini menggunakan fitur standar bahasa Java. +- **Aspose.OCR for Java** (versi terbaru per Mei 2026). Anda dapat mengunduhnya dari Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **GPU yang mendukung CUDA** (NVIDIA GeForce, Quadro, atau Tesla) dengan driver yang sesuai terpasang. +- **Contoh PNG resolusi tinggi** (misalnya `sample-highres.png`) yang ingin Anda proses. + +Jika Anda tidak memiliki GPU, kode akan otomatis beralih ke CPU—cukup beri komentar pada baris‑baris GPU. + +## Step 1 – Load the Image for OCR + +Hal pertama yang dibutuhkan oleh setiap alur kerja OCR adalah sumber gambar. Aspose OCR menyediakan pembungkus `ImageStream` yang dapat membaca dari file, array byte, atau bahkan URL. Di sini kami menggunakan `ImageStream.fromFile` karena paling sederhana untuk pengembangan lokal. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** Memuat gambar dengan benar memastikan mesin OCR menerima data piksel yang tepat. Menggunakan `ImageStream.fromFile` juga secara otomatis menangani keanehan umum PNG (saluran alfa, kedalaman warna). + +## Step 2 – Enable GPU Acceleration (aspose ocr gpu) + +Sekarang saatnya sihir: memberi tahu Aspose untuk berjalan di GPU. Objek `OcrDevice` di dalam mesin memungkinkan Anda memilih tipe perangkat (`CPU` atau `GPU`) dan, jika Anda memiliki lebih dari satu GPU, ID perangkat tertentu. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** Jika Anda menemukan error `CUDA driver not found`, periksa kembali bahwa driver NVIDIA cocok dengan versi CUDA yang dibutuhkan oleh Aspose OCR (biasanya CUDA 11.x untuk rilis 23.x). +> **Edge case:** Saat menjalankan di server tanpa tampilan (headless), pastikan GPU tidak terkunci oleh proses lain; jika tidak, panggilan OCR akan beralih ke CPU secara diam‑diam. + +## Step 3 – Recognize Text from Image + +Setelah gambar dimuat dan perangkat dipilih, Anda dapat menjalankan mesin OCR. Metode `recognize()` mengembalikan objek `OcrResult` yang berisi teks mentah, skor kepercayaan, dan bahkan kotak pembatas jika Anda membutuhkannya nanti. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Saat Anda mengeksekusi program, Anda akan melihat sesuatu seperti: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** String mentah yang diekstrak dari PNG. Jika gambar berisi tabel atau tata letak multi‑kolom, Anda dapat mengaktifkan `LayoutAnalysis` pada mesin untuk hasil yang lebih baik (di luar lingkup panduan singkat ini). + +## Step 4 – Verify GPU Is Actually Used + +Mudah menganggap GPU melakukan semua pekerjaan berat, tetapi pengecekan cepat dapat menghemat jam debugging. Aspose OCR menulis entri log kecil saat menginisialisasi perangkat. + +Tambahkan cuplikan kode ini tepat setelah Anda mengatur tipe perangkat: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Jika output menampilkan `GPU`, semuanya sudah siap. Jika menampilkan `CPU`, periksa kembali instalasi driver atau pastikan variabel lingkungan `CUDA_HOME` mengarah ke folder toolkit yang tepat. + +## Common Pitfalls & How to Avoid Them + +| Symptom | Likely Cause | Fix | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA runtime not in `PATH` | Add the CUDA `bin` folder to your system `PATH` or set `java.library.path`. | +| OCR returns empty string | Image not loaded correctly (wrong path or unsupported format) | Double‑check the file path, and verify the PNG isn’t corrupted. | +| Performance similar to CPU | GPU fallback because of driver mismatch | Update NVIDIA driver to the version listed in Aspose OCR release notes. | +| Out‑of‑memory on large images | GPU memory exhausted | Reduce image resolution or split the image into tiles before processing. | + +## Bonus: Falling Back to CPU When GPU Is Unavailable + +Kadang‑kadang Anda mungkin menjalankan kode yang sama di laptop pengembangan tanpa GPU yang mendukung CUDA. Membungkus pemilihan perangkat dalam blok try‑catch membuat program menjadi lebih tahan banting. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Sekarang binary yang sama dapat berjalan di mana saja, dan Anda tetap mendapatkan percepatan kecepatan di mana perangkat keras memungkinkan. + +## Full, Ready‑to‑Run Example + +Berikut adalah kelas Java lengkap yang menggabungkan semua langkah, pemeriksaan, dan logika fallback yang dibahas di atas. Salin‑tempel ke IDE Anda, sesuaikan jalur gambar, dan jalankan. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output** (asumsi PNG berisi teks bahasa Inggris sederhana): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Jika GPU tidak tersedia, Anda akan melihat “CPU” pada baris terakhir. + +## Visual Overview + +Berikut diagram singkat alur data—dari memuat PNG hingga mendapatkan teks mentah. Teks alt gambar berisi kata kunci utama untuk SEO. + +![aspose ocr gpu workflow – load image, enable GPU, recognize text] + +*Alt text: aspose ocr gpu workflow showing how to load image for ocr, enable GPU acceleration, and extract text from png.* + +## Recap & Next Steps + +Kami baru saja membahas cara **aspose ocr gpu**‑mempercepat proses **recognize text from image** dan **extract text from png**. Poin penting yang harus diingat: + +1. **Load the image** dengan `ImageStream.fromFile`. +2. **Enable GPU** lewat `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Jalankan `recognize()`** dan baca `ocrResult.getText()`. +4. **Validasi perangkat** dan secara elegan beralih ke CPU bila diperlukan. + +Siap menantang batas? Coba eksperimen berikut: + +- **Pemrosesan batch:** Loop melalui direktori PNG dan tulis setiap hasil ke file `.txt`. +- **Analisis tata letak:** Aktifkan `ocrEngine.getOptions().setDetectDocumentStructure(true)` untuk mempertahankan kolom dan tabel. +- **Skala multi‑GPU:** Jika workstation Anda memiliki beberapa GPU, buat thread paralel, masing‑masing dipetakan ke `deviceId` yang berbeda. + +Ekstensi ini akan memperdalam penguasaan Anda atas **gpu accelerated ocr** dan membuka peluang proyek digitalisasi dokumen berskala besar. + +--- + +*Happy coding! Jika Anda mengalami kendala, tinggalkan komentar di bawah—saya siap membantu memecahkan masalah.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..57076c859 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Cara meningkatkan kontras sambil mempelajari cara pra‑pemrosesan gambar, + menghilangkan noise, dan memperbaiki rotasi gambar untuk pengenalan teks OCR yang + andal. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: id +og_description: Cara meningkatkan kontras pada gambar OCR, serta cara melakukan pra‑pemrosesan + gambar, menghilangkan noise, dan memperbaiki rotasi gambar untuk pengenalan teks + yang akurat. +og_title: Cara Meningkatkan Kontras pada OCR – Panduan Java Langkah demi Langkah +tags: +- OCR +- Java +- Image Processing +title: Cara Meningkatkan Kontras dalam OCR – Panduan Lengkap Pra‑pemrosesan Java +url: /id/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cara Meningkatkan Kontras pada OCR – Panduan Pra‑pemrosesan Java Lengkap + +Pernah bertanya‑tanya **bagaimana cara meningkatkan kontras** sehingga mesin OCR Anda benar‑benar membaca teks alih‑alih menghasilkan karakter acak? Anda tidak sendirian. Kebanyakan pengembang menemui kebuntuan ketika gambar sumbernya redup, miring, atau penuh bintik, dan hasilnya adalah kegagalan “recognize text from image” yang membuat frustrasi. + +Kabar baiknya? Dengan menerapkan beberapa langkah pra‑pemrosesan cerdas—**how to preprocess image**, **how to remove noise**, dan **correct image rotation**—Anda dapat mengubah PNG berisik dan ber‑kontras rendah menjadi kanvas bersih yang disukai mesin OCR. Dalam tutorial ini kami akan membahas contoh Java dunia nyata menggunakan Aspose.OCR, menjelaskan mengapa setiap filter penting, dan menunjukkan **bagaimana cara meningkatkan kontras** untuk pengenalan yang kuat. + +--- + +## Apa yang Akan Anda Pelajari + +- Tujuan masing‑masing filter pra‑pemrosesan (deskew, penghapusan noise, peningkatan kontras). +- **How to preprocess image** dengan Aspose.OCR di Java, langkah demi langkah. +- Tips praktis untuk **how to remove noise** dan **correct image rotation** sebelum OCR. +- Kode tepat yang dapat Anda salin‑tempel, jalankan, dan lihat output **recognize text from image**. + +> **Prasyarat** – Java 17+, Maven atau Gradle, dan lisensi Aspose.OCR untuk Java (versi percobaan gratis cukup untuk pengujian). Tidak diperlukan pustaka pihak ketiga lainnya. + +--- + +## Langkah 1 – Siapkan Proyek dan Impor Aspose.OCR + +Sebelum kita membahas **bagaimana cara meningkatkan kontras**, kita perlu proyek Java yang berfungsi dengan mesin OCR terpasang. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Jika Anda lebih suka Gradle, setaraannya adalah: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Buat file sederhana `src/main/java/PreprocessDemo.java` dan impor kelas‑kelas yang diperlukan: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Tips pro:** Aktifkan fitur auto‑import IDE Anda; ini menghemat banyak waktu bolak‑balik. + +--- + +## Langkah 2 – Muat Gambar yang Ingin Anda Bersihkan + +Setelah pustaka siap, mari jawab bagian pertama dari **how to preprocess image**: memuatnya. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Pada titik ini mesin memegang PNG ber‑kualitas rendah yang kemungkinan menderita kontras buruk, rotasi, dan noise bintik. Jika Anda membuka file tersebut, Anda akan melihat mengapa OCR akan kesulitan. + +--- + +## Langkah 3 – Terapkan Filter: Deskew, Penghapusan Noise, **Bagaimana Cara Meningkatkan Kontras** + +Inilah inti tutorial—**bagaimana cara meningkatkan kontras** sambil sekaligus menangani rotasi dan noise. Aspose.OCR menyediakan tiga filter siap pakai: + +| Filter | Apa yang Dilakukan | Mengapa Penting untuk OCR | +|--------|-------------------|--------------------------| +| `DeskewFilter` | Mendeteksi dan memperbaiki rotasi gambar | Menjamin **correct image rotation**, sehingga karakter tidak miring. | +| `NoiseRemovalFilter` | Mengurangi bintik‑bintik acak dan grain latar belakang | Menerapkan **how to remove noise** sehingga mesin hanya melihat huruf. | +| `ContrastEnhancementFilter` | Meningkatkan perbedaan antara teks latar depan dan latar belakang | Secara langsung menjawab **how to enhance contrast**, membuat goresan tipis lebih menonjol. | + +Tambahkan mereka dalam urutan yang ditunjukkan—deskew dulu, lalu penghapusan noise, lalu peningkatan kontras: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Mengapa urutan ini?** +> • Deskew bekerja paling baik pada matriks piksel mentah; memutar gambar ber‑noise dapat memperparah artefak. +> • Membersihkan noise sebelum meningkatkan kontras mencegah filter memperkuat bintik‑bintik. +> • Akhirnya, peningkatan kontras membuat piksel yang sudah bersih menonjol, yang tepat **bagaimana cara meningkatkan kontras** untuk OCR. + +--- + +## Langkah 4 – Jalankan Mesin OCR dan **Recognize Text from Image** + +Dengan pipeline pra‑pemrosesan siap, kini kita panggil mesin OCR. Langkah ini menjawab pertanyaan utama: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Saat Anda menjalankan `java PreprocessDemo`, Anda seharusnya melihat teks bersih yang dapat dibaca alih‑alih sampah yang berantakan. Output tipikal untuk contoh faktur mungkin terlihat seperti: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Jika hasilnya masih kabur, pertimbangkan menyesuaikan parameter `ContrastEnhancementFilter` (misalnya, `setLevel(1.5)`) atau periksa kembali apakah gambar sumber tidak terkompresi terlalu parah. + +--- + +## Langkah 5 – Pemeriksaan Visual: Sebelum & Sesudah (Opsional) + +Seeing is believing. Di bawah ini ilustrasi placeholder yang membandingkan file asli dengan versi yang diproses. Alt‑text secara eksplisit menyebutkan kata kunci utama untuk SEO. + +![Diagram yang menunjukkan how to enhance contrast dalam pra‑pemrosesan OCR – gambar asli vs. gambar yang ditingkatkan](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Jika Anda menjalankan kode pada gambar Anda sendiri, Anda akan melihat peningkatan keterbacaan yang dramatis.* + +--- + +## Kesalahan Umum & Cara Memperbaikinya + +| Masalah | Mengapa Terjadi | Solusi | +|---------|----------------|--------| +| Teks masih buram setelah peningkatan kontras | Level filter terlalu rendah atau resolusi gambar tidak cukup | Tingkatkan level `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) atau perbesar gambar sebelum diproses. | +| OCR mengembalikan string kosong | Gambar sepenuhnya gelap atau semua piksel dihapus oleh filter noise | Kurangi agresivitas `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Karakter masih miring | Deskew tidak menemukan sudut karena gambar terlalu ber‑noise | Jalankan `DeskewFilter` **setelah** satu kali penghapusan noise ringan, atau atur sudut rotasi secara manual dengan `DeskewFilter.setAngle(2.5)`. | +| Simbol Unicode tak terduga | Bahasa OCR tidak diset dengan benar | Panggil `ocrEngine.setLanguage(OcrLanguage.English);` sebelum `recognize()`. | + +--- + +## Memperluas Pipeline – Bagaimana Jika Anda Membutuhkan Lebih? + +Kadang‑kadang Anda perlu **how to preprocess image** untuk pemindaian berwarna atau PDF. Aspose.OCR juga menawarkan: + +- `BinarizationFilter` – mengubah menjadi hitam‑putih murni, cocok untuk teks ber‑kontras tinggi. +- `ResizeFilter` – memperbesar font kecil sebelum OCR. +- `SharpenFilter` – menonjolkan tepi untuk tulisan tangan yang pudar. + +Anda dapat menautkan mereka seperti tiga filter inti yang ditunjukkan sebelumnya. Ingat, urutan tetap penting: resize → denoise → binarize → contrast → deskew adalah resep umum. + +--- + +## Ringkasan: Dari PNG Berisik ke Teks Bersih + +- **Bagaimana cara meningkatkan kontras**: gunakan `ContrastEnhancementFilter` setelah deskew dan penghapusan noise. +- **How to preprocess image**: muat, tambahkan filter, lalu jalankan OCR. +- **How to remove noise**: `NoiseRemovalFilter` membersihkan latar belakang tanpa menghancurkan goresan teks. +- **Correct image rotation**: `DeskewFilter` menyelaraskan baseline teks, prasyarat untuk pengenalan yang akurat. +- **Recognize text from image**: panggil `ocrEngine.recognize()` dan baca `ocrResult.getText()`. + +Semua langkah ini bersama‑sama memberikan pipeline yang kuat untuk faktur, kwitansi, dan bahkan buku cetak lama yang dipindai. + +--- + +## Apa Selanjutnya? + +- **Eksperimen**: Sesuaikan parameter filter dan amati dampaknya pada akurasi OCR. +- **Pemrosesan batch**: Bungkus logika di atas dalam loop untuk menangani seluruh folder gambar. +- **Integrasi**: Salurkan output OCR ke basis data atau generator PDF untuk otomasi ujung‑ke‑ujung. + +Jika Anda penasaran dengan trik peningkatan gambar lainnya—seperti adaptive thresholding atau inversi warna—cek dokumentasi resmi Aspose atau panduan “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### Selamat Coding! + +Sekarang Anda tahu **bagaimana cara meningkatkan kontras** dan seluruh cerita pra‑pemrosesan yang mengubah pemindaian berantakan menjadi teks bersih yang dapat dicari. Tinggalkan komentar jika Anda menemukan kendala, atau bagikan cara Anda menyesuaikan pipeline untuk proyek Anda. Mari teruskan percakapan tentang OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..ff6ac1b05 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-05-06 +description: Cara menggunakan Aspose OCR untuk mengenali teks dari gambar, mengaktifkan + deteksi bahasa otomatis, dan meningkatkan kecepatan OCR di Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: id +og_description: Cara menggunakan Aspose OCR untuk dengan cepat mengenali teks dari + gambar, mengaktifkan deteksi bahasa otomatis, dan meningkatkan kecepatan OCR di + Java. +og_title: Cara Menggunakan Aspose OCR untuk Gambar Berbahasa Campuran +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Cara Menggunakan Aspose OCR untuk Gambar Campuran Bahasa +url: /id/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cara Menggunakan Aspose OCR untuk Gambar Campuran Bahasa + +Pernah bertanya-tanya **how to use Aspose** untuk mengambil teks dari gambar yang berisi beberapa bahasa sekaligus? Anda tidak sendirian—para pengembang sering menemui kendala ketika sebuah gambar mencampur bahasa Inggris, Rusia, Hindi, atau skrip lainnya. Kabar baiknya, Aspose OCR menangani hal ini dengan baik, dan Anda bahkan dapat **recognize text from image** lebih cepat dengan mempersempit set bahasa. + +Dalam tutorial ini kami akan menelusuri contoh Java lengkap yang siap‑jalankan yang **loads image for OCR**, mengaktifkan **automatic language detection**, dan menunjukkan trik sederhana untuk **improve OCR speed**. Pada akhir tutorial Anda akan memiliki program mandiri yang mencetak teks yang diekstrak ke konsol, dan Anda akan memahami mengapa setiap pengaturan penting. + +> **Prasyarat** – Java 17+ terinstal, Maven atau Gradle untuk manajemen dependensi, dan lisensi Aspose OCR (versi percobaan gratis dapat digunakan untuk evaluasi). Tidak ada pustaka lain yang diperlukan. + +--- + +## Langkah 1 – Tambahkan Aspose OCR ke Proyek Anda + +Sebelum Anda dapat **use Aspose**, Anda memerlukan pustaka tersebut di classpath Anda. Dengan Maven tampilannya seperti ini: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Jika Anda lebih suka Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Tetap gunakan rilis stabil terbaru; versi yang lebih baru sering menyertakan perbaikan kinerja yang secara langsung memengaruhi **improve OCR speed**. + +--- + +## Langkah 2 – Buat Instance OCR Engine + +Inti dari setiap alur kerja Aspose OCR adalah `OcrEngine`. Membuat instance-nya sederhana, namun perlu dicatat bahwa engine menyimpan cache internal. Menggunakan kembali satu instance untuk banyak gambar sebenarnya dapat **improve OCR speed** karena pustaka menghindari inisialisasi native berulang. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Langkah 3 – **Load Image for OCR** + +Aspose menerima banyak format gambar (PNG, JPEG, TIFF, BMP). Di sini kami mendemonstrasikan pemuatan PNG yang berisi teks bahasa Inggris, Rusia, dan Hindi. Helper `ImageStream.fromFile` mengabstraksi detail file‑I/O dan memastikan gambar dialirkan dengan benar ke engine. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Bagaimana jika gambar berada di memori?** Gunakan `ImageStream.fromByteArray(byte[])` sebagai gantinya—sempurna untuk layanan web yang menerima gambar sebagai aliran byte. + +--- + +## Langkah 4 – Aktifkan Deteksi Bahasa Otomatis + +Secara default Aspose OCR mengasumsikan satu bahasa, yang dapat menghasilkan output berantakan pada gambar multibahasa. Mengaktifkan deteksi otomatis memberi tahu engine untuk mendeteksi skrip setiap blok teks sebelum pengenalan. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Langkah 5 – **Improve OCR Speed** dengan Membatasi Pool Bahasa + +Deteksi otomatis penuh memindai semua bahasa yang didukung Aspose (lebih dari 70). Jika Anda mengetahui bahasa yang mungkin sebelumnya, Anda dapat memberi petunjuk kepada engine. Menyediakan array yang lebih kecil mengurangi ruang pencarian dan oleh karena itu **improves OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Mengapa ini membantu?** Engine melewatkan model bahasa yang tidak diperlukan, menghemat siklus CPU dan memori. Jika Anda kemudian menambahkan lebih banyak bahasa, cukup perbarui array—tanpa perlu menulis ulang kode. + +--- + +## Langkah 6 – Lakukan Pengakuan dan **Recognize Text from Image** + +Sekarang proses berat terjadi. `recognize()` mengembalikan objek `OcrResult` yang berisi teks polos, skor kepercayaan, dan bahkan informasi tata letak jika Anda membutuhkannya nanti. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Output Konsol yang Diharapkan + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Jika gambar mengandung noise tambahan atau teks yang miring, Anda mungkin melihat kepercayaan yang lebih rendah untuk baris tersebut. Dalam kasus itu, pertimbangkan pra‑pemrosesan gambar (deskew, binarisasi) sebelum memberikannya ke Aspose. + +--- + +## Pertanyaan Umum & Kasus Tepi + +### Bagaimana jika gambar sangat besar (mis., >10 MP)? + +Gambar besar mengonsumsi lebih banyak memori dan dapat memperlambat pemrosesan. Cara cepat untuk **improve OCR speed** adalah menurunkan skala gambar sambil mempertahankan keterbacaan: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Bagaimana saya menangani skrip kanan‑ke‑kiri seperti Arab? + +Aspose OCR secara otomatis menghormati arah skrip, tetapi Anda mungkin ingin mengatur flag `RightToLeft` untuk pasca‑pemrosesan: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Bisakah saya mengekstrak teks dari PDF alih-alih gambar? + +Ya—konversi setiap halaman PDF menjadi gambar (menggunakan Aspose PDF atau rasterizer apa pun) dan berikan hasilnya ke pipeline OCR yang sama. Logika **recognize text from image** yang sama berlaku. + +--- + +## Contoh Lengkap yang Berfungsi (Siap Salin‑Tempel) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Simpan file sebagai `MixedLanguageDemo.java`, kompilasi dengan `javac`, dan jalankan dengan `java MixedLanguageDemo`. Jika semuanya telah diatur dengan benar, Anda akan melihat teks multibahasa dicetak ke konsol. + +--- + +## Kesimpulan + +Anda sekarang tahu **how to use Aspose** untuk **recognize text from image** file yang berisi beberapa bahasa, cara **enable automatic language detection**, dan tip praktis untuk **improve OCR speed** dengan membatasi pool bahasa. Kode lengkap di atas siap untuk disalin‑tempel, dan penjelasannya seharusnya memberi Anda kepercayaan untuk menyesuaikan solusi—apakah Anda perlu **load image for OCR** dari aliran, array byte, atau bahkan snapshot webcam. + +Langkah selanjutnya? Cobalah bereksperimen dengan: + +* Menambahkan pra‑pemrosesan gambar (menghilangkan noise, binarisasi) untuk pemindaian kualitas rendah. +* Mengekspor `OcrResult` sebagai JSON untuk layanan hilir. +* Mengintegrasikan engine ke endpoint REST Spring Boot sehingga klien dapat mengunggah gambar dan menerima teks yang diekstrak secara instan. + +Selamat coding, semoga pipeline OCR Anda cepat, akurat, dan multibahasa! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/indonesian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..cdaf90ae6 --- /dev/null +++ b/ocr/indonesian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Mengenali teks dari gambar dengan cepat menggunakan contoh OCR Java. + Pelajari cara mengekstrak teks dari file TIFF dengan pemrosesan OCR paralel dan + cara melakukan OCR di Java secara efisien. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: id +og_description: Mengenali teks dari gambar dengan cepat menggunakan contoh Java OCR + lengkap. Tutorial ini menunjukkan cara mengekstrak teks dari file TIFF dengan pemrosesan + OCR paralel. +og_title: Mengenali Teks dari Gambar dengan Java OCR – Panduan Pemrosesan Paralel +tags: +- OCR +- Java +- Image Processing +title: Mengenali teks dari gambar dengan Java OCR – Panduan Pemrosesan Paralel +url: /id/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# mengenali teks dari gambar dengan Java OCR – Panduan Pemrosesan Paralel + +Pernah perlu **mengenali teks dari file gambar** tetapi terhambat oleh bottleneck performa? Anda tidak sendirian. Banyak pengembang menemui kendala ketika mesin OCR satu‑thread melahap file TIFF multi‑halaman, mengubah tugas cepat menjadi maraton. + +Dalam tutorial ini kita akan membahas **java ocr example** yang tidak hanya mengekstrak teks dari file tiff tetapi juga memanfaatkan semua core CPU Anda untuk pemrosesan OCR paralel. Pada akhir tutorial Anda akan tahu persis *bagaimana cara ocr java* secara efisien, dan Anda akan memiliki cuplikan kode siap‑jalankan yang dapat Anda masukkan ke dalam setup Maven atau Gradle apa pun. + +## Apa yang Akan Anda Pelajari + +- Menyiapkan pustaka Aspose.OCR dalam proyek Java. +- Memuat TIFF multi‑halaman dan menyiapkannya untuk pengenalan. +- Mengaktifkan **pemrosesan OCR paralel** dengan mencocokkan jumlah thread dengan core CPU logis Anda. +- Mengambil dan menampilkan teks yang dikenali, menyelesaikan alur kerja **mengenali teks dari gambar**. + +> **Prasyarat:** Java 8 atau yang lebih baru dan lisensi Aspose.OCR untuk Java yang valid (atau kunci evaluasi sementara). Tidak diperlukan alat eksternal lain. + +--- + +## Langkah 1: Tambahkan Dependensi Aspose.OCR + +Sebelum kita dapat **mengenali teks dari gambar**, kita membutuhkan mesin OCR di classpath. Jika Anda menggunakan Maven, tambahkan berikut ke `pom.xml` Anda: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Untuk Gradle, setaraannya adalah: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Tip pro:* Jaga nomor versi tetap terbaru; rilis yang lebih baru sering menyertakan perbaikan performa yang membuat **pemrosesan ocr paralel** menjadi lebih cepat. + +--- + +## Langkah 2: Siapkan Kelas Java – Contoh Kerja Penuh + +Berikut adalah **java ocr example** yang berdiri sendiri dan mendemonstrasikan cara **mengekstrak teks dari tiff** menggunakan semua core CPU yang tersedia. Simpan sebagai `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Mengapa setiap baris penting** + +- **Pembuatan engine**: `OcrEngine` mengenkapsulasi semua pekerjaan berat. Tanpanya, Anda tidak dapat **mengenali teks dari gambar** sama sekali. +- **Pemuatan gambar**: `ImageStream.fromFile` mendukung TIFF, PNG, JPEG, dll. Menggunakan TIFF multi‑halaman menguji kemampuan engine menangani dokumen kompleks. +- **Jumlah thread**: `Runtime.getRuntime().availableProcessors()` mengembalikan jumlah core logis (termasuk hyper‑threads). Menetapkan nilai ini memicu **pemrosesan ocr paralel**, secara dramatis memotong waktu eksekusi pada mesin multi‑core. +- **Pengenalan**: `engine.recognize()` menjalankan pipeline OCR. Secara internal ia membagi halaman ke dalam pool thread yang Anda definisikan. +- **Penanganan hasil**: `result.getText()` mengembalikan satu `String` yang berisi teks gabungan dari semua halaman – sempurna untuk pemrosesan lanjutan atau penyimpanan. + +--- + +## Langkah 3: Jalankan Demo dan Verifikasi Output + +Kompilasi dan eksekusi program: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Anda seharusnya melihat sesuatu seperti: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Jika konsol mencetak teks yang diharapkan, selamat—Anda telah berhasil **mengenali teks dari gambar** menggunakan **java ocr example** yang berjalan secara paralel. + +--- + +## Langkah 4: Sesuaikan untuk Skenario Dunia Nyata (Opsional) + +### Ekstrak Teks dari Halaman Tertentu Saja + +Kadang‑kadang Anda hanya membutuhkan halaman tertentu dari TIFF besar. Anda dapat memfilter setelah pengenalan: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Atur Jumlah Thread Secara Manual + +Jika server Anda sudah sibuk dengan tugas lain, Anda mungkin membatasi thread OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Tangani TIFF yang Memakan Banyak Memori + +TIFF multi‑halaman besar dapat mengonsumsi banyak RAM. Untuk mengurangi beban, proses file dalam potongan: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Langkah 5: Kesalahan Umum & Cara Menghindarinya + +| Masalah | Gejala | Solusi | +|-------|---------|-----| +| **Lisensi tidak cukup** | Runtime melempar `LicenseException` | Terapkan file lisensi yang valid atau gunakan mode evaluasi gratis (menambahkan watermark). | +| **Path file salah** | `FileNotFoundException` | Periksa kembali path dan gunakan path absolut selama pengujian. | +| **CPU throttling** | Tidak ada peningkatan kecepatan meskipun `setThreadCount` sudah diatur | Pastikan JVM Anda tidak dibatasi oleh batas memori `-Xmx` atau pengaturan hemat daya OS. | +| **Format gambar tidak didukung** | `UnsupportedFormatException` | Konversi gambar ke TIFF, PNG, atau JPEG sebelum memasukkannya ke engine. | + +--- + +## Ringkasan Visual + +![contoh mengenali teks dari gambar](image-placeholder.png "contoh mengenali teks dari gambar") + +*Alt text:* “Diagram yang menunjukkan alur mengenali teks dari gambar menggunakan Java OCR dengan pemrosesan paralel” + +--- + +## Kesimpulan + +Kita baru saja menelusuri contoh **java ocr example** lengkap yang **mengenali teks dari gambar** file, khususnya TIFF multi‑halaman, sambil memanfaatkan **pemrosesan ocr paralel** secara penuh. Dengan mencocokkan pool thread ke core CPU Anda, Anda mendapatkan percepatan hampir linear pada perangkat keras modern—jawaban tepat untuk pertanyaan “*bagaimana cara ocr java* secara efisien?” + +Selanjutnya, Anda dapat mengeksplor: + +- **mengekstrak teks dari tiff** dalam batch dan menyimpan hasilnya ke basis data. +- Menggabungkan OCR dengan pustaka NLP (misalnya OpenNLP) untuk secara otomatis menandai entitas yang diekstrak. +- Menyebarkan solusi sebagai microservice di belakang endpoint REST untuk OCR on‑demand. + +Cobalah, sesuaikan jumlah thread, dan lihat seberapa cepat pipeline Anda menjadi. Jika mengalami kendala, tinggalkan komentar di bawah—selamat coding! + +{{< /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..fb0cbe2fc 100644 --- a/ocr/indonesian/java/ocr-operations/_index.md +++ b/ocr/indonesian/java/ocr-operations/_index.md @@ -81,6 +81,12 @@ 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. +### [Cara Menggunakan OCR di Java – Ekstrak Teks dari Gambar dengan Koreksi Ejaan](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Pelajari cara mengekstrak teks dari gambar menggunakan OCR di Java dan memperbaiki ejaan secara otomatis. +### [Buat PDF yang Dapat Dicari dari Gambar – Panduan Langkah‑per‑Langkah Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Panduan lengkap membuat PDF dapat dicari dari gambar menggunakan Aspose.OCR di Java, langkah demi langkah. +### [Buat PDF yang Dapat Dicari dari Gambar dengan OCR Java](./create-searchable-pdf-from-image-with-java-ocr/) +Panduan singkat membuat PDF dapat dicari dari gambar menggunakan Aspose.OCR di Java, lengkap dengan contoh kode. ## Pertanyaan yang Sering Diajukan diff --git a/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..8d146511b --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Buat PDF yang dapat dicari dari gambar menggunakan Aspose OCR. Pelajari + cara mengonversi gambar ke PDF, OCR gambar ke PDF, dan mengekstrak teks dari gambar + dalam hitungan menit. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: id +og_description: Buat PDF yang dapat dicari dari gambar dengan Aspose OCR. Ikuti panduan + ini untuk mengonversi JPG menjadi PDF yang dapat dicari, mengekstrak teks dari gambar, + dan lainnya. +og_title: Buat PDF yang Dapat Dicari dari Gambar – Tutorial Java Lengkap +tags: +- Java +- OCR +- PDF +- Aspose +title: Buat PDF yang Dapat Dicari dari Gambar – Panduan Java Langkah demi Langkah +url: /id/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Buat PDF yang Dapat Dicari dari Gambar – Tutorial Java Lengkap + +Pernah perlu **membuat PDF yang dapat dicari** dari foto yang dipindai tetapi tidak yakin pustaka mana yang harus dipilih? Anda tidak sendirian. Dalam banyak proyek—misalnya otomatisasi laporan pengeluaran atau pengarsipan digital—kemampuan mengubah gambar biasa menjadi PDF yang dapat Anda cari adalah pengubah permainan. + +Itulah mengapa dalam tutorial ini kami akan menelusuri seluruh proses **mengonversi gambar ke PDF**, menjalankan OCR di atasnya, dan menghasilkan **PDF yang dapat dicari** yang dapat Anda masukkan ke dalam alur kerja dokumen apa pun. Kami juga akan membahas **mengekstrak teks dari gambar** dan menunjukkan cara **mengonversi jpg ke PDF yang dapat dicari** tanpa banyak kode boilerplate. + +## Apa yang Akan Anda Pelajari + +- Dependensi Maven/Gradle yang tepat untuk Aspose OCR. +- Cara memuat JPG (atau gambar lain yang didukung) ke dalam mesin OCR. +- Mengapa menyimpan dengan `OcrSaveFormat.PDF_SEARCHABLE` penting. +- Kesalahan umum (gambar besar, format tidak didukung) dan cara menghindarinya. +- Cara memverifikasi bahwa PDF yang dihasilkan benar‑benar berisi teks yang dapat dicari. + +Pada akhir panduan ini Anda akan memiliki kelas Java siap‑jalankan yang menghasilkan PDF yang dapat dicari dalam satu pemanggilan metode. Tanpa alat baris perintah eksternal, tanpa mesin OCR tambahan—hanya Java murni. + +--- + +## Prasyarat + +| Persyaratan | Mengapa penting | +|-------------|-----------------| +| Java 8 atau lebih baru | Aspose OCR menggunakan fitur bahasa modern. | +| Maven atau Gradle (untuk manajemen dependensi) | Memudahkan penarikan JAR Aspose OCR. | +| Contoh gambar (`input.jpg`) ditempatkan di folder yang diketahui | Kode mengharapkan jalur file; Anda dapat menggantinya dengan PNG, BMP, dll. | +| Opsional: penampil PDF dengan kemampuan pencarian (Adobe Reader, Foxit, dll.) | Untuk memastikan PDF benar‑benar dapat dicari. | + +Jika Anda sudah memiliki semua ini, bagus—mari kita mulai. + +--- + +## Langkah 1: Tambahkan Aspose OCR ke Proyek Anda + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Versi evaluasi gratis menambahkan watermark kecil pada halaman pertama. Untuk produksi, dapatkan lisensi dari Aspose dan panggil `License license = new License(); license.setLicense("Aspose.OCR.lic");` sebelum Anda menginstansiasi `OcrEngine`. + +--- + +## Langkah 2: Muat Gambar yang Ingin Anda Konversi + +Kami akan menggunakan `ImageStream.fromFile` untuk membaca gambar langsung dari disk. Metode ini mendukung JPG, PNG, TIFF, dan banyak format lain, sehingga Anda dapat **mengonversi gambar ke PDF** terlepas dari sumbernya. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Mengapa langkah ini?** Mesin OCR membutuhkan representasi bitmap dari teks. Menyediakan gambar resolusi tinggi (300 dpi atau lebih) secara dramatis meningkatkan akurasi pengenalan, yang pada gilirannya memberi Anda hasil **mengekstrak teks dari gambar** yang lebih baik. + +--- + +## Langkah 3: Jalankan OCR dan Simpan sebagai PDF yang Dapat Dicari + +Keajaiban terjadi ketika Anda memanggil `save` dengan format `PDF_SEARCHABLE`. Di balik layar Aspose OCR membuat lapisan teks tersembunyi yang berada di atas gambar asli, mengubah gambar statis menjadi **PDF yang dapat dicari**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Jika Anda lebih suka PDF biasa tanpa lapisan tersembunyi, ganti `PDF_SEARCHABLE` dengan `PDF`. Namun untuk kebanyakan skenario pengarsipan, varian yang dapat dicari adalah yang Anda inginkan. + +--- + +## Langkah 4: Verifikasi Hasilnya + +Setelah program selesai, buka `searchable.pdf` di penampil PDF apa pun dan coba pencarian bawaan (Ctrl + F). Jika Anda dapat menemukan kata‑kata yang awalnya hanya ada di dalam gambar, selamat—Anda telah berhasil **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Kasus tepi:** Gambar sangat besar (> 10 MB) dapat menyebabkan `OutOfMemoryError`. Untuk mengatasinya, perkecil gambar terlebih dahulu menggunakan `java.awt.Image` atau pustaka seperti Thumbnailator. + +--- + +## Contoh Kerja Lengkap + +Berikut adalah kelas Java lengkap yang berdiri sendiri. Salin‑tempel ke IDE Anda, sesuaikan jalur, dan jalankan—tidak ada langkah tambahan yang diperlukan. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Output yang diharapkan:** + +``` +Searchable PDF created. +``` + +Saat Anda membuka `YOUR_DIRECTORY/searchable.pdf` Anda harus dapat mencari kata apa pun yang muncul di `input.jpg`. Itulah inti dari **mengonversi jpg ke PDF yang dapat dicari**. + +--- + +## Pertanyaan yang Sering Diajukan (FAQ) + +### Bisakah saya memproses beberapa gambar sekaligus? +Ya. Lakukan iterasi pada daftar jalur file, panggil `setImage` untuk masing‑masing, dan baik menambahkan halaman ke satu PDF (`PDF_SEARCHABLE`) atau menghasilkan PDF terpisah. Ingat untuk mereset keadaan mesin antara iterasi (`ocrEngine.clear()`). + +### Bagaimana jika akurasi OCR rendah? +- Pastikan gambar sumber setidaknya 300 dpi. +- Gunakan `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` untuk mengunci bahasa. +- Praproses gambar (perbaiki kemiringan, tingkatkan kontras) dengan pustaka seperti OpenCV. + +### Apakah Aspose OCR mendukung bahasa lain? +Tentu. Enum `OcrLanguage` mencakup Prancis, Jerman, Mandarin, Arab, dan banyak lagi. Ganti bahasa sebelum memanggil `save`. + +### Bagaimana cara menyisipkan PDF yang dapat dicari ke dalam dokumen yang sudah ada? +Perlakukan output seperti PDF biasa. Gunakan pustaka penggabungan PDF (misalnya iText atau Aspose PDF) untuk menggabungkannya dengan PDF lain. + +--- + +## Tips & Trik dari Pengalaman Lapangan + +- **Pro tip:** Jika Anda membutuhkan ukuran file yang sangat kecil, panggil `ocrEngine.getConfig().setCompress(true);` sebelum menyimpan. +- **Waspadai:** Gambar dengan latar belakang transparan—Aspose OCR memperlakukan transparansi sebagai putih, yang dapat memengaruhi kontras. +- **Ingat:** PDF yang dapat dicari tetap berupa gambar raster di bawahnya. Jika Anda memerlukan PDF sepenuhnya berbasis vektor, Anda harus membuat tata letak secara manual. + +--- + +## Kesimpulan + +Kami baru saja membahas semua yang Anda perlukan untuk **membuat PDF yang dapat dicari** dari gambar menggunakan Aspose OCR di Java. Dari menambahkan dependensi Maven hingga memverifikasi lapisan teks tersembunyi, prosesnya sederhana dan sepenuhnya dapat diprogram. Sekarang Anda dapat **mengonversi gambar ke pdf**, **ocr image to pdf**, dan bahkan **mengekstrak teks dari gambar** tanpa meninggalkan kenyamanan IDE Anda. + +Siap untuk langkah berikutnya? Coba proses batch folder berisi kwitansi yang dipindai, atau gabungkan alur kerja ini dengan pemicu penyimpanan cloud (AWS Lambda, Azure Functions) untuk mengotomatiskan pipeline ingest dokumen. Kemungkinannya tak terbatas—silakan bereksperimen! + +Jika Anda menemukan kendala atau memiliki ide perbaikan, tinggalkan komentar di bawah. Selamat coding! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..482c8932c --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,205 @@ +--- +category: general +date: 2026-05-06 +description: Buat PDF yang dapat dicari dari gambar menggunakan Aspose OCR di Java. + Pelajari cara mengonversi gambar ke PDF, mengaktifkan koreksi ejaan, dan menggunakan + OCR GPU untuk hasil yang cepat. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: id +og_description: Buat PDF yang dapat dicari dari gambar menggunakan Aspose OCR di Java. + Panduan ini menunjukkan cara mengonversi gambar ke PDF, mengaktifkan koreksi ejaan, + dan menggunakan OCR GPU. +og_title: Buat PDF yang Dapat Dicari dari Gambar dengan OCR Java +tags: +- OCR +- Java +- PDF +title: Buat PDF yang Dapat Dicari dari Gambar dengan Java OCR +url: /id/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Buat PDF yang Dapat Dicari dari Gambar dengan Java OCR + +Pernah membutuhkan untuk **create searchable PDF** dari gambar yang dipindai tetapi tidak yakin harus mulai dari mana? Anda tidak sendirian—kebanyakan pengembang mengalami kebuntuan itu saat pertama kali menangani PDF berbasis gambar. Untungnya, dengan Aspose OCR for Java Anda dapat **convert image to PDF**, mengubah teks menjadi konten yang dapat dipilih, dan bahkan menambahkan koreksi ejaan untuk hasil yang rapi. + +Dalam tutorial ini kami akan membahas contoh lengkap yang siap dijalankan yang menunjukkan cara **use OCR GPU** ketika tersedia, cara **process image OCR** secara efisien, dan mengapa mengaktifkan koreksi ejaan penting untuk pencarian downstream. Pada akhir tutorial Anda akan memiliki cara satu‑klik untuk menghasilkan PDF yang dapat dicari yang dapat Anda kirim ke pengguna atau arsipkan untuk kepatuhan. + +> **Pro tip:** Jika Anda menjalankan pada mesin tanpa GPU, kode secara elegan akan beralih ke CPU, sehingga Anda tidak perlu menulis ulang apa pun. + +## Apa yang Anda Butuhkan + +- **Java 8+** (kode ini dikompilasi dengan JDK 8 dan yang lebih baru) +- **Aspose OCR for Java** library (unduh JAR terbaru dari situs Aspose) +- Sebuah **input image** (JPEG, PNG, TIFF, dll.) yang ingin Anda ubah menjadi PDF yang dapat dicari +- (Opsional) Sebuah **GPU** dengan dukungan CUDA jika Anda menginginkan pengenalan secepat mungkin + +Tidak ada kerangka kerja tambahan, tidak ada sihir Maven/Gradle—hanya satu JAR pada classpath dan Anda siap melanjutkan. + +## Langkah 1: Inisialisasi OCR Engine – Jantung Proses + +Pertama kami membuat instance `OcrEngine` dan menunjukkannya ke file sumber. Objek ini adalah mesin kerja yang akan membaca gambar, menjalankan jaringan saraf, dan mengembalikan teks kepada kami. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Mengapa ini penting:* Menginisialisasi engine sekali dan menggunakannya kembali menghindari beban memuat pustaka native berulang‑ulang—sebuah peningkatan kinerja kecil yang bertambah ketika Anda memproses puluhan file secara batch. + +## Langkah 2: Pilih Perangkat Pemrosesan – Gunakan OCR GPU Jika Memungkinkan + +Jika workstation Anda memiliki GPU yang kompatibel, Anda dapat memberi tahu Aspose untuk menjalankan beban kerja berat di atasnya. Jika tidak, engine secara otomatis beralih ke CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Apa manfaatnya?* Akselerasi GPU dapat mengurangi beberapa detik per halaman, terutama untuk pemindaian resolusi tinggi. Fallback memastikan kode yang sama bekerja di mana saja, itulah mengapa kami merekomendasikan **use OCR GPU** sebagai pengaturan default. + +## Langkah 3: Percepat Pemindaian – Manfaatkan Semua Core CPU + +Bahkan ketika GPU sibuk, langkah-langkah pra‑pemrosesan di sekitarnya dapat diparalelkan. Menetapkan jumlah thread ke jumlah prosesor yang tersedia memberi engine kesempatan untuk memproses beberapa bagian secara bersamaan. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Catatan:* Pada laptop 4‑core ini akan memulai empat thread; pada workstation 16‑core Anda mendapatkan manfaat penuh. Hanya perlu diingat bahwa lebih banyak thread berarti penggunaan memori yang lebih tinggi. + +## Langkah 4: Bersihkan Gambar – Filter Pra‑pemrosesan + +Pemindaian yang buram atau berisik akan menghasilkan teks sampah. Menambahkan beberapa filter bawaan secara dramatis meningkatkan akurasi. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Mengapa filter ini?* `DeskewFilter` memperbaiki rotasi yang sering terjadi ketika dokumen dimasukkan ke pemindai dengan sudut. `NoiseRemovalFilter` menghilangkan piksel stray yang sebaliknya akan ditafsirkan sebagai karakter. Anggap saja ini memberi OCR engine selembar kertas bersih untuk dibaca. + +## Langkah 5: Aktifkan Fitur Cerdas – Aktifkan Spell Correction & Auto Language Detection + +Jika Anda menangani dokumen multibahasa, atau hanya ingin mengurangi typo, aktifkan pemeriksa ejaan bawaan dan biarkan engine menebak bahasa. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Kapan ini berguna?* Misalkan pemindaian Anda berisi bagian Bahasa Inggris dan Spanyol. Fitur auto‑detect beralih kamus secara dinamis, sementara spell correction membersihkan karakter yang salah dibaca seperti “0” untuk “O”. Langkah ini penting untuk menghasilkan **searchable PDF** yang benar‑benar mengembalikan hasil yang tepat. + +## Langkah 6: Simpan Hasil – Convert Image to PDF dan Jadikan Dapat Dicari + +Akhirnya kami meminta engine menulis PDF di mana gambar asli berada di belakang lapisan teks tak terlihat. Ini adalah alur kerja klasik **convert image to PDF**, tetapi PDF kini dapat dicari. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +File output (`output-searchable.pdf`) dapat dibuka di penampil PDF apa pun; Anda akan dapat memilih, menyalin, dan mencari teks seperti PDF asli. Tidak diperlukan alat tambahan. + +## Contoh Lengkap yang Berjalan – Salin‑dan‑Jalankan + +Berikut seluruh program, siap untuk dikompilasi. Ganti `YOUR_DIRECTORY` dengan folder yang berisi `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Output yang diharapkan:** Saat Anda menjalankan program, Anda akan melihat baris konsol *“Searchable PDF generated successfully.”* Membuka `output-searchable.pdf` di Adobe Reader memungkinkan Anda mengetik kata dari gambar asli ke kotak pencarian dan langsung melompat ke lokasinya. + +## Pertanyaan Umum & Kasus Tepi + +- **What if the GPU isn’t detected?** + Panggilan `setDeviceType(OcrDeviceType.GPU)` tidak melempar pengecualian; ia hanya memberi instruksi pada engine untuk mencoba GPU terlebih dahulu. Jika gagal, engine beralih ke CPU secara diam‑diam. + +- **Can I process multiple images in one run?** + Ya. Bungkus kode dalam loop, ubah nama file setiap iterasi, dan gunakan kembali instance `OcrEngine` yang sama untuk menjaga penggunaan memori tetap rendah. + +- **My PDF is huge—how do I shrink it?** + Setelah OCR Anda dapat menjalankan API optimisasi PDF Aspose, atau cukup turunkan skala gambar sumber sebelum memberi ke engine (`ImageStream.fromFile(...).setResolution(150)` untuk 150 DPI). + +- **I need to keep the original image resolution for legal compliance.** + Format `PDF_SEARCHABLE` mempertahankan bitmap asli secara persis; lapisan teks tak terlihat ditambahkan di atas tanpa mengubah kualitas visual. + +## Ringkasan Visual + +![contoh membuat pdf yang dapat dicari](placeholder-image.png "contoh membuat pdf yang dapat dicari") + +*Alt text:* *contoh membuat pdf yang dapat dicari – mesin Java OCR mengubah JPG yang dipindai menjadi PDF yang dapat dicari.* + +## Kesimpulan + +Anda kini memiliki **solusi lengkap, end‑to‑end** untuk mengubah gambar apa pun menjadi **searchable PDF** menggunakan Aspose OCR for Java. Dengan **converting image to PDF**, **enabling spell correction**, dan **using OCR GPU** bila memungkinkan, Anda mendapatkan hasil yang cepat, akurat, dan dapat dicari yang bekerja di semua platform. + +Apa selanjutnya? Cobalah bereksperimen dengan: + +- **Different output formats** (`PDF`, `DOCX`, `HTML`) untuk melihat bagaimana lapisan teks berperilaku. +- **Custom dictionaries** jika Anda memproses jargon khusus domain. +- **Batch processing** untuk menangani ribuan pemindaian secara otomatis. + +Silakan ubah jumlah thread, ganti filter, atau sambungkan pipeline pra‑pemrosesan Anda sendiri. Pola inti tetap sama: load → preprocess → configure → OCR → save. + +Selamat coding, dan semoga PDF Anda selalu 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-image-with-spell-co/_index.md b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..71806ebbb --- /dev/null +++ b/ocr/indonesian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Cara menggunakan OCR untuk mengekstrak teks dari gambar di Java. Pelajari + konversi gambar ke teks dengan OCR, perbaiki kesalahan OCR, dan muat gambar untuk + OCR dengan Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: id +og_description: Cara menggunakan OCR di Java untuk mengekstrak teks dari gambar, memperbaiki + kesalahan OCR, dan memuat gambar untuk OCR menggunakan Aspose OCR. +og_title: Cara Menggunakan OCR di Java – Panduan Lengkap +tags: +- OCR +- Java +- Aspose +title: Cara Menggunakan OCR di Java – Mengekstrak Teks dari Gambar dengan Koreksi + Ejaan +url: /id/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 Gambar dengan Koreksi Ejaan + +Pernah bertanya‑tanya **bagaimana cara menggunakan OCR** untuk mengubah foto struk yang buram menjadi teks bersih yang dapat dicari? Anda tidak sendirian. Dalam banyak proyek—aplikasi pelacakan pengeluaran, pipeline digitalisasi faktur, atau bahkan skrip pencatatan cepat—mendapatkan teks yang dapat diandalkan dari sebuah gambar adalah rintangan pertama. + +Tutorial ini menunjukkan secara tepat cara menggunakan OCR di Java, mencakup semua hal mulai dari memuat gambar untuk OCR hingga memperbaiki kesalahan OCR sehingga hasilnya terbaca seperti ditulis manusia. Pada akhir tutorial, Anda akan dapat **mengekstrak teks dari gambar**, melakukan konversi **OCR image to text**, dan memperbaiki kesalahan pengenalan umum secara otomatis. + +## Apa yang Akan Anda Bangun + +Kami akan membuat program konsol Java kecil yang: + +1. Memuat file PNG (atau format lain yang didukung) ke dalam mesin Aspose OCR. +2. Mengaktifkan fitur koreksi ejaan bawaan untuk **memperbaiki kesalahan OCR**. +3. Menjalankan proses pengenalan dan mencetak teks yang telah dibersihkan. + +Tanpa layanan eksternal, tanpa kerangka kerja berat—hanya satu JAR dan beberapa baris kode. + +### Prasyarat + +- Java Development Kit (JDK) 8 atau yang lebih baru. +- Maven (atau alat build lain) untuk mengambil pustaka Aspose OCR. +- Sebuah file gambar (misalnya `receipt.png`) yang ingin Anda analisis. + +Jika Anda belum memiliki JAR Aspose OCR, tambahkan dependensi ini ke `pom.xml` Anda: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Tips pro:** Versi evaluasi gratis cukup untuk pengujian, tetapi lisensi akan menghilangkan watermark evaluasi. + +## Langkah 1 – Inisialisasi OCR Engine (Kata Kunci Utama dalam Aksi) + +Hal pertama yang harus Anda lakukan adalah membuat instance `OcrEngine`. Anggap saja ini sebagai otak yang akan membaca piksel dan mengubahnya menjadi karakter. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Mengapa ini penting:* Inisialisasi engine menyiapkan sumber daya internal (model bahasa, kamus, dll.). Melewatkan langkah ini akan menyebabkan `NullPointerException` nanti saat Anda mencoba memuat gambar. + +## Langkah 2 – Muat Gambar untuk OCR + +Sekarang kita benar‑benar **memuat gambar untuk OCR**. Aspose menyediakan helper `ImageStream.fromFile` yang praktis, tetapi Anda juga dapat memberi `byte[]` jika lebih suka. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Jebakan umum:* Path file harus absolut atau relatif terhadap direktori kerja. Jika gambar tidak dapat ditemukan, engine akan melempar `IOException`. Periksa kembali path, terutama saat menjalankan dari IDE dibandingkan dengan JAR yang sudah dipaketkan. + +## Langkah 3 – Aktifkan Spell Correction untuk **Memperbaiki Kesalahan OCR** + +OCR bawaan dapat berisik—bayangkan “l0ve” alih‑alih “love” atau “0” untuk “O”. Mengaktifkan spell correction memberi tahu engine untuk menjalankan proses pasca‑pemrosesan yang memperbaiki kesalahan tipikal. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Mengapa Anda menginginkannya:* Tanpa koreksi ejaan, Anda mungkin harus membersihkan output secara manual, yang menghilangkan tujuan otomatisasi. Kamus bawaan bekerja baik untuk bahasa Inggris dan beberapa bahasa lain. + +## Langkah 4 – Lakukan Pengenalan (**OCR Image to Text**) + +Dengan gambar yang sudah dimuat dan spell correction diaktifkan, kita akhirnya dapat meminta engine mengenali teks. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Kasus tepi:* Jika gambar berkontras rendah atau sangat miring, hasilnya masih mungkin berisi sampah. Pertimbangkan pra‑pemrosesan (misalnya binarisasi, deskew) sebelum memberikannya ke engine. + +## Langkah 5 – Keluarkan Teks yang Telah Dibersihkan + +Langkah terakhir cukup mencetak hasilnya. Dalam aplikasi nyata Anda mungkin menulisnya ke basis data atau file, tetapi untuk demo ini `System.out` sudah cukup. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Output yang Diharapkan + +Misalkan `receipt.png` berisi daftar item yang jelas, Anda mungkin melihat sesuatu seperti: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Perhatikan bagaimana “Qty” dan “Price” dieja dengan benar meskipun pemindaian asli memiliki “Qy” yang menyimpang. + +## Contoh Lengkap yang Berfungsi + +Berikut adalah program lengkap yang dapat Anda salin‑tempel ke file bernama `SpellCorrectDemo.java`. Pastikan JAR Aspose OCR berada di classpath Anda. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Jalankan dengan: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Sekarang Anda seharusnya melihat teks yang telah dibersihkan tercetak di konsol. + +## Bonus: Menyetel Pengaturan untuk Akurasi Lebih Baik + +Meskipun konfigurasi default bekerja untuk kebanyakan dokumen cetak, Anda mungkin perlu menyesuaikan beberapa parameter untuk skenario khusus: + +| Pengaturan | Fungsinya | Kapan Diubah | +|------------|-----------|--------------| +| `setLanguage(OcrLanguage.English)` | Memaksa kamus bahasa Inggris (mengurangi false positive) | Jika gambar hanya berisi teks bahasa Inggris. | +| `setResolution(300)` | Menentukan DPI gambar sumber | Untuk pemindaian beresolusi tinggi. | +| `setEnableAutoSkewCorrection(true)` | Memutar otomatis halaman yang sedikit miring | Ketika gambar diambil dengan ponsel. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Pertanyaan yang Sering Diajukan + +**T: Apakah ini bekerja dengan PDF?** +J: Ya. Konversi setiap halaman PDF menjadi gambar (misalnya dengan Aspose PDF) dan berikan gambar tersebut ke OCR engine. + +**T: Bagaimana jika gambar saya berformat BMP?** +J: `ImageStream.fromFile` mendukung PNG, JPEG, BMP, TIFF, dan GIF secara bawaan. Cukup ubah ekstensi file. + +**T: Bisakah saya menonaktifkan spell correction?** +J: Tentu—set `setEnableSpellCorrection(false)` jika Anda memerlukan output OCR mentah untuk pemrosesan lanjutan. + +## Kesimpulan + +Anda kini tahu **cara menggunakan OCR** di Java untuk **mengekstrak teks dari gambar**, secara otomatis **memperbaiki kesalahan OCR**, dan dengan tepat **memuat gambar untuk OCR** menggunakan Aspose OCR. Alur lima langkah—inisialisasi, muat, aktifkan spell correction, kenali, dan keluarkan—mencakup mayoritas tugas OCR sehari‑hari. + +Selanjutnya, pertimbangkan menghubungkan logika ini dengan penulisan kembali ke basis data, endpoint REST, atau proses batch untuk menangani puluhan struk sekaligus. Bereksperimenlah dengan tabel pengaturan tambahan di atas untuk memaksimalkan akurasi hingga karakter terakhir. + +Selamat coding, semoga hasil OCR Anda selalu lebih bersih daripada struk yang ternoda kopi! + +![diagram cara menggunakan ocr menunjukkan alur gambar → mesin OCR → teks yang dikoreksi flow] + +{{< /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..7c8803c7c 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. +### [Guida Aspose OCR GPU: Accelerare l'Estrazione del Testo da Immagini PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Scopri come utilizzare la GPU con Aspose OCR per accelerare l'estrazione del testo da immagini PNG in Java. +### [Riconoscere il testo da immagine con Java OCR – Guida all'elaborazione parallela](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Scopri come velocizzare l'OCR su immagini usando l'elaborazione parallela in Java con Aspose.OCR. +### [Come usare Aspose OCR per immagini multilingue](./how-to-use-aspose-ocr-for-mixed-language-images/) +Scopri come riconoscere testo in più lingue da un'unica immagine usando Aspose OCR per Java. +### [Come migliorare il contrasto nell'OCR – Guida completa al pre‑processing Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Scopri come aumentare il contrasto delle immagini per migliorare l'accuratezza OCR con una guida passo passo in 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/italian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/italian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..e4d9e9e40 --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: Il tutorial Aspose OCR GPU mostra come riconoscere il testo da un'immagine + ed estrarre il testo da PNG usando l'accelerazione GPU per un OCR veloce e affidabile. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: it +og_description: Scopri come utilizzare Aspose OCR GPU per riconoscere il testo da + un'immagine ed estrarre il testo da un PNG con accelerazione GPU in Java. +og_title: 'Guida aspose ocr gpu: accelerare l''estrazione del testo' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Guida Aspose OCR GPU: accelerare l''estrazione del testo da immagini PNG' +url: /it/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Estrarre Testo da Immagini PNG in Modo Veloce e Affidabile + +Vuoi migliorare le prestazioni del tuo OCR con **aspose ocr gpu**? Con Aspose OCR GPU puoi **recognize text from image** molto più rapidamente sfruttando una scheda grafica abilitata CUDA. Immagina di elaborare un PNG ad alta risoluzione in pochi secondi anziché minuti—niente più attese per i risultati. + +In questo tutorial ti guideremo passo passo su tutto ciò che serve per partire: caricare un’immagine per l’OCR, passare il motore alla modalità GPU e infine estrarre il testo. Alla fine avrai un programma Java completo e eseguibile che **extracts text from png** usando l’accelerazione GPU. Nessuna documentazione esterna necessaria—basta seguire i passaggi, copiare il codice e sei pronto. + +## What You’ll Need + +- **Java Development Kit (JDK) 11+** – il codice utilizza le funzionalità standard del linguaggio Java. +- **Aspose.OCR for Java** (ultima versione a maggio 2026). Puoi scaricarla da Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Una GPU abilitata CUDA** (NVIDIA GeForce, Quadro o Tesla) con il driver appropriato installato. +- **Un PNG ad alta risoluzione di esempio** (ad es. `sample-highres.png`) che desideri elaborare. + +Se non disponi di una GPU, il codice tornerà automaticamente alla CPU—basta commentare le righe relative alla GPU. + +## Step 1 – Load the Image for OCR + +La prima cosa di cui ha bisogno qualsiasi flusso di lavoro OCR è una sorgente immagine. Aspose OCR fornisce un comodo wrapper `ImageStream` che può leggere da un file, da un array di byte o anche da un URL. Qui usiamo `ImageStream.fromFile` perché è il più semplice per lo sviluppo locale. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** Caricare correttamente l’immagine garantisce che il motore OCR riceva i pixel esatti di cui ha bisogno. Usare `ImageStream.fromFile` gestisce automaticamente le particolarità comuni dei PNG (canale alfa, profondità colore). + +## Step 2 – Enable GPU Acceleration (aspose ocr gpu) + +Ora arriva la magia: dire ad Aspose di funzionare sulla GPU. L’oggetto `OcrDevice` all’interno del motore ti permette di scegliere il tipo di dispositivo (`CPU` o `GPU`) e, se hai più di una GPU, l’ID del dispositivo specifico. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** Se incontri errori `CUDA driver not found`, verifica che il driver NVIDIA corrisponda alla versione CUDA richiesta da Aspose OCR (di solito CUDA 11.x per la release 23.x). +> **Edge case:** Quando esegui su un server headless, assicurati che la GPU non sia bloccata da un altro processo; altrimenti la chiamata OCR tornerà silenziosamente alla CPU. + +## Step 3 – Recognize Text from Image + +Con l’immagine caricata e il dispositivo impostato, puoi finalmente eseguire il motore OCR. Il metodo `recognize()` restituisce un oggetto `OcrResult` che contiene il testo semplice, i punteggi di confidenza e persino le bounding box se ti servono in seguito. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Quando esegui il programma, dovresti vedere qualcosa di simile: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** La stringa grezza estratta dal PNG. Se l’immagine contiene tabelle o layout a più colonne, puoi abilitare `LayoutAnalysis` sul motore per risultati migliori (fuori dallo scopo di questa guida rapida). + +## Step 4 – Verify GPU Is Actually Used + +È facile presumere che la GPU stia facendo il lavoro pesante, ma un rapido controllo di sanità può farti risparmiare ore di debug. Aspose OCR scrive una piccola voce di log quando inizializza il dispositivo. + +Aggiungi questo snippet subito dopo aver impostato il tipo di dispositivo: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Se l’output mostra `GPU`, sei a posto. Se invece indica `CPU`, ricontrolla l’installazione del driver o assicurati che la variabile d’ambiente `CUDA_HOME` punti alla cartella corretta del toolkit. + +## Common Pitfalls & How to Avoid Them + +| Symptom | Likely Cause | Fix | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA runtime not in `PATH` | Add the CUDA `bin` folder to your system `PATH` or set `java.library.path`. | +| OCR returns empty string | Image not loaded correctly (wrong path or unsupported format) | Double‑check the file path, and verify the PNG isn’t corrupted. | +| Performance similar to CPU | GPU fallback because of driver mismatch | Update NVIDIA driver to the version listed in Aspose OCR release notes. | +| Out‑of‑memory on large images | GPU memory exhausted | Reduce image resolution or split the image into tiles before processing. | + +## Bonus: Falling Back to CPU When GPU Is Unavailable + +A volte potresti eseguire lo stesso codice su un laptop di sviluppo senza una GPU compatibile CUDA. Avvolgere la selezione del dispositivo in un blocco try‑catch rende il programma più robusto. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Ora lo stesso binario funziona ovunque, e ottieni comunque il boost di velocità dove l’hardware lo permette. + +## Full, Ready‑to‑Run Example + +Di seguito trovi la classe Java completa che incorpora tutti i passaggi, i controlli e la logica di fallback discussi sopra. Copiala nel tuo IDE, regola il percorso dell’immagine e avviala. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output** (assuming the PNG contains simple English text): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Se la GPU non è presente, vedrai “CPU” nell’ultima riga. + +## Visual Overview + +Di seguito un diagramma rapido del flusso di dati—from loading the PNG to getting back plain text. Il testo alternativo dell’immagine contiene la keyword principale per la SEO. + +![aspose ocr gpu workflow – load image, enable GPU, recognize text] + +*Alt text: aspose ocr gpu workflow showing how to load image for ocr, enable GPU acceleration, and extract text from png.* + +## Recap & Next Steps + +Abbiamo appena coperto come **aspose ocr gpu**‑accelerare il processo di **recognize text from image** e **extract text from png**. I punti chiave: + +1. **Load the image** con `ImageStream.fromFile`. +2. **Enable GPU** tramite `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Run `recognize()`** e leggi `ocrResult.getText()`. +4. **Validate the device** e ricorri al fallback CPU quando necessario. + +Pronto a spingere al limite? Prova questi esperimenti: + +- **Batch processing:** cicla su una cartella di PNG e scrivi ogni risultato in un file `.txt`. +- **Layout analysis:** attiva `ocrEngine.getOptions().setDetectDocumentStructure(true)` per preservare colonne e tabelle. +- **Multi‑GPU scaling:** se la tua workstation ha più GPU, avvia thread paralleli, ciascuno fissato a un diverso `deviceId`. + +Queste estensioni approfondiranno la tua padronanza di **gpu accelerated ocr** e apriranno la porta a progetti di digitalizzazione documentale su larga scala. + +--- + +*Happy coding! If you hit any snags, drop a comment below—I'll be glad to help you troubleshoot.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/italian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..82d63bd0d --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,220 @@ +--- +category: general +date: 2026-05-06 +description: Come migliorare il contrasto mentre si impara a pre‑elaborare l’immagine, + rimuovere il rumore e correggere la rotazione dell’immagine per un riconoscimento + OCR affidabile del testo. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: it +og_description: Come migliorare il contrasto nelle immagini OCR, oltre a come pre‑elaborare + l’immagine, rimuovere il rumore e correggere la rotazione per un riconoscimento + del testo accurato. +og_title: Come migliorare il contrasto in OCR – Guida Java passo passo +tags: +- OCR +- Java +- Image Processing +title: Come migliorare il contrasto nell'OCR – Guida completa alla pre‑elaborazione + in Java +url: /it/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Come migliorare il contrasto in OCR – Guida completa al pre‑processing Java + +Ti sei mai chiesto **come migliorare il contrasto** affinché il tuo motore OCR legga davvero il testo invece di produrre spazzatura? Non sei solo. La maggior parte degli sviluppatori si blocca quando l'immagine di origine è scura, inclinata o piena di macchie, e il risultato è un frustrante fallimento del “recognize text from image”. + +La buona notizia? Applicando alcuni passaggi intelligenti di pre‑processing—**how to preprocess image**, **how to remove noise** e **correct image rotation**—puoi trasformare un PNG rumoroso e a basso contrasto in una tela pulita che il motore OCR adora. In questo tutorial percorreremo un esempio reale in Java usando Aspose.OCR, spiegheremo perché ogni filtro è importante e ti mostreremo esattamente **how to enhance contrast** per un riconoscimento a prova di roccia. + +--- + +## Cosa imparerai + +- Lo scopo di ciascun filtro di pre‑processing (deskew, rimozione del rumore, miglioramento del contrasto). +- **How to preprocess image** con Aspose.OCR in Java, passo dopo passo. +- Consigli pratici per **how to remove noise** e **correct image rotation** prima dell'OCR. +- Il codice esatto che puoi copiare‑incollare, eseguire e vedere il risultato di **recognize text from image**. + +> **Prerequisiti** – Java 17+, Maven o Gradle, e una licenza Aspose.OCR per Java (una prova gratuita è sufficiente per i test). Non sono richieste altre librerie di terze parti. + +--- + +## Passo 1 – Configura il progetto e importa Aspose.OCR + +Prima di parlare di **how to enhance contrast**, abbiamo bisogno di un progetto Java funzionante con il motore OCR a disposizione. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Se preferisci Gradle, l'equivalente è: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Crea un semplice file `src/main/java/PreprocessDemo.java` e importa le classi necessarie: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Mantieni attiva la funzione di auto‑importazione del tuo IDE; ti farà risparmiare molti passaggi avanti‑indietro. + +--- + +## Passo 2 – Carica l'immagine da pulire + +Ora che la libreria è pronta, rispondiamo alla prima parte di **how to preprocess image**: il caricamento. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +A questo punto il motore contiene un PNG di bassa qualità che probabilmente soffre di scarso contrasto, rotazione e rumore a macchie. Se apri il file, vedrai esattamente perché l'OCR inciamperebbe. + +--- + +## Passo 3 – Applica i filtri: Deskew, Rimozione del rumore, **How to Enhance Contrast** + +Questo è il cuore del tutorial—**how to enhance contrast** gestendo al contempo rotazione e rumore. Aspose.OCR fornisce tre filtri pronti all'uso: + +| Filtro | Cosa fa | Perché è importante per l'OCR | +|--------|---------|------------------------------| +| `DeskewFilter` | Rileva e corregge la rotazione dell'immagine | Garantisce **correct image rotation**, così i caratteri non sono inclinati. | +| `NoiseRemovalFilter` | Riduce le macchie casuali e la grana di sfondo | Implementa **how to remove noise** così il motore vede solo le lettere. | +| `ContrastEnhancementFilter` | Aumenta la differenza tra il testo in primo piano e lo sfondo | Risponde direttamente a **how to enhance contrast**, facendo risaltare i tratti sottili. | + +Aggiungili nell'ordine mostrato—prima deskew, poi rimozione del rumore, infine miglioramento del contrasto: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Perché questo ordine?** +> • Deskew funziona al meglio sulla matrice di pixel grezza; ruotare un'immagine rumorosa può amplificare gli artefatti. +> • Pulire il rumore prima di aumentare il contrasto impedisce al filtro di amplificare le macchie. +> • Infine, il miglioramento del contrasto fa risaltare i pixel puliti, che è esattamente **how to enhance contrast** per l'OCR. + +--- + +## Passo 4 – Esegui il motore OCR e **Recognize Text from Image** + +Con la pipeline di pre‑processing pronta, chiamiamo finalmente il motore OCR. Questo passaggio risponde alla domanda finale: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Quando esegui `java PreprocessDemo`, dovresti vedere testo pulito e leggibile invece di un mucchio incomprensibile. Un output tipico per una fattura di esempio potrebbe apparire così: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Se il risultato è ancora sfocato, considera di regolare i parametri di `ContrastEnhancementFilter` (ad es., `setLevel(1.5)`) o verifica che l'immagine di origine non sia compressa oltre il recupero. + +--- + +## Passo 5 – Controllo visivo: Prima & Dopo (Opzionale) + +Vedere è credere. Di seguito trovi un'illustrazione segnaposto che confronta il file originale con la versione elaborata. Il testo alternativo menziona esplicitamente la parola chiave principale per la SEO. + +![Diagramma che mostra come migliorare il contrasto nel pre‑processing OCR – immagine originale vs. migliorata](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Se esegui il codice sulla tua immagine, noterai lo stesso notevole aumento di leggibilità.* + +--- + +## Problemi comuni & Come risolverli + +| Problema | Perché accade | Soluzione | +|----------|---------------|-----------| +| Il testo è ancora sfocato dopo il boost di contrasto | Livello del filtro troppo basso o risoluzione dell'immagine insufficiente | Aumenta il livello di `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) o ingrandisci l'immagine prima del processing. | +| L'OCR restituisce una stringa vuota | L'immagine era completamente scura o tutti i pixel sono stati rimossi dal filtro di rumore | Riduci l'aggressività di `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| I caratteri sono ancora inclinati | Deskew non ha rilevato l'angolo perché l'immagine era molto rumorosa | Esegui `DeskewFilter` **dopo** un passaggio leggero di rimozione del rumore, o imposta manualmente l'angolo con `DeskewFilter.setAngle(2.5)`. | +| Simboli Unicode inattesi | La lingua dell'OCR non è impostata correttamente | Chiama `ocrEngine.setLanguage(OcrLanguage.English);` prima di `recognize()`. | + +--- + +## Estendere la pipeline – E se ti servisse altro? + +A volte potresti dover **how to preprocess image** per scansioni a colori o PDF. Aspose.OCR offre anche: + +- `BinarizationFilter` – converte in bianco‑nero puro, ottimo per testo ad alto contrasto. +- `ResizeFilter` – ingrandisce caratteri piccoli prima dell'OCR. +- `SharpenFilter` – accentua i bordi per calligrafia leggera. + +Puoi concatenarli proprio come i tre filtri principali mostrati prima. Ricorda, l'ordine resta importante: resize → denoise → binarize → contrast → deskew è una ricetta comune. + +--- + +## Riepilogo: Da PNG rumoroso a testo pulito + +- **How to enhance contrast**: usa `ContrastEnhancementFilter` dopo deskew e rimozione del rumore. +- **How to preprocess image**: carica, aggiungi i filtri, poi esegui l'OCR. +- **How to remove noise**: `NoiseRemovalFilter` pulisce lo sfondo senza distruggere i tratti del testo. +- **Correct image rotation**: `DeskewFilter` allinea la linea di base del testo, prerequisito per un riconoscimento accurato. +- **Recognize text from image**: chiama `ocrEngine.recognize()` e leggi `ocrResult.getText()`. + +Tutti questi passaggi insieme ti offrono una pipeline robusta che funziona per fatture scannerizzate, ricevute e persino vecchi libri stampati. + +--- + +## Cosa fare dopo? + +- **Sperimenta**: Regola i parametri dei filtri e osserva l'effetto sulla precisione dell'OCR. +- **Elaborazione batch**: Avvolgi la logica sopra in un ciclo per gestire intere cartelle di immagini. +- **Integrazione**: Invia l'output OCR a un database o a un generatore PDF per un'automazione end‑to‑end. + +Se sei curioso di altri trucchi di miglioramento dell'immagine—come la soglia adattiva o l'inversione dei colori—consulta la documentazione ufficiale di Aspose o la guida “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### Buon coding! + +Ora sai **how to enhance contrast** e l'intera storia di pre‑processing che trasforma una scansione caotica in testo pulito e ricercabile. Lascia un commento se incontri difficoltà, o condividi come hai personalizzato la pipeline per i tuoi progetti. Continuiamo la conversazione sull'OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/italian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..3948a68b4 --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-05-06 +description: Come utilizzare Aspose OCR per riconoscere il testo da un'immagine, abilitare + il rilevamento automatico della lingua e migliorare la velocità OCR in Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: it +og_description: Come utilizzare Aspose OCR per riconoscere rapidamente il testo da + un'immagine, abilitare il rilevamento automatico della lingua e migliorare la velocità + OCR in Java. +og_title: Come utilizzare Aspose OCR per immagini multilingue +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Come utilizzare Aspose OCR per immagini multilingue +url: /it/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Come utilizzare Aspose OCR per immagini multilingue + +Ti sei mai chiesto **come usare Aspose** per estrarre testo da un'immagine che contiene più lingue contemporaneamente? Non sei solo—gli sviluppatori spesso si trovano di fronte a un ostacolo quando un'immagine mescola inglese, russo, hindi o qualsiasi altro script. La buona notizia è che Aspose OCR gestisce tutto ciò in modo fluido, e puoi persino **riconoscere testo da immagine** più velocemente restringendo il set di lingue. + +In questo tutorial percorreremo un esempio Java completo, pronto per l'esecuzione, che **carica immagine per OCR**, attiva il **rilevamento automatico della lingua** e mostra un trucco semplice per **migliorare la velocità OCR**. Alla fine avrai un programma autonomo che stampa il testo estratto sulla console e comprenderai perché ogni impostazione è importante. + +> **Prerequisiti** – Java 17+ installato, Maven o Gradle per la gestione delle dipendenze e una licenza Aspose OCR (la versione di prova gratuita è sufficiente per la valutazione). Non sono richieste altre librerie. + +--- + +## Passo 1 – Aggiungi Aspose OCR al tuo progetto + +Prima di poter **usare Aspose**, è necessario avere la libreria nel classpath. Con Maven appare così: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Se preferisci Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Rimani sulla versione stabile più recente; le versioni più nuove includono spesso miglioramenti delle prestazioni che influenzano direttamente **migliorare la velocità OCR**. + +--- + +## Passo 2 – Crea l'istanza del motore OCR + +Il cuore di ogni flusso di lavoro Aspose OCR è il `OcrEngine`. Istanziare il motore è semplice, ma vale la pena notare che esso mantiene cache interne. Riutilizzare una singola istanza per molte immagini può effettivamente **migliorare la velocità OCR** perché la libreria evita ripetute inizializzazioni native. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Passo 3 – **Carica immagine per OCR** + +Aspose accetta molti formati immagine (PNG, JPEG, TIFF, BMP). Qui dimostriamo il caricamento di un PNG che contiene testo in inglese, russo e hindi. L'helper `ImageStream.fromFile` astrae i dettagli di I/O dei file e garantisce che l'immagine venga correttamente trasmessa al motore. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **E se l'immagine è in memoria?** Usa `ImageStream.fromByteArray(byte[])` invece—perfetto per i servizi web che ricevono immagini come flussi di byte. + +--- + +## Passo 4 – Abilita il rilevamento automatico della lingua + +Per impostazione predefinita Aspose OCR assume una sola lingua, il che può portare a output illeggibile su immagini multilingue. Attivare il rilevamento automatico indica al motore di individuare lo script di ogni blocco di testo prima del riconoscimento. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Passo 5 – **Migliora la velocità OCR** limitando il pool di lingue + +Il rilevamento automatico completo analizza tutte le lingue supportate da Aspose (oltre 70). Se conosci in anticipo le possibili lingue, puoi fornire al motore un suggerimento. Fornire un array più piccolo riduce lo spazio di ricerca e quindi **migliora la velocità OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Perché questo aiuta?** Il motore salta i modelli linguistici non necessari, risparmiando cicli CPU e memoria. Se in seguito aggiungi altre lingue, basta aggiornare l'array—non è necessario riscrivere il codice. + +--- + +## Passo 6 – Esegui il riconoscimento e **Riconosci testo da immagine** + +Ora avviene il lavoro pesante. `recognize()` restituisce un oggetto `OcrResult` che contiene il testo semplice, i punteggi di confidenza e persino le informazioni di layout se ti servono in seguito. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Output previsto sulla console + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Se l'immagine contiene rumore aggiuntivo o testo inclinato, potresti vedere una confidenza più bassa per quelle righe. In tal caso, considera il pre‑processing dell'immagine (deskew, binarizzazione) prima di passarla ad Aspose. + +--- + +## Domande comuni e casi limite + +### E se l'immagine è enorme (ad es., >10 MP)? + +Le immagini di grandi dimensioni consumano più memoria e possono rallentare l'elaborazione. Un modo rapido per **migliorare la velocità OCR** è ridimensionare l'immagine mantenendo la leggibilità: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Come gestire script da destra a sinistra come l'arabo? + +Aspose OCR rispetta automaticamente la direzione dello script, ma potresti voler impostare il flag `RightToLeft` per il post‑processing: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Posso estrarre testo da PDF invece che da immagini? + +Sì—converti ogni pagina PDF in un'immagine (usando Aspose PDF o qualsiasi rasterizzatore) e passa il risultato allo stesso pipeline OCR. Si applica la stessa logica di **riconoscere testo da immagine**. + +--- + +## Esempio completo funzionante (pronto per copia‑incolla) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Salva il file come `MixedLanguageDemo.java`, compila con `javac` e avvia con `java MixedLanguageDemo`. Se tutto è configurato correttamente, vedrai il testo multilingue stampato sulla console. + +--- + +## Conclusione + +Ora sai **come usare Aspose** per **riconoscere testo da immagine** contenenti diverse lingue, come **abilitare il rilevamento automatico della lingua** e un suggerimento pratico per **migliorare la velocità OCR** limitando il pool di lingue. Il codice completo sopra è pronto per copia‑incolla, e le spiegazioni dovrebbero darti la fiducia necessaria per adattare la soluzione—sia che tu debba **caricare immagine per OCR** da uno stream, da un array di byte o anche da uno snapshot di webcam. + +Prossimi passi? Prova a sperimentare con: + +* Aggiungere pre‑processing dell'immagine (denoise, binarize) per scansioni di bassa qualità. +* Esportare `OcrResult` come JSON per servizi downstream. +* Integrare il motore in un endpoint REST Spring Boot così i client possono caricare immagini e ricevere il testo estratto istantaneamente. + +Buona programmazione, e che i tuoi pipeline OCR siano veloci, accurate e multilingue! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/italian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..1be88cc16 --- /dev/null +++ b/ocr/italian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Riconosci il testo da un'immagine rapidamente usando un esempio di OCR + in Java. Impara a estrarre il testo da file TIFF con elaborazione OCR parallela + e a fare OCR in Java in modo efficiente. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: it +og_description: Riconosci il testo da un'immagine rapidamente con un esempio completo + di OCR in Java. Questo tutorial mostra come estrarre il testo da un file TIFF usando + l'elaborazione OCR parallela. +og_title: Riconoscere il testo da un'immagine con Java OCR – Guida all'elaborazione + parallela +tags: +- OCR +- Java +- Image Processing +title: Riconoscere il testo da un'immagine con Java OCR – Guida all'elaborazione parallela +url: /it/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# riconoscere testo da immagine con Java OCR – Guida all'elaborazione parallela + +Ti è mai capitato di **riconoscere testo da file immagine** ma di rimanere bloccato a causa di un collo di bottiglia di prestazioni? Non sei solo. Molti sviluppatori si trovano di fronte a un motore OCR monothread che scorre lentamente su TIFF a più pagine, trasformando un compito rapido in una maratona. + +In questo tutorial percorreremo un **java ocr example** che non solo estrae testo da file tiff, ma sfrutta anche tutti i core della CPU per l'elaborazione OCR parallela. Alla fine saprai esattamente *come ocr java* progetti in modo efficiente e avrai a disposizione uno snippet di codice pronto all'uso da inserire in qualsiasi configurazione Maven o Gradle. + +## Cosa imparerai + +- Configurare la libreria Aspose.OCR in un progetto Java. +- Caricare un TIFF a più pagine e prepararlo per il riconoscimento. +- Abilitare **l'elaborazione OCR parallela** impostando il numero di thread uguale ai core logici della CPU. +- Recuperare e visualizzare il testo riconosciuto, completando il flusso di **riconoscere testo da immagine**. + +> **Prerequisito:** Java 8 o versioni successive e una licenza valida di Aspose.OCR per Java (o una chiave di valutazione temporanea). Non sono richiesti altri strumenti esterni. + +--- + +## Passo 1: Aggiungere la dipendenza Aspose.OCR + +Prima di poter **riconoscere testo da immagine**, è necessario avere il motore OCR nel classpath. Se usi Maven, aggiungi quanto segue al tuo `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Per Gradle, l'equivalente è: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Consiglio:* Mantieni il numero di versione aggiornato; le versioni più recenti includono spesso ottimizzazioni di prestazioni che rendono **l'elaborazione OCR parallela** ancora più veloce. + +--- + +## Passo 2: Preparare la classe Java – Esempio completo funzionante + +Di seguito trovi un **java ocr example** autonomo che dimostra come **estrarre testo da tiff** usando tutti i core CPU disponibili. Salva questo file come `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Perché ogni riga è importante** + +- **Creazione del motore**: `OcrEngine` incapsula tutta l'elaborazione pesante. Senza di esso non puoi **riconoscere testo da immagine**. +- **Caricamento dell'immagine**: `ImageStream.fromFile` supporta TIFF, PNG, JPEG, ecc. L'uso di un TIFF a più pagine mette alla prova la capacità del motore di gestire documenti complessi. +- **Numero di thread**: `Runtime.getRuntime().availableProcessors()` restituisce il numero di core logici (inclusi gli hyper‑thread). Impostare questo valore attiva **l'elaborazione OCR parallela**, riducendo drasticamente i tempi su macchine multicore. +- **Riconoscimento**: `engine.recognize()` avvia la pipeline OCR. Internamente suddivide le pagine tra il pool di thread definito. +- **Gestione del risultato**: `result.getText()` restituisce una singola `String` contenente il testo concatenato di tutte le pagine – perfetto per ulteriori elaborazioni o per la memorizzazione. + +--- + +## Passo 3: Eseguire il demo e verificare l'output + +Compila ed esegui il programma: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Dovresti vedere qualcosa del genere: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Se la console stampa il testo previsto, congratulazioni—hai completato con successo **riconoscere testo da immagine** usando un **java ocr example** che gira in parallelo. + +--- + +## Passo 4: Personalizzare per scenari reali (Opzionale) + +### Estrarre testo solo da pagine specifiche + +A volte ti servono solo alcune pagine di un grande TIFF. Puoi filtrare dopo il riconoscimento: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Regolare manualmente il numero di thread + +Se il tuo server è già occupato con altri compiti, potresti limitare i thread OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Gestire TIFF ad alta intensità di memoria + +I TIFF a più pagine di grandi dimensioni possono consumare molta RAM. Per mitigare, elabora il file a blocchi: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Passo 5: Problemi comuni e come evitarli + +| Problema | Sintomo | Soluzione | +|----------|---------|-----------| +| **Licenza insufficiente** | Il runtime lancia `LicenseException` | Applica un file di licenza valido o usa la modalità di valutazione gratuita (aggiunge una filigrana). | +| **Percorso file errato** | `FileNotFoundException` | Verifica il percorso e usa percorsi assoluti durante i test. | +| **Throttle della CPU** | Nessun guadagno di velocità nonostante `setThreadCount` | Assicurati che la JVM non sia limitata da impostazioni `-Xmx` o da opzioni di risparmio energetico del sistema operativo. | +| **Formato immagine non supportato** | `UnsupportedFormatException` | Converti l'immagine in TIFF, PNG o JPEG prima di passarla al motore. | + +--- + +## Riepilogo visivo + +![Diagramma che mostra il flusso di riconoscere testo da immagine usando Java OCR con elaborazione parallela](image-placeholder.png "riconoscere testo da immagine") + +*Testo alternativo:* “Diagramma che mostra il flusso di riconoscere testo da immagine usando Java OCR con elaborazione parallela” + +--- + +## Conclusione + +Abbiamo appena percorso un **java ocr example** completo che **riconosce testo da immagine** su file, in particolare TIFF a più pagine, sfruttando al massimo **l'elaborazione OCR parallela**. Allineando il pool di thread ai core della CPU ottieni un'accelerazione quasi lineare sull'hardware moderno—la risposta esatta a “*come ocr java* in modo efficiente?”. + +Prossimi passi consigliati: + +- **estrarre testo da file tiff** in batch e memorizzare i risultati in un database. +- Combinare OCR con librerie NLP (ad es., OpenNLP) per etichettare automaticamente le entità estratte. +- Distribuire la soluzione come microservizio dietro un endpoint REST per OCR on‑demand. + +Provalo, regola il numero di thread e osserva quanto più veloce diventa la tua pipeline. Se incontri difficoltà, lascia un commento qui sotto—buona programmazione! + +{{< /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..481f6abae 100644 --- a/ocr/italian/java/ocr-operations/_index.md +++ b/ocr/italian/java/ocr-operations/_index.md @@ -81,6 +81,12 @@ 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. +### [Come usare OCR in Java – Estrarre testo da immagine con correzione ortografica](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Scopri come estrarre testo da un'immagine in Java con OCR e correggere automaticamente gli errori di ortografia. +### [Creare PDF Ricercabile da Immagine – Guida Java Passo‑per‑Passo](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Impara a trasformare un'immagine in un PDF ricercabile con Aspose.OCR per Java, passo dopo passo. +### [Creare PDF Ricercabile da Immagine con Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Scopri come generare un PDF ricercabile a partire da un'immagine usando Aspose.OCR in Java, passo‑passo per risultati rapidi e precisi. ## Domande Frequenti diff --git a/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..11f70db04 --- /dev/null +++ b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-05-06 +description: Crea PDF ricercabile da un'immagine usando Aspose OCR. Scopri come convertire + un'immagine in PDF, eseguire OCR su un'immagine per PDF ed estrarre il testo dall'immagine + in pochi minuti. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: it +og_description: Crea PDF ricercabile da un'immagine con Aspose OCR. Segui questa guida + per convertire JPG in PDF ricercabile, estrarre testo dall'immagine e altro. +og_title: Crea PDF ricercabile da immagine – tutorial Java completo +tags: +- Java +- OCR +- PDF +- Aspose +title: Crea PDF Ricercabile da Immagine – Guida Java Passo‑Passo +url: /it/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crea PDF Ricercabile da Immagine – Tutorial Java Completo + +Hai mai dovuto **creare PDF ricercabile** da una foto scansionata ma non sapevi quale libreria scegliere? Non sei solo. In molti progetti—pensa all’automazione dei report di spesa o all’archiviazione digitale—la capacità di trasformare un’immagine semplice in un PDF che puoi effettivamente cercare è un vero punto di svolta. + +Per questo, in questo tutorial percorreremo l’intero processo di **convert image to PDF**, eseguiremo l’OCR su di esso e otterremo un **searchable PDF** da inserire in qualsiasi flusso di lavoro documentale. Tratteremo anche **extract text from image** e ti mostreremo come **convert jpg to searchable pdf** senza molto codice boilerplate. + +## Cosa Imparerai + +- La dipendenza Maven/Gradle esatta di cui hai bisogno per Aspose OCR. +- Come caricare un JPG (o qualsiasi immagine supportata) nel motore OCR. +- Perché salvare con `OcrSaveFormat.PDF_SEARCHABLE` è importante. +- Problemi comuni (immagini grandi, formati non supportati) e come evitarli. +- Come verificare che il PDF risultante contenga davvero testo ricercabile. + +Alla fine di questa guida avrai una classe Java pronta all’uso che produce un PDF ricercabile con una singola chiamata di metodo. Nessun tool da riga di comando esterno, nessun motore OCR aggiuntivo—solo puro Java. + +--- + +## Prerequisiti + +| Requisito | Perché è importante | +|-----------|----------------------| +| Java 8 o successiva | Aspose OCR utilizza funzionalità linguistiche moderne. | +| Maven o Gradle (per la gestione delle dipendenze) | Rende banale il download del JAR Aspose OCR. | +| Un’immagine di esempio (`input.jpg`) posizionata in una cartella nota | Il codice si aspetta un percorso file; puoi sostituirla con PNG, BMP, ecc. | +| Facoltativo: un visualizzatore PDF con capacità di ricerca (Adobe Reader, Foxit, ecc.) | Per confermare che il PDF sia davvero ricercabile. | + +Se hai già tutto questo, ottimo—iniziamo. + +--- + +## Passo 1: Aggiungi Aspose OCR al Tuo Progetto + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Consiglio:** La versione di valutazione gratuita aggiunge una piccola filigrana alla prima pagina. Per la produzione, procurati una licenza da Aspose e chiama `License license = new License(); license.setLicense("Aspose.OCR.lic");` prima di istanziare `OcrEngine`. + +--- + +## Passo 2: Carica l'Immagine da Convertire + +Useremo `ImageStream.fromFile` per leggere l’immagine direttamente dal disco. Questo metodo supporta JPG, PNG, TIFF e molti altri formati, così potrai **convert image to PDF** indipendentemente dalla sorgente. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Perché questo passo?** Il motore OCR ha bisogno di una rappresentazione bitmap del testo. Fornire un’immagine ad alta risoluzione (300 dpi o superiore) migliora notevolmente la precisione del riconoscimento, il che a sua volta ti dà risultati migliori di **extract text from image**. + +--- + +## Passo 3: Esegui OCR e Salva come PDF Ricercabile + +La magia avviene quando chiami `save` con il formato `PDF_SEARCHABLE`. Dietro le quinte Aspose OCR crea uno strato di testo nascosto che si sovrappone all’immagine originale, trasformando un’immagine statica in un **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Se preferisci un PDF semplice senza lo strato nascosto, sostituisci `PDF_SEARCHABLE` con `PDF`. Ma per la maggior parte degli scenari di archiviazione, la variante ricercabile è quella che ti serve. + +--- + +## Passo 4: Verifica il Risultato + +Al termine del programma, apri `searchable.pdf` in qualsiasi visualizzatore PDF e prova la ricerca integrata (Ctrl + F). Se riesci a trovare parole che erano originariamente solo nell’immagine, congratulazioni—hai completato con successo **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Caso limite:** Immagini molto grandi (> 10 MB) possono causare `OutOfMemoryError`. Per mitigare, ridimensiona l’immagine in anticipo usando `java.awt.Image` o una libreria come Thumbnailator. + +--- + +## Esempio Completo Funzionante + +Di seguito trovi la classe Java completa e autonoma. Copiala nel tuo IDE, aggiusta i percorsi e avviala—nessun passaggio extra richiesto. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Output previsto:** + +``` +Searchable PDF created. +``` + +Quando apri `YOUR_DIRECTORY/searchable.pdf` dovresti poter cercare qualsiasi parola presente in `input.jpg`. Questa è l’essenza di **convert jpg to searchable pdf**. + +--- + +## Domande Frequenti (FAQ) + +### Posso elaborare più immagini contemporaneamente? +Sì. Itera su una lista di percorsi file, chiama `setImage` per ciascuna e oppure aggiungi pagine a un unico PDF (`PDF_SEARCHABLE`) oppure genera PDF separati. Ricorda solo di resettare lo stato del motore tra le iterazioni (`ocrEngine.clear()`). + +### E se la precisione dell’OCR è bassa? +- Assicurati che l’immagine sorgente sia almeno a 300 dpi. +- Usa `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` per fissare la lingua. +- Pre‑elabora l’immagine (raddrizzamento, aumento contrasto) con una libreria come OpenCV. + +### Aspose OCR supporta altre lingue? +Assolutamente. L’enum `OcrLanguage` include francese, tedesco, cinese, arabo e molte altre. Cambia la lingua prima di chiamare `save`. + +### Come incorporo il PDF ricercabile in un documento esistente? +Tratta l’output come qualsiasi PDF normale. Usa una libreria di fusione PDF (ad es., iText o Aspose PDF) per concatenarlo con altri PDF. + +--- + +## Consigli e Trucchi dal Campo + +- **Consiglio:** Se ti serve un file di dimensioni ridotte, chiama `ocrEngine.getConfig().setCompress(true);` prima di salvare. +- **Attenzione a:** Immagini con sfondi trasparenti—Aspose OCR tratta la trasparenza come bianco, il che può influire sul contrasto. +- **Ricorda:** Il PDF ricercabile è comunque un’immagine raster sottostante. Se ti serve un PDF completamente vettoriale, dovrai ricreare il layout manualmente. + +--- + +## Conclusione + +Abbiamo appena coperto tutto ciò che ti serve per **create searchable PDF** da immagini usando Aspose OCR in Java. Dall’aggiunta della dipendenza Maven alla verifica dello strato di testo nascosto, il processo è lineare e completamente programmabile. Ora puoi **convert image to pdf**, **ocr image to pdf**, e anche **extract text from image** senza uscire dal comfort del tuo IDE. + +Pronto per il passo successivo? Prova a elaborare in batch una cartella di ricevute scansionate, o combina questo flusso di lavoro con un trigger di storage cloud (AWS Lambda, Azure Functions) per automatizzare le pipeline di ingestione documenti. Le possibilità sono infinite—sperimenta! + +Se incontri problemi o hai idee per miglioramenti, lascia un commento qui sotto. Buona programmazione! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..d82ac1f54 --- /dev/null +++ b/ocr/italian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Crea PDF ricercabile da un'immagine usando Aspose OCR in Java. Impara + a convertire l'immagine in PDF, attivare la correzione ortografica e utilizzare + la GPU OCR per risultati rapidi. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: it +og_description: Crea PDF ricercabile da un'immagine usando Aspose OCR in Java. Questa + guida mostra come convertire un'immagine in PDF, abilitare la correzione ortografica + e utilizzare la GPU per l'OCR. +og_title: Crea PDF ricercabile da immagine con OCR Java +tags: +- OCR +- Java +- PDF +title: Crea PDF ricercabile da immagine con Java OCR +url: /it/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Crea PDF Ricercabile da Immagine con Java OCR + +Hai mai dovuto **creare un PDF ricercabile** da un'immagine scansionata senza sapere da dove cominciare? Non sei solo: la maggior parte degli sviluppatori si imbatte in questo ostacolo al primo approccio ai PDF basati su immagine. Fortunatamente, con Aspose OCR per Java puoi **convertire l'immagine in PDF**, trasformare il testo in contenuto selezionabile e persino aggiungere la correzione ortografica per un risultato curato. + +In questo tutorial percorreremo un esempio completo, pronto da eseguire, che mostra come **usare OCR GPU** quando è disponibile, come **processare l'OCR dell'immagine** in modo efficiente e perché abilitare la correzione ortografica è importante per la ricerca successiva. Alla fine avrai un modo a un click per generare un PDF ricercabile da distribuire agli utenti o archiviare per conformità. + +> **Consiglio professionale:** Se esegui il codice su una macchina senza GPU, il programma ricade automaticamente sulla CPU, così non dovrai riscrivere nulla. + +--- + +## Cosa Ti Serve + +- **Java 8+** (il codice compila con JDK 8 e versioni successive) +- Libreria **Aspose OCR per Java** (scarica l'ultimo JAR dal sito Aspose) +- Un'**immagine di input** (JPEG, PNG, TIFF, ecc.) che desideri trasformare in PDF ricercabile +- (Opzionale) Una **GPU** con supporto CUDA se vuoi il riconoscimento più veloce possibile + +Nessun framework aggiuntivo, nessuna magia Maven/Gradle—solo un singolo JAR nel classpath e sei pronto a partire. + +--- + +## Passo 1: Inizializzare il Motore OCR – Il Cuore del Processo + +Per prima cosa creiamo un'istanza di `OcrEngine` e la puntiamo al file sorgente. Questo oggetto è il cavallo di battaglia che leggerà l'immagine, eseguirà la rete neurale e ci restituirà il testo. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Perché è importante:* Inizializzare il motore una sola volta e riutilizzarlo evita il sovraccarico di caricare ripetutamente le librerie native—un piccolo vantaggio di prestazioni che si somma quando si elaborano decine di file in batch. + +--- + +## Passo 2: Scegliere il Dispositivo di Elaborazione – Usa OCR GPU Quando Possibile + +Se la tua workstation dispone di una GPU compatibile, puoi dire ad Aspose di eseguire il lavoro pesante su di essa. Altrimenti il motore passa automaticamente alla CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Qual è il beneficio?* L'accelerazione GPU può ridurre di alcuni secondi il tempo di elaborazione per ogni pagina, soprattutto per scansioni ad alta risoluzione. Il fallback garantisce che lo stesso codice funzioni ovunque, ed è per questo che consigliamo **use OCR GPU** come impostazione predefinita. + +--- + +## Passo 3: Accelerare la Scansione – Sfruttare Tutti i Core CPU + +Anche quando la GPU è occupata, le fasi di pre‑elaborazione circostanti possono essere parallelizzate. Impostare il conteggio dei thread al numero di processori disponibili dà al motore la possibilità di elaborare più blocchi contemporaneamente. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Nota:* Su un laptop a 4 core questo avvierà quattro thread; su una workstation a 16 core otterrai il pieno beneficio. Tieni presente che più thread significano un maggior utilizzo di memoria. + +--- + +## Passo 4: Pulire l'Immagine – Filtri di Pre‑elaborazione + +Una scansione sfocata o rumorosa produrrà testo spazzatura. Aggiungere un paio di filtri integrati migliora drasticamente l'accuratezza. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Perché questi filtri?* `DeskewFilter` corregge la rotazione che spesso si verifica quando un documento viene alimentato allo scanner con un angolo. `NoiseRemovalFilter` elimina i pixel erranti che altrimenti verrebbero interpretati come caratteri. È come dare al motore OCR un foglio di carta pulito da leggere. + +--- + +## Passo 5: Attivare le Funzionalità Intelligenti – Abilita Correzione Ortografica e Rilevamento Automatico della Lingua + +Se lavori con documenti multilingue, o semplicemente vuoi meno errori, attiva il correttore ortografico integrato e lascia che il motore indovini la lingua. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Quando è utile?* Immagina che la tua scansione contenga sezioni sia in inglese che in spagnolo. La funzione di auto‑rilevamento cambia i dizionari al volo, mentre la correzione ortografica pulisce caratteri letti erroneamente come “0” al posto di “O”. Questo passaggio è essenziale per produrre un **PDF ricercabile** che restituisca risultati corretti. + +--- + +## Passo 6: Salvare il Risultato – Converti Immagine in PDF e Rendilo Ricercabile + +Infine chiediamo al motore di scrivere un PDF in cui l'immagine originale rimane dietro a uno strato di testo invisibile. Questo è il classico flusso **convert image to PDF**, ma ora il PDF è ricercabile. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Il file di output (`output-searchable.pdf`) può essere aperto con qualsiasi visualizzatore PDF; potrai selezionare, copiare e cercare il testo come in un PDF nativo. Nessuno strumento aggiuntivo necessario. + +--- + +## Esempio Completo – Copia‑e‑Incolla + +Di seguito trovi l'intero programma, pronto per la compilazione. Sostituisci `YOUR_DIRECTORY` con la cartella che contiene `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Output previsto:** Quando esegui il programma vedrai la riga di console *“Searchable PDF generated successfully.”* Aprendo `output-searchable.pdf` in Adobe Reader potrai digitare una parola dell'immagine originale nella casella di ricerca e saltare immediatamente alla sua posizione. + +--- + +## Domande Frequenti & Casi Limite + +- **E se la GPU non viene rilevata?** + La chiamata `setDeviceType(OcrDeviceType.GPU)` non genera eccezioni; indica semplicemente al motore di provare prima la GPU. Se fallisce, il motore passa silenziosamente alla CPU. + +- **Posso elaborare più immagini in un'unica esecuzione?** + Sì. Avvolgi il codice in un ciclo, cambia il nome del file a ogni iterazione e riutilizza la stessa istanza di `OcrEngine` per mantenere basso l'uso di memoria. + +- **Il mio PDF è enorme—come lo riduco?** + Dopo l'OCR puoi usare le API di ottimizzazione PDF di Aspose, oppure semplicemente ridimensionare l'immagine di origine prima di passarla al motore (`ImageStream.fromFile(...).setResolution(150)` per 150 DPI). + +- **Devo conservare la risoluzione originale dell'immagine per conformità legale.** + Il formato `PDF_SEARCHABLE` preserva il bitmap originale esattamente; lo strato di testo invisibile viene aggiunto sopra senza alterare la qualità visiva. + +--- + +## Riepilogo Visivo + +![crea esempio pdf ricercabile](placeholder-image.png "crea esempio pdf ricercabile") + +*Testo alternativo:* *crea esempio pdf ricercabile – motore OCR Java che trasforma un JPG scansionato in un PDF ricercabile.* + +--- + +## Conclusione + +Ora disponi di una **soluzione completa, end‑to‑end** per trasformare qualsiasi immagine in un **PDF ricercabile** usando Aspose OCR per Java. **Convertendo l'immagine in PDF**, **abilitando la correzione ortografica** e **usando OCR GPU** quando possibile, ottieni risultati rapidi, accurati e ricercabili su tutte le piattaforme. + +Qual è il prossimo passo? Prova a sperimentare con: + +- **Formati di output diversi** (`PDF`, `DOCX`, `HTML`) per vedere come si comporta lo strato di testo. +- **Dizionari personalizzati** se elabori gergo specifico di dominio. +- **Elaborazione batch** per gestire migliaia di scansioni automaticamente. + +Sentiti libero di modificare il conteggio dei thread, scambiare i filtri o inserire la tua pipeline di pre‑elaborazione. Il modello di base rimane lo stesso: carica → pre‑elabora → configura → OCR → salva. + +Buona programmazione, e che i tuoi PDF siano sempre 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/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..bfc3332fc --- /dev/null +++ b/ocr/italian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Come utilizzare l'OCR per estrarre il testo da un'immagine in Java. Impara + la conversione da immagine a testo con OCR, correggi gli errori OCR e carica l'immagine + per l'OCR con Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: it +og_description: Come utilizzare l'OCR in Java per estrarre il testo da un'immagine, + correggere gli errori OCR e caricare l'immagine per l'OCR usando Aspose OCR. +og_title: Come usare OCR in Java – Guida completa +tags: +- OCR +- Java +- Aspose +title: Come usare OCR in Java – Estrarre testo da un'immagine con correzione ortografica +url: /it/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 immagine con correzione ortografica + +Ti sei mai chiesto **come usare OCR** per trasformare una foto sfuocata di una ricevuta in testo pulito e ricercabile? Non sei solo. In molti progetti—app di monitoraggio delle spese, pipeline di digitalizzazione delle fatture o anche un semplice script per prendere appunti—ottenere testo affidabile da un'immagine è il primo ostacolo. + +Questo tutorial ti mostra esattamente come usare OCR in Java, coprendo tutto, dal caricamento dell'immagine per OCR alla correzione degli errori OCR in modo che il risultato sembri digitato da un umano. Alla fine, sarai in grado di **extract text from image**, eseguire la conversione **OCR image to text** e correggere automaticamente gli errori di riconoscimento più comuni. + +## Cosa Costruirai + +Creeremo un piccolo programma console Java che: + +1. Carica un PNG (o qualsiasi formato supportato) nel motore Aspose OCR. +2. Abilita la funzione di correzione ortografica integrata per **correct OCR errors**. +3. Esegue il processo di riconoscimento e stampa il testo pulito. + +Nessun servizio esterno, nessun framework ingombrante—solo un singolo JAR e poche righe di codice. + +### Prerequisiti + +- Java Development Kit (JDK) 8 o superiore. +- Maven (o qualsiasi strumento di build) per scaricare la libreria Aspose OCR. +- Un file immagine (ad esempio `receipt.png`) che desideri analizzare. + +Se ti manca il JAR Aspose OCR, aggiungi questa dipendenza al tuo `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Suggerimento:** La versione di valutazione gratuita funziona per i test, ma una licenza rimuove la filigrana di valutazione. + +## Passo 1 – Inizializzare il motore OCR (Parola chiave principale in azione) + +La prima cosa da fare è creare un'istanza di `OcrEngine`. Pensala come il cervello che leggerà i pixel e li trasformerà in caratteri. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Perché è importante:* Inizializzare il motore configura le risorse interne (modelli linguistici, dizionari, ecc.). Saltare questo passo causerebbe un `NullPointerException` più tardi quando si tenta di caricare un'immagine. + +## Passo 2 – Caricare l'immagine per OCR + +Ora carichiamo effettivamente **load image for OCR**. Aspose fornisce un comodo helper `ImageStream.fromFile`, ma puoi anche fornire un `byte[]` se preferisci. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Errore comune:* Il percorso del file deve essere assoluto o relativo alla directory di lavoro. Se l'immagine non viene trovata, il motore lancia un `IOException`. Verifica attentamente il percorso, specialmente quando si esegue da un IDE rispetto a un JAR confezionato. + +## Passo 3 – Abilitare la correzione ortografica per **Correct OCR Errors** + +L'OCR pronto all'uso può essere rumoroso—pensa a “l0ve” invece di “love” o “0” per “O”. Abilitare la correzione ortografica indica al motore di eseguire un passaggio di post‑elaborazione che corregge gli errori tipici. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Perché potresti volerlo:* Senza correzione ortografica, potresti dover pulire manualmente l'output, il che vanifica lo scopo dell'automazione. Il dizionario integrato funziona bene per l'inglese e diverse altre lingue. + +## Passo 4 – Eseguire il riconoscimento (**OCR Image to Text**) + +Con l'immagine caricata e la correzione ortografica abilitata, possiamo finalmente chiedere al motore di riconoscere il testo. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Caso limite:* Se l'immagine ha basso contrasto o è fortemente inclinata, il risultato potrebbe ancora contenere spazzatura. Considera un pre‑processamento (ad es., binarizzazione, correzione dell'inclinazione) prima di passarla al motore. + +## Passo 5 – Stampare il testo pulito + +L'ultimo passo è semplicemente stampare il risultato. In un'applicazione reale potresti scriverlo in un database o in un file, ma per questa demo `System.out` è sufficiente. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Output previsto + +Assumendo che `receipt.png` contenga un elenco chiaro di articoli, potresti vedere qualcosa del genere: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Nota come “Qty” e “Price” siano scritti correttamente anche se la scansione originale aveva un “Qy” errato. + +## Esempio completo funzionante + +Di seguito trovi il programma completo che puoi copiare‑incollare in un file chiamato `SpellCorrectDemo.java`. Assicurati che il JAR Aspose OCR sia nel tuo classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Eseguilo con: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Dovresti ora vedere il testo pulito stampato sulla console. + +## Bonus: Regolare le impostazioni per una migliore precisione + +Mentre la configurazione predefinita funziona per la maggior parte dei documenti stampati, potresti dover regolare alcuni parametri per scenari specializzati: + +| Impostazione | Cosa fa | Quando modificare | +|--------------|----------|-------------------| +| `setLanguage(OcrLanguage.English)` | Forza il dizionario inglese (riduce i falsi positivi) | Se la tua immagine contiene solo testo in inglese. | +| `setResolution(300)` | Indica al motore i DPI dell'immagine sorgente | Per scansioni ad alta risoluzione. | +| `setEnableAutoSkewCorrection(true)` | Ruota automaticamente pagine leggermente inclinate | Quando le immagini sono catturate con uno smartphone. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Domande frequenti + +**Q: Funziona con i PDF?** +A: Sì. Converti ogni pagina PDF in un'immagine (ad esempio, usando Aspose PDF) e passa l'immagine al motore OCR. + +**Q: E se la mia immagine è in formato BMP?** +A: `ImageStream.fromFile` supporta PNG, JPEG, BMP, TIFF e GIF nativamente. Basta cambiare l'estensione del file. + +**Q: Posso disabilitare la correzione ortografica?** +A: Assolutamente—imposta `setEnableSpellCorrection(false)` se ti serve l'output OCR grezzo per l'elaborazione successiva. + +## Conclusione + +Ora sai **come usare OCR** in Java per **estrarre testo da immagine**, correggere automaticamente **OCR errors**, e caricare correttamente **image for OCR** usando Aspose OCR. Il flusso a cinque passaggi—inizializzare, caricare, abilitare la correzione ortografica, riconoscere e stampare—copre la maggior parte dei compiti OCR quotidiani. + +Da qui, considera di concatenare questa logica con una scrittura su database, un endpoint REST o un processore batch per gestire decine di ricevute contemporaneamente. Sperimenta con la tabella delle impostazioni aggiuntive sopra per estrarre l'ultima goccia di precisione. + +Buon coding, e che i tuoi risultati OCR siano sempre più puliti delle tue ricevute macchiate di caffè! + +![diagramma di come usare OCR che mostra immagine → OCR engine → flusso di testo corretto] + +{{< /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..ca2ecb790 100644 --- a/ocr/japanese/java/advanced-ocr-techniques/_index.md +++ b/ocr/japanese/java/advanced-ocr-techniques/_index.md @@ -42,28 +42,23 @@ Aspose.OCR for Java を使用して、URL からの画像に対して OCR を実 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。このチュートリアルでは、簡単な統合と高精度で線を認識する方法を説明します。 Aspose.OCR の効率性と信頼性でプロジェクトを強化します。 ## [Aspose.OCR で許可される文字を指定する](./specify-allowed-characters/) - -Aspose.OCR for Java で許可された文字を指定することで、画像からテキストを簡単に抽出できます。ステップバイステップのガイドに従って効率的に統合し、シームレスなテキスト認識エクスペリエンスを確保します。 Aspose.OCR 機能を使用して Java アプリケーションを強化します。 - -## 結論 - -Aspose.OCR for Java を使用すると、高度な OCR テクニックを習得するのがこれまでになく簡単になります。これらのチュートリアルを学習して、Java プロジェクトにおけるテキスト認識の可能性を最大限に引き出してください。シームレスな統合、高精度、多用途のテキスト抽出機能により、アプリケーションを強化します。今すぐダウンロードして、Aspose.OCR for Java で優れた OCR への第一歩を踏み出しましょう! -## 高度な OCR テクニックのチュートリアル -### [Aspose.OCR for Java での BufferedImage に対する OCR の実行](./perform-ocr-buffered-image/) -Aspose.OCR for Java を使用して、BufferedImage で OCR を簡単に実行できます。画像からテキストをシームレスに抽出します。今すぐダウンロードして、多彩なテキスト認識エクスペリエンスを体験してください。 -### [Aspose.OCR for Java で URL からの画像に対して OCR を実行する](./perform-ocr-image-from-url/) -Aspose.OCR を使用して、Java でのシームレスな画像テキスト抽出をロック解除します。簡単に統合できる高精度 OCR。 -### [Aspose.OCR の特定のページで OCR を実行する](./perform-ocr-on-page/) -特定のページで OCR を実行するためのステップバイステップ ガイドを使用して、Aspose.OCR for Java の機能を最大限に活用してください。画像からテキストを簡単に抽出し、Java プロジェクトを強化します。 -### [Aspose.OCR で OCR 用の長方形を準備する](./prepare-rectangles-for-ocr/) -Aspose.OCR for Java でテキスト認識の能力を解放します。シームレスな統合については、ステップバイステップのガイドに従ってください。効率的な OCR 機能で Java アプリケーションを強化します。 -### [Aspose.OCR for Java での行の認識](./recognize-lines/) -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。 + +## [OCR でコントラストを強化する方法 – 完全な Java 前処理ガイド](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +画像のコントラストを最適化し、OCR の精度を向上させるための Java 前処理手順を詳しく解説します。 + +### [混合言語画像で Aspose OCR を使用する方法](./how-to-use-aspose-ocr-for-mixed-language-images/) +混合言語画像から高精度でテキストを抽出する手順を解説します。 + +### [Aspose OCR GPU ガイド: PNG 画像からのテキスト抽出を高速化する](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +GPU を活用して PNG 画像からのテキスト抽出を高速化する方法を解説します。 + +### [Java OCR を使用した画像テキスト認識 – 並列処理ガイド](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Java OCR を活用し、並列処理で画像からテキスト抽出を高速化する手順を解説します。 + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/japanese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..7d5e08b8f --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,248 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU チュートリアルでは、GPU 加速を利用して高速かつ信頼性の高い OCR を実現し、画像からテキストを認識し、PNG + からテキストを抽出する方法を示しています。 +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: ja +og_description: JavaでGPUアクセラレーションを利用し、aspose OCR GPUを使って画像からテキストを認識し、PNGからテキストを抽出する方法を学びましょう。 +og_title: Aspose OCR GPU ガイド：テキスト抽出の高速化 +tags: +- Aspose +- OCR +- Java +- GPU +title: Aspose OCR GPU ガイド：PNG画像からのテキスト抽出を高速化 +url: /ja/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – PNG画像からの高速で信頼性の高いテキスト抽出 + +Looking to boost your OCR performance with **aspose ocr gpu**? With Aspose OCR GPU you can **recognize text from image** far faster by leveraging a CUDA‑enabled graphics card. Imagine processing a high‑resolution PNG in seconds instead of minutes—no more waiting around for the results. + +In this tutorial we’ll walk through everything you need to get up and running: loading an image for OCR, switching the engine to GPU mode, and finally extracting the text. By the end you’ll have a complete, runnable Java program that **extracts text from png** files using GPU acceleration. No external documentation required—just follow the steps, copy the code, and you’ll be good to go. + +## 必要なもの + +- **Java Development Kit (JDK) 11+** – コードは標準のJava言語機能を使用しています。 +- **Aspose.OCR for Java**（2026年5月時点の最新バージョン）。Maven Central から取得できます： + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **CUDA対応GPU**（NVIDIA GeForce、Quadro、またはTesla）で、適切なドライバーがインストールされているもの。 +- **サンプルの高解像度PNG**（例: `sample-highres.png`）で、処理したい画像。 + +GPUがない場合、コードは自動的にCPUにフォールバックします—GPU関連の行をコメントアウトすればOKです。 + +## ステップ1 – OCR用画像の読み込み + +The first thing any OCR workflow needs is an image source. Aspose OCR provides a convenient `ImageStream` wrapper that can read from a file, a byte array, or even a URL. Here we use `ImageStream.fromFile` because it’s the most straightforward for local development. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** 画像を正しく読み込むことで、OCRエンジンが必要とする正確なピクセルデータを受け取れます。`ImageStream.fromFile` を使用すると、一般的なPNGの特性（アルファチャンネル、色深度）も自動的に処理されます。 + +## ステップ2 – GPUアクセラレーションの有効化 (aspose ocr gpu) + +Now comes the magic: telling Aspose to run on the GPU. The `OcrDevice` object inside the engine lets you pick the device type (`CPU` or `GPU`) and, if you have more than one GPU, the specific device ID. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** `CUDA driver not found` エラーが出た場合は、NVIDIAドライバーがAspose OCRで要求されるCUDAバージョン（通常は23.xリリースでCUDA 11.x）と一致しているか再確認してください。 +> **Edge case:** ヘッドレスサーバーで実行する場合、GPUが他のプロセスにロックされていないか確認してください。ロックされているとOCR呼び出しは静かにCPUにフォールバックします。 + +## ステップ3 – 画像からテキストを認識 + +With the image loaded and the device set, you can finally run the OCR engine. The `recognize()` method returns an `OcrResult` object that contains the plain text, confidence scores, and even bounding boxes if you need them later. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +When you execute the program, you should see something like: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** PNGから抽出された生の文字列です。画像に表やマルチカラムレイアウトが含まれる場合、エンジンで `LayoutAnalysis` を有効にするとより良い結果が得られます（この簡易ガイドの範囲外です）。 + +## ステップ4 – GPUが実際に使用されているか確認 + +It’s easy to assume the GPU is doing the heavy lifting, but a quick sanity check can save you hours of debugging. Aspose OCR writes a small log entry when it initializes the device. + +Add this snippet right after you set the device type: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +If the output reads `GPU`, you’re good to go. If it says `CPU`, revisit your driver installation or ensure the `CUDA_HOME` environment variable points to the correct toolkit folder. + +## よくある落とし穴と回避方法 + +| 症状 | 考えられる原因 | 対策 | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDAランタイムが `PATH` に含まれていない | CUDA の `bin` フォルダーをシステムの `PATH` に追加するか、`java.library.path` を設定してください。 | +| OCR が空文字列を返す | 画像が正しく読み込まれていない（パスが間違っている、またはサポートされていない形式） | ファイルパスを再確認し、PNG が破損していないか確認してください。 | +| パフォーマンスが CPU と同等 | ドライバの不一致により GPU がフォールバックしている | Aspose OCR のリリースノートに記載されたバージョンに NVIDIA ドライバを更新してください。 | +| 大きな画像でメモリ不足 | GPU メモリが枯渇している | 画像の解像度を下げるか、処理前に画像をタイルに分割してください。 | + +## ボーナス: GPUが利用できない場合のCPUフォールバック + +Sometimes you might run the same code on a development laptop without a CUDA‑capable GPU. Wrapping the device selection in a try‑catch block makes the program robust. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Now the same binary works everywhere, and you still get the speed boost wherever the hardware permits it. + +## 完全な実行可能サンプル + +Below is the complete Java class that incorporates all the steps, checks, and fallback logic discussed above. Copy‑paste it into your IDE, adjust the image path, and run it. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output**（PNG にシンプルな英語テキストが含まれていると仮定）： + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +GPU が存在しない場合、最後の行に “CPU” と表示されます。 + +## ビジュアル概要 + +Below is a quick diagram of the data flow—from loading the PNG to getting back plain text. The image alt text contains the primary keyword for SEO. + +![aspose ocr gpu ワークフロー – 画像のロード、GPUの有効化、テキスト認識] + +*Alt text: aspose ocr gpu ワークフローは、OCR 用画像のロード、GPU アクセラレーションの有効化、PNG からのテキスト抽出方法を示しています。* + +## まとめと次のステップ + +We’ve just covered how to **aspose ocr gpu**‑accelerate the process of **recognize text from image** and **extract text from png** files. The key takeaways: + +1. `ImageStream.fromFile` で **Load the image** を実行します。 +2. `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)` で **Enable GPU** を行います。 +3. **Run `recognize()`** と `ocrResult.getText()` を読み取ります。 +4. **Validate the device** を行い、必要に応じて CPU に優雅にフォールバックします。 + +限界に挑戦したいですか？次の実験を試してみてください： + +- **Batch processing:** PNG ディレクトリをループし、各結果を `.txt` ファイルに書き出します。 +- **Layout analysis:** `ocrEngine.getOptions().setDetectDocumentStructure(true)` を有効にして、列や表を保持します。 +- **Multi‑GPU scaling:** ワークステーションに複数の GPU がある場合、各 `deviceId` に固定した並列スレッドを起動します。 + +These extensions will deepen your mastery of **gpu accelerated ocr** and open the door to large‑scale document digitization projects. + +--- + +*Happy coding! 何か問題があれば、下にコメントを残してください—トラブルシューティングを喜んでお手伝いします。* + +{{< /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/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/japanese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..b7d916be5 --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,215 @@ +--- +category: general +date: 2026-05-06 +description: 信頼できるOCR文字認識のために、画像の前処理、ノイズ除去、画像回転の補正を学びながらコントラストを強化する方法。 +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: ja +og_description: OCR画像のコントラストを強化する方法、画像の前処理、ノイズ除去、画像の回転補正を行い、正確な文字認識を実現する方法。 +og_title: OCRでコントラストを強化する方法 – ステップバイステップ Java ガイド +tags: +- OCR +- Java +- Image Processing +title: OCRでコントラストを強化する方法 – 完全なJava前処理ガイド +url: /ja/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR におけるコントラスト強化方法 – 完全な Java 前処理ガイド + +**コントラストを強化**すれば、OCR エンジンが文字化けせずにテキストを正しく読み取れると考えたことはありませんか？ あなたは一人ではありません。画像が暗い、傾いている、またはノイズだらけの場合、開発者は壁にぶつかり、結果は「画像からテキストを認識」できないというフラストレーションです。 + +良いニュースは、**画像の前処理方法**、**ノイズ除去方法**、**画像回転の補正**といった賢い前処理ステップをいくつか適用すれば、低コントラストでノイズの多い PNG を OCR エンジンが好むクリーンなキャンバスに変換できることです。本チュートリアルでは Aspose.OCR を使用した実践的な Java の例を通して、各フィルタがなぜ重要かを説明し、**コントラストを強化**する具体的な手順を示します。 + +--- + +## 学べること + +- 各前処理フィルタ（デスクュー、ノイズ除去、コントラスト強化）の目的 +- Aspose.OCR を使った **画像の前処理方法**（Java）をステップバイステップで +- OCR 前に **ノイズ除去方法** と **画像回転の補正** を行う実用的なコツ +- **画像からテキストを認識** するためにそのままコピー＆ペーストできるコード例 + +> **前提条件** – Java 17 以上、Maven または Gradle、そして Aspose.OCR for Java のライセンス（無料トライアルでテスト可）。他のサードパーティライブラリは不要です。 + +--- + +## Step 1 – プロジェクトをセットアップし Aspose.OCR をインポート + +**コントラストを強化**について語る前に、OCR エンジンが利用できる Java プロジェクトを用意する必要があります。 + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle を使う場合は以下のようになります。 + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +`src/main/java/PreprocessDemo.java` というシンプルなファイルを作成し、必要なクラスをインポートします。 + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **プロのコツ**：IDE の自動インポート機能をオンにしておくと、往復作業が大幅に減ります。 + +--- + +## Step 2 – クリーンアップしたい画像を読み込む + +ライブラリの準備ができたので、**画像の前処理方法**の最初のステップである画像の読み込みに取り掛かります。 + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +この時点でエンジンは、コントラストが低く、回転やスパイクノイズがある低品質 PNG を保持しています。ファイルを開くと、OCR が失敗する理由がはっきりと分かります。 + +--- + +## Step 3 – フィルタ適用：デスクュー、ノイズ除去、**コントラスト強化** + +本チュートリアルの核心です—**コントラストを強化**しつつ、回転とノイズも同時に処理します。Aspose.OCR には以下の 3 つの既成フィルタが用意されています。 + +| フィルタ | 機能 | OCR における重要性 | +|--------|------|-------------------| +| `DeskewFilter` | 画像の回転を検出し補正 | **画像回転の補正** を保証し、文字が傾かないようにします。 | +| `NoiseRemovalFilter` | ランダムなスパイクや背景の粒子を低減 | **ノイズ除去方法** を実装し、エンジンが文字だけを認識できるようにします。 | +| `ContrastEnhancementFilter` | 前景テキストと背景の差を拡大 | **コントラストを強化** することで、薄い筆跡を際立たせます。 | + +以下の順序で追加します—まずデスクュー、次にノイズ除去、最後にコントラスト強化です。 + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **なぜこの順序なのか？** +> • デスクューは生のピクセルマトリクス上で最も効果的です。ノイズが多い画像を回転させるとアーティファクトが増幅されます。 +> • コントラストを上げる前にノイズを除去することで、フィルタがスパイクを増幅するのを防ぎます。 +> • 最後にコントラスト強化を行うことで、クリーンになったピクセルが際立ち、**コントラストを強化**する目的が達成されます。 + +--- + +## Step 4 – OCR エンジンを実行し **画像からテキストを認識** + +前処理パイプラインが整ったら、いよいよ OCR エンジンを呼び出します。このステップが最終的な疑問、**画像からテキストを認識**する答えです。 + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +`java PreprocessDemo` を実行すると、乱れた文字列ではなく、クリーンで読みやすいテキストが出力されます。サンプルの請求書に対する典型的な出力例は次のようになります。 + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +結果がまだぼやけている場合は、`ContrastEnhancementFilter` のパラメータ（例：`setLevel(1.5)`）を調整するか、元画像が回復不能なほど圧縮されていないか再確認してください。 + +--- + +## Step 5 – ビジュアルチェック：ビフォー＆アフター（任意） + +見ることで納得できます。以下はオリジナルファイルと処理後画像を比較したプレースホルダーイラストです。alt テキストは SEO 用に主要キーワードを明示しています。 + +![OCR 前処理におけるコントラスト強化の比較 – 元画像と強化画像](https://example.com/contrast-demo.png "OCR 前処理におけるコントラスト強化") + +*自分の画像でコードを実行すれば、可読性が劇的に向上するのが実感できるはずです。* + +--- + +## よくある落とし穴と対処法 + +| 問題 | 発生原因 | 解決策 | +|------|----------|--------| +| コントラスト強化後も文字がぼやける | フィルタレベルが低すぎる、または画像解像度が不足 | `ContrastEnhancementFilter` のレベルを上げる（例：`new ContrastEnhancementFilter(1.8)`）か、処理前に画像を拡大してください。 | +| OCR が空文字列を返す | 画像が極端に暗い、またはノイズフィルタでピクセルがすべて除去された | `NoiseRemovalFilter` の強度を下げる（例：`new NoiseRemovalFilter(0.3)`）。 | +| 文字がまだ傾いている | 画像が非常にノイジーでデスクューが角度を見逃した | 軽いノイズ除去を先に行った後で `DeskewFilter` を実行するか、`DeskewFilter.setAngle(2.5)` で手動設定してください。 | +| 予期しない Unicode 記号が出る | OCR の言語設定が正しくない | `ocrEngine.setLanguage(OcrLanguage.English);` を `recognize()` の前に呼び出してください。 | + +--- + +## パイプラインの拡張 – さらに必要な場合は？ + +カラーのスキャンや PDF に対して **画像の前処理方法** が必要になることもあります。Aspose.OCR には以下の追加フィルタも用意されています。 + +- `BinarizationFilter` – 純粋な白黒に変換し、高コントラストテキストに最適です。 +- `ResizeFilter` – 小さなフォントを拡大して OCR の認識率を向上させます。 +- `SharpenFilter` – 薄い手書き文字のエッジを強調します。 + +これらも先ほどの 3 つのコアフィルタと同様にチェーンできます。順序は依然として重要で、一般的なレシピは「リサイズ → デノイズ → 二値化 → コントラスト → デスクュー」です。 + +--- + +## まとめ：ノイズ PNG からクリーンテキストへ + +- **コントラストを強化**：`ContrastEnhancementFilter` をデスクューとノイズ除去の後に使用。 +- **画像の前処理方法**：画像を読み込み、フィルタを追加し、最後に OCR を実行。 +- **ノイズ除去方法**：`NoiseRemovalFilter` が背景をクリーンにし、文字の筆跡を損なわない。 +- **画像回転の補正**：`DeskewFilter` がテキストベースラインを整列させ、正確な認識の前提条件となります。 +- **画像からテキストを認識**：`ocrEngine.recognize()` を呼び出し、`ocrResult.getText()` で結果を取得。 + +これらの手順を組み合わせれば、請求書、領収書、古い印刷物など、さまざまなスキャン画像でも安定した OCR パイプラインが構築できます。 + +--- + +## 次のステップは？ + +- **実験**：フィルタパラメータを調整し、OCR 精度への影響を観察。 +- **バッチ処理**：上記ロジックをループでラップし、フォルダ内の画像を一括処理。 +- **統合**：OCR 結果をデータベースや PDF ジェネレータに渡し、エンドツーエンドの自動化を実現。 + +適応的閾値処理やカラー反転といった他の画像強化テクニックに興味がある場合は、Aspose の公式ドキュメントや「Advanced Image Pre‑processing with Aspose.OCR」ガイドをご覧ください。 + +--- + +### Happy Coding! + +これで **コントラストを強化** する方法と、乱れたスキャンをクリーンで検索可能なテキストに変える前処理全体の流れが分かりました。問題があればコメントで教えてください。また、独自にカスタマイズしたパイプラインがあればぜひ共有してください。OCR の話題を一緒に広げていきましょう！ + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/japanese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..ce759c4ea --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,230 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR を使用して画像からテキストを認識し、自動言語検出を有効にし、Java で OCR の速度を向上させる方法。 +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: ja +og_description: Aspose OCR を使用して画像からテキストを迅速に認識し、自動言語検出を有効にし、Java で OCR の速度を向上させる方法。 +og_title: 混合言語画像でAspose OCRを使用する方法 +tags: +- Aspose +- OCR +- Java +- Image Processing +title: 混在言語画像で Aspose OCR を使用する方法 +url: /ja/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 複数言語が混在した画像で Aspose OCR を使用する方法 + +画像に複数の言語が同時に含まれている場合に、**Aspose の使い方**でテキストを抽出できるか気になったことはありませんか？ あなた一人ではありません—開発者は、画像が英語、ロシア語、ヒンディー語、あるいは他のスクリプトを混在させると壁にぶつかることが頻繁です。 良いニュースは、Aspose OCR がこれをスムーズに処理し、言語セットを絞ることで **recognize text from image** をより高速に実行できることです。 + +このチュートリアルでは、**loads image for OCR** する完全な実行可能 Java サンプルを順に解説し、**automatic language detection** を有効にし、**improve OCR speed** するシンプルなコツをご紹介します。 最後まで読むと、抽出したテキストをコンソールに出力する自己完結型プログラムが手に入り、各設定がなぜ重要か理解できるようになります。 + +> **Prerequisites** – Java 17+ がインストールされていること、依存関係管理に Maven または Gradle を使用できること、そして Aspose OCR ライセンス（評価用の無料トライアルでも可）。他のライブラリは不要です。 + +--- + +## Step 1 – Add Aspose OCR to Your Project + +**Aspose** を使用できるようにするには、ライブラリをクラスパスに追加する必要があります。Maven を使う場合は次のようになります。 + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle を使う場合は次の通りです。 + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** 常に最新の安定版リリースを使用してください。新しいバージョンには、**improve OCR speed** に直接影響するパフォーマンス向上が含まれていることが多いです。 + +--- + +## Step 2 – Create the OCR Engine Instance + +すべての Aspose OCR ワークフローの中心は `OcrEngine` です。インスタンス化はシンプルですが、エンジンは内部キャッシュを保持している点に留意してください。多数の画像で同一インスタンスを再利用すると、ライブラリがネイティブ初期化を繰り返さないため **improve OCR speed** が期待できます。 + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Step 3 – **Load Image for OCR** + +Aspose は PNG、JPEG、TIFF、BMP など多数の画像形式をサポートしています。ここでは英語、ロシア語、ヒンディー語が混在した PNG を読み込む例を示します。`ImageStream.fromFile` ヘルパーはファイル I/O の詳細を抽象化し、画像を正しくエンジンにストリームします。 + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** メモリ上の画像の場合は `ImageStream.fromByteArray(byte[])` を使用してください。バイトストリームとして画像を受け取る Web サービスに最適です。 + +--- + +## Step 4 – Enable Automatic Language Detection + +デフォルトでは Aspose OCR は単一言語を想定しているため、複数言語が混在した画像では文字化けが起きやすくなります。自動検出を有効にすると、エンジンは認識前に各テキストブロックのスクリプトを判別します。 + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Step 5 – **Improve OCR Speed** by Restricting the Language Pool + +フルオートデテクトは Aspose がサポートするすべての言語（70 以上）を走査します。事前に想定される言語が分かっている場合は、エンジンにヒントを与えることで検索空間を縮小し、**improve OCR speed** が実現できます。 + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** エンジンは不要な言語モデルをスキップするため、CPU サイクルとメモリを節約します。後から言語を追加したい場合は配列を更新するだけで、コードの書き換えは不要です。 + +--- + +## Step 6 – Perform the Recognition and **Recognize Text from Image** + +いよいよ本格的な認識処理です。`recognize()` はプレーンテキスト、信頼度スコア、必要に応じてレイアウト情報を含む `OcrResult` オブジェクトを返します。 + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Console Output + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +画像にノイズや傾きがある場合、該当行の信頼度が低くなることがあります。その際は、Aspose に渡す前に画像の前処理（デスキュー、二値化）を検討してください。 + +--- + +## Common Questions & Edge Cases + +### What if the image is huge (e.g., >10 MP)? + +大きな画像はメモリ消費が増え、処理速度が低下します。**improve OCR speed** の簡単な方法は、可読性を保ちつつ画像をダウンサンプリングすることです。 + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### How do I handle right‑to‑left scripts like Arabic? + +Aspose OCR はスクリプト方向を自動的に考慮しますが、後処理で `RightToLeft` フラグを設定すると便利な場合があります。 + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Can I extract text from PDFs instead of images? + +はい。各 PDF ページを画像に変換（Aspose PDF や任意のラスタライザ使用）し、同じ OCR パイプラインに渡すだけです。**recognize text from image** のロジックはそのまま適用できます。 + +--- + +## Full Working Example (Copy‑Paste Ready) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +ファイル名を `MixedLanguageDemo.java` として保存し、`javac` でコンパイル、`java MixedLanguageDemo` で実行してください。環境が正しく設定されていれば、コンソールに多言語テキストが表示されます。 + +--- + +## Conclusion + +これで **how to use Aspose** で **recognize text from image** できるマルチランゲージ画像の処理方法、**automatic language detection** の有効化、そして言語プールを限定して **improve OCR speed** する実用的なコツが分かりました。上記のコードはそのままコピー＆ペースト可能で、ストリーム、バイト配列、あるいはウェブカメラのスナップショットから **load image for OCR** するシナリオにも応用できます。 + +次のステップとしては以下を試してみてください： + +* 低品質スキャン向けに画像前処理（ノイズ除去、二値化）を追加する。 +* `OcrResult` を JSON にエクスポートし、下流サービスで利用する。 +* Spring Boot の REST エンドポイントに統合し、クライアントが画像をアップロードして即座に抽出テキストを取得できるようにする。 + +コーディングを楽しんで、OCR パイプラインが高速で正確、かつ多言語対応になることを願っています！ + +{{< /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/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/japanese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..b4b9567e4 --- /dev/null +++ b/ocr/japanese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,188 @@ +--- +category: general +date: 2026-05-06 +description: Java OCRの例を使用して画像からテキストを素早く認識します。並列OCR処理でTIFFファイルからテキストを抽出する方法と、Javaで効率的にOCRを行う方法を学びましょう。 +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: ja +og_description: 完全なJava OCR例で画像からテキストを高速に認識します。このチュートリアルでは、並列OCR処理を使用してTIFFからテキストを抽出する方法を示します。 +og_title: Java OCRで画像からテキストを認識する – 並列処理ガイド +tags: +- OCR +- Java +- Image Processing +title: Java OCRで画像からテキストを認識する – 並列処理ガイド +url: /ja/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 画像からテキストを認識する Java OCR – 並列処理ガイド + +画像からテキストを認識する必要があっても、パフォーマンスのボトルネックで行き詰まったことはありませんか？ あなただけではありません。シングルスレッドの OCR エンジンがマルチページ TIFF を処理する際に壁にぶつかり、短時間で終わるはずの作業がマラソンのようになってしまう開発者は多いです。 + +このチュートリアルでは、**java ocr example** を使って TIFF ファイルからテキストを抽出するだけでなく、CPU コアをすべて活用した並列 OCR 処理についても解説します。最後まで読むと、*how to ocr java* プロジェクトを効率的に実行する方法が正確に分かり、Maven や Gradle の環境にすぐ組み込めるコードスニペットが手に入ります。 + +## 学習できること + +- Java プロジェクトに Aspose.OCR ライブラリを設定する。 +- マルチページ TIFF を読み込み、認識の準備をする。 +- スレッド数を論理 CPU コア数に合わせて **parallel OCR processing** を有効にする。 +- 認識されたテキストを取得・表示し、**recognize text from image** ワークフローを完了する。 + +> **前提条件:** Java 8 以上と有効な Aspose.OCR for Java ライセンス（または一時的な評価キー）。他の外部ツールは不要です。 + +## ステップ 1: Aspose.OCR 依存関係を追加 + +**recognize text from image** を行う前に、OCR エンジンをクラスパスに追加する必要があります。Maven を使用している場合は、`pom.xml` に以下を追加してください。 + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle の場合は、同等の設定は次の通りです。 + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +*プロのコツ:* バージョン番号は常に最新に保ちましょう。新しいリリースには、**parallel ocr processing** をさらに高速化するパフォーマンス改善が含まれていることが多いです。 + +## ステップ 2: Java クラスの準備 – 完全動作例 + +以下は、利用可能なすべての CPU コアを使用して **extract text from tiff** を実演する、自己完結型の **java ocr example** です。`ParallelOcrDemo.java` として保存してください。 + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**各行の重要ポイント** + +- **エンジンの作成**: `OcrEngine` はすべての重い処理をカプセル化します。これがなければ **recognize text from image** は実行できません。 +- **画像の読み込み**: `ImageStream.fromFile` は TIFF、PNG、JPEG などに対応しています。マルチページ TIFF を使用することで、エンジンが複雑な文書を処理できるかテストできます。 +- **スレッド数**: `Runtime.getRuntime().availableProcessors()` は論理コア数（ハイパースレッドを含む）を返します。この値を設定することで **parallel ocr processing** が起動し、マルチコアマシンで実行時間が大幅に短縮されます。 +- **認識**: `engine.recognize()` が OCR パイプラインを実行します。内部では、定義したスレッドプールにページを分割して処理します。 +- **結果の処理**: `result.getText()` はすべてのページのテキストを連結した単一の `String` を返します。下流の処理や保存に最適です。 + +## ステップ 3: デモを実行して出力を確認 + +プログラムをコンパイルして実行します。 + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +次のような出力が表示されるはずです。 + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +コンソールに期待通りのテキストが表示されたら、成功です。**java ocr example** を使って並列に **recognize text from image** が実行できました。おめでとうございます。 + +## ステップ 4: 実運用シナリオ向けの調整（オプション） + +### 特定ページのみからテキストを抽出 + +大きな TIFF から特定のページだけが必要な場合があります。認識後にフィルタリングできます。 + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### スレッド数を手動で調整 + +サーバーが他のタスクで既に忙しい場合、OCR スレッド数を制限できます。 + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### メモリ集約型 TIFF の処理 + +大きなマルチページ TIFF は大量の RAM を消費する可能性があります。対策として、ファイルをチャンク単位で処理します。 + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +## ステップ 5: よくある落とし穴と回避策 + +| 問題 | 症状 | 対策 | +|------|------|------| +| **ライセンス不足** | 実行時に `LicenseException` がスローされる | 有効なライセンスファイルを適用するか、無料評価モード（透かしが追加されます）を使用してください。 | +| **ファイルパスが間違っている** | `FileNotFoundException` が発生する | パスを再確認し、テスト時は絶対パスを使用してください。 | +| **CPU スロットリング** | `setThreadCount` を設定しても速度向上が見られない | JVM が `-Xmx` のメモリ上限や OS の省電力設定で制限されていないことを確認してください。 | +| **サポートされていない画像形式** | `UnsupportedFormatException` がスローされる | エンジンに渡す前に画像を TIFF、PNG、または JPEG に変換してください。 | + +## ビジュアルサマリー + +![画像からテキストを認識する例](image-placeholder.png "画像からテキストを認識") + +*Alt text:* “Java OCR の並列処理を用いた画像からテキストを認識するフローを示す図” + +## 結論 + +ここまでで、マルチページ TIFF を対象に **recognize text from image** を行い、**parallel ocr processing** を最大限に活用する完全な **java ocr example** を解説しました。スレッドプールを CPU コア数に合わせることで、最新ハードウェア上でほぼ線形に速度が向上します。これが “*how to ocr java* を効率的に行う方法” への答えです。 + +次に検討できること: + +- **extract text from tiff** ファイルをバッチ処理し、結果をデータベースに保存する。 +- OCR と NLP ライブラリ（例: OpenNLP）を組み合わせて、抽出されたエンティティを自動的にタグ付けする。 +- REST エンドポイント背後のマイクロサービスとしてソリューションをデプロイし、オンデマンド OCR を提供する。 + +実際に試してスレッド数を調整し、パイプラインがどれだけ高速になるか確認してください。問題があれば下にコメントを残してください。ハッピーコーディング！ + +{{< /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..99bf9078d 100644 --- a/ocr/japanese/java/ocr-operations/_index.md +++ b/ocr/japanese/java/ocr-operations/_index.md @@ -80,6 +80,11 @@ 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。 +### [Java で OCR を使用する方法 – スペル補正付き画像からテキスト抽出](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +### [画像から検索可能な PDF を作成 – ステップバイステップ Java ガイド](./create-searchable-pdf-from-image-step-by-step-java-guide/) +画像を PDF に変換し、検索可能なテキストレイヤーを付与する手順を Java で詳しく解説します。 +### [Java OCR で画像から検索可能な PDF を作成](./create-searchable-pdf-from-image-with-java-ocr/) +Java OCR を使用して画像から検索可能な PDF を作成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-step-by-step-java-guide/_index.md b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..285c0cef1 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR を使用して画像から検索可能な PDF を作成します。画像を PDF に変換し、画像を OCR して PDF にし、数分で画像からテキストを抽出する方法を学びましょう。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: ja +og_description: Aspose OCR を使用して画像から検索可能な PDF を作成します。このガイドに従って JPG を検索可能な PDF に変換し、画像からテキストを抽出する方法などをご確認ください。 +og_title: 画像から検索可能なPDFを作成 – 完全なJavaチュートリアル +tags: +- Java +- OCR +- PDF +- Aspose +title: 画像から検索可能なPDFを作成 – ステップバイステップ Java ガイド +url: /ja/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 画像から検索可能なPDFを作成 – 完全なJavaチュートリアル + +スキャンした写真から **searchable PDF** を作成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分からないことも多いでしょう。費用報告の自動化やデジタルアーカイブなど、多くのプロジェクトで、単なる画像を実際に検索できるPDFに変換できることは画期的です。 + +このチュートリアルでは、**convert image to PDF** の全プロセスを解説し、OCRを実行して、任意の文書ワークフローに組み込める **searchable PDF** を作成します。また、**extract text from image** にも触れ、**convert jpg to searchable pdf** を多くのボイラープレートコードなしで行う方法を示します。 + +## 学習できること + +- Aspose OCR に必要な正確な Maven/Gradle 依存関係 +- JPG（またはサポートされている任意の画像）を OCR エンジンにロードする方法 +- `OcrSaveFormat.PDF_SEARCHABLE` で保存することが重要な理由 +- 一般的な落とし穴（大きな画像、サポート外フォーマット）と回避方法 +- 生成された PDF が本当に検索可能なテキストを含んでいるかを検証する方法 + +このガイドの最後までに、単一のメソッド呼び出しで検索可能な PDF を生成する、すぐに実行できる Java クラスが手に入ります。外部のコマンドラインツールや追加の OCR エンジンは不要で、純粋に Java だけです。 + +--- + +## 前提条件 + +| 要件 | 重要な理由 | +|------|------------| +| Java 8 以降 | Aspose OCR は最新の言語機能を使用します。 | +| Maven または Gradle（依存関係管理用） | Aspose OCR JAR の取得が簡単になります。 | +| 既知のフォルダーに配置したサンプル画像（`input.jpg`） | コードはファイルパスを期待します。PNG、BMP などに置き換えても構いません。 | +| 任意：検索機能付き PDF ビューア（Adobe Reader、Foxit など） | PDF が本当に検索可能か確認するためです。 | + +これらが揃っているなら、素晴らしいです—さっそく始めましょう。 + +--- + +## ステップ 1: Aspose OCR をプロジェクトに追加 + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** 無料評価版は最初のページに小さな透かしを追加します。本番環境では Aspose からライセンスを取得し、`OcrEngine` をインスタンス化する前に `License license = new License(); license.setLicense("Aspose.OCR.lic");` を呼び出してください。 + +--- + +## ステップ 2: 変換したい画像をロード + +`ImageStream.fromFile` を使用して、ディスクから直接画像を読み取ります。このメソッドは JPG、PNG、TIFF など多数のフォーマットをサポートしているため、ソースに関係なく **convert image to PDF** が可能です。 + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** OCR エンジンはテキストのビットマップ表現を必要とします。高解像度（300 dpi 以上）の画像を提供すると、認識精度が大幅に向上し、結果として **extract text from image** の精度も向上します。 + +--- + +## ステップ 3: OCR を実行し、検索可能な PDF として保存 + +`save` メソッドを `PDF_SEARCHABLE` フォーマットで呼び出すと魔法が起きます。内部では Aspose OCR が元画像の上に隠しテキスト層を作成し、静的な画像を **searchable PDF** に変換します。 + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +隠しテキスト層のない普通の PDF が欲しい場合は、`PDF_SEARCHABLE` を `PDF` に置き換えてください。ただし、ほとんどのアーカイブシナリオでは、検索可能なバリアントが適しています。 + +--- + +## ステップ 4: 結果を検証 + +プログラムが終了したら、任意の PDF ビューアで `searchable.pdf` を開き、組み込みの検索（Ctrl + F）を試してください。画像内にしかなかった単語が見つかれば、成功です—**ocr image to pdf** に成功しました。 + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** 非常に大きな画像（> 10 MB）は `OutOfMemoryError` を引き起こす可能性があります。これを緩和するには、`java.awt.Image` や Thumbnailator のようなライブラリを使って事前に画像を縮小してください。 + +--- + +## 完全な動作例 + +以下は完全な、自己完結型の Java クラスです。IDE にコピー＆ペーストし、パスを調整して実行してください—追加の手順は不要です。 + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +`YOUR_DIRECTORY/searchable.pdf` を開くと、`input.jpg` に含まれる任意の単語を検索できるはずです。これが **convert jpg to searchable pdf** の本質です。 + +--- + +## よくある質問 (FAQ) + +### 複数の画像を一度に処理できますか？ + +はい。ファイルパスのリストをループし、各画像に対して `setImage` を呼び出し、単一の PDF（`PDF_SEARCHABLE`）にページを追加するか、個別の PDF を生成します。イテレーション間でエンジンの状態をリセットすること（`ocrEngine.clear()`）を忘れないでください。 + +### OCR の精度が低い場合は？ + +- ソース画像が少なくとも 300 dpi であることを確認してください。 +- `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` を使用して言語を固定してください。 +- OpenCV などのライブラリで画像を前処理（デスキュー、コントラスト強化）してください。 + +### Aspose OCR は他の言語をサポートしていますか？ + +もちろんです。`OcrLanguage` 列挙型にはフランス語、ドイツ語、中国語、アラビア語など多数が含まれます。`save` を呼び出す前に言語を切り替えてください。 + +### 既存のドキュメントに検索可能な PDF を埋め込むには？ + +出力を通常の PDF と同様に扱います。PDF マージライブラリ（例: iText や Aspose PDF）を使用して他の PDF と結合してください。 + +--- + +## 現場からのヒントとコツ + +- **Pro tip:** ファイルサイズを極小にしたい場合は、保存前に `ocrEngine.getConfig().setCompress(true);` を呼び出してください。 +- **Watch out for:** 透明な背景を持つ画像—Aspose OCR は透明度を白として扱うため、コントラストに影響することがあります。 +- **Remember:** 検索可能な PDF は下層にラスタ画像が残ります。完全にベクターベースの PDF が必要な場合は、レイアウトを手動で再作成する必要があります。 + +--- + +## 結論 + +ここまでで、Aspose OCR を使用して Java で画像から **create searchable PDF** ファイルを作成するために必要なすべてをカバーしました。Maven 依存関係の追加から隠しテキスト層の検証まで、プロセスはシンプルで完全にプログラム可能です。これで IDE を離れることなく **convert image to pdf**、**ocr image to pdf**、さらには **extract text from image** が実行できます。 + +次のステップに進む準備はできましたか？スキャンした領収書のフォルダーをバッチ処理したり、このワークフローをクラウドストレージのトリガー（AWS Lambda、Azure Functions）と組み合わせてドキュメント取り込みパイプラインを自動化してみてください。可能性は無限です—ぜひ試してみてください！ + +問題が発生したり改善案があれば、下にコメントを残してください。ハッピーコーディング！ + +![フローを示す図：画像 → OCR エンジン → 検索可能な PDF](image-placeholder.png "検索可能な PDF フローチャート") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..946bfe864 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,203 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR を使用して Java で画像から検索可能な PDF を作成します。画像を PDF に変換し、スペル補正を有効にし、OCR + GPU を利用して高速な結果を得る方法を学びましょう。 +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: ja +og_description: JavaでAspose OCRを使用して画像から検索可能なPDFを作成します。このガイドでは、画像をPDFに変換し、スペル補正を有効にし、OCR + GPUを使用する方法を示します。 +og_title: Java OCRで画像から検索可能なPDFを作成 +tags: +- OCR +- Java +- PDF +title: Java OCRで画像から検索可能なPDFを作成 +url: /ja/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java OCRで画像から検索可能なPDFを作成する + +スキャンした画像から **検索可能な PDF** を作成したいと思ったことはありませんか？でも、どこから始めればいいか分からない…という方は多いです。ほとんどの開発者が画像ベースの PDF に初めて取り組むときにこの壁にぶつかります。幸い、Aspose OCR for Java を使えば **画像を PDF に変換** でき、テキストを選択可能なコンテンツに変換し、さらにスペル補正を加えて仕上げることができます。 + +このチュートリアルでは、利用可能な場合に **OCR GPU を使用** する方法、**画像 OCR を効率的に処理** する方法、そして下流の検索のためにスペル補正を有効にする重要性を示す、完全に実行可能なサンプルを順に解説します。最後まで読むと、ユーザーに配布したりコンプライアンスのためにアーカイブしたりできる、ワンクリックで検索可能な PDF を生成する方法が手に入ります。 + +> **プロのコツ:** GPU が搭載されていないマシンで実行する場合、コードは自動的に CPU にフォールバックするので、コードを書き直す必要はありません。 + +## 必要なもの + +- **Java 8+** (コードは JDK 8 以降でコンパイル可能) +- **Aspose OCR for Java** ライブラリ (Aspose サイトから最新の JAR をダウンロード) +- **入力画像** (JPEG、PNG、TIFF など) – 検索可能な PDF に変換したいもの +- (Optional) **GPU** (CUDA 対応) – 可能な限り高速な認識を行いたい場合 + +余計なフレームワークや Maven/Gradle の設定は不要です。クラスパスに単一の JAR を置くだけで準備完了です。 + +## ステップ 1: OCR エンジンの初期化 – プロセスの中心 + +まず `OcrEngine` インスタンスを作成し、ソースファイルを指定します。このオブジェクトが画像を読み込み、ニューラルネットワークを実行し、テキストを返す主役です。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Why this matters:* エンジンを一度だけ初期化して再利用することで、ネイティブライブラリのロードオーバーヘッドを回避できます。これは、数十ファイルをバッチ処理する際に積み重なる小さなパフォーマンス向上です。 + +## ステップ 2: 処理デバイスの選択 – 可能なら OCR GPU を使用 + +作業ステーションに対応 GPU がある場合、Aspose に重い処理を GPU で実行させることができます。そうでなければエンジンは自動的に CPU に切り替わります。 + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*What’s the benefit?* GPU 加速により、特に高解像度スキャンの場合、ページごとに数秒の短縮が期待できます。フォールバックにより同じコードがどこでも動作するため、デフォルト設定として **use OCR GPU** を推奨しています。 + +## ステップ 3: スキャンを高速化 – すべての CPU コアを活用 + +GPU が使用中でも、周辺の前処理は並列化できます。スレッド数を利用可能なプロセッサ数に設定することで、エンジンは複数のチャンクを同時に処理できます。 + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Note:* 4 コアのノートパソコンでは 4 スレッドが立ち上がり、16 コアのワークステーションではフルに恩恵を受けられます。ただし、スレッド数が増えるとメモリ使用量も増えることに注意してください。 + +## ステップ 4: 画像のクリーンアップ – 前処理フィルタ + +ぼやけた画像やノイズの多いスキャンはゴミテキストを生成します。組み込みフィルタを数個追加するだけで精度が大幅に向上します。 + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Why these filters?* `DeskewFilter` は、スキャナに斜めに投入された文書でよく起こる回転を補正します。`NoiseRemovalFilter` は、文字と誤認識されやすい不要なピクセルを除去します。OCR エンジンにきれいな紙を渡すイメージです。 + +## ステップ 5: スマート機能の有効化 – スペル補正と自動言語検出をオンにする + +多言語文書を扱う場合や、誤字を減らしたい場合は、組み込みのスペルチェッカーを有効にし、エンジンに言語を自動判別させます。 + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*When is this useful?* 例えば、スキャンに英語とスペイン語のセクションが混在している場合です。自動検出機能は辞書をリアルタイムで切り替え、スペル補正は “0” を “O” といった誤認識文字を修正します。このステップは、正しい検索結果を返す **検索可能な PDF** を作成するために不可欠です。 + +## ステップ 6: 結果の保存 – 画像を PDF に変換して検索可能にする + +最後に、エンジンに元画像の背後に不可視のテキストレイヤーを持つ PDF を出力させます。これが従来の **画像を PDF に変換** ワークフローですが、PDF が検索可能になります。 + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +出力ファイル (`output-searchable.pdf`) は任意の PDF ビューアで開くことができ、テキストを選択・コピー・検索できるようになります。追加ツールは不要です。 + +## 完全動作サンプル – コピーして実行 + +以下はコンパイル可能な完全なプログラムです。`YOUR_DIRECTORY` を `input.jpg` が格納されているフォルダーに置き換えてください。 + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**期待される出力:** プログラムを実行するとコンソールに *“Searchable PDF generated successfully.”* と表示されます。Adobe Reader で `output-searchable.pdf` を開き、元画像の単語を検索ボックスに入力すれば、即座に該当箇所へジャンプします。 + +## よくある質問とエッジケース + +- **GPU が検出されない場合は？** + `setDeviceType(OcrDeviceType.GPU)` 呼び出しは例外を投げず、エンジンにまず GPU を試すよう指示するだけです。失敗した場合はエンジンが静かに CPU にフォールバックします。 + +- **1 回の実行で複数画像を処理できるか？** + はい。コードをループで囲み、イテレーションごとにファイル名を変更し、同じ `OcrEngine` インスタンスを再利用すればメモリ使用量を抑えられます。 + +- **PDF が巨大になる—どうやって縮小するか？** + OCR 後に Aspose の PDF 最適化 API を使用するか、エンジンに渡す前に元画像をダウンサンプルします（例: `ImageStream.fromFile(...).setResolution(150)` で 150 DPI に設定）。 + +- **法的コンプライアンスのために元画像の解像度を保持したい。** + `PDF_SEARCHABLE` フォーマットは元のビットマップを完全に保持し、不可視のテキストレイヤーが上に追加されるだけで視覚品質は変わりません。 + +## ビジュアルサマリー + +![検索可能な PDF 作成例](placeholder-image.png "検索可能な PDF 作成例") + +*Alt text:* *検索可能な PDF 作成例 – Java OCR エンジンがスキャンした JPG を検索可能な PDF に変換する例。* + +## 結論 + +これで、Aspose OCR for Java を使用して任意の画像を **検索可能な PDF** に変換する **完全なエンドツーエンドソリューション** が手に入りました。**画像を PDF に変換**し、**スペル補正を有効化**、そして可能な限り **OCR GPU を使用** することで、クロスプラットフォームで高速かつ正確な検索可能な結果が得られます。 + +次は何をすべきか？以下を試してみてください： + +- **異なる出力フォーマット** (`PDF`, `DOCX`, `HTML`) – テキストレイヤーの挙動を確認 +- **カスタム辞書** – ドメイン固有の用語を処理する場合 +- **バッチ処理** – 数千枚のスキャンを自動で処理 + +スレッド数を調整したり、フィルタを入れ替えたり、独自の前処理パイプラインを組み込んでも構いません。基本的な流れは変わりません: load → preprocess → configure → OCR → save. + +コーディングを楽しんで、あなたの PDF が常に検索可能でありますように！ + +{{< /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/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..0b9bec316 --- /dev/null +++ b/ocr/japanese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,216 @@ +--- +category: general +date: 2026-05-06 +description: JavaでOCRを使用して画像からテキストを抽出する方法。OCRによる画像からテキストへの変換を学び、OCRエラーを修正し、Aspose + OCRで画像をOCR用に読み込む。 +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: ja +og_description: Aspose OCR を使用して、Java で画像からテキストを抽出し、OCR エラーを修正し、OCR 用に画像を読み込む方法。 +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 – 画像からテキストを抽出し、スペル補正を行う +url: /ja/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 – 画像からテキストを抽出し、スペル補正を行う + +ぼやけたレシートの写真をきれいで検索可能なテキストに変換する **OCRの使い方** を疑問に思ったことはありませんか？ あなただけではありません。経費管理アプリ、請求書デジタル化パイプライン、あるいは簡単なメモ取りスクリプトなど、多くのプロジェクトで画像から信頼できるテキストを取得することが最初のハードルです。 + +このチュートリアルでは、JavaでOCRを使用する方法をステップバイステップで解説します。画像の読み込みからOCRエラーの修正まで、結果が人が入力したかのように自然になるまでをカバーします。最後まで読むと、**画像からテキストを抽出** し、**OCR画像からテキストへの変換** を実行し、一般的な認識ミスを自動的に修正できるようになります。 + +## 作成するもの + +以下の小さなJavaコンソールプログラムを作成します。 + +1. PNG（またはサポートされている任意の形式）を Aspose OCR エンジンに読み込む。 +2. 組み込みのスペル補正機能を有効にして **OCRエラーを修正** する。 +3. 認識処理を実行し、クリーンアップされたテキストを出力する。 + +外部サービスや重厚なフレームワークは不要です。単一のJARと数行のコードだけで完結します。 + +### 前提条件 + +- Java Development Kit (JDK) 8 以上。 +- Maven（または任意のビルドツール）で Aspose OCR ライブラリを取得。 +- 解析したい画像ファイル（例：`receipt.png`）。 + +Aspose OCR JAR が無い場合は、`pom.xml` に以下の依存関係を追加してください。 + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **プロのコツ:** 無料評価版はテストに利用できますが、ライセンスを取得すれば評価用の透かしが除去されます。 + +## Step 1 – OCRエンジンの初期化 (Primary Keyword in Action) + +最初に行うべきことは `OcrEngine` のインスタンスを作成することです。ピクセルを読み取り文字に変換する脳のようなものと考えてください。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*なぜ重要か:* エンジンを初期化することで内部リソース（言語モデル、辞書など）が設定されます。このステップを省略すると、画像を読み込もうとした際に `NullPointerException` が発生します。 + +## Step 2 – OCR用画像の読み込み + +ここで実際に **OCR用画像を読み込み** ます。Aspose は便利な `ImageStream.fromFile` ヘルパーを提供していますが、好みで `byte[]` を渡すことも可能です。 + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*よくある落とし穴:* ファイルパスは絶対パスまたは作業ディレクトリからの相対パスである必要があります。画像が見つからない場合、エンジンは `IOException` をスローします。特に IDE から実行する場合とパッケージ化された JAR から実行する場合でパスを再確認してください。 + +## Step 3 – スペル補正を有効にして **OCRエラーを修正** + +標準の OCR はノイズが多く、例えば “l0ve” が “love” になったり、“0” が “O” になったりします。スペル補正を有効にすると、エンジンは典型的なミスを修正するポストプロセスを実行します。 + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*なぜ必要か:* スペル補正が無いと、出力を手動でクリーンアップしなければならず、Automation の目的が失われます。組み込み辞書は英語や他のいくつかの言語でうまく機能します。 + +## Step 4 – 認識を実行 (**OCR画像からテキストへ**) + +画像が読み込まれ、スペル補正が有効になったので、いよいよエンジンにテキスト認識を指示できます。 + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*エッジケース:* 画像が低コントラストまたは大きく傾いている場合、結果に意味不明な文字列が残ることがあります。エンジンに渡す前に前処理（例：二値化、デスキュー）を検討してください。 + +## Step 5 – クリーンアップされたテキストの出力 + +最後のステップは結果を単に出力することです。実際のアプリケーションではデータベースやファイルに書き込むこともありますが、このデモでは `System.out` で十分です。 + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### 期待される出力 + +`receipt.png` に項目のリストがはっきり写っていると仮定すると、以下のような出力が得られます。 + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +元のスキャンで「Qy」のような誤字があっても、“Qty” と “Price” が正しく綴られていることに注目してください。 + +## 完全な動作例 + +以下は `SpellCorrectDemo.java` というファイル名でコピー＆ペーストできる完全なプログラムです。Aspose OCR 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。 + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +以下のコマンドで実行します: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +コンソールにクリーンアップされたテキストが表示されるはずです。 + +## ボーナス: 精度向上のための設定調整 + +デフォルト設定はほとんどの印刷文書で機能しますが、特定のシナリオではいくつかのパラメータを調整する必要があるかもしれません。 + +| Setting | 機能 | 変更すべきタイミング | +|---------|------|----------------------| +| `setLanguage(OcrLanguage.English)` | 英語辞書を強制（誤検出を減らす） | 画像が英語のみの場合。 | +| `setResolution(300)` | ソース画像の DPI をエンジンに伝える | 高解像度スキャンの場合。 | +| `setEnableAutoSkewCorrection(true)` | わずかに傾いたページを自動回転 | スマートフォンで撮影した画像の場合。 | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## よくある質問 + +**Q: PDFでも動作しますか？** +A: はい。各 PDF ページを画像に変換（例：Aspose PDF を使用）し、その画像を OCR エンジンに渡します。 + +**Q: 画像が BMP 形式の場合は？** +A: `ImageStream.fromFile` は PNG、JPEG、BMP、TIFF、GIF を標準でサポートしています。拡張子を変更するだけです。 + +**Q: スペル補正を無効にできますか？** +A: もちろんです。下流処理で生の OCR 出力が必要な場合は `setEnableSpellCorrection(false)` を設定してください。 + +## 結論 + +これで Java で **OCR を使用する方法**、**画像からテキストを抽出**、自動的に **OCR エラーを修正**、そして Aspose OCR を使った正しい **OCR用画像の読み込み** が分かりました。初期化、読み込み、スペル補正の有効化、認識、出力という5ステップのフローは、日常的な OCR 作業の大部分をカバーします。 + +ここからは、このロジックをデータベースへの書き戻し、REST エンドポイント、またはバッチプロセッサと組み合わせて、数十枚のレシートを一括処理することを検討してください。上記の設定表を試して、精度を最大限に引き出しましょう。 + +コーディングを楽しんでください。そして、OCR の結果がコーヒーで汚れたレシートよりも常にクリアでありますように！ + +![OCRの使用方法を示す図：画像 → OCRエンジン → 補正されたテキストのフロー] + +{{< /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..96a9a82a2 100644 --- a/ocr/korean/java/advanced-ocr-techniques/_index.md +++ b/ocr/korean/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,17 @@ 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. +### [Aspose OCR GPU 가이드: PNG 이미지에서 텍스트 추출 가속화](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +GPU 가속을 활용하여 PNG 이미지에서 텍스트 추출 속도를 크게 향상시키는 방법을 단계별로 안내합니다. +### [Java OCR로 이미지에서 텍스트 인식 – 병렬 처리 가이드](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Java OCR을 활용해 병렬 처리로 이미지 텍스트 추출 속도를 높이는 방법을 단계별로 안내합니다. +### [Aspose OCR을 사용한 혼합 언어 이미지 활용 방법](./how-to-use-aspose-ocr-for-mixed-language-images/) +Aspose OCR을 사용하여 혼합 언어 이미지에서 텍스트를 정확하게 추출하는 방법을 단계별로 안내합니다. +### [OCR 대비 향상 방법 – 완전한 Java 전처리 가이드](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Java용 Aspose.OCR을 활용해 이미지 대비를 조정하여 OCR 정확도를 높이는 전체 전처리 과정을 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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/korean/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..b459f53b2 --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,247 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU 튜토리얼은 GPU 가속을 사용하여 빠르고 신뢰할 수 있는 OCR을 위해 이미지에서 텍스트를 인식하고 + PNG에서 텍스트를 추출하는 방법을 보여줍니다. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: ko +og_description: Aspose OCR GPU를 사용하여 이미지에서 텍스트를 인식하고 Java에서 GPU 가속을 이용해 PNG에서 텍스트를 + 추출하는 방법을 배워보세요. +og_title: 'Aspose OCR GPU 가이드: 텍스트 추출 가속화' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Aspose OCR GPU 가이드: PNG 이미지에서 텍스트 추출 가속화' +url: /ko/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – PNG 이미지에서 빠르고 신뢰할 수 있는 텍스트 추출 + +aspose ocr gpu**로 OCR 성능을 높이고 싶으신가요? Aspose OCR GPU를 사용하면 CUDA 지원 그래픽 카드를 활용하여 **recognize text from image**를 훨씬 빠르게 수행할 수 있습니다. 고해상도 PNG를 몇 분이 아니라 몇 초 안에 처리하는 모습을 상상해 보세요—더 이상 결과를 기다릴 필요가 없습니다. + +이 튜토리얼에서는 OCR을 위한 이미지 로드, 엔진을 GPU 모드로 전환, 최종적으로 텍스트 추출까지 필요한 모든 과정을 단계별로 안내합니다. 끝까지 따라오시면 GPU 가속을 이용해 **extracts text from png** 파일을 처리하는 완전한 실행 가능한 Java 프로그램을 얻게 됩니다. 별도의 외부 문서는 필요 없으며, 단계대로 진행하고 코드를 복사하면 바로 사용할 수 있습니다. + +## 필요 사항 + +- **Java Development Kit (JDK) 11+** – 이 코드는 표준 Java 언어 기능을 사용합니다. +- **Aspose.OCR for Java** (2026년 5월 현재 최신 버전). Maven Central에서 가져올 수 있습니다: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **CUDA 지원 GPU** (NVIDIA GeForce, Quadro, 또는 Tesla)와 적절한 드라이버가 설치되어 있어야 합니다. +- **샘플 고해상도 PNG** (예: `sample-highres.png`)를 처리하고자 할 때 사용합니다. + +GPU가 없는 경우, 코드는 자동으로 CPU로 대체됩니다—GPU 관련 라인을 주석 처리하면 됩니다. + +## Step 1 – OCR을 위한 이미지 로드 + +OCR 워크플로우에서 가장 먼저 필요한 것은 이미지 소스입니다. Aspose OCR은 파일, 바이트 배열, 혹은 URL에서도 읽을 수 있는 편리한 `ImageStream` 래퍼를 제공합니다. 여기서는 로컬 개발에 가장 간단한 `ImageStream.fromFile`을 사용합니다. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** 이미지를 올바르게 로드하면 OCR 엔진이 필요한 정확한 픽셀 데이터를 받게 됩니다. `ImageStream.fromFile`을 사용하면 일반적인 PNG 특성(알파 채널, 색 깊이)도 자동으로 처리됩니다. + +## Step 2 – GPU 가속 활성화 (aspose ocr gpu) + +이제 마법의 단계입니다: Aspose에게 GPU에서 실행하도록 지시합니다. 엔진 내부의 `OcrDevice` 객체를 사용하면 디바이스 유형(`CPU` 또는 `GPU`)을 선택할 수 있으며, GPU가 여러 대인 경우 특정 device ID도 지정할 수 있습니다. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** `CUDA driver not found` 오류가 발생하면 NVIDIA 드라이버가 Aspose OCR에서 요구하는 CUDA 버전(보통 23.x 릴리스의 경우 CUDA 11.x)과 일치하는지 다시 확인하세요. +> **Edge case:** 헤드리스 서버에서 실행할 때 GPU가 다른 프로세스에 의해 점유되지 않았는지 확인하십시오; 그렇지 않으면 OCR 호출이 조용히 CPU로 전환됩니다. + +## Step 3 – 이미지에서 텍스트 인식 + +이미지를 로드하고 디바이스를 설정했으면 이제 OCR 엔진을 실행할 수 있습니다. `recognize()` 메서드는 순수 텍스트, 신뢰도 점수, 필요에 따라 나중에 사용할 수 있는 경계 상자까지 포함하는 `OcrResult` 객체를 반환합니다. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +프로그램을 실행하면 다음과 같은 출력이 나타납니다: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** PNG에서 추출된 원시 문자열입니다. 이미지에 표나 다중 열 레이아웃이 포함된 경우, 더 나은 결과를 위해 엔진에서 `LayoutAnalysis`를 활성화할 수 있습니다(이 빠른 가이드의 범위는 아닙니다). + +## Step 4 – GPU 실제 사용 여부 확인 + +GPU가 실제로 작업을 수행하고 있다고 가정하기 쉽지만, 간단한 확인을 통해 디버깅 시간을 크게 절약할 수 있습니다. Aspose OCR은 디바이스를 초기화할 때 작은 로그 항목을 기록합니다. + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +출력에 `GPU`가 표시되면 정상입니다. `CPU`라고 표시되면 드라이버 설치를 다시 확인하거나 `CUDA_HOME` 환경 변수가 올바른 툴킷 폴더를 가리키는지 확인하십시오. + +## 흔히 발생하는 문제와 해결 방법 + +| 증상 | 가능 원인 | 해결 방법 | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | `PATH`에 CUDA 런타임이 없음 | CUDA `bin` 폴더를 시스템 `PATH`에 추가하거나 `java.library.path`를 설정합니다. | +| OCR이 빈 문자열을 반환 | 이미지가 올바르게 로드되지 않음(잘못된 경로 또는 지원되지 않는 형식) | 파일 경로를 다시 확인하고 PNG가 손상되지 않았는지 확인합니다. | +| 성능이 CPU와 유사 | 드라이버 불일치로 GPU가 CPU로 대체 | Aspose OCR 릴리즈 노트에 명시된 버전으로 NVIDIA 드라이버를 업데이트합니다. | +| 대형 이미지에서 메모리 부족 | GPU 메모리 부족 | 이미지 해상도를 낮추거나 처리 전 이미지를 타일로 분할합니다. | + +## 보너스: GPU 사용 불가 시 CPU로 대체 + +때때로 CUDA 지원 GPU가 없는 개발용 노트북에서 동일한 코드를 실행할 수 있습니다. 디바이스 선택을 try‑catch 블록으로 감싸면 프로그램이 견고해집니다. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +이제 동일한 바이너리가 모든 환경에서 동작하며, 하드웨어가 허용하는 곳에서는 여전히 속도 향상을 얻을 수 있습니다. + +## 전체 실행 가능한 예제 + +아래는 앞에서 논의한 모든 단계, 검증 및 대체 로직을 포함한 완전한 Java 클래스입니다. IDE에 복사·붙여넣기하고 이미지 경로를 조정한 뒤 실행하십시오. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**예상 출력** (PNG에 간단한 영어 텍스트가 포함된 경우): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +GPU가 없을 경우 마지막 줄에 “CPU”가 표시됩니다. + +## 시각적 개요 + +아래는 데이터 흐름을 간단히 나타낸 다이어그램입니다—PNG 로드부터 순수 텍스트 반환까지. 이미지 alt 텍스트에는 SEO를 위한 주요 키워드가 포함되어 있습니다. + +![aspose ocr gpu 워크플로 – 이미지 로드, GPU 활성화, 텍스트 인식] + +*Alt text: aspose ocr gpu workflow showing how to load image for ocr, enable GPU acceleration, and extract text from png.* + +## 요약 및 다음 단계 + +우리는 방금 **aspose ocr gpu**‑가속을 이용해 **recognize text from image**와 **extract text from png** 파일을 처리하는 방법을 다루었습니다. 주요 요점은 다음과 같습니다: + +1. `ImageStream.fromFile`을 사용하여 **이미지를 로드**합니다. +2. `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`를 통해 **GPU를 활성화**합니다. +3. `recognize()`를 실행하고 `ocrResult.getText()`를 읽습니다. +4. **디바이스를 검증**하고 필요 시 CPU로 부드럽게 대체합니다. + +한계에 도전할 준비가 되셨나요? 다음 실험을 시도해 보세요: + +- **배치 처리:** PNG 디렉터리를 순회하면서 각 결과를 `.txt` 파일에 기록합니다. +- **레이아웃 분석:** `ocrEngine.getOptions().setDetectDocumentStructure(true)`를 활성화하여 열과 표를 보존합니다. +- **멀티‑GPU 확장:** 워크스테이션에 GPU가 여러 대 있는 경우, 각기 다른 `deviceId`에 고정된 병렬 스레드를 실행합니다. + +이러한 확장은 **gpu accelerated ocr**에 대한 숙련도를 높이고 대규모 문서 디지털화 프로젝트의 문을 엽니다. + +--- + +*코딩 즐겁게! 문제가 발생하면 아래에 댓글을 남겨 주세요—기꺼이 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/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/korean/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..3632e1053 --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,221 @@ +--- +category: general +date: 2026-05-06 +description: 신뢰할 수 있는 OCR 텍스트 인식을 위해 이미지 전처리, 노이즈 제거 및 이미지 회전 보정 방법을 배우면서 대비를 향상시키는 + 방법. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: ko +og_description: OCR 이미지에서 대비를 향상시키는 방법과 이미지 전처리, 노이즈 제거, 이미지 회전 보정을 통해 정확한 텍스트 인식을 + 구현하는 방법. +og_title: OCR에서 대비를 향상시키는 방법 – 단계별 Java 가이드 +tags: +- OCR +- Java +- Image Processing +title: OCR에서 대비를 향상시키는 방법 – 완전한 Java 전처리 가이드 +url: /ko/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR에서 대비 향상하기 – 완전한 Java 전처리 가이드 + +Ever wondered **how to enhance contrast** so that your OCR engine actually reads the text instead of spitting out gibberish? You're not alone. Most developers hit the wall when the source image is dim, skewed, or riddled with speckles, and the result is a frustrating “recognize text from image” failure. + +좋은 소식은? 몇 가지 스마트한 전처리 단계—**how to preprocess image**, **how to remove noise**, 그리고 **correct image rotation**—를 적용하면 잡음이 많고 대비가 낮은 PNG를 OCR 엔진이 좋아하는 깨끗한 캔버스로 바꿀 수 있습니다. 이 튜토리얼에서는 Aspose.OCR을 사용한 실제 Java 예제를 단계별로 살펴보고, 각 필터가 왜 중요한지 설명하며, **how to enhance contrast**를 정확히 보여드립니다. + +--- + +## 배울 내용 + +- 각 전처리 필터(Deskew, Noise Removal, Contrast Enhancement)의 목적. +- **how to preprocess image**를 Aspose.OCR과 Java로 단계별로 수행하는 방법. +- OCR 전에 **how to remove noise**와 **correct image rotation**에 대한 실용적인 팁. +- **recognize text from image**의 출력 결과를 확인할 수 있는 정확한 코드를 복사‑붙여넣기하고 실행하는 방법. + +> **Prerequisites** – Java 17+, Maven 또는 Gradle, 그리고 Aspose.OCR for Java 라이선스(테스트용 무료 체험 가능). 다른 서드파티 라이브러리는 필요하지 않습니다. + +## Step 1 – 프로젝트 설정 및 Aspose.OCR 가져오기 + +Before we can talk about **how to enhance contrast**, we need a working Java project with the OCR engine on board. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle, the equivalent is: + +Gradle을 선호한다면, 동일한 내용은 다음과 같습니다: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Create a simple `src/main/java/PreprocessDemo.java` file and import the required classes: + +간단한 `src/main/java/PreprocessDemo.java` 파일을 만들고 필요한 클래스를 import하세요: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** IDE의 자동 import 기능을 켜 두세요; 많은 번거로움을 줄여줍니다. + +--- + +## Step 2 – 정리할 이미지 로드하기 + +Now that the library is ready, let’s answer the first part of **how to preprocess image**: loading it. + +라이브러리가 준비되었으니, **how to preprocess image**의 첫 번째 단계인 이미지를 로드해 봅시다. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +At this point the engine holds a low‑quality PNG that likely suffers from poor contrast, rotation, and speckle noise. If you open the file, you’ll see exactly why the OCR would stumble. + +이 시점에서 엔진은 대비가 낮고, 회전 및 잡음이 있는 저품질 PNG를 가지고 있습니다. 파일을 열어 보면 OCR이 왜 실패할지 정확히 알 수 있습니다. + +## Step 3 – 필터 적용: Deskew, Noise Removal, **how to enhance contrast** + +This is the heart of the tutorial—**how to enhance contrast** while simultaneously handling rotation and noise. Aspose.OCR ships with three ready‑made filters: + +이것이 튜토리얼의 핵심—**how to enhance contrast**와 동시에 회전 및 잡음을 처리합니다. Aspose.OCR은 세 가지 준비된 필터를 제공합니다: + +| 필터 | 동작 | OCR에 중요한 이유 | +|--------|--------------|------------------------| +| `DeskewFilter` | 이미지 회전을 감지하고 보정합니다 | **correct image rotation**을 보장하여 문자들이 기울어지지 않게 합니다. | +| `NoiseRemovalFilter` | 무작위 잡음과 배경 입자를 감소시킵니다 | **how to remove noise**를 구현하여 엔진이 문자만 인식하도록 합니다. | +| `ContrastEnhancementFilter` | 전경 텍스트와 배경 사이의 차이를 높입니다 | **how to enhance contrast**에 직접 답변하며, 흐릿한 획을 돋보이게 합니다. | + +Add them in the order shown—deskew first, then noise removal, then contrast enhancement: + +보여진 순서대로 추가하세요—먼저 deskew, 그 다음 noise removal, 마지막으로 contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Why this order?** +> • Deskew는 원시 픽셀 매트릭스에서 가장 잘 작동하며, 잡음이 있는 이미지를 회전하면 아티팩트가 증폭될 수 있습니다. +> • 대비를 높이기 전에 잡음을 제거하면 필터가 잡음을 증폭시키는 것을 방지합니다. +> • 마지막으로, contrast enhancement는 정리된 픽셀을 돋보이게 하며, 이는 OCR을 위한 **how to enhance contrast**와 정확히 일치합니다. + +## Step 4 – OCR 엔진 실행 및 **recognize text from image** + +With the preprocessing pipeline in place, we finally call the OCR engine. This step answers the ultimate question: **recognize text from image**. + +전처리 파이프라인이 준비되었으니, 이제 OCR 엔진을 호출합니다. 이 단계가 궁극적인 질문인 **recognize text from image**에 답합니다. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +When you run `java PreprocessDemo`, you should see clean, readable text instead of a garbled mess. Typical output for a sample invoice might look like: + +`java PreprocessDemo`를 실행하면 뒤죽박죽인 결과 대신 깨끗하고 읽을 수 있는 텍스트가 표시됩니다. 샘플 청구서의 일반적인 출력 예시는 다음과 같습니다: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +If the result still looks fuzzy, consider tweaking the `ContrastEnhancementFilter` parameters (e.g., `setLevel(1.5)`) or double‑checking that the source image isn’t compressed beyond recovery. + +결과가 여전히 흐릿하면 `ContrastEnhancementFilter` 매개변수(예: `setLevel(1.5)`)를 조정하거나 원본 이미지가 복구 불가능하게 압축되지 않았는지 다시 확인하세요. + +## Step 5 – 시각적 확인: 전후 (선택 사항) + +Seeing is believing. Below is a placeholder illustration that compares the original file with the processed version. The alt‑text explicitly mentions the primary keyword for SEO. + +보는 것이 믿는 것입니다. 아래는 원본 파일과 처리된 버전을 비교하는 자리표시자 이미지입니다. alt‑text는 SEO를 위해 주요 키워드를 명시적으로 언급합니다. + +![OCR 전처리에서 대비를 향상시키는 방법을 보여주는 다이어그램 – 원본 vs. 향상된 이미지](https://example.com/contrast-demo.png "OCR 전처리에서 대비를 향상시키는 방법") + +*코드를 직접 이미지에 적용하면 가독성이 크게 향상되는 것을 확인할 수 있습니다.* + +## 흔히 발생하는 문제와 해결 방법 + +| 문제 | 발생 원인 | 해결 방법 | +|-------|----------------|-----| +| Contrast boost 후 텍스트가 여전히 흐릿함 | 필터 레벨이 낮거나 이미지 해상도가 충분하지 않음 | `ContrastEnhancementFilter` 레벨을 증가(`new ContrastEnhancementFilter(1.8)`)하거나 처리 전에 이미지를 확대하세요. | +| OCR이 빈 문자열을 반환 | 이미지가 완전히 어둡거나 모든 픽셀이 잡음 필터에 의해 제거됨 | `NoiseRemovalFilter`의 강도를 낮추세요(`new NoiseRemovalFilter(0.3)`). | +| 문자가 여전히 기울어짐 | 이미지가 너무 잡음이 많아 Deskew가 각도를 놓침 | `DeskewFilter`를 가벼운 잡음 제거 후 **실행**하거나, `DeskewFilter.setAngle(2.5)`로 회전 각도를 수동 설정하세요. | +| 예상치 못한 유니코드 기호 | OCR 언어가 올바르게 설정되지 않음 | `recognize()` 전에 `ocrEngine.setLanguage(OcrLanguage.English);`를 호출하세요. | + +## 파이프라인 확장 – 추가 기능이 필요할 때 + +Sometimes you might need to **how to preprocess image** for colored scans or PDFs. Aspose.OCR also offers: + +때때로 컬러 스캔이나 PDF에 대해 **how to preprocess image**가 필요할 수 있습니다. Aspose.OCR은 다음과 같은 추가 필터도 제공합니다: + +- `BinarizationFilter` – 순수한 흑백으로 변환하여 고대비 텍스트에 적합합니다. +- `ResizeFilter` – OCR 전에 작은 글꼴을 확대합니다. +- `SharpenFilter` – 흐릿한 손글씨의 가장자리를 강조합니다. + +You can chain them just like the three core filters shown earlier. Remember, the order still matters: resize → denoise → binarize → contrast → deskew is a common recipe. + +앞서 보여준 세 가지 핵심 필터와 마찬가지로 체인으로 연결할 수 있습니다. 순서는 여전히 중요합니다: resize → denoise → binarize → contrast → deskew 가 일반적인 레시피입니다. + +## 요약: 잡음이 많은 PNG에서 깨끗한 텍스트로 + +- **how to enhance contrast**: `Deskew`와 `NoiseRemovalFilter` 후에 `ContrastEnhancementFilter`를 사용합니다. +- **how to preprocess image**: 이미지를 로드하고, 필터를 추가한 뒤 OCR을 실행합니다. +- **how to remove noise**: `NoiseRemovalFilter`는 텍스트 스트로크를 손상시키지 않으며 배경을 정리합니다. +- **correct image rotation**: `DeskewFilter`는 텍스트 기준선을 정렬하며, 정확한 인식의 전제 조건입니다. +- **recognize text from image**: `ocrEngine.recognize()`를 호출하고 `ocrResult.getText()`를 읽습니다. + +## 다음 단계 + +- **Experiment**: 필터 매개변수를 조정하고 OCR 정확도에 미치는 영향을 관찰합니다. +- **Batch processing**: 위 로직을 루프로 감싸 이미지 폴더 전체를 처리합니다. +- **Integration**: OCR 결과를 데이터베이스나 PDF 생성기에 전달하여 엔드‑투‑엔드 자동화를 구현합니다. + +적응형 임계값 적용이나 색상 반전과 같은 다른 이미지 향상 기법이 궁금하다면, Aspose 공식 문서나 “Advanced Image Pre‑processing with Aspose.OCR” 가이드를 확인하세요. + +### 즐거운 코딩! + +이제 **how to enhance contrast**와 복잡한 스캔을 깨끗하고 검색 가능한 텍스트로 바꾸는 전체 전처리 과정을 알게 되었습니다. 문제가 발생하면 댓글을 남기거나, 여러분만의 파이프라인 커스터마이징 사례를 공유해주세요. OCR 이야기를 계속 이어갑시다! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/korean/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..4db19e4cc --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR을 사용하여 이미지에서 텍스트를 인식하고, 자동 언어 감지를 활성화하며, Java에서 OCR 속도를 향상시키는 + 방법. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: ko +og_description: Aspose OCR을 사용하여 이미지에서 텍스트를 빠르게 인식하고, 자동 언어 감지를 활성화하며, Java에서 OCR + 속도를 향상시키는 방법. +og_title: 혼합 언어 이미지에 Aspose OCR 사용 방법 +tags: +- Aspose +- OCR +- Java +- Image Processing +title: 다중 언어 이미지에 Aspose OCR 사용 방법 +url: /ko/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR을 사용하여 다국어 이미지 처리하는 방법 + +한 장의 이미지에 여러 언어가 섞여 있을 때 **Aspose를 어떻게 사용**해 텍스트를 추출할 수 있을지 궁금하지 않으셨나요? 여러분만 그런 것이 아닙니다—개발자들은 이미지에 영어, 러시아어, 힌디어 혹은 다른 스크립트가 혼합될 때 종종 난관에 부딪힙니다. 좋은 소식은 Aspose OCR이 이를 부드럽게 처리해 주며, 언어 집합을 좁혀 **이미지에서 텍스트 인식** 속도를 높일 수도 있다는 점입니다. + +이 튜토리얼에서는 **OCR용 이미지 로드**, **자동 언어 감지** 활성화, 그리고 **OCR 속도 향상**을 위한 간단한 트릭을 보여주는 완전한 Java 예제를 단계별로 살펴보겠습니다. 마지막에는 추출된 텍스트를 콘솔에 출력하는 독립 실행형 프로그램을 만들고, 각 설정이 왜 중요한지 이해하게 될 것입니다. + +> **Prerequisites** – Java 17+ 설치, Maven 또는 Gradle을 통한 의존성 관리, 그리고 Aspose OCR 라이선스(평가용 무료 체험 가능). 다른 라이브러리는 필요하지 않습니다. + +--- + +## Step 1 – Add Aspose OCR to Your Project + +**Aspose**를 사용하려면 라이브러리를 클래스패스에 추가해야 합니다. Maven을 사용할 경우 다음과 같이 작성합니다: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle을 선호한다면: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** 최신 안정 버전을 사용하세요; 최신 버전에는 **OCR 속도 향상**에 직접적인 영향을 주는 성능 개선이 포함되는 경우가 많습니다. + +--- + +## Step 2 – Create the OCR Engine Instance + +모든 Aspose OCR 워크플로의 핵심은 `OcrEngine`입니다. 인스턴스를 생성하는 것은 간단하지만, 엔진이 내부 캐시를 보유한다는 점을 기억하세요. 여러 이미지에 대해 단일 인스턴스를 재사용하면 라이브러리가 반복적인 네이티브 초기화를 피하므로 **OCR 속도 향상**에 도움이 됩니다. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Step 3 – **Load Image for OCR** + +Aspose는 PNG, JPEG, TIFF, BMP 등 다양한 이미지 포맷을 지원합니다. 여기서는 영어, 러시아어, 힌디어 텍스트가 포함된 PNG를 로드하는 예를 보여줍니다. `ImageStream.fromFile` 헬퍼는 파일 I/O 세부 사항을 추상화하고 이미지를 엔진에 올바르게 스트리밍합니다. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **이미지가 메모리에 있을 경우** `ImageStream.fromByteArray(byte[])`를 사용하세요—바이트 스트림으로 이미지를 받는 웹 서비스에 적합합니다. + +--- + +## Step 4 – Enable Automatic Language Detection + +기본적으로 Aspose OCR은 단일 언어를 가정하므로 다국어 이미지에서는 깨진 출력이 발생할 수 있습니다. 자동 감지를 켜면 엔진이 각 텍스트 블록의 스크립트를 인식한 뒤 처리합니다. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Step 5 – **Improve OCR Speed** by Restricting the Language Pool + +전체 자동 감지는 Aspose가 지원하는 70개 이상의 모든 언어를 스캔합니다. 가능한 언어를 미리 알고 있다면 엔진에 힌트를 제공할 수 있습니다. 더 작은 배열을 전달하면 검색 범위가 줄어들어 **OCR 속도 향상** 효과가 있습니다. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **왜 도움이 될까?** 엔진이 필요 없는 언어 모델을 건너뛰어 CPU 사이클과 메모리를 절약합니다. 나중에 언어를 추가하고 싶다면 배열만 업데이트하면 되며, 코드 수정은 필요 없습니다. + +--- + +## Step 6 – Perform the Recognition and **Recognize Text from Image** + +이제 본격적인 인식이 진행됩니다. `recognize()`는 평문 텍스트, 신뢰도 점수, 필요 시 레이아웃 정보까지 포함하는 `OcrResult` 객체를 반환합니다. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Console Output + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +이미지에 잡음이나 기울어진 텍스트가 포함된 경우 해당 라인의 신뢰도가 낮게 표시될 수 있습니다. 이때는 Aspose에 전달하기 전에 이미지 전처리(디스큐, 이진화)를 고려하세요. + +--- + +## Common Questions & Edge Cases + +### What if the image is huge (e.g., >10 MP)? + +대용량 이미지는 메모리를 많이 차지하고 처리 속도를 저하시킬 수 있습니다. **OCR 속도 향상**을 위한 간단한 방법은 가독성을 유지하면서 이미지를 다운스케일하는 것입니다: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### How do I handle right‑to‑left scripts like Arabic? + +Aspose OCR은 스크립트 방향을 자동으로 인식하지만, 후처리를 위해 `RightToLeft` 플래그를 설정하고 싶을 수 있습니다: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Can I extract text from PDFs instead of images? + +가능합니다—각 PDF 페이지를 이미지로 변환(Aspose PDF 또는 다른 래스터라이저 사용)한 뒤 동일한 OCR 파이프라인에 전달하면 됩니다. 동일한 **이미지에서 텍스트 인식** 로직이 적용됩니다. + +--- + +## Full Working Example (Copy‑Paste Ready) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +파일명을 `MixedLanguageDemo.java`로 저장하고 `javac`로 컴파일한 뒤 `java MixedLanguageDemo`로 실행하세요. 모든 설정이 올바르게 구성되었다면 콘솔에 다국어 텍스트가 출력될 것입니다. + +--- + +## Conclusion + +이제 **Aspose를 사용해 여러 언어가 섞인 이미지 파일에서 텍스트를 인식**하는 방법, **자동 언어 감지**를 활성화하는 방법, 그리고 **언어 풀을 제한해 OCR 속도 향상**하는 실용적인 팁을 알게 되었습니다. 위의 전체 코드는 복사‑붙여넣기만으로 바로 사용할 수 있으며, 설명을 통해 스트림, 바이트 배열, 혹은 웹캠 스냅샷 등 다양한 방식으로 **OCR용 이미지 로드**를 확장할 수 있는 자신감을 얻으셨을 겁니다. + +다음 단계로는 다음을 시도해 보세요: + +* 저품질 스캔을 위한 이미지 전처리(노이즈 제거, 이진화) 적용 +* `OcrResult`를 JSON으로 내보내어 downstream 서비스와 연동 +* Spring Boot REST 엔드포인트에 엔진을 통합해 클라이언트가 이미지를 업로드하고 즉시 추출된 텍스트를 받도록 구현 + +코딩을 즐기시고, 여러분의 OCR 파이프라인이 빠르고 정확하며 다국어를 지원하길 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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/korean/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..fb01c353c --- /dev/null +++ b/ocr/korean/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,204 @@ +--- +category: general +date: 2026-05-06 +description: Java OCR 예제를 사용하여 이미지를 빠르게 텍스트로 인식합니다. 병렬 OCR 처리를 통해 TIFF 파일에서 텍스트를 추출하는 + 방법과 Java에서 효율적으로 OCR하는 방법을 배워보세요. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: ko +og_description: 완전한 Java OCR 예제로 이미지에서 텍스트를 빠르게 인식하세요. 이 튜토리얼에서는 병렬 OCR 처리를 사용하여 TIFF에서 + 텍스트를 추출하는 방법을 보여줍니다. +og_title: Java OCR로 이미지에서 텍스트 인식 – 병렬 처리 가이드 +tags: +- OCR +- Java +- Image Processing +title: Java OCR로 이미지에서 텍스트 인식 – 병렬 처리 가이드 +url: /ko/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 이미지에서 텍스트 인식하기 – Java OCR 병렬 처리 가이드 + +이미지 파일에서 **텍스트를 인식**해야 하는데 성능 병목 현상에 부딪힌 적 있나요? 혼자가 아닙니다. 많은 개발자들이 단일 스레드 OCR 엔진이 다중 페이지 TIFF를 처리하면서 작업이 마라톤처럼 늘어나는 상황을 겪습니다. + +이 튜토리얼에서는 **java ocr example**을 통해 TIFF 파일에서 텍스트를 추출할 뿐만 아니라 모든 CPU 코어를 활용한 병렬 OCR 처리를 구현하는 방법을 단계별로 안내합니다. 최종적으로 *how to ocr java* 프로젝트를 효율적으로 수행하는 방법을 정확히 알게 되고, Maven이나 Gradle 설정에 바로 넣어 사용할 수 있는 코드 스니펫을 얻게 됩니다. + +## 배울 내용 + +- Java 프로젝트에 Aspose.OCR 라이브러리를 설정하는 방법 +- 다중 페이지 TIFF를 로드하고 인식 준비하는 방법 +- 논리적 CPU 코어 수에 맞춰 **병렬 OCR 처리**를 활성화하는 방법 +- 인식된 텍스트를 가져와 표시하고, **이미지에서 텍스트 인식** 워크플로를 완성하는 방법 + +> **Prerequisite:** Java 8 이상 및 유효한 Aspose.OCR for Java 라이선스(또는 임시 평가 키). 다른 외부 도구는 필요하지 않습니다. + +--- + +## Step 1: Aspose.OCR 의존성 추가 + +**이미지에서 텍스트를 인식**하려면 OCR 엔진을 클래스패스에 추가해야 합니다. Maven을 사용한다면 `pom.xml`에 다음을 추가하세요: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle을 사용하는 경우 동일한 내용은 다음과 같습니다: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* 버전 번호를 최신으로 유지하세요. 최신 릴리스에는 **병렬 OCR 처리**를 더욱 빠르게 만드는 성능 개선이 포함되는 경우가 많습니다. + +--- + +## Step 2: Java 클래스 준비 – 전체 작업 예제 + +아래는 모든 사용 가능한 CPU 코어를 활용해 **tiff에서 텍스트를 추출**하는 **java ocr example**입니다. 파일명을 `ParallelOcrDemo.java`로 저장하세요. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**각 라인의 의미** + +- **엔진 생성**: `OcrEngine`은 모든 무거운 작업을 캡슐화합니다. 이 없이는 **이미지에서 텍스트를 인식**할 수 없습니다. +- **이미지 로드**: `ImageStream.fromFile`은 TIFF, PNG, JPEG 등을 지원합니다. 다중 페이지 TIFF를 사용하면 엔진이 복잡한 문서를 처리하는 능력을 테스트할 수 있습니다. +- **스레드 수**: `Runtime.getRuntime().availableProcessors()`는 논리 코어 수(하이퍼스레드 포함)를 반환합니다. 이 값을 설정하면 **병렬 OCR 처리**가 트리거되어 다중 코어 머신에서 실행 시간이 크게 단축됩니다. +- **인식**: `engine.recognize()`가 OCR 파이프라인을 실행합니다. 내부적으로 정의한 스레드 풀에 페이지를 분배합니다. +- **결과 처리**: `result.getText()`는 모든 페이지의 텍스트를 연결한 단일 `String`을 반환합니다 – 후속 처리나 저장에 최적입니다. + +--- + +## Step 3: 데모 실행 및 출력 확인 + +프로그램을 컴파일하고 실행하세요: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +다음과 같은 결과가 표시됩니다: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +콘솔에 예상 텍스트가 출력된다면, **이미지에서 텍스트를 인식**하는 **java ocr example**을 병렬로 성공적으로 실행한 것입니다. 축하합니다! + +--- + +## Step 4: 실제 시나리오에 맞게 조정 (선택 사항) + +### 특정 페이지만 텍스트 추출 + +대용량 TIFF 중 일부 페이지만 필요할 때는 인식 후 필터링할 수 있습니다: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### 스레드 수 수동 조정 + +서버가 이미 다른 작업으로 바쁠 경우 OCR 스레드 수를 제한할 수 있습니다: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### 메모리 집약적인 TIFF 처리 + +대형 다중 페이지 TIFF는 많은 RAM을 소모합니다. 이를 완화하려면 파일을 청크 단위로 처리하세요: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Step 5: 흔히 발생하는 문제와 해결 방법 + +| 문제 | 증상 | 해결책 | +|------|------|--------| +| **라이선스 부족** | Runtime에서 `LicenseException` 발생 | 유효한 라이선스 파일을 적용하거나 무료 평가 모드(워터마크 추가)를 사용 | +| **잘못된 파일 경로** | `FileNotFoundException` 발생 | 경로를 다시 확인하고 테스트 시 절대 경로 사용 | +| **CPU 스로틀링** | `setThreadCount` 지정에도 속도 향상 없음 | JVM이 `-Xmx` 메모리 제한이나 OS 전원 절약 설정에 의해 제한되지 않았는지 확인 | +| **지원되지 않는 이미지 형식** | `UnsupportedFormatException` 발생 | 엔진에 전달하기 전에 이미지를 TIFF, PNG, JPEG 등 지원 형식으로 변환 | + +--- + +## Visual Summary + +![이미지에서 텍스트 인식 예시](image-placeholder.png "이미지에서 텍스트 인식") + +*Alt text:* “Java OCR을 사용한 이미지에서 텍스트 인식 흐름을 병렬 처리로 보여주는 다이어그램” + +--- + +## Conclusion + +우리는 **java ocr example**을 통해 **이미지에서 텍스트를 인식**하는 전체 과정을 살펴보았으며, 특히 다중 페이지 TIFF 파일을 **병렬 OCR 처리**로 효율적으로 다루는 방법을 배웠습니다. 스레드 풀을 CPU 코어 수에 맞추면 최신 하드웨어에서 거의 선형에 가까운 속도 향상을 얻을 수 있습니다—즉, “*how to ocr java* efficiently?” 라는 질문에 대한 정확한 답이 됩니다. + +다음 단계로 고려해볼 내용: + +- **tiff 파일**을 배치로 처리하고 결과를 데이터베이스에 저장 +- OCR 결과를 OpenNLP 같은 NLP 라이브러리와 결합해 자동으로 엔터티 태깅 +- 온디맨드 OCR을 위한 REST 엔드포인트 뒤에 마이크로서비스 형태로 배포 + +코드를 직접 실행해보고, 스레드 수를 조정해 보면서 파이프라인이 얼마나 빨라지는지 확인해 보세요. 문제가 생기면 아래에 댓글을 남겨 주세요—행복한 코딩 되세요! + +{{< /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..9b32af972 100644 --- a/ocr/korean/java/ocr-operations/_index.md +++ b/ocr/korean/java/ocr-operations/_index.md @@ -80,6 +80,12 @@ 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. +### [Java에서 OCR 사용하기 – 맞춤법 교정으로 이미지에서 텍스트 추출](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +맞춤법 교정 기능을 활용해 이미지 텍스트를 정확히 추출하고 자동 교정하는 방법을 단계별로 안내합니다. +### [이미지에서 검색 가능한 PDF 만들기 – 단계별 Java 가이드](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Aspose.OCR for Java를 사용해 이미지 파일을 검색 가능한 PDF로 변환하는 방법을 단계별로 안내합니다. +### [이미지에서 Java OCR을 사용해 검색 가능한 PDF 만들기](./create-searchable-pdf-from-image-with-java-ocr/) +Aspose.OCR for Java를 활용해 이미지에서 검색 가능한 PDF를 생성하는 방법을 단계별로 안내합니다. ## 자주 묻는 질문 diff --git a/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..06d773f0a --- /dev/null +++ b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR을 사용하여 이미지에서 검색 가능한 PDF를 만들고, 이미지를 PDF로 변환하고, OCR을 통해 이미지를 + PDF로 변환하며, 이미지를 몇 분 안에 텍스트로 추출하는 방법을 배워보세요. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: ko +og_description: Aspose OCR을 사용하여 이미지에서 검색 가능한 PDF를 만들세요. 이 가이드를 따라 JPG를 검색 가능한 PDF로 + 변환하고, 이미지에서 텍스트를 추출하는 등 다양한 작업을 수행할 수 있습니다. +og_title: 이미지에서 검색 가능한 PDF 만들기 – 완전한 Java 튜토리얼 +tags: +- Java +- OCR +- PDF +- Aspose +title: 이미지에서 검색 가능한 PDF 만들기 – 단계별 Java 가이드 +url: /ko/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# 이미지에서 검색 가능한 PDF 만들기 – 완전 Java 튜토리얼 + +스캔한 사진에서 **검색 가능한 PDF**를 만들어야 했지만 어떤 라이브러리를 선택해야 할지 몰랐던 적이 있나요? 당신만 그런 것이 아닙니다. 많은 프로젝트—예를 들어 비용 보고 자동화나 디지털 아카이빙—에서 일반 이미지를 실제로 검색할 수 있는 PDF로 변환하는 능력은 게임 체인저입니다. + +그래서 이번 튜토리얼에서는 **convert image to PDF** 전체 과정을 살펴보고, OCR을 실행한 뒤 **searchable PDF**를 만들어 어떤 문서 워크플로에도 바로 넣을 수 있도록 합니다. 또한 **extract text from image**에 대해 다루고, 많은 보일러플레이트 코드를 작성하지 않고 **convert jpg to searchable pdf**하는 방법도 보여드립니다. + +## What You’ll Learn + +- Aspose OCR에 필요한 정확한 Maven/Gradle 의존성 +- JPG(또는 지원되는 이미지)를 OCR 엔진에 로드하는 방법 +- `OcrSaveFormat.PDF_SEARCHABLE`로 저장하는 것이 왜 중요한지 +- 흔히 마주치는 함정(대용량 이미지, 지원되지 않는 포맷)과 회피 방법 +- 결과 PDF에 실제로 검색 가능한 텍스트가 포함됐는지 확인하는 방법 + +이 가이드를 끝까지 읽으면 단 한 번의 메서드 호출로 검색 가능한 PDF를 생성하는 실행 가능한 Java 클래스를 얻게 됩니다. 외부 명령줄 도구도, 추가 OCR 엔진도 필요 없습니다—순수 Java만으로 가능합니다. + +--- + +## Prerequisites + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 or newer | Aspose OCR은 최신 언어 기능을 사용합니다. | +| Maven or Gradle (for dependency management) | Aspose OCR JAR을 손쉽게 가져올 수 있습니다. | +| A sample image (`input.jpg`) placed in a known folder | 코드는 파일 경로를 기대합니다; PNG, BMP 등으로 교체해도 됩니다. | +| Optional: a PDF viewer with search capability (Adobe Reader, Foxit, etc.) | PDF가 실제로 검색 가능한지 확인하기 위해 필요합니다. | + +이미 준비가 되었다면, 좋습니다—바로 시작해봅시다. + +--- + +## Step 1: Add Aspose OCR to Your Project + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** The free evaluation version adds a small watermark to the first page. For production, grab a license from Aspose and call `License license = new License(); license.setLicense("Aspose.OCR.lic");` before you instantiate `OcrEngine`. + +--- + +## Step 2: Load the Image You Want to Convert + +우리는 `ImageStream.fromFile`을 사용해 디스크에서 직접 이미지를 읽습니다. 이 메서드는 JPG, PNG, TIFF 등 다양한 포맷을 지원하므로, 소스와 관계없이 **convert image to PDF**가 가능합니다. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** The OCR engine needs a bitmap representation of the text. Supplying a high‑resolution image (300 dpi or higher) dramatically improves recognition accuracy, which in turn gives you better **extract text from image** results. + +--- + +## Step 3: Run OCR and Save as a Searchable PDF + +`save` 메서드를 `PDF_SEARCHABLE` 포맷과 함께 호출하면 마법이 일어납니다. 내부적으로 Aspose OCR은 원본 이미지 위에 숨겨진 텍스트 레이어를 생성해 정적인 사진을 **searchable PDF**로 변환합니다. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +숨겨진 레이어가 필요 없는 일반 PDF를 원한다면 `PDF_SEARCHABLE`을 `PDF`로 바꾸면 됩니다. 하지만 대부분의 아카이빙 시나리오에서는 검색 가능한 버전이 필요합니다. + +--- + +## Step 4: Verify the Result + +프로그램이 종료된 후, `searchable.pdf`를 任意의 PDF 뷰어에서 열고 내장 검색(Ctrl + F)을 시도해 보세요. 이미지에만 있던 단어를 찾을 수 있다면, 축하합니다—**ocr image to pdf**에 성공한 것입니다. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** Very large images (> 10 MB) may cause `OutOfMemoryError`. To mitigate this, downscale the image beforehand using `java.awt.Image` or a library like Thumbnailator. + +--- + +## Full Working Example + +아래는 완전하고 독립적인 Java 클래스 전체 코드입니다. IDE에 복사‑붙여넣기하고 경로만 조정한 뒤 실행하면 추가 단계 없이 동작합니다. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +`YOUR_DIRECTORY/searchable.pdf`를 열면 `input.jpg`에 나타난 모든 단어를 검색할 수 있어야 합니다. 이것이 바로 **convert jpg to searchable pdf**의 핵심입니다. + +--- + +## Frequently Asked Questions (FAQ) + +### Can I process multiple images at once? +예. 파일 경로 리스트를 순회하면서 각 이미지에 대해 `setImage`를 호출하고, 단일 PDF(`PDF_SEARCHABLE`)에 페이지를 추가하거나 개별 PDF를 생성하면 됩니다. 반복 사이에 엔진 상태를 초기화하려면 `ocrEngine.clear()`를 호출하세요. + +### What if the OCR accuracy is low? +- 원본 이미지가 최소 300 dpi인지 확인하세요. +- `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` 로 언어를 고정하세요. +- OpenCV 같은 라이브러리를 사용해 이미지 전처리(디스큐, 대비 강화)를 수행하세요. + +### Does Aspose OCR support other languages? +물론입니다. `OcrLanguage` 열거형에는 프랑스어, 독일어, 중국어, 아랍어 등 다양한 언어가 포함되어 있습니다. `save` 호출 전에 원하는 언어로 전환하면 됩니다. + +### How do I embed the searchable PDF into an existing document? +출력 파일을 일반 PDF처럼 취급하면 됩니다. iText 또는 Aspose PDF 같은 PDF 병합 라이브러리를 사용해 다른 PDF와 연결하세요. + +--- + +## Tips & Tricks from the Trenches + +- **Pro tip:** 파일 크기를 최소화하려면 저장 전에 `ocrEngine.getConfig().setCompress(true);` 를 호출하세요. +- **Watch out for:** 투명 배경을 가진 이미지—Aspose OCR은 투명도를 흰색으로 처리하므로 대비에 영향을 줄 수 있습니다. +- **Remember:** 검색 가능한 PDF는 여전히 아래에 래스터 이미지가 존재합니다. 완전한 벡터 기반 PDF가 필요하다면 레이아웃을 직접 재구성해야 합니다. + +--- + +## Conclusion + +우리는 이제 Aspose OCR을 사용해 Java에서 이미지로부터 **create searchable PDF** 파일을 만드는 전체 과정을 살펴보았습니다. Maven 의존성 추가부터 숨겨진 텍스트 레이어 확인까지, 모든 단계가 간단하고 완전히 프로그래밍 가능함을 확인했습니다. 이제 **convert image to pdf**, **ocr image to pdf**, 그리고 **extract text from image** 작업을 IDE를 떠나지 않고도 수행할 수 있습니다. + +다음 단계가 궁금하신가요? 스캔된 영수증 폴더를 일괄 처리하거나, 클라우드 스토리지 트리거(AWS Lambda, Azure Functions)와 결합해 문서 수집 파이프라인을 자동화해 보세요. 가능성은 무한합니다—맘껏 실험해 보시기 바랍니다! + +문제가 발생하거나 개선 아이디어가 있으면 아래 댓글에 남겨 주세요. Happy coding! + +![이미지 → OCR 엔진 → 검색 가능한 PDF 흐름을 보여주는 다이어그램](image-placeholder.png "검색 가능한 PDF 흐름도") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..bce893f37 --- /dev/null +++ b/ocr/korean/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,225 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR를 사용하여 Java에서 이미지를 검색 가능한 PDF로 만들기. 이미지를 PDF로 변환하고, 맞춤법 교정을 + 활성화하며, 빠른 결과를 위해 OCR GPU를 사용하는 방법을 배웁니다. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: ko +og_description: Java에서 Aspose OCR을 사용하여 이미지에서 검색 가능한 PDF를 생성합니다. 이 가이드는 이미지를 PDF로 + 변환하고, 맞춤법 교정을 활성화하며, OCR GPU를 사용하는 방법을 보여줍니다. +og_title: Java OCR로 이미지에서 검색 가능한 PDF 만들기 +tags: +- OCR +- Java +- PDF +title: Java OCR을 사용하여 이미지에서 검색 가능한 PDF 만들기 +url: /ko/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java OCR을 사용하여 이미지에서 검색 가능한 PDF 만들기 + +스캔한 사진에서 **검색 가능한 PDF**를 만들어야 했지만 어디서 시작해야 할지 몰랐던 적이 있나요? 당신만 그런 것이 아닙니다—대부분의 개발자는 이미지 기반 PDF를 처음 다룰 때 이 장벽에 부딪힙니다. 다행히도 Aspose OCR for Java를 사용하면 **이미지를 PDF로 변환**하고 텍스트를 선택 가능한 콘텐츠로 바꾸며, 심지어 맞춤법 교정까지 적용해 깔끔한 결과를 얻을 수 있습니다. + +이 튜토리얼에서는 사용 가능한 경우 **OCR GPU**를 사용하는 방법, **이미지 OCR**을 효율적으로 처리하는 방법, 그리고 맞춤법 교정을 활성화하는 것이 후속 검색에 왜 중요한지를 보여주는 완전한 실행 가능한 예제를 단계별로 살펴봅니다. 마지막까지 진행하면 사용자를 위해 배포하거나 규정 준수를 위해 보관할 수 있는 검색 가능한 PDF를 한 번의 클릭으로 생성할 수 있게 됩니다. + +> **프로 팁:** GPU가 없는 머신에서 실행할 경우, 코드는 자동으로 CPU로 전환되므로 코드를 다시 작성할 필요가 없습니다. + +--- + +## 필요 사항 + +- **Java 8+** (코드는 JDK 8 및 그 이후 버전에서 컴파일됩니다) +- **Aspose OCR for Java** 라이브러리 (Aspose 사이트에서 최신 JAR를 다운로드) +- **입력 이미지** (JPEG, PNG, TIFF 등) – 검색 가능한 PDF로 변환하려는 파일 +- (선택) **GPU**와 CUDA 지원 – 가능한 가장 빠른 인식 속도를 원할 경우 + +추가 프레임워크 없이, Maven/Gradle 설정 없이—클래스패스에 JAR 하나만 있으면 바로 시작할 수 있습니다. + +--- + +## Step 1: Initialise the OCR Engine – The Heart of the Process + +먼저 `OcrEngine` 인스턴스를 생성하고 소스 파일을 지정합니다. 이 객체는 이미지를 읽고 신경망을 실행하여 텍스트를 반환하는 핵심 작업자입니다. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*왜 중요한가:* 엔진을 한 번 초기화하고 재사용하면 네이티브 라이브러리를 반복 로드하는 오버헤드를 피할 수 있어, 수십 개 파일을 배치 처리할 때 성능이 눈에 띄게 향상됩니다. + +--- + +## Step 2: Choose the Processing Device – Use OCR GPU When Possible + +워크스테이션에 호환 가능한 GPU가 있다면 Aspose에 무거운 연산을 GPU에서 수행하도록 지시할 수 있습니다. 그렇지 않으면 엔진이 자동으로 CPU로 전환됩니다. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*이점은?* GPU 가속은 특히 고해상도 스캔에서 페이지당 몇 초씩 단축시킬 수 있습니다. 자동 폴백 덕분에 동일한 코드가 모든 환경에서 동작하므로 **use OCR GPU**를 기본 설정으로 권장합니다. + +--- + +## Step 3: Speed Up the Scan – Leverage All CPU Cores + +GPU가 바쁠 때도 주변 전처리 단계는 병렬화할 수 있습니다. 스레드 수를 사용 가능한 프로세서 수와 동일하게 설정하면 엔진이 여러 청크를 동시에 처리할 수 있습니다. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*참고:* 4코어 노트북에서는 네 개의 스레드가 생성되고, 16코어 워크스테이션에서는 전체 이점을 얻을 수 있습니다. 다만 스레드 수가 늘어나면 메모리 사용량도 증가한다는 점을 유념하세요. + +--- + +## Step 4: Clean Up the Image – Pre‑processing Filters + +흐릿하거나 잡음이 많은 스캔은 엉터리 텍스트를 생성합니다. 내장 필터 몇 개를 추가하면 정확도가 크게 향상됩니다. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*왜 이 필터들인가?* `DeskewFilter`는 문서를 스캐너에 각도 차이로 넣었을 때 발생하는 회전을 보정합니다. `NoiseRemovalFilter`는 문자로 오인될 수 있는 잡음 픽셀을 제거합니다. OCR 엔진에게 깨끗한 종이를 제공하는 것과 같습니다. + +--- + +## Step 5: Turn On Smart Features – Enable Spell Correction & Auto Language Detection + +다국어 문서를 다루거나 오타를 최소화하고 싶다면 내장 맞춤법 검사기를 켜고 엔진에게 언어를 자동으로 감지하도록 합니다. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*언제 유용한가?* 예를 들어 스캔에 영어와 스페인어 섹션이 모두 포함돼 있다면, 자동 감지 기능이 실시간으로 사전을 전환하고 맞춤법 교정이 “O”를 “0”으로 잘못 읽은 경우를 정정합니다. 이 단계는 실제로 올바른 결과를 반환하는 **검색 가능한 PDF**를 만들기 위해 필수적입니다. + +--- + +## Step 6: Save the Result – Convert Image to PDF and Make It Searchable + +마지막으로 엔진에게 원본 이미지 뒤에 보이지 않는 텍스트 레이어를 삽입한 PDF를 작성하도록 요청합니다. 이것이 고전적인 **이미지를 PDF로 변환** 워크플로우이며, 이제 PDF가 검색 가능해집니다. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +출력 파일(`output-searchable.pdf`)은 모든 PDF 뷰어에서 열 수 있으며, 텍스트를 선택·복사·검색할 수 있어 마치 원본 PDF와 동일하게 동작합니다. 별도의 도구가 필요하지 않습니다. + +--- + +## Full Working Example – Paste‑and‑Run + +아래는 바로 컴파일할 수 있는 전체 프로그램입니다. `YOUR_DIRECTORY`를 `input.jpg`가 들어 있는 폴더 경로로 바꾸세요. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**예상 출력:** 프로그램을 실행하면 콘솔에 *“Searchable PDF generated successfully.”* 라는 문구가 표시됩니다. `output-searchable.pdf`를 Adobe Reader에서 열고 원본 이미지에 있던 단어를 검색 상자에 입력하면 즉시 해당 위치로 이동합니다. + +--- + +## Common Questions & Edge Cases + +- **GPU가 감지되지 않으면 어떻게 되나요?** + `setDeviceType(OcrDeviceType.GPU)` 호출은 예외를 발생시키지 않으며, 엔진은 먼저 GPU를 시도하고 실패하면 조용히 CPU로 전환합니다. + +- **한 번에 여러 이미지를 처리할 수 있나요?** + 가능합니다. 코드를 루프 안에 넣고 파일명을 각 반복마다 바꾸며 동일한 `OcrEngine` 인스턴스를 재사용하면 메모리 사용량을 낮게 유지할 수 있습니다. + +- **PDF 파일이 너무 큰데 어떻게 압축하나요?** + OCR 후에 Aspose의 PDF 최적화 API를 사용하거나, 엔진에 전달하기 전에 원본 이미지를 다운스케일(`ImageStream.fromFile(...).setResolution(150)` 등)하면 됩니다. + +- **법적 준수를 위해 원본 이미지 해상도를 유지해야 합니다.** + `PDF_SEARCHABLE` 형식은 원본 비트맵을 그대로 보존하고, 그 위에 보이지 않는 텍스트 레이어만 추가하므로 시각적 품질이 변하지 않습니다. + +--- + +## Visual Summary + +![검색 가능한 PDF 예시](placeholder-image.png "검색 가능한 PDF 예시") + +*Alt text:* *검색 가능한 PDF 예시 – Java OCR 엔진이 스캔된 JPG를 검색 가능한 PDF로 변환하는 과정.* + +--- + +## Conclusion + +이제 Aspose OCR for Java를 사용해 **이미지를 PDF로 변환**, **맞춤법 교정 활성화**, **가능하면 OCR GPU 사용**을 통해 빠르고 정확하며 검색 가능한 결과물을 얻는 **완전한 엔드‑투‑엔드 솔루션**을 갖추었습니다. + +다음은 시도해볼 만한 아이디어입니다: + +- **다양한 출력 형식**(`PDF`, `DOCX`, `HTML`)을 시험해 텍스트 레이어가 어떻게 동작하는지 확인 +- 도메인‑특화 용어가 많다면 **커스텀 사전**을 사용 +- **배치 처리**로 수천 개 스캔을 자동으로 처리 + +스레드 수를 조정하고, 필터를 교체하거나 자체 전처리 파이프라인을 연결해도 핵심 흐름은 변하지 않습니다: 로드 → 전처리 → 설정 → OCR → 저장. + +행복한 코딩 되시고, 여러분의 PDF가 언제나 검색 가능하길 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/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..8557339d0 --- /dev/null +++ b/ocr/korean/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: Java에서 OCR을 사용해 이미지에서 텍스트를 추출하는 방법. OCR 이미지‑텍스트 변환을 배우고, OCR 오류를 수정하며, + Aspose OCR로 이미지를 로드하는 방법. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: ko +og_description: Java에서 OCR을 사용하여 이미지에서 텍스트를 추출하고, OCR 오류를 수정하며, Aspose OCR을 사용해 OCR용 + 이미지를 로드하는 방법. +og_title: Java에서 OCR 사용 방법 – 완전 가이드 +tags: +- OCR +- Java +- Aspose +title: Java에서 OCR 사용 방법 – 이미지에서 텍스트 추출 및 맞춤법 교정 +url: /ko/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java에서 OCR 사용 방법 – 이미지에서 텍스트 추출 및 맞춤법 교정 + +흐릿한 영수증 사진을 깨끗하고 검색 가능한 텍스트로 변환하는 **OCR 사용 방법**이 궁금했나요? 당신만 그런 것이 아닙니다. 많은 프로젝트—경비 추적 앱, 청구서 디지털화 파이프라인, 혹은 간단한 메모 스크립트 등—이미지에서 신뢰할 수 있는 텍스트를 얻는 것이 첫 번째 장벽입니다. + +이 튜토리얼은 Java에서 OCR을 사용하는 방법을 정확히 보여줍니다. OCR을 위한 이미지 로딩부터 OCR 오류를 교정하여 결과가 사람이 직접 입력한 것처럼 보이게 하는 전 과정을 다룹니다. 끝까지 따라오면 **이미지에서 텍스트 추출**하고, **OCR 이미지에서 텍스트** 변환을 수행하며, 일반적인 인식 오류를 자동으로 수정할 수 있게 됩니다. + +## 만들게 될 것 + +우리는 작은 Java 콘솔 프로그램을 만들 것입니다: + +1. PNG(또는 지원되는 다른 형식)를 Aspose OCR 엔진에 로드합니다. +2. 내장 맞춤법 교정 기능을 활성화하여 **OCR 오류를 교정**합니다. +3. 인식 프로세스를 실행하고 정리된 텍스트를 출력합니다. + +외부 서비스나 무거운 프레임워크 없이—단일 JAR와 몇 줄의 코드만으로 구현합니다. + +### 사전 요구 사항 + +- Java Development Kit (JDK) 8 이상. +- Maven(또는 기타 빌드 도구)으로 Aspose OCR 라이브러리를 가져옵니다. +- 분석하려는 이미지 파일(예: `receipt.png`). + +Aspose OCR JAR가 없으면, `pom.xml`에 다음 의존성을 추가하세요: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **팁:** 무료 평가 버전은 테스트에 사용할 수 있지만, 라이선스를 구매하면 평가 워터마크가 제거됩니다. + +## Step 1 – OCR 엔진 초기화 (Primary Keyword in Action) + +먼저 해야 할 일은 `OcrEngine` 인스턴스를 생성하는 것입니다. 이를 픽셀을 읽어 문자로 변환하는 두뇌라고 생각하면 됩니다. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*왜 중요한가:* 엔진을 초기화하면 내부 리소스(언어 모델, 사전 등)가 설정됩니다. 이 단계를 건너뛰면 이미지 로드 시 `NullPointerException`이 발생합니다. + +## Step 2 – OCR을 위한 이미지 로드 + +이제 실제로 **OCR을 위한 이미지를 로드**합니다. Aspose는 편리한 `ImageStream.fromFile` 헬퍼를 제공하지만, 원한다면 `byte[]`를 직접 전달할 수도 있습니다. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*흔한 실수:* 파일 경로는 절대 경로나 작업 디렉터리 기준 상대 경로여야 합니다. 이미지가 없으면 엔진이 `IOException`을 발생시킵니다. 특히 IDE에서 실행할 때와 패키징된 JAR에서 실행할 때 경로를 다시 확인하세요. + +## Step 3 – **OCR 오류를 교정**하기 위해 맞춤법 교정 활성화 + +기본 OCR은 잡음이 많을 수 있습니다—예를 들어 “love” 대신 “l0ve”, “O” 대신 “0” 같은 경우입니다. 맞춤법 교정을 활성화하면 엔진이 후처리 단계를 수행해 일반적인 실수를 수정합니다. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*왜 필요할까:* 맞춤법 교정이 없으면 출력을 수동으로 정리해야 하므로 자동화의 의미가 사라집니다. 내장 사전은 영어와 몇몇 다른 언어에 잘 작동합니다. + +## Step 4 – 인식 수행 (**OCR 이미지에서 텍스트**) + +이미지를 로드하고 맞춤법 교정을 활성화했으니 이제 엔진에게 텍스트 인식을 요청할 수 있습니다. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*예외 상황:* 이미지가 저대비이거나 크게 기울어져 있으면 결과에 여전히 의미 없는 문자열이 포함될 수 있습니다. 엔진에 전달하기 전에 전처리(예: 이진화, 기울기 보정)를 고려하세요. + +## Step 5 – 정리된 텍스트 출력 + +마지막 단계는 결과를 출력하는 것입니다. 실제 애플리케이션에서는 데이터베이스나 파일에 저장할 수 있지만, 이 데모에서는 `System.out`만으로 충분합니다. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### 예상 출력 + +`receipt.png`에 명확한 항목 목록이 포함되어 있다고 가정하면, 다음과 같은 출력이 나타날 수 있습니다: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +원본 스캔에 “Qy”와 같은 오타가 있었더라도 “Qty”와 “Price”가 올바르게 표기된 것을 확인하세요. + +## 전체 작업 예제 + +아래는 `SpellCorrectDemo.java`라는 파일에 복사·붙여넣기 할 수 있는 전체 프로그램입니다. Aspose OCR JAR가 클래스패스에 포함되어 있는지 확인하세요. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +다음 명령으로 실행하세요: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +이제 콘솔에 정리된 텍스트가 출력될 것입니다. + +## 보너스: 정확도 향상을 위한 설정 조정 + +기본 설정은 대부분의 인쇄 문서에 잘 작동하지만, 특수한 상황에서는 몇 가지 매개변수를 조정해야 할 수도 있습니다: + +| Setting | What It Does | When to Change | +|---------|--------------|----------------| +| `setLanguage(OcrLanguage.English)` | 영어 사전을 강제 적용(오탐 감소) | 이미지에 영어 텍스트만 포함된 경우. | +| `setResolution(300)` | 소스 이미지의 DPI를 엔진에 알림 | 고해상도 스캔의 경우. | +| `setEnableAutoSkewCorrection(true)` | 약간 기울어진 페이지를 자동 회전 | 이미지가 휴대폰으로 촬영된 경우. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## 자주 묻는 질문 + +**Q: 이것을 PDF에 사용할 수 있나요?** +A: Yes. Convert each PDF page to an image (e.g., using Aspose PDF) and feed the image to the OCR engine. + +**Q: 이미지가 BMP 형식이면 어떻게 하나요?** +A: `ImageStream.fromFile` supports PNG, JPEG, BMP, TIFF, and GIF out of the box. Just change the file extension. + +**Q: 맞춤법 교정을 비활성화할 수 있나요?** +A: Absolutely—set `setEnableSpellCorrection(false)` if you need raw OCR output for downstream processing. + +## 결론 + +이제 Java에서 **OCR 사용 방법**을 알고 **이미지에서 텍스트를 추출**하고, 자동으로 **OCR 오류를 교정**하며, Aspose OCR을 사용해 **OCR을 위한 이미지 로드**를 올바르게 수행할 수 있습니다. 초기화, 로드, 맞춤법 교정 활성화, 인식, 출력의 다섯 단계 흐름은 일상적인 OCR 작업 대부분을 포괄합니다. + +앞으로는 이 로직을 데이터베이스에 기록하거나, REST 엔드포인트, 혹은 배치 프로세서와 연결해 한 번에 수십 개의 영수증을 처리하도록 확장해 보세요. 위의 추가 설정 표를 실험해 보며 정확도를 최대한 끌어올릴 수 있습니다. + +코딩을 즐기세요, 그리고 여러분의 OCR 결과가 커피 얼룩이 묻은 영수증보다 항상 깨끗하길 바랍니다! + +![OCR 사용 방법 다이어그램: 이미지 → OCR 엔진 → 교정된 텍스트 흐름] + +{{< /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..3eacb29ef 100644 --- a/ocr/polish/java/advanced-ocr-techniques/_index.md +++ b/ocr/polish/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ 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. +### [Przewodnik Aspose OCR GPU: przyspiesz wyodrębnianie tekstu z obrazów PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Przyspiesz OCR na obrazach PNG wykorzystując GPU w Aspose.OCR, zapewniając szybką i dokładną ekstrakcję tekstu. +### [Rozpoznawanie tekstu z obrazu przy użyciu Java OCR – Przewodnik przetwarzania równoległego](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Przyspiesz OCR, wykorzystując przetwarzanie równoległe w Java OCR. Szybka i efektywna ekstrakcja tekstu z obrazów. +### [Jak używać Aspose OCR dla obrazów wielojęzycznych](./how-to-use-aspose-ocr-for-mixed-language-images/) +Użyj Aspose OCR do rozpoznawania tekstu w obrazach zawierających wiele języków. Zapewnia wysoką dokładność i prostą integrację. +### [Jak zwiększyć kontrast w OCR – Kompletny przewodnik przetwarzania wstępnego w Javie](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Popraw jakość OCR poprzez zwiększenie kontrastu obrazu w Javie. Kompletny przewodnik przetwarzania wstępnego. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/polish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..3340b45e4 --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: Samouczek Aspose OCR GPU pokazuje, jak rozpoznawać tekst z obrazu i wyodrębniać + tekst z pliku PNG przy użyciu przyspieszenia GPU dla szybkiego i niezawodnego OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: pl +og_description: Dowiedz się, jak używać Aspose OCR GPU do rozpoznawania tekstu z obrazu + i wyodrębniać tekst z pliku PNG z przyspieszeniem GPU w Javie. +og_title: 'aspose ocr gpu Przewodnik: Przyspiesz wyodrębnianie tekstu' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Przewodnik Aspose OCR GPU: Przyspiesz wyodrębnianie tekstu z obrazów PNG' +url: /pl/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Szybkie i niezawodne wyodrębnianie tekstu z obrazów PNG + +Chcesz zwiększyć wydajność OCR przy użyciu **aspose ocr gpu**? Dzięki Aspose OCR GPU możesz **rozpoznawać tekst z obrazu** znacznie szybciej, wykorzystując kartę graficzną obsługującą CUDA. Wyobraź sobie przetwarzanie wysokiej rozdzielczości PNG w ciągu kilku sekund zamiast minut — koniec z czekaniem na wyniki. + +W tym samouczku przeprowadzimy Cię przez wszystkie niezbędne kroki, aby uruchomić się od razu: wczytanie obrazu do OCR, przełączenie silnika w tryb GPU oraz ostateczne wyodrębnienie tekstu. Po zakończeniu będziesz mieć kompletny, gotowy do uruchomienia program w Javie, który **wyodrębnia tekst z plików png** przy użyciu przyspieszenia GPU. Nie potrzebna jest żadna dodatkowa dokumentacja — po prostu postępuj zgodnie z instrukcjami, skopiuj kod i gotowe. + +## Czego będziesz potrzebować + +- **Java Development Kit (JDK) 11+** – kod wykorzystuje standardowe funkcje języka Java. +- **Aspose.OCR for Java** (najnowsza wersja na maj 2026). Możesz ją pobrać z Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **GPU obsługujące CUDA** (NVIDIA GeForce, Quadro lub Tesla) z odpowiednio zainstalowanym sterownikiem. +- **Przykładowy obraz PNG wysokiej rozdzielczości** (np. `sample-highres.png`), który chcesz przetworzyć. + +Jeśli nie masz GPU, kod automatycznie przełączy się na CPU — po prostu zakomentuj linie dotyczące GPU. + +## Krok 1 – Wczytaj obraz do OCR + +Pierwszą rzeczą, której potrzebuje każdy przepływ OCR, jest źródło obrazu. Aspose OCR udostępnia wygodny wrapper `ImageStream`, który może odczytywać z pliku, tablicy bajtów lub nawet z URL. Tutaj używamy `ImageStream.fromFile`, ponieważ jest to najprostsze rozwiązanie dla lokalnego rozwoju. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Dlaczego to ważne:** Poprawne wczytanie obrazu zapewnia, że silnik OCR otrzymuje dokładne dane pikseli, których potrzebuje. Użycie `ImageStream.fromFile` automatycznie obsługuje typowe problemy PNG (kanał alfa, głębia kolorów). + +## Krok 2 – Włącz przyspieszenie GPU (aspose ocr gpu) + +Teraz następuje magia: poinstruowanie Aspose, aby działał na GPU. Obiekt `OcrDevice` w silniku pozwala wybrać typ urządzenia (`CPU` lub `GPU`) oraz, jeśli masz więcej niż jedno GPU, konkretny identyfikator urządzenia. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Porada:** Jeśli napotkasz błąd `CUDA driver not found`, sprawdź dwukrotnie, czy sterownik NVIDIA odpowiada wersji CUDA wymaganą przez Aspose OCR (zwykle CUDA 11.x dla wersji 23.x). + +> **Przypadek brzegowy:** Uruchamiając na serwerze bez interfejsu graficznego, upewnij się, że GPU nie jest zablokowane przez inny proces; w przeciwnym razie wywołanie OCR cicho przełączy się na CPU. + +## Krok 3 – Rozpoznaj tekst z obrazu + +Po wczytaniu obrazu i ustawieniu urządzenia możesz w końcu uruchomić silnik OCR. Metoda `recognize()` zwraca obiekt `OcrResult`, który zawiera czysty tekst, wyniki pewności oraz ewentualne ramki ograniczające, jeśli będą potrzebne później. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Po uruchomieniu programu powinieneś zobaczyć coś podobnego do: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Co widzisz:** Surowy ciąg znaków wyodrębniony z PNG. Jeśli obraz zawiera tabele lub układy wielokolumnowe, możesz włączyć `LayoutAnalysis` w silniku, aby uzyskać lepsze wyniki (poza zakresem tego krótkiego przewodnika). + +## Krok 4 – Zweryfikuj, czy GPU jest faktycznie używane + +Łatwo założyć, że to GPU wykonuje ciężką pracę, ale szybka kontrola może zaoszczędzić godziny debugowania. Aspose OCR zapisuje mały wpis w logu przy inicjalizacji urządzenia. + +Dodaj ten fragment zaraz po ustawieniu typu urządzenia: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Jeśli wyjście pokazuje `GPU`, wszystko gotowe. Jeśli widzisz `CPU`, sprawdź ponownie instalację sterownika lub upewnij się, że zmienna środowiskowa `CUDA_HOME` wskazuje na właściwy folder zestawu narzędzi. + +## Typowe pułapki i jak ich uniknąć + +| Objaw | Prawdopodobna przyczyna | Rozwiązanie | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` dotyczący `cudart64_110.dll` | Środowisko CUDA nie znajduje się w `PATH` | Dodaj folder `bin` CUDA do systemowego `PATH` lub ustaw `java.library.path`. | +| OCR zwraca pusty ciąg | Obraz nie został poprawnie wczytany (zła ścieżka lub nieobsługiwany format) | Sprawdź ponownie ścieżkę do pliku i zweryfikuj, czy PNG nie jest uszkodzony. | +| Wydajność podobna do CPU | Przełączenie na GPU z powodu niezgodności sterownika | Zaktualizuj sterownik NVIDIA do wersji wymienionej w notatkach wydania Aspose OCR. | +| Brak pamięci przy dużych obrazach | Pamięć GPU wyczerpana | Zmniejsz rozdzielczość obrazu lub podziel go na kafelki przed przetwarzaniem. | + +## Bonus: Przełączanie na CPU, gdy GPU jest niedostępne + +Czasami możesz uruchomić ten sam kod na laptopie deweloperskim bez GPU obsługującego CUDA. Otoczenie wyboru urządzenia blokiem try‑catch sprawia, że program jest odporny. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Teraz ten sam plik binarny działa wszędzie, a przyspieszenie jest dostępne tam, gdzie sprzęt to umożliwia. + +## Pełny, gotowy do uruchomienia przykład + +Poniżej znajduje się pełna klasa Java, która zawiera wszystkie opisane powyżej kroki, kontrole i logikę przełączania. Skopiuj i wklej ją do swojego IDE, dostosuj ścieżkę do obrazu i uruchom. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Oczekiwany wynik** (zakładając, że PNG zawiera prosty tekst po angielsku): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Jeśli GPU nie jest dostępne, w ostatniej linii zobaczysz „CPU”. + +## Przegląd wizualny + +Poniżej znajduje się szybki diagram przepływu danych — od wczytania PNG po otrzymanie czystego tekstu. Tekst alternatywny obrazu zawiera główne słowo kluczowe dla SEO. + +![aspose ocr gpu workflow – wczytaj obraz, włącz GPU, rozpoznaj tekst] + +*Tekst alternatywny: aspose ocr gpu workflow pokazujący, jak wczytać obraz do OCR, włączyć przyspieszenie GPU i wyodrębnić tekst z png.* + +## Podsumowanie i kolejne kroki + +Właśnie omówiliśmy, jak przyspieszyć proces **aspose ocr gpu**‑ przy użyciu **rozpoznawania tekstu z obrazu** i **wyodrębniania tekstu z png**. Najważniejsze wnioski: + +1. **Wczytaj obraz** przy użyciu `ImageStream.fromFile`. +2. **Włącz GPU** poprzez `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Uruchom `recognize()`** i odczytaj `ocrResult.getText()`. +4. **Zweryfikuj urządzenie** i w razie potrzeby elegancko przełącz się na CPU. + +Gotowy, aby przesunąć granice? Wypróbuj te eksperymenty: + +- **Przetwarzanie wsadowe:** Przejdź po katalogu PNG i zapisz każdy wynik do pliku `.txt`. +- **Analiza układu:** Włącz `ocrEngine.getOptions().setDetectDocumentStructure(true)`, aby zachować kolumny i tabele. +- **Skalowanie wielogpu:** Jeśli Twoja stacja robocza ma kilka GPU, uruchom równoległe wątki, każdy przypisany do innego `deviceId`. + +Te rozszerzenia pogłębią Twoją biegłość w **gpu accelerated ocr** i otworzą drzwi do projektów masowej digitalizacji dokumentów. + +--- + +*Miłego kodowania! Jeśli napotkasz problemy, zostaw komentarz poniżej — chętnie pomogę w rozwiązaniu.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/polish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..9cefc2207 --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Jak zwiększyć kontrast, jednocześnie ucząc się, jak wstępnie przetwarzać + obraz, usuwać szumy i korygować obrót obrazu w celu uzyskania niezawodnego rozpoznawania + tekstu OCR. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: pl +og_description: Jak zwiększyć kontrast w obrazach OCR, a także jak wstępnie przetworzyć + obraz, usunąć szumy i skorygować obrót obrazu w celu dokładnego rozpoznawania tekstu. +og_title: Jak zwiększyć kontrast w OCR – Przewodnik Java krok po kroku +tags: +- OCR +- Java +- Image Processing +title: Jak zwiększyć kontrast w OCR – Kompletny przewodnik przetwarzania wstępnego + w Javie +url: /pl/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak zwiększyć kontrast w OCR – Kompletny przewodnik po wstępnej obróbce w Javie + +Zastanawiałeś się kiedyś **jak zwiększyć kontrast**, aby Twój silnik OCR naprawdę odczytywał tekst zamiast wypluwać bełkot? Nie jesteś sam. Większość programistów napotyka problem, gdy obraz źródłowy jest przyciemniony, przechylony lub pełen plamek, a rezultatem jest frustrująca porażka „rozpoznawania tekstu z obrazu”. + +Dobre wieści? Stosując kilka sprytnych kroków wstępnej obróbki — **how to preprocess image**, **how to remove noise** i **correct image rotation** — możesz zamienić zaszumiony, niskokontrastowy PNG w czyste płótno, które pokochają silniki OCR. W tym samouczku przeprowadzimy Cię przez rzeczywisty przykład w Javie z użyciem Aspose.OCR, wyjaśnimy, dlaczego każdy filtr ma znaczenie, i pokażemy dokładnie **jak zwiększyć kontrast** dla niezawodnego rozpoznawania. + +--- + +## Czego się nauczysz + +- Cel każdego filtra wstępnej obróbki (deskew, usuwanie szumów, zwiększanie kontrastu). +- **How to preprocess image** przy użyciu Aspose.OCR w Javie, krok po kroku. +- Praktyczne wskazówki, jak **how to remove noise** i **correct image rotation** przed OCR. +- Dokładny kod, który możesz skopiować, uruchomić i zobaczyć wynik **recognize text from image**. + +> **Wymagania wstępne** – Java 17+, Maven lub Gradle oraz licencja Aspose.OCR for Java (darmowa wersja próbna wystarczy do testów). Innych bibliotek firm trzecich nie potrzebujesz. + +--- + +## Krok 1 – Konfiguracja projektu i import Aspose.OCR + +Zanim zaczniemy rozmawiać o **jak zwiększyć kontrast**, potrzebujemy działającego projektu Java z silnikiem OCR. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Jeśli wolisz Gradle, równoważna konfiguracja wygląda tak: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Utwórz prosty plik `src/main/java/PreprocessDemo.java` i zaimportuj wymagane klasy: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Trzymaj włączoną funkcję automatycznego importu w IDE; oszczędza to mnóstwo niepotrzebnych przeskoków. + +--- + +## Krok 2 – Wczytaj obraz, który chcesz wyczyścić + +Teraz, gdy biblioteka jest gotowa, odpowiedzmy na pierwszą część **how to preprocess image**: wczytanie obrazu. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +W tym momencie silnik trzyma niskiej jakości PNG, który prawdopodobnie cierpi na słaby kontrast, obrót i szumy plamkowe. Jeśli otworzysz plik, zobaczysz dokładnie, dlaczego OCR miałby problem. + +--- + +## Krok 3 – Zastosuj filtry: Deskew, Usuwanie szumów, **Jak zwiększyć kontrast** + +To serce samouczka — **jak zwiększyć kontrast**, jednocześnie radząc sobie z obrotem i szumem. Aspose.OCR dostarcza trzy gotowe filtry: + +| Filtr | Co robi | Dlaczego ma znaczenie dla OCR | +|--------|--------------|------------------------| +| `DeskewFilter` | Wykrywa i koryguje obrót obrazu | Zapewnia **correct image rotation**, dzięki czemu znaki nie są pochyłe. | +| `NoiseRemovalFilter` | Redukuje losowe plamki i ziarnistość tła | Realizuje **how to remove noise**, tak aby silnik widział tylko litery. | +| `ContrastEnhancementFilter` | Zwiększa różnicę między tekstem a tłem | Bezpośrednio odpowiada na **how to enhance contrast**, sprawiając, że słabe kreski stają się wyraźne. | + +Dodaj je w podanej kolejności — najpierw deskew, potem usuwanie szumów, na końcu zwiększanie kontrastu: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Dlaczego w tej kolejności?** +> • Deskew działa najlepiej na surowej macierzy pikseli; obracanie zaszumionego obrazu może wzmocnić artefakty. +> • Czyszczenie szumów przed podbiciem kontrastu zapobiega wzmocnieniu plamek. +> • Na końcu zwiększenie kontrastu sprawia, że wyczyszczone piksele „wyskakują”, co jest właśnie **how to enhance contrast** dla OCR. + +--- + +## Krok 4 – Uruchom silnik OCR i **Rozpoznaj tekst z obrazu** + +Po skonfigurowaniu pipeline’u wstępnej obróbki w końcu wywołujemy silnik OCR. Ten krok odpowiada na najważniejsze pytanie: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Gdy uruchomisz `java PreprocessDemo`, powinieneś zobaczyć czysty, czytelny tekst zamiast zniekształconego bałaganu. Typowy wynik dla przykładowej faktury może wyglądać tak: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Jeśli wynik nadal jest nieczytelny, rozważ dostosowanie parametrów `ContrastEnhancementFilter` (np. `setLevel(1.5)`) lub sprawdź, czy źródłowy obraz nie jest skompresowany ponad granicę odzyskiwania. + +--- + +## Krok 5 – Kontrola wizualna: Przed i po (opcjonalnie) + +Widok to wiara. Poniżej znajduje się ilustracja zastępcza, porównująca oryginalny plik z wersją po przetworzeniu. Tekst alternatywny wyraźnie zawiera główne słowo kluczowe dla SEO. + +![Diagram pokazujący jak zwiększyć kontrast w przetwarzaniu OCR – oryginalny vs. ulepszony obraz](https://example.com/contrast-demo.png "Jak zwiększyć kontrast w przetwarzaniu OCR") + +*Jeśli uruchomisz kod na własnym obrazie, zauważysz tę samą dramatyczną poprawę czytelności.* + +--- + +## Typowe pułapki i jak je naprawić + +| Problem | Dlaczego się pojawia | Rozwiązanie | +|-------|----------------|-----| +| Tekst nadal rozmyty po podbiciu kontrastu | Poziom filtra za niski lub rozdzielczość obrazu niewystarczająca | Zwiększ poziom `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) lub powiększ obraz przed przetwarzaniem. | +| OCR zwraca pusty ciąg | Obraz był całkowicie ciemny lub wszystkie piksele usunięto filtrem szumów | Zmniejsz agresywność `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Znaki nadal pochyłe | Deskew nie wykrył kąta, bo obraz był mocno zaszumiony | Uruchom `DeskewFilter` **po** lekkim usunięciu szumów lub ręcznie ustaw kąt obrotu za pomocą `DeskewFilter.setAngle(2.5)`. | +| Nieoczekiwane symbole Unicode | Nie ustawiono poprawnie języka OCR | Wywołaj `ocrEngine.setLanguage(OcrLanguage.English);` przed `recognize()`. | + +--- + +## Rozbudowa pipeline’u – Co zrobić, gdy potrzebujesz więcej? + +Czasami trzeba **how to preprocess image** dla skanów kolorowych lub PDF‑ów. Aspose.OCR oferuje także: + +- `BinarizationFilter` – konwertuje na czysto czarno‑białe, świetny dla wysokiego kontrastu tekstu. +- `ResizeFilter` – powiększa małe czcionki przed OCR. +- `SharpenFilter` – uwydatnia krawędzie słabego odręcznego pisma. + +Możesz je łączyć tak samo, jak trzy podstawowe filtry pokazane wcześniej. Pamiętaj, że kolejność nadal ma znaczenie: resize → denoise → binarize → contrast → deskew to popularny przepis. + +--- + +## Podsumowanie: Od zaszumionego PNG do czystego tekstu + +- **Jak zwiększyć kontrast**: użyj `ContrastEnhancementFilter` po deskew i usuwaniu szumów. +- **How to preprocess image**: wczytaj, dodaj filtry, a potem uruchom OCR. +- **How to remove noise**: `NoiseRemovalFilter` czyści tło, nie niszcząc kresek tekstu. +- **Correct image rotation**: `DeskewFilter` wyrównuje bazę tekstu, co jest warunkiem poprawnego rozpoznania. +- **Recognize text from image**: wywołaj `ocrEngine.recognize()` i odczytaj `ocrResult.getText()`. + +Wszystkie te kroki razem tworzą solidny pipeline, który sprawdzi się przy skanach faktur, paragonów i nawet starych drukowanych książek. + +--- + +## Co dalej? + +- **Eksperymentuj**: dostosowuj parametry filtrów i obserwuj wpływ na dokładność OCR. +- **Przetwarzanie wsadowe**: opakuj powyższą logikę w pętlę, aby obsłużyć całe foldery obrazów. +- **Integracja**: wprowadź wynik OCR do bazy danych lub generatora PDF, aby uzyskać pełną automatyzację od końca do końca. + +Jeśli interesują Cię inne triki poprawy obrazu — takie jak adaptacyjne progowanie czy odwrócenie kolorów — zajrzyj do oficjalnej dokumentacji Aspose lub przewodnika „Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### Szczęśliwego kodowania! + +Teraz wiesz **jak zwiększyć kontrast** i całą historię wstępnej obróbki, która zamienia niechlujny skan w czysty, przeszukiwalny tekst. Zostaw komentarz, jeśli napotkasz problemy, lub podziel się tym, jak dostosowałeś pipeline do własnych projektów. Kontynuujmy dyskusję o OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/polish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..45358a284 --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Jak używać Aspose OCR do rozpoznawania tekstu z obrazu, włączania automatycznego + wykrywania języka i zwiększania szybkości OCR w Javie. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: pl +og_description: Jak używać Aspose OCR, aby szybko rozpoznawać tekst z obrazu, włączyć + automatyczne wykrywanie języka i zwiększyć szybkość OCR w Javie. +og_title: Jak korzystać z Aspose OCR dla obrazów wielojęzycznych +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Jak korzystać z Aspose OCR dla obrazów wielojęzycznych +url: /pl/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Jak używać Aspose OCR dla obrazów wielojęzycznych + +Zastanawiałeś się kiedyś **jak używać Aspose**, aby wyciągnąć tekst z obrazu zawierającego kilka języków jednocześnie? Nie jesteś sam — programiści często napotykają problem, gdy obraz łączy angielski, rosyjski, hindi lub jakikolwiek inny alfabet. Dobrą wiadomością jest to, że Aspose OCR radzi sobie z tym płynnie i możesz nawet **rozpoznawać tekst z obrazu** szybciej, ograniczając zestaw języków. + +W tym samouczku przeprowadzimy Cię przez kompletny, gotowy do uruchomienia przykład w Javie, który **ładuje obraz do OCR**, włącza **automatyczne wykrywanie języka** i pokazuje prosty trik, aby **zwiększyć szybkość OCR**. Po zakończeniu będziesz mieć samodzielny program, który wypisuje wyodrębniony tekst w konsoli i zrozumiesz, dlaczego każde ustawienie ma znaczenie. + +> **Wymagania wstępne** – zainstalowany Java 17+, Maven lub Gradle do zarządzania zależnościami oraz licencja Aspose OCR (bezpłatna wersja próbna działa w ocenie). Nie są wymagane inne biblioteki. + +--- + +## Krok 1 – Dodaj Aspose OCR do swojego projektu + +Zanim będziesz mógł **używać Aspose**, potrzebujesz biblioteki w classpath. Z Maven wygląda to tak: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Jeśli wolisz Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Porada:** Trzymaj się najnowszej stabilnej wersji; nowsze wersje często zawierają ulepszenia wydajności, które bezpośrednio wpływają na **zwiększenie szybkości OCR**. + +--- + +## Krok 2 – Utwórz instancję silnika OCR + +Serce każdego przepływu pracy Aspose OCR to `OcrEngine`. Utworzenie go jest proste, ale warto zauważyć, że silnik przechowuje wewnętrzne pamięci podręczne. Ponowne użycie jednej instancji dla wielu obrazów może faktycznie **zwiększyć szybkość OCR**, ponieważ biblioteka unika powtarzalnej inicjalizacji natywnej. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Krok 3 – **Ładuj obraz do OCR** + +Aspose akceptuje wiele formatów obrazów (PNG, JPEG, TIFF, BMP). Tutaj demonstrujemy ładowanie pliku PNG zawierającego tekst po angielsku, rosyjsku i hindi. Pomocnicza metoda `ImageStream.fromFile` ukrywa szczegóły I/O plików i zapewnia, że obraz jest prawidłowo strumieniowany do silnika. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Co jeśli obraz jest w pamięci?** Użyj `ImageStream.fromByteArray(byte[])` — idealne dla usług internetowych, które otrzymują obrazy jako strumienie bajtów. + +--- + +## Krok 4 – Włącz automatyczne wykrywanie języka + +Domyślnie Aspose OCR zakłada jeden język, co może prowadzić do zniekształconego wyniku na wielojęzycznych obrazach. Włączenie automatycznego wykrywania nakazuje silnikowi rozpoznać skrypt każdego bloku tekstu przed rozpoznaniem. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Krok 5 – **Zwiększ szybkość OCR** poprzez ograniczenie puli języków + +Pełne automatyczne wykrywanie skanuje każdy język obsługiwany przez Aspose (ponad 70). Jeśli znasz możliwe języki z wyprzedzeniem, możesz dać silnikowi podpowiedź. Dostarczenie mniejszej tablicy zmniejsza przestrzeń przeszukiwania i w konsekwencji **zwiększa szybkość OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Dlaczego to pomaga?** Silnik pomija modele językowe, których nie potrzebuje, oszczędzając cykle CPU i pamięć. Jeśli później dodasz więcej języków, po prostu zaktualizuj tablicę — nie wymaga to przepisania kodu. + +--- + +## Krok 6 – Wykonaj rozpoznanie i **rozpoznaj tekst z obrazu** + +Teraz odbywa się najcięższa część. `recognize()` zwraca obiekt `OcrResult`, który zawiera czysty tekst, oceny pewności oraz nawet informacje o układzie, jeśli będą potrzebne później. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Oczekiwany wynik w konsoli + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Jeśli obraz zawiera dodatkowy szum lub pochylony tekst, możesz zobaczyć niższą pewność dla tych linii. W takim przypadku rozważ wstępne przetworzenie obrazu (prostowanie, binaryzacja) przed przekazaniem go do Aspose. + +--- + +## Częste pytania i przypadki brzegowe + +### Co jeśli obraz jest ogromny (np. >10 MP)? + +Duże obrazy zużywają więcej pamięci i mogą spowalniać przetwarzanie. Szybkim sposobem na **zwiększenie szybkości OCR** jest zmniejszenie rozmiaru obrazu przy zachowaniu czytelności: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Jak obsłużyć skrypty od prawej do lewej, takie jak arabski? + +Aspose OCR automatycznie respektuje kierunek skryptu, ale możesz chcieć ustawić flagę `RightToLeft` dla przetwarzania po rozpoznaniu: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Czy mogę wyodrębnić tekst z PDF‑ów zamiast obrazów? + +Tak — przekonwertuj każdą stronę PDF na obraz (używając Aspose PDF lub dowolnego rasteryzatora) i przekaż wynik do tego samego potoku OCR. Ta sama logika **rozpoznawania tekstu z obrazu** ma zastosowanie. + +--- + +## Pełny działający przykład (gotowy do kopiowania i wklejania) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Zapisz plik jako `MixedLanguageDemo.java`, skompiluj przy użyciu `javac` i uruchom za pomocą `java MixedLanguageDemo`. Jeśli wszystko jest poprawnie skonfigurowane, zobaczysz wielojęzyczny tekst wypisany w konsoli. + +--- + +## Zakończenie + +Teraz wiesz **jak używać Aspose**, aby **rozpoznawać tekst z obrazu** zawierającego kilka języków, jak **włączyć automatyczne wykrywanie języka** oraz praktyczną wskazówkę, jak **zwiększyć szybkość OCR** poprzez ograniczenie puli języków. Pełny kod powyżej jest gotowy do kopiowania i wklejania, a wyjaśnienia powinny dać Ci pewność w adaptacji rozwiązania — niezależnie od tego, czy musisz **ładować obraz do OCR** ze strumienia, tablicy bajtów, czy nawet ze zdjęcia z kamery internetowej. + +Kolejne kroki? Spróbuj eksperymentować z: + +* Dodawanie wstępnego przetwarzania obrazu (odszumianie, binaryzacja) dla skanów niskiej jakości. +* Eksportowanie `OcrResult` jako JSON dla usług downstream. +* Integracja silnika z endpointem REST Spring Boot, aby klienci mogli przesyłać obrazy i natychmiast otrzymywać wyodrębniony tekst. + +Miłego kodowania i niech Twoje potoki OCR będą szybkie, dokładne i wielojęzyczne! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/polish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..f21328c6d --- /dev/null +++ b/ocr/polish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Rozpoznawaj tekst z obrazu szybko, używając przykładu OCR w Javie. Dowiedz + się, jak wyodrębniać tekst z plików TIFF przy równoległym przetwarzaniu OCR oraz + jak efektywnie korzystać z OCR w Javie. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: pl +og_description: Rozpoznawaj tekst z obrazu szybko, korzystając z pełnego przykładu + OCR w Javie. Ten samouczek pokazuje, jak wyodrębnić tekst z pliku TIFF przy użyciu + równoległego przetwarzania OCR. +og_title: Rozpoznawanie tekstu z obrazu przy użyciu Java OCR – Przewodnik po przetwarzaniu + równoległym +tags: +- OCR +- Java +- Image Processing +title: Rozpoznawanie tekstu z obrazu w Java OCR – Przewodnik przetwarzania równoległego +url: /pl/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# rozpoznawanie tekstu z obrazu przy użyciu Java OCR – Przewodnik przetwarzania równoległego + +Czy kiedykolwiek potrzebowałeś **rozpoznawać tekst z obrazu** w plikach, ale utknąłeś w wąskim gardle wydajności? Nie jesteś sam. Wielu programistów napotyka problem, gdy jednowątkowy silnik OCR przetwarza wielostronicowe pliki TIFF, zamieniając szybkie zadanie w maraton. + +W tym samouczku przeprowadzimy Cię przez **przykład java ocr**, który nie tylko wyodrębnia tekst z plików tiff, ale także wykorzystuje wszystkie rdzenie CPU do równoległego przetwarzania OCR. Po zakończeniu dokładnie będziesz wiedział, *jak efektywnie ocr java* w projektach, i będziesz miał gotowy fragment kodu, który możesz wkleić do dowolnej konfiguracji Maven lub Gradle. + +## Czego się nauczysz + +- Skonfiguruj bibliotekę Aspose.OCR w projekcie Java. +- Wczytaj wielostronicowy TIFF i przygotuj go do rozpoznawania. +- Włącz **równoległe przetwarzanie OCR**, dopasowując liczbę wątków do logicznych rdzeni CPU. +- Pobierz i wyświetl rozpoznany tekst, kończąc przepływ pracy **rozpoznawanie tekstu z obrazu**. + +> **Wymagania wstępne:** Java 8 lub nowsza oraz ważna licencja Aspose.OCR for Java (lub tymczasowy klucz ewaluacyjny). Nie są wymagane żadne inne zewnętrzne narzędzia. + +--- + +## Krok 1: Dodaj zależność Aspose.OCR + +Zanim będziemy mogli **rozpoznawać tekst z obrazu**, potrzebujemy silnika OCR w classpath. Jeśli używasz Maven, dodaj poniższy fragment do swojego `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Dla Gradle, odpowiednik wygląda tak: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +*Wskazówka:* Utrzymuj numer wersji aktualny; nowsze wydania często zawierają usprawnienia wydajności, które sprawiają, że **równoległe przetwarzanie OCR** jest jeszcze szybsze. + +--- + +## Krok 2: Przygotuj klasę Java – Pełny działający przykład + +Poniżej znajduje się samodzielny **przykład java ocr**, który demonstruje, jak **wyodrębnić tekst z tiff** wykorzystując wszystkie dostępne rdzenie CPU. Zapisz go jako `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Dlaczego każda linia ma znaczenie** + +- **Tworzenie silnika**: `OcrEngine` kapsułkuje całą ciężką pracę. Bez niego nie możesz w ogóle **rozpoznawać tekstu z obrazu**. +- **Ładowanie obrazu**: `ImageStream.fromFile` obsługuje TIFF, PNG, JPEG itp. Użycie wielostronicowego TIFF testuje zdolność silnika do obsługi złożonych dokumentów. +- **Liczba wątków**: `Runtime.getRuntime().availableProcessors()` zwraca liczbę logicznych rdzeni (w tym hyper‑thready). Ustawienie tej wartości uruchamia **równoległe przetwarzanie OCR**, dramatycznie skracając czas wykonania na maszynach wielordzeniowych. +- **Rozpoznawanie**: `engine.recognize()` uruchamia pipeline OCR. Wewnątrz dzieli strony na pulę wątków, którą określiłeś. +- **Obsługa wyniku**: `result.getText()` zwraca pojedynczy `String` zawierający połączony tekst ze wszystkich stron – idealny do dalszego przetwarzania lub przechowywania. + +--- + +## Krok 3: Uruchom demonstrację i zweryfikuj wynik + +Skompiluj i uruchom program: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Powinieneś zobaczyć coś podobnego do: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Jeśli konsola wyświetli oczekiwany tekst, gratulacje — udało Ci się **rozpoznawać tekst z obrazu** używając **przykładu java ocr**, który działa równolegle. + +--- + +## Krok 4: Dostosuj do scenariuszy rzeczywistych (Opcjonalnie) + +### Wyodrębnij tekst tylko z wybranych stron + +Czasami potrzebujesz tylko niektórych stron z dużego pliku TIFF. Możesz odfiltrować po rozpoznaniu: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Ręcznie dostosuj liczbę wątków + +Jeśli Twój serwer jest już zajęty innymi zadaniami, możesz ograniczyć liczbę wątków OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Obsługa pamięcio‑intensywnych TIFFów + +Duże wielostronicowe TIFFy mogą zużywać dużo pamięci RAM. Aby to złagodzić, przetwarzaj plik w kawałkach: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Krok 5: Typowe pułapki i jak ich unikać + +| Problem | Objaw | Rozwiązanie | +|---------|-------|-------------| +| **Niewystarczająca licencja** | Runtime zgłasza `LicenseException` | Zastosuj prawidłowy plik licencji lub użyj trybu darmowej ewaluacji (dodaje znak wodny). | +| **Nieprawidłowa ścieżka pliku** | `FileNotFoundException` | Sprawdź dokładnie ścieżkę i używaj ścieżek bezwzględnych podczas testów. | +| **Ograniczenie CPU** | Brak przyspieszenia pomimo `setThreadCount` | Upewnij się, że Twoja JVM nie jest ograniczona przez limity pamięci `-Xmx` ani ustawienia oszczędzania energii systemu. | +| **Nieobsługiwany format obrazu** | `UnsupportedFormatException` | Przekonwertuj obraz na TIFF, PNG lub JPEG przed przekazaniem go do silnika. | + +--- + +## Podsumowanie wizualne + +![przykład rozpoznawania tekstu z obrazu](image-placeholder.png "rozpoznawanie tekstu z obrazu") + +*Alt text:* “Diagram przedstawiający przepływ rozpoznawania tekstu z obrazu przy użyciu Java OCR z przetwarzaniem równoległym” + +--- + +## Zakończenie + +Przeszliśmy właśnie kompletny **przykład java ocr**, który **rozpoznaje tekst z obrazu** w plikach, w szczególności w wielostronicowych TIFFach, w pełni wykorzystując **równoległe przetwarzanie OCR**. Dopasowując pulę wątków do rdzeni CPU, uzyskujesz prawie liniowy przyrost wydajności na nowoczesnym sprzęcie — dokładnie to, czego szukasz, pytając „*jak efektywnie ocr java*?”. + +Następnie możesz zbadać: + +- **wyodrębnić tekst z tiff** w partiach i przechowywać wyniki w bazie danych. +- Połączyć OCR z bibliotekami NLP (np. OpenNLP), aby automatycznie oznaczać wyodrębnione jednostki. +- Wdrożyć rozwiązanie jako mikrousługę za pośrednictwem endpointu REST, umożliwiając OCR na żądanie. + +Wypróbuj, dostosuj liczbę wątków i zobacz, jak szybciej działa Twój potok. Jeśli napotkasz problemy, zostaw komentarz poniżej — miłego kodowania! + +{{< /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..e46a7c2a1 100644 --- a/ocr/polish/java/ocr-operations/_index.md +++ b/ocr/polish/java/ocr-operations/_index.md @@ -81,6 +81,12 @@ 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. +### [Jak używać OCR w Javie – wyodrębnić tekst z obrazu z korektą pisowni](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Odblokuj możliwość wyodrębniania tekstu z obrazów w Javie z automatyczną korektą pisowni, zwiększając dokładność wyników OCR. +### [Tworzenie przeszukiwalnego PDF z obrazu – przewodnik krok po kroku w Javie](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Krok po kroku pokażemy, jak przy użyciu Aspose.OCR w Javie przekształcić obraz w przeszukiwalny plik PDF. +### [Utwórz przeszukiwalny PDF z obrazu w Javie przy użyciu Aspose.OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Stwórz przeszukiwalny PDF z obrazu w Javie przy użyciu Aspose.OCR. Przewodnik krok po kroku, aby uzyskać edytowalny dokument. ## Najczęściej zadawane pytania diff --git a/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..0af079c1f --- /dev/null +++ b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Utwórz przeszukiwalny PDF z obrazu przy użyciu Aspose OCR. Dowiedz się, + jak przekonwertować obraz na PDF, wykonać OCR obrazu do PDF i wyodrębnić tekst z + obrazu w ciągu kilku minut. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: pl +og_description: Utwórz przeszukiwalny PDF z obrazu za pomocą Aspose OCR. Skorzystaj + z tego przewodnika, aby przekonwertować JPG na przeszukiwalny PDF, wyodrębnić tekst + z obrazu i nie tylko. +og_title: Utwórz przeszukiwalny PDF z obrazu – kompletny samouczek Javy +tags: +- Java +- OCR +- PDF +- Aspose +title: Utwórz przeszukiwalny PDF z obrazu – Przewodnik Java krok po kroku +url: /pl/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tworzenie przeszukiwalnego PDF z obrazu – Kompletny samouczek Java + +Kiedykolwiek potrzebowałeś **utworzyć przeszukiwalny PDF** ze zeskanowanego zdjęcia, ale nie wiedziałeś, którą bibliotekę wybrać? Nie jesteś sam. W wielu projektach — pomyśl o automatyzacji raportów wydatków lub cyfrowej archiwizacji — możliwość zamiany zwykłego obrazu w PDF, który naprawdę da się przeszukiwać, jest przełomowa. + +Dlatego w tym samouczku przejdziemy przez cały proces **konwersji obrazu do PDF**, uruchomimy OCR i uzyskamy **przeszukiwalny PDF**, który możesz wstawić do dowolnego przepływu dokumentów. Poruszymy także temat **wyodrębniania tekstu z obrazu** i pokażemy, jak **przekształcić jpg w przeszukiwalny pdf** bez zbędnego kodu szablonowego. + +## Czego się nauczysz + +- Dokładną zależność Maven/Gradle potrzebną do Aspose OCR. +- Jak załadować JPG (lub dowolny obsługiwany obraz) do silnika OCR. +- Dlaczego zapis z `OcrSaveFormat.PDF_SEARCHABLE` ma znaczenie. +- Typowe pułapki (duże obrazy, nieobsługiwane formaty) i jak ich unikać. +- Jak zweryfikować, że powstały PDF naprawdę zawiera przeszukiwalny tekst. + +Po przeczytaniu tego przewodnika będziesz mieć gotową do uruchomienia klasę Java, która w jednym wywołaniu metody generuje przeszukiwalny PDF. Bez zewnętrznych narzędzi wiersza poleceń, bez dodatkowych silników OCR — czysta Java. + +--- + +## Wymagania wstępne + +| Wymaganie | Dlaczego jest ważne | +|-------------|----------------| +| Java 8 lub nowsza | Aspose OCR korzysta z nowoczesnych funkcji języka. | +| Maven lub Gradle (do zarządzania zależnościami) | Umożliwia łatwe pobranie JAR‑a Aspose OCR. | +| Przykładowy obraz (`input.jpg`) umieszczony w znanym folderze | Kod oczekuje ścieżki do pliku; możesz zamienić go na PNG, BMP itp. | +| Opcjonalnie: przeglądarka PDF z możliwością wyszukiwania (Adobe Reader, Foxit, itp.) | Aby potwierdzić, że PDF naprawdę jest przeszukiwalny. | + +Jeśli masz już wszystko gotowe, świetnie — przechodzimy do działania. + +--- + +## Krok 1: Dodaj Aspose OCR do swojego projektu + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Wersja darmowa w trybie ewaluacyjnym dodaje mały znak wodny na pierwszej stronie. W produkcji pobierz licencję od Aspose i wywołaj `License license = new License(); license.setLicense("Aspose.OCR.lic");` przed utworzeniem `OcrEngine`. + +--- + +## Krok 2: Załaduj obraz, który chcesz przekonwertować + +Użyjemy `ImageStream.fromFile`, aby odczytać obraz bezpośrednio z dysku. Metoda ta obsługuje JPG, PNG, TIFF i wiele innych formatów, więc możesz **konwertować obraz do PDF** niezależnie od źródła. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Dlaczego ten krok?** Silnik OCR potrzebuje bitmapowej reprezentacji tekstu. Dostarczenie obrazu o wysokiej rozdzielczości (300 dpi lub wyższej) znacząco poprawia dokładność rozpoznawania, co z kolei daje lepsze wyniki **wyodrębniania tekstu z obrazu**. + +--- + +## Krok 3: Uruchom OCR i zapisz jako przeszukiwalny PDF + +Magia dzieje się, gdy wywołujesz `save` z formatem `PDF_SEARCHABLE`. Pod maską Aspose OCR tworzy ukrytą warstwę tekstową, która leży na oryginalnym obrazie, zamieniając statyczny obraz w **przeszukiwalny PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Jeśli wolisz zwykły PDF bez ukrytej warstwy, zamień `PDF_SEARCHABLE` na `PDF`. Jednak w większości scenariuszy archiwizacyjnych to właśnie wersja przeszukiwalna jest pożądana. + +--- + +## Krok 4: Zweryfikuj wynik + +Po zakończeniu programu otwórz `searchable.pdf` w dowolnej przeglądarce PDF i użyj wbudowanej funkcji wyszukiwania (Ctrl + F). Jeśli znajdziesz słowa, które pierwotnie były jedynie na obrazie, gratulacje — udało Ci się **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Przypadek brzegowy:** Bardzo duże obrazy (> 10 MB) mogą spowodować `OutOfMemoryError`. Aby temu zapobiec, zmniejsz rozmiar obrazu wcześniej, używając `java.awt.Image` lub biblioteki takiej jak Thumbnailator. + +--- + +## Pełny działający przykład + +Poniżej znajduje się kompletny, samodzielny kod klasy Java. Skopiuj‑wklej go do swojego IDE, dostosuj ścieżki i uruchom — bez dodatkowych kroków. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Oczekiwany wynik:** + +``` +Searchable PDF created. +``` + +Po otwarciu `YOUR_DIRECTORY/searchable.pdf` powinieneś móc wyszukać dowolne słowo, które pojawia się w `input.jpg`. To właśnie istota **przekształcania jpg w przeszukiwalny pdf**. + +--- + +## Najczęściej zadawane pytania (FAQ) + +### Czy mogę przetwarzać wiele obrazów jednocześnie? +Tak. Iteruj po liście ścieżek do plików, wywołuj `setImage` dla każdego i albo dołączaj strony do jednego PDF (`PDF_SEARCHABLE`), albo generuj osobne PDF‑y. Pamiętaj, aby po każdej iteracji zresetować stan silnika (`ocrEngine.clear()`). + +### Co zrobić, gdy dokładność OCR jest niska? +- Upewnij się, że źródłowy obraz ma co najmniej 300 dpi. +- Użyj `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);`, aby wymusić język. +- Wstępnie przetwórz obraz (prostowanie, zwiększanie kontrastu) przy pomocy biblioteki takiej jak OpenCV. + +### Czy Aspose OCR obsługuje inne języki? +Oczywiście. Enum `OcrLanguage` zawiera francuski, niemiecki, chiński, arabski i wiele innych. Zmień język przed wywołaniem `save`. + +### Jak wstawić przeszukiwalny PDF do istniejącego dokumentu? +Traktuj wynik jak każdy inny PDF. Skorzystaj z biblioteki łączenia PDF (np. iText lub Aspose PDF), aby połączyć go z innymi plikami PDF. + +--- + +## Wskazówki i triki z pola walki + +- **Pro tip:** Jeśli potrzebujesz małego rozmiaru pliku, wywołaj `ocrEngine.getConfig().setCompress(true);` przed zapisem. +- **Uwaga:** Obrazy z przezroczystym tłem — Aspose OCR traktuje przezroczystość jako białą, co może wpłynąć na kontrast. +- **Pamiętaj:** Przeszukiwalny PDF wciąż jest rastrowym obrazem w tle. Jeśli potrzebujesz w pełni wektorowego PDF, będziesz musiał odtworzyć układ ręcznie. + +--- + +## Zakończenie + +Omówiliśmy wszystko, co potrzebne, aby **tworzyć przeszukiwalne PDF‑y** z obrazów przy użyciu Aspose OCR w Javie. Od dodania zależności Maven po weryfikację ukrytej warstwy tekstowej, proces jest prosty i w pełni programowalny. Teraz możesz **konwertować obraz do pdf**, **ocr image to pdf**, a nawet **wyodrębniać tekst z obrazu** nie opuszczając swojego IDE. + +Gotowy na kolejny krok? Spróbuj przetwarzać wsadowo folder ze zeskanowanymi paragonami lub połącz ten przepływ z wyzwalaczem w chmurze (AWS Lambda, Azure Functions), aby zautomatyzować pipeline ingestingu dokumentów. Możliwości są nieograniczone — eksperymentuj! + +Jeśli napotkasz problemy lub masz pomysły na ulepszenia, zostaw komentarz poniżej. Szczęśliwego kodowania! + +![Diagram pokazujący przepływ: obraz → silnik OCR → przeszukiwalny PDF](image-placeholder.png "diagram przepływu tworzenia przeszukiwalnego 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/polish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..2f8dcc94a --- /dev/null +++ b/ocr/polish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Utwórz przeszukiwalny PDF z obrazu przy użyciu Aspose OCR w Javie. Dowiedz + się, jak konwertować obraz na PDF, włączyć korektę pisowni i używać GPU OCR dla + szybkich wyników. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: pl +og_description: Utwórz przeszukiwalny PDF z obrazu przy użyciu Aspose OCR w Javie. + Ten przewodnik pokazuje, jak przekonwertować obraz na PDF, włączyć korektę pisowni + i używać OCR GPU. +og_title: Utwórz przeszukiwalny PDF z obrazu przy użyciu Java OCR +tags: +- OCR +- Java +- PDF +title: Utwórz przeszukiwalny PDF z obrazu przy użyciu Java OCR +url: /pl/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tworzenie przeszukiwalnego PDF z obrazu przy użyciu Java OCR + +Czy kiedykolwiek potrzebowałeś **utworzyć przeszukiwalny PDF** ze zeskanowanego obrazu, ale nie wiedziałeś od czego zacząć? Nie jesteś sam — większość programistów napotyka ten problem, gdy po raz pierwszy zajmuje się PDF‑ami opartymi na obrazach. Na szczęście, dzięki Aspose OCR for Java możesz **konwertować obraz na PDF**, przekształcić tekst w wybieralną treść i nawet dodać korektę pisowni, aby uzyskać dopracowany rezultat. + +W tym samouczku przeprowadzimy Cię przez kompletny, gotowy do uruchomienia przykład, który pokazuje, jak **używać OCR GPU**, gdy jest dostępny, jak **efektywnie przetwarzać OCR obrazu**, oraz dlaczego włączenie korekty pisowni ma znaczenie dla późniejszych wyszukiwań. Po zakończeniu będziesz mieć jednopunktowy sposób generowania przeszukiwalnego PDF, który możesz udostępnić użytkownikom lub archiwizować w celu spełnienia wymogów. + +> **Pro tip:** Jeśli uruchamiasz program na maszynie bez GPU, kod automatycznie przełącza się na CPU, więc nie musisz nic zmieniać. + +--- + +## Czego będziesz potrzebować + +- **Java 8+** (kod kompiluje się z JDK 8 i nowszymi) +- Biblioteka **Aspose OCR for Java** (pobierz najnowszy JAR ze strony Aspose) +- **Obraz wejściowy** (JPEG, PNG, TIFF itp.), który chcesz przekształcić w przeszukiwalny PDF +- (Opcjonalnie) **GPU** z obsługą CUDA, jeśli chcesz najszybsze rozpoznawanie + +Bez dodatkowych frameworków, bez magii Maven/Gradle — wystarczy pojedynczy JAR w classpath i możesz zaczynać. + +--- + +## Krok 1: Inicjalizacja silnika OCR – serce procesu + +Najpierw tworzymy instancję `OcrEngine` i wskazujemy plik źródłowy. Ten obiekt jest „kołowrotkiem”, który odczyta obraz, uruchomi sieć neuronową i zwróci nam tekst. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Dlaczego to ważne:* Inicjalizacja silnika raz i ponowne jego użycie eliminuje konieczność wielokrotnego ładowania bibliotek natywnych — mały zysk wydajności, który rośnie przy przetwarzaniu dziesiątek plików jednocześnie. + +--- + +## Krok 2: Wybór urządzenia przetwarzającego – użyj OCR GPU, gdy to możliwe + +Jeśli Twoja stacja robocza ma kompatybilne GPU, możesz poinstruować Aspose, aby wykonał ciężkie obliczenia na nim. W przeciwnym razie silnik automatycznie przełącza się na CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Jaka jest korzyść?* Przyspieszenie dzięki GPU może skrócić czas przetwarzania każdej strony o kilka sekund, szczególnie przy skanach wysokiej rozdzielczości. Mechanizm awaryjny zapewnia, że ten sam kod działa wszędzie, dlatego zalecamy **use OCR GPU** jako domyślne ustawienie. + +--- + +## Krok 3: Przyspiesz skanowanie – wykorzystaj wszystkie rdzenie CPU + +Nawet gdy GPU jest zajęte, otaczające kroki wstępnego przetwarzania mogą być równolegle wykonywane. Ustawienie liczby wątków na liczbę dostępnych procesorów daje silnikowi szansę na jednoczesne przetwarzanie wielu fragmentów. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Uwaga:* Na laptopie z 4‑rdzeniowym procesorem uruchomi się cztery wątki; na stacji roboczej z 16 rdzeniami uzyskasz pełną korzyść. Pamiętaj jednak, że więcej wątków oznacza większe zużycie pamięci. + +--- + +## Krok 4: Oczyszczenie obrazu – filtry wstępnego przetwarzania + +Rozmyta lub zaszumiona skan może generować śmieciowy tekst. Dodanie kilku wbudowanych filtrów znacząco podnosi dokładność. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Dlaczego te filtry?* `DeskewFilter` koryguje rotację, która często pojawia się, gdy dokument jest podawany do skanera pod kątem. `NoiseRemovalFilter` usuwa przypadkowe piksele, które w przeciwnym razie byłyby interpretowane jako znaki. To tak, jakby dać silnikowi OCR czysty arkusz papieru do odczytania. + +--- + +## Krok 5: Włączenie inteligentnych funkcji – korekta pisowni i automatyczne wykrywanie języka + +Jeśli pracujesz z dokumentami wielojęzycznymi lub po prostu chcesz mieć mniej literówek, włącz wbudowany sprawdzacz pisowni i pozwól silnikowi odgadnąć język. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Kiedy to przydatne?* Załóżmy, że skan zawiera zarówno fragmenty po angielsku, jak i po hiszpańsku. Funkcja automatycznego wykrywania przełącza słowniki w locie, a korekta pisowni naprawia błędnie odczytane znaki, np. „0” zamiast „O”. Ten krok jest niezbędny, aby **przeszukiwalny PDF** zwracał prawidłowe wyniki. + +--- + +## Krok 6: Zapis wyniku – konwersja obrazu na PDF i uczynienie go przeszukiwalnym + +Na koniec prosimy silnik o zapisanie PDF, w którym oryginalny obraz znajduje się pod niewidzialną warstwą tekstową. To klasyczny **convert image to PDF** workflow, ale PDF jest teraz przeszukiwalny. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Plik wyjściowy (`output-searchable.pdf`) można otworzyć w dowolnym przeglądarce PDF; będziesz mógł zaznaczać, kopiować i wyszukiwać tekst tak, jak w natywnym PDF. Nie potrzebujesz dodatkowych narzędzi. + +--- + +## Pełny działający przykład – kopiuj‑i‑uruchom + +Poniżej znajduje się cały program, gotowy do kompilacji. Zamień `YOUR_DIRECTORY` na folder, w którym znajduje się `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Oczekiwany wynik:** Po uruchomieniu programu w konsoli pojawi się linia *„Searchable PDF generated successfully.”* Otwierając `output-searchable.pdf` w Adobe Reader, możesz wpisać słowo z oryginalnego obrazu w polu wyszukiwania i natychmiast przeskoczyć do jego lokalizacji. + +--- + +## Częste pytania i sytuacje brzegowe + +- **Co jeśli GPU nie zostanie wykryte?** + Wywołanie `setDeviceType(OcrDeviceType.GPU)` nie generuje wyjątku; jedynie instruuje silnik, aby najpierw spróbował użyć GPU. Jeśli się nie powiedzie, silnik cicho przełącza się na CPU. + +- **Czy mogę przetwarzać wiele obrazów w jednym uruchomieniu?** + Tak. Umieść kod w pętli, zmieniaj nazwę pliku w każdej iteracji i ponownie używaj tej samej instancji `OcrEngine`, aby utrzymać niskie zużycie pamięci. + +- **Mój PDF jest ogromny — jak go zmniejszyć?** + Po OCR możesz skorzystać z API optymalizacji PDF Aspose lub po prostu zmniejszyć rozdzielczość obrazu przed przekazaniem go silnikowi (`ImageStream.fromFile(...).setResolution(150)` dla 150 DPI). + +- **Muszę zachować oryginalną rozdzielczość obrazu ze względu na wymogi prawne.** + Format `PDF_SEARCHABLE` zachowuje oryginalny bitmap dokładnie; niewidzialna warstwa tekstowa jest dodawana na wierzchu, nie zmieniając jakości wizualnej. + +--- + +## Podsumowanie wizualne + +![przykład tworzenia przeszukiwalnego pdf](placeholder-image.png "przykład tworzenia przeszukiwalnego pdf") + +*Tekst alternatywny:* *przykład tworzenia przeszukiwalnego pdf – silnik Java OCR przekształcający zeskanowany JPG w przeszukiwalny PDF.* + +--- + +## Zakończenie + +Masz teraz **kompletną, end‑to‑end rozwiązanie** do przekształcania dowolnego obrazu w **przeszukiwalny PDF** przy użyciu Aspose OCR for Java. Dzięki **konwersji obrazu na PDF**, **włączeniu korekty pisowni** i **użyciu OCR GPU**, gdy to możliwe, uzyskasz szybkie, dokładne i przeszukiwalne wyniki działające na wszystkich platformach. + +Co dalej? Wypróbuj: + +- **Różne formaty wyjściowe** (`PDF`, `DOCX`, `HTML`), aby zobaczyć, jak zachowuje się warstwa tekstowa. +- **Własne słowniki**, jeśli przetwarzasz żargon specyficzny dla danej dziedziny. +- **Przetwarzanie wsadowe**, aby automatycznie obsłużyć tysiące skanów. + +Śmiało modyfikuj liczbę wątków, zamieniaj filtry lub podłącz własny pipeline wstępnego przetwarzania. Podstawowy wzorzec pozostaje ten sam: ładowanie → wstępne przetwarzanie → konfiguracja → OCR → zapis. + +Miłego kodowania i niech Twoje PDF‑y zawsze będą przeszukiwalne! + +{{< /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-image-with-spell-co/_index.md b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..c081d6976 --- /dev/null +++ b/ocr/polish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Jak używać OCR do wyodrębniania tekstu z obrazu w Javie. Dowiedz się, + jak konwertować obraz na tekst przy użyciu OCR, korygować błędy OCR i ładować obraz + do OCR za pomocą Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: pl +og_description: Jak używać OCR w Javie do wyodrębniania tekstu z obrazu, korygowania + błędów OCR i ładowania obrazu do OCR przy użyciu Aspose OCR. +og_title: Jak używać OCR w Javie – kompletny przewodnik +tags: +- OCR +- Java +- Aspose +title: Jak używać OCR w Javie – wyodrębnić tekst z obrazu z korektą ortograficzną +url: /pl/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 obrazu z korektą pisowni + +Zastanawiałeś się kiedyś **jak używać OCR**, aby zamienić rozmyte zdjęcie paragonu w czysty, przeszukiwalny tekst? Nie jesteś sam. W wielu projektach — aplikacje do śledzenia wydatków, pipeline'y cyfryzacji faktur, czy nawet szybki skrypt do notatek — uzyskanie wiarygodnego tekstu z obrazu jest pierwszą przeszkodą. + +Ten tutorial pokazuje dokładnie, jak używać OCR w Javie, obejmując wszystko od wczytywania obrazu do OCR po korektę błędów OCR, tak aby wynik wyglądał jak tekst wpisany przez człowieka. Po zakończeniu będziesz w stanie **wyodrębnić tekst z obrazu**, wykonać konwersję **OCR image to text** i automatycznie naprawić typowe błędy rozpoznawania. + +## Co zbudujesz + +Stworzymy mały program konsolowy w Javie, który: + +1. Wczytuje PNG (lub dowolny obsługiwany format) do silnika Aspose OCR. +2. Włącza wbudowaną funkcję korekty pisowni, aby **poprawić błędy OCR**. +3. Uruchamia proces rozpoznawania i wypisuje wyczyszczony tekst. + +Bez zewnętrznych usług, bez ciężkich frameworków — tylko pojedynczy JAR i kilka linii kodu. + +### Wymagania wstępne + +- Java Development Kit (JDK) 8 lub nowszy. +- Maven (lub dowolne narzędzie budujące), aby pobrać bibliotekę Aspose OCR. +- Plik obrazu (np. `receipt.png`), który chcesz przeanalizować. + +Jeśli brakuje Ci JAR-a Aspose OCR, dodaj tę zależność do swojego `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Wskazówka:** Darmowa wersja ewaluacyjna działa do testów, ale licencja usuwa znak wodny wersji ewaluacyjnej. + +## Krok 1 – Inicjalizacja silnika OCR (Główne słowo kluczowe w akcji) + +Pierwszą rzeczą, którą musisz zrobić, jest stworzenie instancji `OcrEngine`. Pomyśl o niej jak o mózgu, który odczyta piksele i przekształci je w znaki. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Dlaczego to ważne:* Inicjalizacja silnika ustawia wewnętrzne zasoby (modele językowe, słowniki itp.). Pominięcie tego kroku spowodowałoby `NullPointerException` później, gdy spróbujesz wczytać obraz. + +## Krok 2 – Wczytaj obraz do OCR + +Teraz faktycznie **wczytujemy obraz do OCR**. Aspose udostępnia wygodny pomocnik `ImageStream.fromFile`, ale możesz także podać `byte[]`, jeśli wolisz. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Typowy problem:* Ścieżka do pliku musi być absolutna lub względna względem katalogu roboczego. Jeśli obraz nie zostanie znaleziony, silnik zgłosi `IOException`. Sprawdź dokładnie ścieżkę, szczególnie przy uruchamianiu z IDE w porównaniu do spakowanego JAR-a. + +## Krok 3 – Włącz korektę pisowni, aby **poprawić błędy OCR** + +Domyślny OCR może być hałaśliwy — np. „l0ve” zamiast „love” lub „0” zamiast „O”. Włączenie korekty pisowni nakazuje silnikowi wykonać etap post‑procesingu, który naprawia typowe błędy. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Dlaczego warto to zrobić:* Bez korekty pisowni możesz musieć ręcznie oczyszczać wynik, co podważa sens automatyzacji. Wbudowany słownik dobrze działa dla języka angielskiego i kilku innych języków. + +## Krok 4 – Przeprowadź rozpoznawanie (**OCR Image to Text**) + +Po wczytaniu obrazu i włączeniu korekty pisowni możemy w końcu poprosić silnik o rozpoznanie tekstu. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Przypadek brzegowy:* Jeśli obraz ma niską kontrastowość lub jest mocno przechylony, wynik może nadal zawierać bełkot. Rozważ wstępne przetwarzanie (np. binaryzację, prostowanie) przed podaniem go do silnika. + +## Krok 5 – Wyświetl wyczyszczony tekst + +Ostatni krok to po prostu wypisanie wyniku. W prawdziwej aplikacji możesz zapisać go do bazy danych lub pliku, ale dla tej demonstracji `System.out` wystarczy. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Oczekiwany wynik + +Zakładając, że `receipt.png` zawiera czytelną listę pozycji, możesz zobaczyć coś takiego: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Zauważ, że „Qty” i „Price” są poprawnie zapisane, nawet jeśli oryginalne skanowanie miało przypadkowe „Qy”. + +## Pełny działający przykład + +Poniżej znajduje się kompletny program, który możesz skopiować i wkleić do pliku o nazwie `SpellCorrectDemo.java`. Upewnij się, że JAR Aspose OCR znajduje się na Twojej ścieżce klas. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Uruchom go za pomocą: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Powinieneś teraz zobaczyć wyczyszczony tekst wypisany w konsoli. + +## Bonus: Dostosowywanie ustawień dla lepszej dokładności + +Chociaż domyślna konfiguracja działa dla większości drukowanych dokumentów, możesz potrzebować dostosować kilka parametrów w specjalistycznych scenariuszach: + +| Ustawienie | Co robi | Kiedy zmienić | +|------------|---------|----------------| +| `setLanguage(OcrLanguage.English)` | Wymusza słownik angielski (redukuje fałszywe trafienia) | Jeśli Twój obraz zawiera wyłącznie tekst po angielsku. | +| `setResolution(300)` | Informuje silnik o DPI źródłowego obrazu | Dla skanów wysokiej rozdzielczości. | +| `setEnableAutoSkewCorrection(true)` | Automatycznie obraca lekko przechylone strony | Gdy obrazy są robione telefonem. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Najczęściej zadawane pytania + +**Q: Czy to działa z PDF‑ami?** +A: Tak. Konwertuj każdą stronę PDF na obraz (np. przy użyciu Aspose PDF) i podaj obraz silnikowi OCR. + +**Q: Co jeśli mój obraz jest w formacie BMP?** +A: `ImageStream.fromFile` obsługuje PNG, JPEG, BMP, TIFF i GIF od razu. Wystarczy zmienić rozszerzenie pliku. + +**Q: Czy mogę wyłączyć korektę pisowni?** +A: Oczywiście — ustaw `setEnableSpellCorrection(false)`, jeśli potrzebujesz surowego wyniku OCR do dalszego przetwarzania. + +## Zakończenie + +Teraz wiesz **jak używać OCR** w Javie, aby **wyodrębnić tekst z obrazu**, automatycznie **poprawić błędy OCR** i prawidłowo **wczytać obraz do OCR** przy użyciu Aspose OCR. Pięcioetapowy przepływ — inicjalizacja, wczytanie, włączenie korekty pisowni, rozpoznanie i wyjście — obejmuje większość codziennych zadań OCR. + +Od tego momentu rozważ połączenie tej logiki z zapisem do bazy danych, endpointem REST lub przetwarzaniem wsadowym, aby obsłużyć jednocześnie dziesiątki paragonów. Eksperymentuj z dodatkową tabelą ustawień powyżej, aby wycisnąć z każdego znaku maksymalną precyzję. + +Szczęśliwego kodowania i niech wyniki OCR będą zawsze czystsze niż Twoje paragonowe plamy po kawie! + +![diagram jak używać OCR pokazujący obraz → silnik OCR → poprawiony tekst flow] + +{{< /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..bb3352b6e 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. +### [Guia Aspose OCR GPU: Acelere a Extração de Texto de Imagens PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Aprenda a usar a aceleração GPU no Aspose OCR para extrair texto de imagens PNG rapidamente e com alta precisão. +### [Reconhecendo texto de imagem com OCR Java – Guia de Processamento Paralelo](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Acelere a extração de texto de imagens usando processamento paralelo com Aspose.OCR para Java. Guia passo a passo para alta performance. +### [Como usar o Aspose OCR para imagens multilíngues](./how-to-use-aspose-ocr-for-mixed-language-images/) +Aprenda a extrair texto de imagens contendo múltiplos idiomas com alta precisão usando Aspose OCR. +### [Como melhorar o contraste em OCR – Guia completo de pré‑processamento Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Aprenda a aumentar o contraste de imagens para melhorar a precisão do OCR usando técnicas de pré‑processamento em Java com 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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..4b96517b4 --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: O tutorial Aspose OCR GPU mostra como reconhecer texto a partir de imagens + e extrair texto de PNG usando aceleração GPU para OCR rápido e confiável. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: pt +og_description: Aprenda a usar o Aspose OCR GPU para reconhecer texto a partir de + imagens e extrair texto de PNG com aceleração GPU em Java. +og_title: 'Guia de GPU do Aspose OCR: Acelere a Extração de Texto' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Guia Aspose OCR GPU: Acelere a Extração de Texto de Imagens PNG' +url: /pt/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Extração Rápida e Confiável de Texto de Imagens PNG + +Quer melhorar o desempenho do seu OCR com **aspose ocr gpu**? Com o Aspose OCR GPU você pode **recognize text from image** muito mais rápido aproveitando uma placa gráfica com suporte a CUDA. Imagine processar um PNG de alta resolução em segundos ao invés de minutos—chega de esperar pelos resultados. + +Neste tutorial vamos percorrer tudo o que você precisa para começar: carregar uma imagem para OCR, mudar o motor para o modo GPU e, finalmente, extrair o texto. Ao final, você terá um programa Java completo e executável que **extracts text from png** arquivos usando aceleração GPU. Nenhuma documentação externa necessária—basta seguir os passos, copiar o código e você estará pronto para usar. + +## O que você precisará + +- **Java Development Kit (JDK) 11+** – o código usa os recursos padrão da linguagem Java. +- **Aspose.OCR for Java** (versão mais recente em maio de 2026). Você pode obtê-lo no Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **A CUDA‑enabled GPU** (NVIDIA GeForce, Quadro ou Tesla) com o driver apropriado instalado. +- **Um PNG de alta resolução de exemplo** (por exemplo, `sample-highres.png`) que você deseja processar. + +Se você não tem uma GPU, o código recairá automaticamente para CPU—basta comentar as linhas referentes à GPU. + +## Etapa 1 – Carregar a Imagem para OCR + +A primeira coisa que qualquer fluxo de trabalho de OCR precisa é uma fonte de imagem. Aspose OCR fornece um wrapper conveniente `ImageStream` que pode ler de um arquivo, de um array de bytes ou até de uma URL. Aqui usamos `ImageStream.fromFile` porque é a forma mais direta para desenvolvimento local. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Por que isso importa:** Carregar a imagem corretamente garante que o motor OCR receba os dados de pixel exatos que ele precisa. Usar `ImageStream.fromFile` também lida automaticamente com peculiaridades comuns de PNG (canal alfa, profundidade de cor). + +## Etapa 2 – Habilitar Aceleração GPU (aspose ocr gpu) + +Agora vem a mágica: dizer ao Aspose para rodar na GPU. O objeto `OcrDevice` dentro do motor permite escolher o tipo de dispositivo (`CPU` ou `GPU`) e, se você tiver mais de uma GPU, o ID do dispositivo específico. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Dica de especialista:** Se você encontrar erros `CUDA driver not found`, verifique novamente se o driver NVIDIA corresponde à versão CUDA exigida pelo Aspose OCR (geralmente CUDA 11.x para a versão 23.x). +> **Caso extremo:** Ao rodar em um servidor sem interface gráfica, certifique‑se de que a GPU não está bloqueada por outro processo; caso contrário, a chamada OCR recairá silenciosamente para CPU. + +## Etapa 3 – Reconhecer Texto da Imagem + +Com a imagem carregada e o dispositivo definido, você pode finalmente executar o motor OCR. O método `recognize()` retorna um objeto `OcrResult` que contém o texto puro, pontuações de confiança e até caixas delimitadoras se você precisar delas mais tarde. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Ao executar o programa, você deverá ver algo como: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **O que você está vendo:** A string bruta extraída do PNG. Se a imagem contiver tabelas ou layouts de múltiplas colunas, você pode habilitar `LayoutAnalysis` no motor para obter melhores resultados (fora do escopo deste guia rápido). + +## Etapa 4 – Verificar se a GPU está realmente sendo usada + +É fácil assumir que a GPU está fazendo o trabalho pesado, mas uma verificação rápida pode economizar horas de depuração. Aspose OCR grava uma pequena entrada de log quando inicializa o dispositivo. + +Adicione este trecho logo após definir o tipo de dispositivo: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Se a saída mostrar `GPU`, está tudo certo. Se aparecer `CPU`, revise a instalação do driver ou garanta que a variável de ambiente `CUDA_HOME` aponte para a pasta correta do toolkit. + +## Armadilhas Comuns e Como Evitá‑las + +| Sintoma | Causa Provável | Correção | +|---------|----------------|----------| +| `java.lang.UnsatisfiedLinkError` sobre `cudart64_110.dll` | Runtime CUDA não está no `PATH` | Adicione a pasta `bin` do CUDA ao `PATH` do sistema ou defina `java.library.path`. | +| OCR retorna string vazia | Imagem não carregada corretamente (caminho errado ou formato não suportado) | Verifique o caminho do arquivo e confirme que o PNG não está corrompido. | +| Desempenho similar ao CPU | Fallback para GPU devido a incompatibilidade de driver | Atualize o driver NVIDIA para a versão listada nas notas de lançamento do Aspose OCR. | +| Out‑of‑memory em imagens grandes | Memória da GPU esgotada | Reduza a resolução da imagem ou divida a imagem em blocos antes do processamento. | + +## Bônus: Recuar para CPU Quando a GPU Não Está Disponível + +Às vezes você pode executar o mesmo código em um laptop de desenvolvimento sem GPU compatível com CUDA. Envolver a seleção do dispositivo em um bloco try‑catch torna o programa mais robusto. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Agora o mesmo binário funciona em qualquer lugar, e você ainda obtém o ganho de velocidade onde o hardware permitir. + +## Exemplo Completo, Pronto‑para‑Executar + +Abaixo está a classe Java completa que incorpora todas as etapas, verificações e lógica de fallback discutidas acima. Copie‑e‑cole no seu IDE, ajuste o caminho da imagem e execute. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Saída esperada** (supondo que o PNG contenha texto simples em inglês): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Se a GPU não estiver presente, você verá “CPU” na última linha. + +## Visão Geral Visual + +Abaixo há um diagrama rápido do fluxo de dados—do carregamento do PNG ao retorno do texto puro. O texto alternativo da imagem contém a palavra‑chave principal para SEO. + +![fluxo de trabalho aspose ocr gpu – carregar imagem, habilitar GPU, reconhecer texto] + +*Texto alternativo: fluxo de trabalho aspose ocr gpu mostrando como carregar imagem para ocr, habilitar aceleração GPU e extrair texto de png.* + +## Recapitulação & Próximos Passos + +Acabamos de cobrir como **aspose ocr gpu**‑acelerar o processo de **recognize text from image** e **extract text from png**. Os principais pontos: + +1. **Carregue a imagem** com `ImageStream.fromFile`. +2. **Habilite a GPU** via `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Execute `recognize()`** e leia `ocrResult.getText()`. +4. **Valide o dispositivo** e recua graciosamente para CPU quando necessário. + +Pronto para ir além? Experimente estas ideias: + +- **Processamento em lote:** Percorra um diretório de PNGs e escreva cada resultado em um arquivo `.txt`. +- **Análise de layout:** Ative `ocrEngine.getOptions().setDetectDocumentStructure(true)` para preservar colunas e tabelas. +- **Escalonamento multi‑GPU:** Se sua estação de trabalho tem várias GPUs, crie threads paralelas, cada uma fixada em um `deviceId` diferente. + +Essas extensões aprofundarão seu domínio de **gpu accelerated ocr** e abrirão caminho para projetos de digitalização de documentos em larga escala. + +--- + +*Feliz codificação! Se encontrar algum problema, deixe um comentário abaixo—terei prazer em ajudar a solucionar.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..96208993e --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Como melhorar o contraste enquanto aprende a pré-processar imagens, remover + ruído e corrigir a rotação da imagem para um reconhecimento de texto OCR confiável. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: pt +og_description: Como melhorar o contraste em imagens de OCR, além de como pré-processar + a imagem, remover ruído e corrigir a rotação da imagem para um reconhecimento de + texto preciso. +og_title: Como melhorar o contraste no OCR – Guia Java passo a passo +tags: +- OCR +- Java +- Image Processing +title: Como melhorar o contraste em OCR – Guia completo de pré‑processamento em Java +url: /pt/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Como melhorar o contraste em OCR – Guia completo de pré‑processamento em Java + +Já se perguntou **como melhorar o contraste** para que seu motor OCR realmente leia o texto em vez de gerar lixo? Você não está sozinho. A maioria dos desenvolvedores bate na parede quando a imagem de origem está escura, inclinada ou cheia de manchas, e o resultado é uma frustrante falha ao “reconhecer texto da imagem”. + +A boa notícia? Aplicando alguns passos inteligentes de pré‑processamento—**como pré‑processar imagem**, **como remover ruído** e **corrigir rotação da imagem**—você pode transformar um PNG ruidoso e de baixo contraste em uma tela limpa que o motor OCR adora. Neste tutorial vamos percorrer um exemplo real em Java usando Aspose.OCR, explicar por que cada filtro importa e mostrar exatamente **como melhorar o contraste** para um reconhecimento à prova de falhas. + +--- + +## O que você vai aprender + +- O propósito de cada filtro de pré‑processamento (deskew, remoção de ruído, aumento de contraste). +- **Como pré‑processar imagem** com Aspose.OCR em Java, passo a passo. +- Dicas práticas para **como remover ruído** e **corrigir rotação da imagem** antes do OCR. +- O código exato que você pode copiar‑colar, executar e ver a saída de **reconhecer texto da imagem**. + +> **Pré‑requisitos** – Java 17+, Maven ou Gradle, e uma licença Aspose.OCR para Java (uma avaliação gratuita serve para testes). Nenhuma outra biblioteca de terceiros é necessária. + +--- + +## Etapa 1 – Configurar o projeto e importar Aspose.OCR + +Antes de falarmos sobre **como melhorar o contraste**, precisamos de um projeto Java funcional com o motor OCR integrado. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Se preferir Gradle, o equivalente é: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Crie um arquivo simples `src/main/java/PreprocessDemo.java` e importe as classes necessárias: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Dica de especialista:** Mantenha o recurso de auto‑importação do seu IDE ativado; isso economiza muito vai‑e‑vem. + +--- + +## Etapa 2 – Carregar a imagem que você deseja limpar + +Agora que a biblioteca está pronta, vamos responder a primeira parte de **como pré‑processar imagem**: carregá‑la. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Neste ponto o motor possui um PNG de baixa qualidade que provavelmente sofre de contraste ruim, rotação e ruído de manchas. Se você abrir o arquivo, verá exatamente por que o OCR tropeçaria. + +--- + +## Etapa 3 – Aplicar filtros: Deskew, Remoção de Ruído, **Como melhorar o contraste** + +Este é o coração do tutorial—**como melhorar o contraste** enquanto lida simultaneamente com rotação e ruído. Aspose.OCR oferece três filtros prontos: + +| Filtro | O que faz | Por que é importante para OCR | +|--------|-----------|------------------------------| +| `DeskewFilter` | Detecta e corrige a rotação da imagem | Garante **rotação correta da imagem**, para que os caracteres não fiquem inclinados. | +| `NoiseRemovalFilter` | Reduz manchas aleatórias e granulação de fundo | Implementa **como remover ruído** para que o motor veja apenas as letras. | +| `ContrastEnhancementFilter` | Aumenta a diferença entre o texto em primeiro plano e o fundo | Responde diretamente a **como melhorar o contraste**, fazendo com que traços fracos se destaquem. | + +Adicione-os na ordem mostrada—deskew primeiro, depois remoção de ruído e, por fim, aumento de contraste: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Por que essa ordem?** +> • O deskew funciona melhor na matriz de pixels bruta; girar uma imagem ruidosa pode amplificar artefatos. +> • Limpar o ruído antes de aumentar o contraste impede que o filtro amplifique as manchas. +> • Finalmente, o aumento de contraste faz os pixels limpos “poparem”, que é exatamente **como melhorar o contraste** para OCR. + +--- + +## Etapa 4 – Executar o motor OCR e **reconhecer texto da imagem** + +Com o pipeline de pré‑processamento pronto, finalmente chamamos o motor OCR. Esta etapa responde à pergunta final: **reconhecer texto da imagem**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Ao executar `java PreprocessDemo`, você deverá ver texto limpo e legível em vez de uma bagunça incompreensível. A saída típica para uma fatura de exemplo pode ser assim: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Se o resultado ainda parecer borrado, considere ajustar os parâmetros do `ContrastEnhancementFilter` (por exemplo, `setLevel(1.5)`) ou verificar novamente se a imagem original não está comprimida além da recuperação. + +--- + +## Etapa 5 – Verificação visual: Antes & Depois (Opcional) + +Ver para crer. Abaixo está uma ilustração placeholder que compara o arquivo original com a versão processada. O texto alternativo menciona explicitamente a palavra‑chave principal para SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Se você executar o código na sua própria imagem, notará o mesmo aumento dramático na legibilidade.* + +--- + +## Armadilhas comuns & como corrigi‑las + +| Problema | Por que acontece | Como corrigir | +|----------|------------------|---------------| +| Texto ainda borrado após aumento de contraste | Nível do filtro muito baixo ou resolução da imagem insuficiente | Aumente o nível do `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) ou aumente a escala da imagem antes do processamento. | +| OCR devolve string vazia | Imagem estava completamente escura ou todos os pixels foram removidos pelo filtro de ruído | Reduza a agressividade do `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Caracteres ainda inclinados | Deskew não detectou o ângulo porque a imagem estava muito ruidosa | Execute `DeskewFilter` **depois** de uma passagem leve de remoção de ruído, ou ajuste manualmente o ângulo de rotação com `DeskewFilter.setAngle(2.5)`. | +| Símbolos Unicode inesperados | O idioma do OCR não foi configurado corretamente | Chame `ocrEngine.setLanguage(OcrLanguage.English);` antes de `recognize()`. | + +--- + +## Expandindo o pipeline – E se precisar de mais? + +Às vezes você pode precisar **como pré‑processar imagem** para digitalizações coloridas ou PDFs. Aspose.OCR também oferece: + +- `BinarizationFilter` – converte para preto‑e‑branco puro, ótimo para texto de alto contraste. +- `ResizeFilter` – amplia fontes pequenas antes do OCR. +- `SharpenFilter` – acentua bordas para escrita à mão fraca. + +Você pode encadeá‑los da mesma forma que os três filtros principais mostrados antes. Lembre‑se, a ordem ainda importa: redimensionar → remover ruído → binarizar → contraste → deskew é uma receita comum. + +--- + +## Recapitulando: De PNG ruidoso a texto limpo + +- **Como melhorar o contraste**: use `ContrastEnhancementFilter` após deskew e remoção de ruído. +- **Como pré‑processar imagem**: carregue, adicione filtros e, então, execute o OCR. +- **Como remover ruído**: `NoiseRemovalFilter` limpa o fundo sem destruir os traços do texto. +- **Rotação correta da imagem**: `DeskewFilter` alinha a linha de base do texto, pré‑requisito para reconhecimento preciso. +- **Reconhecer texto da imagem**: chame `ocrEngine.recognize()` e leia `ocrResult.getText()`. + +Todos esses passos juntos fornecem um pipeline robusto que funciona para faturas escaneadas, recibos e até livros impressos antigos. + +--- + +## O que vem a seguir? + +- **Experimentar**: Ajuste os parâmetros dos filtros e observe o efeito na precisão do OCR. +- **Processamento em lote**: Envolva a lógica acima em um loop para tratar pastas inteiras de imagens. +- **Integração**: Alimente a saída do OCR em um banco de dados ou gerador de PDF para automação ponta‑a‑ponta. + +Se você tem curiosidade sobre outros truques de aprimoramento de imagem—como limiar adaptativo ou inversão de cores—consulte a documentação oficial da Aspose ou o guia “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### Boa codificação! + +Agora você sabe **como melhorar o contraste** e toda a história de pré‑processamento que transforma um escaneamento bagunçado em texto limpo e pesquisável. Deixe um comentário se encontrar algum obstáculo, ou compartilhe como personalizou o pipeline para seus próprios projetos. Vamos manter a conversa sobre OCR viva! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..29856653a --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-05-06 +description: Como usar o Aspose OCR para reconhecer texto a partir de imagem, habilitar + a detecção automática de idioma e melhorar a velocidade do OCR em Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: pt +og_description: Como usar o Aspose OCR para reconhecer rapidamente texto a partir + de imagens, habilitar a detecção automática de idioma e melhorar a velocidade do + OCR em Java. +og_title: Como usar o Aspose OCR para imagens multilíngues +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Como usar o Aspose OCR para imagens com múltiplos idiomas +url: /pt/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Como usar Aspose OCR para imagens multilíngues + +Já se perguntou **como usar Aspose** para extrair texto de uma imagem que contém várias línguas ao mesmo tempo? Você não está sozinho—desenvolvedores frequentemente se deparam com dificuldades quando uma imagem mistura Inglês, Russo, Hindi ou qualquer outro script. A boa notícia é que o Aspose OCR lida com isso de forma elegante, e você pode até **reconhecer texto de imagem** mais rápido ao restringir o conjunto de idiomas. + +Neste tutorial, percorreremos um exemplo Java completo e pronto‑para‑executar que **carrega imagem para OCR**, ativa a **detecção automática de idioma**, e mostra um truque simples para **melhorar a velocidade do OCR**. Ao final, você terá um programa autocontido que imprime o texto extraído no console, e entenderá por que cada configuração é importante. + +> **Pré-requisitos** – Java 17+ instalado, Maven ou Gradle para gerenciamento de dependências, e uma licença Aspose OCR (a avaliação gratuita funciona para testes). Nenhuma outra biblioteca é necessária. + +--- + +## Etapa 1 – Adicionar Aspose OCR ao seu projeto + +Antes de poder **usar Aspose**, você precisa da biblioteca no seu classpath. Com Maven, fica assim: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Se preferir Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Dica profissional:** Use a versão estável mais recente; versões mais novas frequentemente incluem melhorias de desempenho que impactam diretamente **melhorar a velocidade do OCR**. + +--- + +## Etapa 2 – Criar a Instância do Motor OCR + +O coração de todo fluxo de trabalho Aspose OCR é o `OcrEngine`. Instanciá‑lo é simples, mas vale notar que o motor mantém caches internos. Reutilizar uma única instância em várias imagens pode realmente **melhorar a velocidade do OCR** porque a biblioteca evita inicializações nativas repetidas. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Etapa 3 – **Carregar Imagem para OCR** + +Aspose aceita vários formatos de imagem (PNG, JPEG, TIFF, BMP). Aqui demonstramos o carregamento de um PNG que contém texto em Inglês, Russo e Hindi. O helper `ImageStream.fromFile` abstrai os detalhes de I/O de arquivos e garante que a imagem seja transmitida corretamente para o motor. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **E se a imagem estiver na memória?** Use `ImageStream.fromByteArray(byte[])` em vez disso—perfeito para serviços web que recebem imagens como fluxos de bytes. + +--- + +## Etapa 4 – Ativar Detecção Automática de Idioma + +Por padrão, o Aspose OCR assume um único idioma, o que pode gerar saída confusa em imagens multilíngues. Ativar a detecção automática indica ao motor que ele deve identificar o script de cada bloco de texto antes do reconhecimento. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Etapa 5 – **Melhorar a Velocidade do OCR** restringindo o Conjunto de Idiomas + +A detecção automática completa verifica todos os idiomas que o Aspose suporta (mais de 70). Se você souber os idiomas possíveis com antecedência, pode dar uma dica ao motor. Fornecer um array menor reduz o espaço de busca e, portanto, **melhora a velocidade do OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Por que isso ajuda?** O motor ignora os modelos de idioma que não são necessários, economizando ciclos de CPU e memória. Se mais tarde você adicionar mais idiomas, basta atualizar o array—não é necessário reescrever o código. + +--- + +## Etapa 6 – Executar o Reconhecimento e **Reconhecer Texto de Imagem** + +Agora o trabalho pesado acontece. `recognize()` retorna um objeto `OcrResult` que contém o texto puro, pontuações de confiança e até mesmo as informações de layout, caso você precise delas depois. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Saída esperada no console + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Se a imagem contiver ruído adicional ou texto inclinado, você pode ver menor confiança nessas linhas. Nesse caso, considere pré‑processar a imagem (desinclinar, binarizar) antes de enviá‑la ao Aspose. + +--- + +## Perguntas Frequentes e Casos Limítrofes + +### E se a imagem for enorme (por exemplo, >10 MP)? + +Imagens grandes consomem mais memória e podem desacelerar o processamento. Uma maneira rápida de **melhorar a velocidade do OCR** é reduzir a escala da imagem preservando a legibilidade: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Como lidar com scripts da direita para a esquerda, como Árabe? + +O Aspose OCR respeita automaticamente a direção do script, mas você pode querer definir a flag `RightToLeft` para pós‑processamento: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Posso extrair texto de PDFs em vez de imagens? + +Sim—converta cada página PDF em uma imagem (usando Aspose PDF ou qualquer rasterizador) e alimente o resultado ao mesmo pipeline OCR. A mesma lógica de **reconhecer texto de imagem** se aplica. + +--- + +## Exemplo Completo Funcional (Pronto para Copiar‑Colar) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Salve o arquivo como `MixedLanguageDemo.java`, compile com `javac` e execute com `java MixedLanguageDemo`. Se tudo estiver configurado corretamente, você verá o texto multilíngue impresso no console. + +--- + +## Conclusão + +Agora você sabe **como usar Aspose** para **reconhecer texto de imagem** que contém vários idiomas, como **ativar a detecção automática de idioma**, e uma dica prática para **melhorar a velocidade do OCR** limitando o conjunto de idiomas. O código completo acima está pronto para copiar‑colar, e as explicações devem lhe dar confiança para adaptar a solução—seja para **carregar imagem para OCR** a partir de um stream, um array de bytes ou até mesmo um instantâneo de webcam. + +Próximos passos? Experimente: + +* Adicionar pré‑processamento de imagem (remoção de ruído, binarização) para digitalizações de baixa qualidade. +* Exportar `OcrResult` como JSON para serviços downstream. +* Integrar o motor em um endpoint REST Spring Boot para que clientes possam enviar imagens e receber texto extraído instantaneamente. + +Feliz codificação, e que seus pipelines de OCR sejam rápidos, precisos e multilíngues! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/portuguese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..acaeb23e2 --- /dev/null +++ b/ocr/portuguese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Reconheça texto de imagem rapidamente usando um exemplo de OCR em Java. + Aprenda a extrair texto de arquivos TIFF com processamento OCR paralelo e como fazer + OCR em Java de forma eficiente. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: pt +og_description: reconheça texto de imagem rapidamente com um exemplo completo de OCR + em Java. Este tutorial mostra como extrair texto de TIFF usando processamento OCR + paralelo. +og_title: Reconhecer texto a partir de imagem com Java OCR – Guia de Processamento + Paralelo +tags: +- OCR +- Java +- Image Processing +title: reconhecer texto de imagem com Java OCR – Guia de Processamento Paralelo +url: /pt/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconhecer texto de imagem com Java OCR – Guia de Processamento Paralelo + +Já precisou **reconhecer texto de arquivos de imagem** mas ficou travado no gargalo de desempenho? Você não está sozinho. Muitos desenvolvedores esbarram quando um motor OCR monothread percorre TIFFs de várias páginas, transformando uma tarefa rápida em uma maratona. + +Neste tutorial vamos percorrer um **java ocr example** que não só extrai texto de arquivos tiff, mas também aproveita todos os núcleos da sua CPU para processamento OCR paralelo. Ao final você saberá exatamente *como fazer ocr java* de forma eficiente, e terá um trecho de código pronto‑para‑usar que pode ser inserido em qualquer configuração Maven ou Gradle. + +## O que você vai aprender + +- Configurar a biblioteca Aspose.OCR em um projeto Java. +- Carregar um TIFF de múltiplas páginas e prepará‑lo para reconhecimento. +- Habilitar **processamento OCR paralelo** ajustando a contagem de threads ao número de núcleos lógicos da CPU. +- Recuperar e exibir o texto reconhecido, completando o fluxo de **reconhecer texto de imagem**. + +> **Pré‑requisito:** Java 8 ou superior e uma licença válida do Aspose.OCR for Java (ou uma chave de avaliação temporária). Nenhuma outra ferramenta externa é necessária. + +--- + +## Etapa 1: Adicionar a dependência Aspose.OCR + +Antes de podermos **reconhecer texto de imagem**, precisamos do motor OCR no classpath. Se você usa Maven, adicione o seguinte ao seu `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Para Gradle, o equivalente é: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Dica:* Mantenha o número da versão atualizado; lançamentos mais recentes costumam incluir ajustes de desempenho que tornam o **processamento OCR paralelo** ainda mais rápido. + +--- + +## Etapa 2: Preparar a classe Java – Exemplo completo + +A seguir está um **java ocr example** autônomo que demonstra como **extrair texto de tiff** usando todos os núcleos de CPU disponíveis. Salve como `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Por que cada linha importa** + +- **Criação do engine**: `OcrEngine` encapsula todo o trabalho pesado. Sem ele, você não consegue **reconhecer texto de imagem**. +- **Carregamento da imagem**: `ImageStream.fromFile` suporta TIFF, PNG, JPEG, etc. Usar um TIFF de múltiplas páginas testa a capacidade do motor de lidar com documentos complexos. +- **Contagem de threads**: `Runtime.getRuntime().availableProcessors()` devolve o número de núcleos lógicos (incluindo hyper‑threads). Definir esse valor aciona o **processamento OCR paralelo**, reduzindo drasticamente o tempo de execução em máquinas com vários núcleos. +- **Reconhecimento**: `engine.recognize()` executa o pipeline OCR. Internamente ele divide as páginas entre o pool de threads que você definiu. +- **Manipulação do resultado**: `result.getText()` devolve uma única `String` contendo o texto concatenado de todas as páginas – perfeito para processamento posterior ou armazenamento. + +--- + +## Etapa 3: Executar a demonstração e verificar a saída + +Compile e execute o programa: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Você deverá ver algo como: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Se o console imprimir o texto esperado, parabéns—você conseguiu **reconhecer texto de imagem** usando um **java ocr example** que roda em paralelo. + +--- + +## Etapa 4: Ajustes para cenários reais (Opcional) + +### Extrair texto de páginas específicas apenas + +Às vezes você precisa apenas de certas páginas de um TIFF grande. Você pode filtrar após o reconhecimento: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Ajustar a contagem de threads manualmente + +Se o seu servidor já estiver ocupado com outras tarefas, talvez queira limitar as threads OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Lidar com TIFFs que consomem muita memória + +TIFFs de múltiplas páginas grandes podem consumir muita RAM. Para mitigar, processe o arquivo em blocos: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Etapa 5: Armadilhas comuns & como evitá‑las + +| Problema | Sintoma | Solução | +|----------|---------|---------| +| **Licença insuficiente** | Exceção `LicenseException` em tempo de execução | Aplique um arquivo de licença válido ou use o modo de avaliação gratuito (adiciona marca d'água). | +| **Caminho de arquivo errado** | `FileNotFoundException` | Verifique o caminho e use caminhos absolutos durante os testes. | +| **Limitação da CPU** | Nenhum ganho de velocidade apesar de `setThreadCount` | Garanta que sua JVM não esteja limitada por parâmetros `-Xmx` ou por configurações de economia de energia do SO. | +| **Formato de imagem não suportado** | `UnsupportedFormatException` | Converta a imagem para TIFF, PNG ou JPEG antes de enviá‑la ao motor. | + +--- + +## Resumo visual + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Texto alternativo:* “Diagrama mostrando o fluxo de reconhecer texto de imagem usando Java OCR com processamento paralelo” + +--- + +## Conclusão + +Acabamos de percorrer um **java ocr example** completo que **reconhece texto de imagem** em arquivos, especificamente TIFFs de múltiplas páginas, enquanto explora ao máximo o **processamento OCR paralelo**. Ao alinhar o pool de threads aos núcleos da CPU, você obtém aceleração quase linear em hardware moderno—exatamente a resposta para “*como fazer ocr java* eficientemente?”. + +A seguir, você pode explorar: + +- **extrair texto de tiff** em lotes e armazenar os resultados em um banco de dados. +- Combinar OCR com bibliotecas de NLP (por exemplo, OpenNLP) para marcar automaticamente entidades extraídas. +- Implantar a solução como um microserviço atrás de um endpoint REST para OCR sob demanda. + +Teste, ajuste a contagem de threads e veja o quanto seu pipeline pode ficar mais rápido. Se encontrar algum obstáculo, deixe um comentário abaixo—bom código! + +{{< /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..e88d1f3c5 100644 --- a/ocr/portuguese/java/ocr-operations/_index.md +++ b/ocr/portuguese/java/ocr-operations/_index.md @@ -82,6 +82,12 @@ 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. +### [Como usar OCR em Java – Extrair texto de imagem com correção ortográfica](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Aprenda a extrair texto de imagens em Java usando OCR e aplicar correção ortográfica para melhorar a precisão. +### [Criar PDF pesquisável a partir de imagem – Guia passo a passo em Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Aprenda a transformar imagens em PDFs pesquisáveis usando Aspose.OCR para Java com instruções detalhadas passo a passo. +### [Criar PDF pesquisável a partir de imagem com OCR Java](./create-searchable-pdf-from-image-with-java-ocr/) +Aprenda a gerar PDFs pesquisáveis a partir de imagens usando Aspose.OCR para Java, com instruções passo a passo. ## Perguntas Frequentes diff --git a/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..ee61451ff --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,186 @@ +--- +category: general +date: 2026-05-06 +description: Crie PDF pesquisável a partir de uma imagem usando o Aspose OCR. Aprenda + como converter imagem em PDF, fazer OCR de imagem para PDF e extrair texto da imagem + em minutos. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: pt +og_description: Crie PDF pesquisável a partir de uma imagem com Aspose OCR. Siga este + guia para converter JPG em PDF pesquisável, extrair texto da imagem e muito mais. +og_title: Criar PDF pesquisável a partir de imagem – Tutorial completo de Java +tags: +- Java +- OCR +- PDF +- Aspose +title: Criar PDF pesquisável a partir de imagem – Guia Java passo a passo +url: /pt/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Criar PDF pesquisável a partir de imagem – Tutorial Java completo + +Já precisou **criar PDF pesquisável** a partir de uma foto escaneada, mas não sabia qual biblioteca escolher? Você não está sozinho. Em muitos projetos—pense em automação de relatórios de despesas ou arquivamento digital—a capacidade de transformar uma imagem simples em um PDF que você realmente pode pesquisar é um divisor de águas. + +Por isso, neste tutorial vamos percorrer todo o processo de **convert image to PDF**, executar OCR nele e terminar com um **PDF pesquisável** que você pode inserir em qualquer fluxo de documentos. Também abordaremos **extract text from image** e mostraremos como **convert jpg to searchable pdf** sem muito código repetitivo. + +## O que você aprenderá + +- A dependência exata do Maven/Gradle que você precisa para o Aspose OCR. +- Como carregar um JPG (ou qualquer imagem suportada) no motor OCR. +- Por que salvar com `OcrSaveFormat.PDF_SEARCHABLE` é importante. +- Armadilhas comuns (imagens grandes, formatos não suportados) e como evitá‑las. +- Como verificar se o PDF resultante realmente contém texto pesquisável. + +Ao final deste guia, você terá uma classe Java pronta‑para‑executar que produz um PDF pesquisável em uma única chamada de método. Sem ferramentas externas de linha de comando, sem motores OCR adicionais—apenas Java puro. + +--- + +## Pré‑requisitos + +| Requisito | Por que importa | +|-------------|----------------| +| Java 8 ou superior | Aspose OCR usa recursos modernos da linguagem. | +| Maven ou Gradle (para gerenciamento de dependências) | Torna trivial obter o JAR do Aspose OCR. | +| Uma imagem de exemplo (`input.jpg`) colocada em uma pasta conhecida | O código espera um caminho de arquivo; você pode substituí‑la por PNG, BMP, etc. | +| Opcional: um visualizador de PDF com capacidade de busca (Adobe Reader, Foxit, etc.) | Para confirmar que o PDF é realmente pesquisável. | + +Se você já tem isso, ótimo—vamos mergulhar. + +## Etapa 1: Adicionar Aspose OCR ao seu projeto + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Dica profissional:** A versão de avaliação gratuita adiciona uma pequena marca d'água à primeira página. Para produção, obtenha uma licença da Aspose e chame `License license = new License(); license.setLicense("Aspose.OCR.lic");` antes de instanciar `OcrEngine`. + +## Etapa 2: Carregar a imagem que você deseja converter + +Usaremos `ImageStream.fromFile` para ler a imagem diretamente do disco. Este método suporta JPG, PNG, TIFF e muitos outros formatos, então você pode **convert image to PDF** independentemente da origem. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Por que esta etapa?** O motor OCR precisa de uma representação bitmap do texto. Fornecer uma imagem de alta resolução (300 dpi ou mais) melhora drasticamente a precisão do reconhecimento, o que, por sua vez, lhe dá melhores resultados de **extract text from image**. + +## Etapa 3: Executar OCR e salvar como PDF pesquisável + +A mágica acontece quando você chama `save` com o formato `PDF_SEARCHABLE`. Nos bastidores, o Aspose OCR cria uma camada de texto oculta que fica sobre a imagem original, transformando uma imagem estática em um **PDF pesquisável**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Se você preferir um PDF simples sem a camada oculta, troque `PDF_SEARCHABLE` por `PDF`. Mas na maioria dos cenários de arquivamento, a variante pesquisável é a que você deseja. + +## Etapa 4: Verificar o resultado + +Depois que o programa terminar, abra `searchable.pdf` em qualquer visualizador de PDF e teste a busca integrada (Ctrl + F). Se você conseguir encontrar palavras que estavam originalmente apenas na imagem, parabéns—você concluiu com sucesso **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Caso extremo:** Imagens muito grandes (> 10 MB) podem causar `OutOfMemoryError`. Para mitigar isso, reduza a escala da imagem previamente usando `java.awt.Image` ou uma biblioteca como Thumbnailator. + +## Exemplo completo em funcionamento + +Abaixo está a classe Java completa e autônoma. Copie‑e cole no seu IDE, ajuste os caminhos e execute—nenhum passo extra necessário. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Saída esperada:** + +``` +Searchable PDF created. +``` + +Ao abrir `YOUR_DIRECTORY/searchable.pdf` você deve ser capaz de buscar qualquer palavra que apareça em `input.jpg`. Essa é a essência de **convert jpg to searchable pdf**. + +## Perguntas Frequentes (FAQ) + +### Posso processar várias imagens de uma vez? + +Sim. Percorra uma lista de caminhos de arquivos, chame `setImage` para cada um e ou anexe páginas a um único PDF (`PDF_SEARCHABLE`) ou gere PDFs separados. Apenas lembre‑se de redefinir o estado do motor entre as iterações (`ocrEngine.clear()`). + +### E se a precisão do OCR for baixa? + +- Garanta que a imagem de origem tenha pelo menos 300 dpi. +- Use `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` para fixar o idioma. +- Pré‑processe a imagem (corrigir inclinação, aumentar contraste) com uma biblioteca como OpenCV. + +### O Aspose OCR suporta outros idiomas? + +Absolutamente. O enum `OcrLanguage` inclui francês, alemão, chinês, árabe e muitos outros. Troque o idioma antes de chamar `save`. + +### Como incorporo o PDF pesquisável em um documento existente? + +Trate a saída como qualquer PDF comum. Use uma biblioteca de mesclagem de PDFs (por exemplo, iText ou Aspose PDF) para concatená‑la com outros PDFs. + +## Dicas e Truques do Campo de Batalha + +- **Dica profissional:** Se precisar de um tamanho de arquivo pequeno, chame `ocrEngine.getConfig().setCompress(true);` antes de salvar. +- **Cuidado com:** Imagens com fundos transparentes—Aspose OCR trata transparência como branco, o que pode afetar o contraste. +- **Lembre‑se:** O PDF pesquisável ainda é uma imagem raster por baixo. Se precisar de um PDF totalmente vetorial, será necessário recriar o layout manualmente. + +## Conclusão + +Acabamos de cobrir tudo o que você precisa para **criar PDF pesquisável** a partir de imagens usando Aspose OCR em Java. Desde adicionar a dependência Maven até verificar a camada de texto oculta, o processo é simples e totalmente programável. Agora você pode **convert image to pdf**, **ocr image to pdf**, e até **extract text from image** sem sair do conforto do seu IDE. + +Pronto para o próximo passo? Tente processar em lote uma pasta de recibos escaneados, ou combine este fluxo de trabalho com um gatilho de armazenamento em nuvem (AWS Lambda, Azure Functions) para automatizar pipelines de ingestão de documentos. As possibilidades são infinitas—vá em frente e experimente! + +Se encontrar algum problema ou tiver ideias de melhorias, deixe um comentário abaixo. Feliz codificação! +![Diagrama mostrando o fluxo: imagem → motor OCR → PDF pesquisável](image-placeholder.png "fluxograma de criação 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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..d6f96faef --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Crie PDF pesquisável a partir de uma imagem usando Aspose OCR em Java. + Aprenda a converter a imagem em PDF, habilitar a correção ortográfica e usar OCR + GPU para resultados rápidos. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: pt +og_description: Crie PDF pesquisável a partir de uma imagem usando Aspose OCR em Java. + Este guia mostra como converter a imagem em PDF, habilitar a correção ortográfica + e usar OCR GPU. +og_title: Criar PDF pesquisável a partir de imagem com OCR em Java +tags: +- OCR +- Java +- PDF +title: Criar PDF pesquisável a partir de imagem com OCR em Java +url: /pt/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Criar PDF pesquisável a partir de imagem com Java OCR + +Já precisou **criar PDF pesquisável** a partir de uma foto escaneada, mas não sabia por onde começar? Você não está sozinho—a maioria dos desenvolvedores encontra essa barreira ao lidar com PDFs baseados em imagens pela primeira vez. Felizmente, com o Aspose OCR for Java você pode **converter imagem em PDF**, transformar o texto em conteúdo selecionável e ainda aplicar correção ortográfica para um resultado refinado. + +Neste tutorial vamos percorrer um exemplo completo, pronto‑para‑executar, que mostra como **usar OCR GPU** quando ele está disponível, como **processar OCR de imagem** de forma eficiente e por que habilitar a correção ortográfica é importante para buscas posteriores. Ao final, você terá um método de um clique para gerar um PDF pesquisável que pode ser distribuído aos usuários ou arquivado para conformidade. + +> **Dica profissional:** Se você estiver executando em uma máquina sem GPU, o código recua graciosamente para a CPU, de modo que não precise reescrever nada. + +--- + +## O que você precisará + +- **Java 8+** (o código compila com JDK 8 e versões mais recentes) +- Biblioteca **Aspose OCR for Java** (baixe o JAR mais recente no site da Aspose) +- Uma **imagem de entrada** (JPEG, PNG, TIFF, etc.) que você deseja transformar em PDF pesquisável +- (Opcional) Uma **GPU** com suporte a CUDA se quiser o reconhecimento mais rápido possível + +Nenhum framework extra, sem magia do Maven/Gradle—apenas um único JAR no classpath e você está pronto para começar. + +--- + +## Etapa 1: Inicializar o motor OCR – O coração do processo + +Primeiro criamos uma instância de `OcrEngine` e apontamos para o arquivo de origem. Esse objeto é o trabalhador que lerá a imagem, executará a rede neural e nos devolverá o texto. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Por que isso importa:* Inicializar o motor uma única vez e reutilizá‑lo evita a sobrecarga de carregar repetidamente bibliotecas nativas—um pequeno ganho de desempenho que se acumula ao processar dezenas de arquivos em lote. + +--- + +## Etapa 2: Escolher o dispositivo de processamento – Use OCR GPU quando possível + +Se sua estação de trabalho possui uma GPU compatível, você pode instruir o Aspose a executar a parte pesada nela. Caso contrário, o motor muda automaticamente para a CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Qual o benefício?* A aceleração por GPU pode economizar segundos em cada página, especialmente para digitalizações de alta resolução. O fallback garante que o mesmo código funcione em qualquer ambiente, por isso recomendamos **usar OCR GPU** como configuração padrão. + +--- + +## Etapa 3: Acelerar a varredura – Aproveitar todos os núcleos da CPU + +Mesmo quando a GPU está ocupada, as etapas de pré‑processamento ao redor podem ser paralelizadas. Definir a contagem de threads para o número de processadores disponíveis dá ao motor a chance de processar vários blocos simultaneamente. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Observação:* Em um laptop de 4 núcleos isso iniciará quatro threads; em uma estação de 16 núcleos você obtém o benefício total. Apenas tenha em mente que mais threads significam maior uso de memória. + +--- + +## Etapa 4: Limpar a imagem – Filtros de pré‑processamento + +Uma digitalização borrada ou ruidosa produzirá texto lixo. Adicionar alguns filtros internos melhora drasticamente a precisão. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Por que esses filtros?* `DeskewFilter` corrige a rotação que costuma ocorrer quando um documento é alimentado ao scanner em ângulo. `NoiseRemovalFilter` elimina pixels soltos que seriam interpretados erroneamente como caracteres. Pense nisso como fornecer ao motor OCR um pedaço de papel limpo para ler. + +--- + +## Etapa 5: Ativar recursos inteligentes – Habilitar correção ortográfica e detecção automática de idioma + +Se você lida com documentos multilíngues, ou simplesmente quer menos erros, ative o corretor ortográfico interno e deixe o motor adivinhar o idioma. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Quando isso é útil?* Suponha que sua digitalização contenha seções em inglês e espanhol. O recurso de detecção automática troca dicionários em tempo real, enquanto a correção ortográfica limpa caracteres lidos incorretamente, como “0” ao invés de “O”. Esta etapa é essencial para produzir um **PDF pesquisável** que realmente devolve resultados corretos. + +--- + +## Etapa 6: Salvar o resultado – Converter imagem em PDF e torná‑lo pesquisável + +Finalmente pedimos ao motor que escreva um PDF onde a imagem original fica atrás de uma camada de texto invisível. Este é o fluxo clássico de **converter imagem em PDF**, mas agora o PDF é pesquisável. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +O arquivo de saída (`output-searchable.pdf`) pode ser aberto em qualquer visualizador de PDF; você poderá selecionar, copiar e buscar o texto como em um PDF nativo. Nenhuma ferramenta extra necessária. + +--- + +## Exemplo completo – Copiar‑e‑executar + +Abaixo está o programa inteiro, pronto para compilar. Substitua `YOUR_DIRECTORY` pela pasta que contém `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Saída esperada:** Ao executar o programa você verá a linha no console *“Searchable PDF generated successfully.”* Abrindo `output-searchable.pdf` no Adobe Reader, você pode digitar uma palavra da imagem original na caixa de busca e pular instantaneamente para sua localização. + +--- + +## Perguntas frequentes e casos de borda + +- **E se a GPU não for detectada?** + A chamada `setDeviceType(OcrDeviceType.GPU)` não lança exceção; ela apenas instrui o motor a tentar a GPU primeiro. Se falhar, o motor recua silenciosamente para a CPU. + +- **Posso processar várias imagens em uma única execução?** + Sim. Envolva o código em um loop, altere o nome do arquivo a cada iteração e reutilize a mesma instância de `OcrEngine` para manter o uso de memória baixo. + +- **Meu PDF está enorme—como reduzo o tamanho?** + Após o OCR você pode usar as APIs de otimização de PDF da Aspose, ou simplesmente reduzir a resolução da imagem antes de enviá‑la ao motor (`ImageStream.fromFile(...).setResolution(150)` para 150 DPI). + +- **Preciso manter a resolução original da imagem por conformidade legal.** + O formato `PDF_SEARCHABLE` preserva o bitmap original exatamente; a camada de texto invisível é adicionada por cima sem alterar a qualidade visual. + +--- + +## Resumo visual + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Texto alternativo:* *exemplo de criação de PDF pesquisável – motor OCR Java transformando um JPG escaneado em PDF pesquisável.* + +--- + +## Conclusão + +Agora você tem uma **solução completa, de ponta a ponta** para transformar qualquer imagem em um **PDF pesquisável** usando Aspose OCR for Java. Ao **converter imagem em PDF**, **habilitar correção ortográfica** e **usar OCR GPU** quando possível, você obtém resultados rápidos, precisos e pesquisáveis que funcionam em todas as plataformas. + +O que vem a seguir? Experimente: + +- **Diferentes formatos de saída** (`PDF`, `DOCX`, `HTML`) para ver como a camada de texto se comporta. +- **Dicionários personalizados** se você estiver processando jargões específicos de domínio. +- **Processamento em lote** para lidar automaticamente com milhares de digitalizações. + +Sinta‑se à vontade para ajustar a contagem de threads, trocar filtros ou inserir seu próprio pipeline de pré‑processamento. O padrão central permanece o mesmo: carregar → pré‑processar → configurar → OCR → salvar. + +Feliz codificação, e que seus PDFs estejam sempre 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/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..00ccba45f --- /dev/null +++ b/ocr/portuguese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Como usar OCR para extrair texto de imagem em Java. Aprenda a conversão + de imagem para texto com OCR, corrija erros de OCR e carregue a imagem para OCR + com Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: pt +og_description: Como usar OCR em Java para extrair texto de uma imagem, corrigir erros + de OCR e carregar a imagem para OCR usando Aspose OCR. +og_title: Como usar OCR em Java – Guia completo +tags: +- OCR +- Java +- Aspose +title: Como usar OCR em Java – Extrair texto de imagem com correção ortográfica +url: /pt/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 Imagem com Correção Ortográfica + +Já se perguntou **como usar OCR** para transformar uma foto borrada de um recibo em texto limpo e pesquisável? Você não está sozinho. Em muitos projetos—aplicativos de controle de despesas, pipelines de digitalização de faturas ou até mesmo um script rápido de anotações—obter texto confiável de uma imagem é o primeiro obstáculo. + +Este tutorial mostra exatamente como usar OCR em Java, cobrindo tudo, desde o carregamento da imagem para OCR até a correção de erros de OCR para que o resultado pareça ter sido digitado por um humano. Ao final, você será capaz de **extrair texto de imagem**, realizar a conversão **OCR image to text** e corrigir automaticamente os erros de reconhecimento mais comuns. + +## O Que Você Vai Construir + +Criaremos um pequeno programa Java de console que: + +1. Carrega um PNG (ou qualquer formato suportado) no motor Aspose OCR. +2. Habilita o recurso interno de correção ortográfica para **corrigir erros de OCR**. +3. Executa o processo de reconhecimento e imprime o texto limpo. + +Sem serviços externos, sem frameworks pesados—apenas um JAR único e algumas linhas de código. + +### Pré‑requisitos + +- Java Development Kit (JDK) 8 ou superior. +- Maven (ou qualquer ferramenta de build) para obter a biblioteca Aspose OCR. +- Um arquivo de imagem (por exemplo, `receipt.png`) que você deseja analisar. + +Se estiver faltando o JAR do Aspose OCR, adicione esta dependência ao seu `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Dica de especialista:** A versão de avaliação gratuita funciona para testes, mas uma licença remove a marca d'água de avaliação. + +## Etapa 1 – Inicializar o Motor OCR (Palavra‑chave Principal em Ação) + +A primeira coisa que você precisa fazer é criar uma instância de `OcrEngine`. Pense nele como o cérebro que lerá os pixels e os transformará em caracteres. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Por que isso importa:* Inicializar o motor configura recursos internos (modelos de linguagem, dicionários, etc.). Pular esta etapa causaria um `NullPointerException` mais tarde, quando você tentar carregar uma imagem. + +## Etapa 2 – Carregar Imagem para OCR + +Agora realmente **carregamos a imagem para OCR**. A Aspose fornece um auxiliar conveniente `ImageStream.fromFile`, mas você também pode fornecer um `byte[]` se preferir. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Armadilha comum:* O caminho do arquivo deve ser absoluto ou relativo ao diretório de trabalho. Se a imagem não for encontrada, o motor lança um `IOException`. Verifique o caminho, especialmente ao executar a partir de uma IDE versus um JAR empacotado. + +## Etapa 3 – Habilitar Correção Ortográfica para **Corrigir Erros de OCR** + +O OCR padrão pode ser barulhento—pense em “l0ve” ao invés de “love” ou “0” ao invés de “O”. Habilitar a correção ortográfica indica ao motor que execute uma passagem de pós‑processamento que corrige erros típicos. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Por que você quer isso:* Sem correção ortográfica, você teria que limpar a saída manualmente, o que anula o propósito da automação. O dicionário interno funciona bem para inglês e vários outros idiomas. + +## Etapa 4 – Executar o Reconhecimento (**OCR Image to Text**) + +Com a imagem carregada e a correção ortográfica habilitada, podemos finalmente pedir ao motor que reconheça o texto. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Caso extremo:* Se a imagem for de baixo contraste ou estiver muito inclinada, o resultado ainda pode conter lixo. Considere pré‑processamento (por exemplo, binarização, correção de inclinação) antes de enviá‑la ao motor. + +## Etapa 5 – Exibir o Texto Limpo + +A etapa final é simplesmente imprimir o resultado. Em uma aplicação real você poderia gravá‑lo em um banco de dados ou em um arquivo, mas para esta demonstração `System.out` basta. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Saída Esperada + +Assumindo que `receipt.png` contenha uma lista clara de itens, você pode ver algo como: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Observe como “Qty” e “Price” estão escritos corretamente mesmo que a digitalização original tivesse um “Qy” estranho. + +## Exemplo Completo Funcional + +Abaixo está o programa completo que você pode copiar‑colar em um arquivo chamado `SpellCorrectDemo.java`. Certifique‑se de que o JAR da Aspose OCR esteja no seu classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Execute com: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Agora você deverá ver o texto limpo impresso no console. + +## Bônus: Ajustando Configurações para Melhor Precisão + +Embora a configuração padrão funcione para a maioria dos documentos impressos, pode ser necessário ajustar alguns parâmetros para cenários especializados: + +| Configuração | O Que Faz | Quando Alterar | +|--------------|-----------|----------------| +| `setLanguage(OcrLanguage.English)` | Força o dicionário em inglês (reduz falsos positivos) | Se sua imagem contiver apenas texto em inglês. | +| `setResolution(300)` | Informa ao motor o DPI da imagem de origem | Para digitalizações de alta resolução. | +| `setEnableAutoSkewCorrection(true)` | Corrige automaticamente páginas levemente inclinadas | Quando as imagens são capturadas por um telefone. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Perguntas Frequentes + +**P: Isso funciona com PDFs?** +R: Sim. Converta cada página do PDF em uma imagem (por exemplo, usando Aspose PDF) e alimente a imagem ao motor OCR. + +**P: E se minha imagem estiver no formato BMP?** +R: `ImageStream.fromFile` suporta PNG, JPEG, BMP, TIFF e GIF nativamente. Basta mudar a extensão do arquivo. + +**P: Posso desabilitar a correção ortográfica?** +R: Absolutamente—defina `setEnableSpellCorrection(false)` se precisar da saída bruta do OCR para processamento posterior. + +## Conclusão + +Agora você sabe **como usar OCR** em Java para **extrair texto de imagem**, corrigir automaticamente **erros de OCR** e carregar **imagem para OCR** usando Aspose OCR. O fluxo de cinco etapas—inicializar, carregar, habilitar correção ortográfica, reconhecer e exibir—cobre a maioria das tarefas cotidianas de OCR. + +A partir daqui, considere encadear essa lógica com gravação em banco de dados, um endpoint REST ou um processador em lote para lidar com dezenas de recibos de uma vez. Experimente as configurações adicionais da tabela acima para extrair o máximo de precisão possível. + +Feliz codificação, e que seus resultados de OCR sejam sempre mais limpos que seus recibos manchados de café! + +![como usar ocr diagrama mostrando imagem → motor OCR → fluxo de texto corrigido] + +{{< /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..846fe10db 100644 --- a/ocr/russian/java/advanced-ocr-techniques/_index.md +++ b/ocr/russian/java/advanced-ocr-techniques/_index.md @@ -61,9 +61,18 @@ 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. +### [Руководство Aspose OCR GPU: ускорение извлечения текста из PNG‑изображений](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Узнайте, как использовать GPU в Aspose.OCR для ускорения извлечения текста из PNG‑изображений, повышая производительность ваших Java‑приложений. +### [Распознавание текста из изображения с помощью Java OCR – Руководство по параллельной обработке](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Узнайте, как ускорить распознавание текста из изображений в Java с помощью параллельной обработки в Aspose.OCR. +### [Как использовать Aspose OCR для изображений со смешанными языками](./how-to-use-aspose-ocr-for-mixed-language-images/) +Узнайте, как распознавать тексты на изображениях, содержащих несколько языков, с помощью Aspose OCR для Java. +### [Как улучшить контраст в OCR – Полное руководство по предобработке в Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Узнайте, как повысить точность OCR, улучшив контраст изображения с помощью предобработки в 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/russian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/russian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..eb32f12f8 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: Учебник Aspose OCR GPU показывает, как распознавать текст на изображении + и извлекать текст из PNG с использованием ускорения GPU для быстрой и надёжной OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: ru +og_description: Узнайте, как использовать Aspose OCR GPU для распознавания текста + на изображении и извлечения текста из PNG с ускорением GPU в Java. +og_title: 'Aspose OCR GPU Руководство: ускорьте извлечение текста' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Руководство по aspose OCR GPU: ускорение извлечения текста из PNG‑изображений' +url: /ru/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Быстрое и надёжное извлечение текста из PNG‑изображений + +Хотите ускорить работу OCR с помощью **aspose ocr gpu**? С Aspose OCR GPU вы можете **распознавать текст с изображения** гораздо быстрее, используя графический процессор с поддержкой CUDA. Представьте, что обработка высокоразрешённого PNG занимает секунды вместо минут — больше нет необходимости ждать результатов. + +В этом руководстве мы пройдёмся по всем шагам, необходимым для начала работы: загрузка изображения для OCR, переключение движка в режим GPU и, наконец, извлечение текста. К концу вы получите полностью готовую к запуску программу на Java, которая **извлекает текст из png**‑файлов с ускорением GPU. Никакой внешней документации не требуется — просто следуйте инструкциям, скопируйте код и вы готовы к работе. + +## Что понадобится + +- **Java Development Kit (JDK) 11+** — код использует стандартные возможности языка Java. +- **Aspose.OCR for Java** (последняя версия на май 2026). Вы можете получить её из Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **GPU с поддержкой CUDA** (NVIDIA GeForce, Quadro или Tesla) с установленным соответствующим драйвером. +- **Пример высокоразрешённого PNG** (например, `sample-highres.png`), который вы хотите обработать. + +Если у вас нет GPU, код автоматически перейдёт на CPU — просто закомментируйте строки, связанные с GPU. + +## Шаг 1 — Загрузка изображения для OCR + +Первое, что требуется любой OCR‑конвейер, — источник изображения. Aspose OCR предоставляет удобный обёртку `ImageStream`, которая может читать файл, массив байтов или даже URL. Здесь мы используем `ImageStream.fromFile`, так как это самый простой вариант для локальной разработки. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Почему это важно:** Правильная загрузка изображения гарантирует, что OCR‑движок получит точные пиксельные данные. `ImageStream.fromFile` также автоматически обрабатывает типичные особенности PNG (альфа‑канал, глубина цвета). + +## Шаг 2 — Включение ускорения GPU (aspose ocr gpu) + +Теперь волшебство: сообщаем Aspose, что нужно работать на GPU. Объект `OcrDevice`, находящийся внутри движка, позволяет выбрать тип устройства (`CPU` или `GPU`) и, если у вас несколько GPU, конкретный `deviceId`. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** Если вы получаете ошибку `CUDA driver not found`, проверьте, что драйвер NVIDIA соответствует версии CUDA, требуемой Aspose OCR (обычно CUDA 11.x для релиза 23.x). +> **Edge case:** При работе на безголовом сервере убедитесь, что GPU не занят другим процессом; иначе вызов OCR тихо переключится на CPU. + +## Шаг 3 — Распознавание текста из изображения + +После загрузки изображения и установки устройства можно запускать OCR‑движок. Метод `recognize()` возвращает объект `OcrResult`, содержащий простой текст, оценки уверенности и даже ограничивающие рамки, если они вам понадобятся позже. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +При выполнении программы вы должны увидеть что‑то вроде: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Что вы видите:** Сырые строки, извлечённые из PNG. Если изображение содержит таблицы или многоколоночные макеты, вы можете включить `LayoutAnalysis` в движке для более качественных результатов (это выходит за рамки данного быстрого руководства). + +## Шаг 4 — Проверка, действительно ли используется GPU + +Легко предположить, что GPU выполняет тяжёлую работу, но быстрая проверка может сэкономить часы отладки. Aspose OCR пишет небольшую запись в журнал при инициализации устройства. + +Добавьте этот фрагмент сразу после установки типа устройства: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Если вывод показывает `GPU`, всё в порядке. Если же `CPU` — проверьте установку драйвера или убедитесь, что переменная окружения `CUDA_HOME` указывает на правильную папку toolkit. + +## Распространённые проблемы и способы их избежать + +| Симптом | Вероятная причина | Решение | +|---------|-------------------|---------| +| `java.lang.UnsatisfiedLinkError` о `cudart64_110.dll` | CUDA runtime не находится в `PATH` | Добавьте папку `bin` CUDA в системный `PATH` или задайте `java.library.path`. | +| OCR возвращает пустую строку | Изображение загружено неправильно (неверный путь или неподдерживаемый формат) | Проверьте путь к файлу и убедитесь, что PNG не повреждён. | +| Производительность схожа с CPU | Переход на CPU из‑за несовпадения драйверов | Обновите драйвер NVIDIA до версии, указанной в примечаниях к выпуску Aspose OCR. | +| Ошибка «Out‑of‑memory» на больших изображениях | Закончилась память GPU | Снизьте разрешение изображения или разбейте его на плитки перед обработкой. | + +## Бонус: Переход на CPU, если GPU недоступен + +Иногда код запускается на ноутбуке без CUDA‑совместимого GPU. Обёртывание выбора устройства в блок `try‑catch` делает программу надёжной. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Теперь один и тот же бинарный файл работает везде, а ускорение появляется там, где позволяет оборудование. + +## Полный готовый к запуску пример + +Ниже представлен полный Java‑класс, включающий все шаги, проверки и логику отката, описанные выше. Скопируйте его в IDE, поправьте путь к изображению и запустите. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Ожидаемый вывод** (при условии, что PNG содержит простой английский текст): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Если GPU отсутствует, в последней строке будет «CPU». + +## Визуальный обзор + +Ниже схематичный diagram потока данных — от загрузки PNG до получения простого текста. Текст alt‑изображения содержит основной ключевой запрос для SEO. + +![aspose ocr gpu workflow – загрузка изображения, включение GPU, распознавание текста] + +*Alt text: aspose ocr gpu workflow – загрузка изображения, включение GPU, распознавание текста.* + +## Итоги и дальнейшие шаги + +Мы только что рассмотрели, как **aspose ocr gpu** ускоряет процесс **recognize text from image** и **extract text from png** файлов. Ключевые выводы: + +1. **Загрузите изображение** с помощью `ImageStream.fromFile`. +2. **Включите GPU** через `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Вызовите `recognize()`** и получите `ocrResult.getText()`. +4. **Проверьте устройство** и при необходимости плавно переключитесь на CPU. + +Готовы к новым вершинам? Попробуйте следующие эксперименты: + +- **Пакетная обработка:** пройдитесь по каталогу PNG‑файлов и запишите каждый результат в файл `.txt`. +- **Анализ макета:** включите `ocrEngine.getOptions().setDetectDocumentStructure(true)`, чтобы сохранять колонки и таблицы. +- **Масштабирование на несколько GPU:** если в рабочей станции несколько GPU, запустите параллельные потоки, каждый привязанный к своему `deviceId`. + +Эти расширения углубят ваше владение **gpu accelerated ocr** и откроют двери к крупномасштабным проектам оцифровки документов. + +--- + +*Счастливого кодинга! Если возникнут проблемы, оставляйте комментарий ниже — я с радостью помогу разобраться.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/russian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..f37a60724 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Как улучшить контраст, изучая предобработку изображений, удаление шума + и коррекцию вращения изображения для надёжного распознавания текста OCR. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: ru +og_description: Как улучшить контраст в изображениях OCR, а также как предобработать + изображение, удалить шум и исправить вращение изображения для точного распознавания + текста. +og_title: Как улучшить контраст в OCR – пошаговое руководство по Java +tags: +- OCR +- Java +- Image Processing +title: Как улучшить контраст в OCR – полное руководство по предобработке на Java +url: /ru/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Как улучшить контраст в OCR – Полное руководство по предобработке на Java + +Когда‑то задавались вопросом **как улучшить контраст**, чтобы ваш OCR‑движок действительно читал текст, а не выдавал набор бессмыслицы? Вы не одиноки. Большинство разработчиков сталкиваются с проблемой, когда исходное изображение тусклое, наклонённое или покрыто пятнами, и результатом становится разочаровывающий сбой «распознать текст с изображения». + +Хорошая новость? Применив несколько умных шагов предобработки — **как предобработать изображение**, **как удалить шум** и **корректировать вращение изображения** — вы можете превратить шумный PNG с низким контрастом в чистый холст, который полюбит OCR‑движок. В этом руководстве мы пройдём реальный пример на Java с использованием Aspose.OCR, объясним, почему каждый фильтр важен, и покажем, как именно **улучшить контраст** для надёжного распознавания. + +--- + +## Что вы узнаете + +- Назначение каждого фильтра предобработки (выравнивание, удаление шума, улучшение контраста). +- **Как предобработать изображение** с помощью Aspose.OCR в Java, шаг за шагом. +- Практические советы по **как удалить шум** и **корректировать вращение изображения** перед OCR. +- Точный код, который можно скопировать, запустить и увидеть результат **распознавания текста с изображения**. + +> **Prerequisites** – Java 17+, Maven или Gradle и лицензия Aspose.OCR for Java (бесплатная пробная версия подходит для тестов). Другие сторонние библиотеки не требуются. + +--- + +## Шаг 1 – Настройка проекта и импорт Aspose.OCR + +Прежде чем говорить о **как улучшить контраст**, нам нужен рабочий Java‑проект с подключённым OCR‑движком. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Если вы предпочитаете Gradle, эквивалент выглядит так: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Создайте простой файл `src/main/java/PreprocessDemo.java` и импортируйте необходимые классы: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Оставьте включённой функцию автоимпорта в IDE — это экономит кучу лишних переключений. + +--- + +## Шаг 2 – Загрузка изображения, которое нужно очистить + +Теперь, когда библиотека готова, ответим на первую часть **как предобработать изображение**: загрузим его. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +На данном этапе движок держит низкокачественный PNG, вероятно, страдающий плохим контрастом, вращением и шумом‑пятнами. Если открыть файл, сразу станет ясно, почему OCR будет спотыкаться. + +--- + +## Шаг 3 – Применение фильтров: выравнивание, удаление шума, **как улучшить контраст** + +Это сердце руководства — **как улучшить контраст**, одновременно устраняя вращение и шум. Aspose.OCR поставляется с тремя готовыми фильтрами: + +| Фильтр | Что делает | Почему важен для OCR | +|--------|------------|----------------------| +| `DeskewFilter` | Обнаруживает и исправляет вращение изображения | Обеспечивает **корректное вращение изображения**, чтобы символы не были наклонены. | +| `NoiseRemovalFilter` | Уменьшает случайные пятна и зернистый фон | Реализует **как удалить шум**, чтобы движок видел только буквы. | +| `ContrastEnhancementFilter` | Усиливает разницу между текстом и фоном | Прямо отвечает на **как улучшить контраст**, делая слабые штрихи более заметными. | + +Добавьте их в указанном порядке — сначала выравнивание, затем удаление шума, затем улучшение контраста: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Почему именно такой порядок?** +> • Выравнивание лучше работает с исходной матрицей пикселей; вращение шумного изображения может усилить артефакты. +> • Очистка шума перед повышением контраста предотвращает усиление пятен фильтром. +> • Наконец, улучшение контраста делает очищенные пиксели ярче, что и есть **как улучшить контраст** для OCR. + +--- + +## Шаг 4 – Запуск OCR‑движка и **распознавание текста с изображения** + +С готовым конвейером предобработки мы наконец вызываем OCR‑движок. Этот шаг отвечает на главный вопрос: **распознать текст с изображения**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Когда вы выполните `java PreprocessDemo`, вы должны увидеть чистый, читаемый текст вместо кучи символов. Типичный вывод для примера счёта может выглядеть так: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Если результат всё ещё выглядит размытым, попробуйте подкорректировать параметры `ContrastEnhancementFilter` (например, `setLevel(1.5)`) или убедитесь, что исходное изображение не сжато до неузнаваемости. + +--- + +## Шаг 5 – Визуальная проверка: до и после (по желанию) + +Видеть — значит верить. Ниже — иллюстрация‑заполнитель, сравнивающая оригинальный файл с обработанной версией. alt‑текст явно содержит основной ключевой запрос для SEO. + +![Диаграмма, показывающая как улучшить контраст в предобработке OCR – оригинальное vs. улучшенное изображение](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Если запустить код на собственном изображении, вы заметите такой же драматический рост разборчивости.* + +--- + +## Распространённые ошибки и способы их исправления + +| Проблема | Почему происходит | Как исправить | +|----------|-------------------|---------------| +| Текст всё ещё размытый после повышения контраста | Уровень фильтра слишком низок или разрешение изображения недостаточно | Увеличьте уровень `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) или масштабируйте изображение перед обработкой. | +| OCR возвращает пустую строку | Изображение полностью тёмное или все пиксели удалены фильтром шума | Снизьте агрессивность `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Символы всё ещё наклонены | Выравнивание не нашло угол из‑за сильного шума | Запустите `DeskewFilter` **после** лёгкой очистки от шума, либо вручную задайте угол с помощью `DeskewFilter.setAngle(2.5)`. | +| Появляются неожиданные Unicode‑символы | Язык OCR установлен неверно | Вызовите `ocrEngine.setLanguage(OcrLanguage.English);` перед `recognize()`. | + +--- + +## Расширение конвейера – Что делать, если нужно больше? + +Иногда требуется **как предобработать изображение** для цветных сканов или PDF‑файлов. Aspose.OCR также предлагает: + +- `BinarizationFilter` – преобразует в чисто чёрно‑белое, отлично подходит для текста с высоким контрастом. +- `ResizeFilter` – увеличивает маленькие шрифты перед OCR. +- `SharpenFilter` – подчёркивает края для слабого рукописного текста. + +Их можно соединять так же, как три основных фильтра, показанных выше. Помните, порядок всё равно важен: масштабирование → удаление шума → бинаризация → контраст → выравнивание — это распространённый рецепт. + +--- + +## Итоги: от шумного PNG к чистому тексту + +- **Как улучшить контраст**: используйте `ContrastEnhancementFilter` после выравнивания и удаления шума. +- **Как предобработать изображение**: загрузите, добавьте фильтры, затем запустите OCR. +- **Как удалить шум**: `NoiseRemovalFilter` очищает фон, не разрушая текстовые штрихи. +- **Корректное вращение изображения**: `DeskewFilter` выравнивает базовую линию текста, предтребование для точного распознавания. +- **Распознать текст с изображения**: вызовите `ocrEngine.recognize()` и прочитайте `ocrResult.getText()`. + +Все эти шаги вместе образуют надёжный конвейер, который работает со сканированными счетами, чеками и даже старыми печатными книгами. + +--- + +## Что дальше? + +- **Экспериментируйте**: меняйте параметры фильтров и наблюдайте влияние на точность OCR. +- **Пакетная обработка**: оберните приведённую логику в цикл для обработки целых папок изображений. +- **Интеграция**: передайте результат OCR в базу данных или генератор PDF для сквозной автоматизации. + +Если вам интересны другие приёмы улучшения изображений — такие как адаптивное пороговое значение или инверсия цветов — загляните в официальную документацию Aspose или руководство «Advanced Image Pre‑processing with Aspose.OCR». + +--- + +### Приятного кодинга! + +Теперь вы знаете **как улучшить контраст** и всю предобработку, превращающую грязный скан в чистый, поисковый текст. Оставьте комментарий, если столкнётесь с проблемами, или поделитесь, как вы кастомизировали конвейер для своих проектов. Давайте поддерживать разговор об OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/russian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..188a65b4f --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Как использовать Aspose OCR для распознавания текста с изображения, включить + автоматическое определение языка и повысить скорость OCR в Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: ru +og_description: Как использовать Aspose OCR для быстрой распознавания текста с изображения, + включения автоматического определения языка и повышения скорости OCR в Java. +og_title: Как использовать Aspose OCR для изображений с несколькими языками +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Как использовать Aspose OCR для изображений с несколькими языками +url: /ru/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Как использовать Aspose OCR для изображений с несколькими языками + +Когда‑нибудь задумывались **как использовать Aspose**, чтобы извлечь текст из изображения, содержащего несколько языков одновременно? Вы не одиноки — разработчики часто сталкиваются с проблемой, когда изображение сочетает английский, русский, хинди или любой другой скрипт. Хорошая новость в том, что Aspose OCR справляется с этим без труда, и вы даже можете **распознавать текст с изображения** быстрее, сузив набор языков. + +В этом руководстве мы пройдем полный, готовый к запуску пример на Java, который **загружает изображение для OCR**, включает **автоматическое определение языка** и показывает простой прием для **повышения скорости OCR**. К концу вы получите автономную программу, выводящую извлечённый текст в консоль, и поймёте, почему каждый параметр важен. + +> **Prerequisites** – установлен Java 17+, Maven или Gradle для управления зависимостями и лицензия Aspose OCR (бесплатная пробная версия подходит для оценки). Другие библиотеки не требуются. + +--- + +## Шаг 1 – Добавьте Aspose OCR в ваш проект + +Прежде чем **использовать Aspose**, вам нужна библиотека в classpath. С Maven это выглядит так: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Если вы предпочитаете Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Оставайтесь на последней стабильной версии; более новые версии часто включают улучшения производительности, которые напрямую влияют на **повышение скорости OCR**. + +--- + +## Шаг 2 – Создайте экземпляр OCR Engine + +Сердцем любого рабочего процесса Aspose OCR является `OcrEngine`. Его создание простое, но стоит отметить, что движок хранит внутренние кэши. Повторное использование одного экземпляра для множества изображений может действительно **повысить скорость OCR**, поскольку библиотека избегает повторной инициализации нативного кода. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Шаг 3 – **Загрузить изображение для OCR** + +Aspose поддерживает множество форматов изображений (PNG, JPEG, TIFF, BMP). Здесь мы демонстрируем загрузку PNG, содержащего английский, русский и хинди текст. Помощник `ImageStream.fromFile` абстрагирует детали ввода‑вывода файлов и гарантирует корректную передачу изображения в движок. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** Используйте `ImageStream.fromByteArray(byte[])` вместо этого — идеально для веб‑сервисов, получающих изображения в виде байтовых потоков. + +--- + +## Шаг 4 – Включите автоматическое определение языка + +По умолчанию Aspose OCR предполагает один язык, что может приводить к искажённому выводу на многокультурных изображениях. Включение автоматического определения заставляет движок определять скрипт каждого текстового блока перед распознаванием. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Шаг 5 – **Повысить скорость OCR** путём ограничения пула языков + +Полное авто‑определение сканирует каждый язык, поддерживаемый Aspose (более 70). Если вы заранее знаете возможные языки, вы можете подсказать их движку. Предоставление меньшего массива уменьшает пространство поиска и, следовательно, **повышает скорость OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** Движок пропускает языковые модели, которые ему не нужны, экономя процессорные циклы и память. Если позже добавите новые языки, просто обновите массив — переписывать код не требуется. + +--- + +## Шаг 6 – Выполните распознавание и **распознайте текст с изображения** + +Теперь происходит основная работа. `recognize()` возвращает объект `OcrResult`, содержащий чистый текст, оценки уверенности и даже информацию о разметке, если она понадобится позже. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Ожидаемый вывод в консоль + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Если изображение содержит дополнительный шум или наклонённый текст, вы можете увидеть более низкую уверенность для этих строк. В таком случае рассмотрите предобработку изображения (выравнивание, бинаризация) перед передачей его в Aspose. + +--- + +## Часто задаваемые вопросы и особые случаи + +### Что если изображение огромное (например, >10 МП)? + +Большие изображения потребляют больше памяти и могут замедлять обработку. Быстрый способ **повысить скорость OCR** — уменьшить масштаб изображения, сохранив читаемость: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Как обрабатывать скрипты справа налево, такие как арабский? + +Aspose OCR автоматически учитывает направление скрипта, но вы можете захотеть установить флаг `RightToLeft` для пост‑обработки: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Можно ли извлекать текст из PDF вместо изображений? + +Да — преобразуйте каждую страницу PDF в изображение (используя Aspose PDF или любой растеризатор) и передайте результат в тот же OCR конвейер. Та же логика **распознавания текста с изображения** применяется. + +--- + +## Полный рабочий пример (готовый к копированию и вставке) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Сохраните файл как `MixedLanguageDemo.java`, скомпилируйте с помощью `javac` и запустите командой `java MixedLanguageDemo`. Если всё настроено правильно, вы увидите многократный текст, выведенный в консоль. + +--- + +## Заключение + +Теперь вы знаете **как использовать Aspose** для **распознавания текста с изображения** файлов, содержащих несколько языков, как **включить автоматическое определение языка**, а также практический совет, как **повысить скорость OCR**, ограничив пул языков. Полный код выше готов к копированию и вставке, а объяснения помогут вам уверенно адаптировать решение — независимо от того, нужно ли вам **загружать изображение для OCR** из потока, массива байтов или даже снимка с веб‑камеры. + +Следующие шаги? Попробуйте поэкспериментировать с: + +* Добавление предобработки изображения (удаление шума, бинаризация) для сканов низкого качества. +* Экспорт `OcrResult` в JSON для последующих сервисов. +* Интеграция движка в REST‑endpoint Spring Boot, чтобы клиенты могли загружать изображения и мгновенно получать извлечённый текст. + +Счастливого кодинга, и пусть ваши OCR‑конвейеры будут быстрыми, точными и многоязычными! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/russian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..a549e5c37 --- /dev/null +++ b/ocr/russian/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,208 @@ +--- +category: general +date: 2026-05-06 +description: Распознавать текст с изображения быстро, используя пример OCR на Java. + Узнайте, как извлекать текст из файлов TIFF с параллельной обработкой OCR и как + эффективно использовать OCR в Java. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: ru +og_description: Быстро распознавайте текст на изображении с полным примером OCR на + Java. Этот учебник показывает, как извлекать текст из TIFF с использованием параллельной + обработки OCR. +og_title: Распознавание текста с изображения с помощью Java OCR – Руководство по параллельной + обработке +tags: +- OCR +- Java +- Image Processing +title: Распознавание текста с изображения с помощью Java OCR – Руководство по параллельной + обработке +url: /ru/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# распознавание текста с изображения с помощью Java OCR – Руководство по параллельной обработке + +Когда‑то вам нужно **распознать текст с изображений**, но вы сталкиваетесь с узким местом производительности? Вы не одиноки. Многие разработчики сталкиваются с проблемой, когда однопоточный OCR‑движок медленно проходит по многостраничным TIFF‑файлам, превращая быструю задачу в марафон. + +В этом руководстве мы пройдем через **java ocr example**, который не только извлекает текст из TIFF‑файлов, но и использует все ядра процессора для параллельной обработки OCR. К концу вы точно будете знать, *как эффективно выполнять ocr java* проекты, и получите готовый фрагмент кода, который можно сразу добавить в любой Maven или Gradle проект. + +## Что вы узнаете + +- Как подключить библиотеку Aspose.OCR в Java‑проект. +- Как загрузить многостраничный TIFF и подготовить его к распознаванию. +- Как включить **параллельную обработку OCR**, сопоставив количество потоков с логическими ядрами CPU. +- Как получить и отобразить распознанный текст, завершая процесс **распознавания текста с изображения**. + +> **Требования:** Java 8 или новее и действующая лицензия Aspose.OCR for Java (или временный оценочный ключ). Другие внешние инструменты не требуются. + +--- + +## Шаг 1: Добавьте зависимость Aspose.OCR + +Прежде чем мы сможем **распознать текст с изображения**, нам нужен OCR‑движок в classpath. Если вы используете Maven, добавьте следующее в ваш `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Для Gradle эквивалент выглядит так: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* Следите за актуальностью номера версии; новые релизы часто включают оптимизации, которые делают **параллельную обработку OCR** ещё быстрее. + +--- + +## Шаг 2: Подготовьте Java‑класс – полностью рабочий пример + +Ниже представлен самостоятельный **java ocr example**, демонстрирующий, как **извлекать текст из tiff**, используя все доступные ядра CPU. Сохраните файл как `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Почему важна каждая строка** + +- **Создание движка**: `OcrEngine` инкапсулирует всю тяжёлую работу. Без него вы не сможете **распознать текст с изображения**. +- **Загрузка изображения**: `ImageStream.fromFile` поддерживает TIFF, PNG, JPEG и др. Использование многостраничного TIFF проверяет способность движка работать со сложными документами. +- **Количество потоков**: `Runtime.getRuntime().availableProcessors()` возвращает число логических ядер (включая гипертреды). Установка этого значения активирует **параллельную обработку OCR**, резко сокращая время выполнения на многопроцессорных машинах. +- **Распознавание**: `engine.recognize()` запускает OCR‑конвейер. Внутри он распределяет страницы по пулу потоков, который вы задали. +- **Обработка результата**: `result.getText()` возвращает один `String` с конкатенированным текстом всех страниц — идеально для последующей обработки или хранения. + +--- + +## Шаг 3: Запустите демо и проверьте вывод + +Скомпилируйте и выполните программу: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Вы должны увидеть что‑то вроде: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Если консоль выводит ожидаемый текст, поздравляем — вы успешно **распознали текст с изображения** с помощью **java ocr example**, работающего в параллельном режиме. + +--- + +## Шаг 4: Настройка для реальных сценариев (по желанию) + +### Извлечение текста только с определённых страниц + +Иногда нужны лишь отдельные страницы из большого TIFF. Вы можете отфильтровать результат после распознавания: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Ручная настройка количества потоков + +Если ваш сервер уже занят другими задачами, можно ограничить количество OCR‑потоков: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Работа с памятью‑ёмкими TIFF‑файлами + +Большие многостраничные TIFF могут потреблять много ОЗУ. Чтобы смягчить нагрузку, обрабатывайте файл частями: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Шаг 5: Распространённые проблемы и способы их решения + +| Проблема | Симптом | Решение | +|----------|----------|----------| +| **Недостаточная лицензия** | Во время выполнения бросает `LicenseException` | Установите действительный файл лицензии или используйте бесплатный оценочный режим (добавляет водяной знак). | +| **Неправильный путь к файлу** | `FileNotFoundException` | Проверьте путь и используйте абсолютные пути при тестировании. | +| **Троттлинг CPU** | Нет ускорения despite `setThreadCount` | Убедитесь, что JVM не ограничена параметрами `-Xmx` или настройками энергосбережения ОС. | +| **Неподдерживаемый формат изображения** | `UnsupportedFormatException` | Конвертируйте изображение в TIFF, PNG или JPEG перед передачей в движок. | + +--- + +## Визуальное резюме + +![пример распознавания текста с изображения](image-placeholder.png "пример распознавания текста с изображения") + +*Alt text:* “Диаграмма, показывающая поток распознавания текста с изображения с помощью Java OCR и параллельной обработки” + +--- + +## Заключение + +Мы только что прошли полный **java ocr example**, который **распознаёт текст с изображения** файлов, в частности многостраничных TIFF, полностью используя **параллельную обработку OCR**. Сопоставив пул потоков с ядрами процессора, вы получаете почти линейный прирост скорости на современном оборудовании — именно то, что нужно, чтобы ответить на вопрос «*как ocr java* эффективно?». + +Дальше вы можете исследовать: + +- **извлекать текст из tiff** файлов пакетно и сохранять результаты в базе данных. +- Комбинировать OCR с NLP‑библиотеками (например, OpenNLP) для автоматической разметки извлечённых сущностей. +- Развернуть решение как микросервис за REST‑эндпоинтом для OCR по запросу. + +Попробуйте, поиграйте с количеством потоков и посмотрите, насколько ускорится ваш конвейер. Если возникнут проблемы, оставляйте комментарий ниже — happy coding! + +{{< /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..b53e42183 100644 --- a/ocr/russian/java/ocr-operations/_index.md +++ b/ocr/russian/java/ocr-operations/_index.md @@ -81,6 +81,12 @@ weight: 21 Мощное распознавание текста в Java с Aspose.OCR. Легко распознавайте текст в TIFF‑изображениях. Скачайте сейчас для бесшовного OCR‑опыта. ### [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. +### [Как использовать OCR в Java – извлечение текста из изображения с исправлением орфографии](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Узнайте, как извлечь текст из изображения в Java с помощью Aspose.OCR и автоматически исправлять орфографические ошибки. +### [Создание поискового PDF из изображения – пошаговое руководство Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Подробный пошаговый туториал по созданию searchable PDF из изображений с помощью Aspose.OCR для Java. +### [Создание searchable PDF из изображения с Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Создайте searchable PDF из изображения с помощью OCR в Java, используя Aspose.OCR. ## Часто задаваемые вопросы diff --git a/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..dd8f161b5 --- /dev/null +++ b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,186 @@ +--- +category: general +date: 2026-05-06 +description: Создайте PDF с возможностью поиска из изображения с помощью Aspose OCR. + Узнайте, как преобразовать изображение в PDF, выполнить OCR изображения в PDF и + извлечь текст из изображения за считанные минуты. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: ru +og_description: Создайте поисковый PDF из изображения с помощью Aspose OCR. Следуйте + этому руководству, чтобы преобразовать JPG в поисковый PDF, извлечь текст из изображения + и многое другое. +og_title: Создать поисковый PDF из изображения – полный учебник по Java +tags: +- Java +- OCR +- PDF +- Aspose +title: Создание поискового PDF из изображения – пошаговое руководство по Java +url: /ru/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Создание поискового PDF из изображения – Полный Java‑урок + +Когда‑нибудь вам нужно было **создать поисковый PDF** из отсканированного фото, но вы не знали, какую библиотеку выбрать? Вы не одиноки. Во многих проектах — например, автоматизация отчётов по расходам или цифровой архив — возможность превратить обычное изображение в PDF, по которому действительно можно искать, меняет правила игры. + +Поэтому в этом руководстве мы пройдём весь процесс **convert image to PDF**, запустим OCR и получим **searchable PDF**, который можно вставить в любой документооборот. Мы также коснёмся **extract text from image** и покажем, как **convert jpg to searchable pdf** без большого количества шаблонного кода. + +## Что вы узнаете + +- Точная зависимость Maven/Gradle, необходимая для Aspose OCR. +- Как загрузить JPG (или любое поддерживаемое изображение) в OCR‑движок. +- Почему сохранение с `OcrSaveFormat.PDF_SEARCHABLE` имеет значение. +- Распространённые подводные камни (большие изображения, неподдерживаемые форматы) и как их избежать. +- Как проверить, что полученный PDF действительно содержит поисковый текст. + +К концу этого руководства у вас будет готовый к запуску Java‑класс, который создаёт поисковый PDF одним вызовом метода. Никаких внешних командных утилит, никаких дополнительных OCR‑движков — только чистый Java. + +--- + +## Требования + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 or newer | Aspose OCR использует современные возможности языка. | +| Maven or Gradle (for dependency management) | Позволяет без труда получить JAR Aspose OCR. | +| A sample image (`input.jpg`) placed in a known folder | Код ожидает путь к файлу; вы можете заменить его на PNG, BMP и т.д. | +| Optional: a PDF viewer with search capability (Adobe Reader, Foxit, etc.) | Для подтверждения, что PDF действительно поддерживает поиск. | + +Если у вас уже всё есть, отлично — давайте приступим. + +--- + +## Шаг 1: Добавьте Aspose OCR в ваш проект + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Совет:** Бесплатная оценочная версия добавляет небольшую водяную метку на первую страницу. Для продакшна получите лицензию от Aspose и вызовите `License license = new License(); license.setLicense("Aspose.OCR.lic");` перед тем как создать `OcrEngine`. + +## Шаг 2: Загрузите изображение, которое хотите конвертировать + +Мы будем использовать `ImageStream.fromFile` для чтения изображения напрямую с диска. Этот метод поддерживает JPG, PNG, TIFF и многие другие форматы, так что вы можете **convert image to PDF** независимо от источника. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Почему этот шаг?** OCR‑движку нужна растровая (bitmap) репрезентация текста. Предоставление изображения высокого разрешения (300 dpi или выше) значительно повышает точность распознавания, что, в свою очередь, даёт лучшие результаты **extract text from image**. + +## Шаг 3: Запустите OCR и сохраните как поисковый PDF + +Магия происходит, когда вы вызываете `save` с форматом `PDF_SEARCHABLE`. Внутри Aspose OCR создаёт скрытый текстовый слой, который накладывается поверх оригинального изображения, превращая статическую картинку в **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Если вы предпочитаете обычный PDF без скрытого слоя, замените `PDF_SEARCHABLE` на `PDF`. Но для большинства сценариев архивирования именно поисковый вариант вам и нужен. + +## Шаг 4: Проверьте результат + +После завершения программы откройте `searchable.pdf` в любом PDF‑просмотрщике и попробуйте встроенный поиск (Ctrl + F). Если вы можете найти слова, которые изначально были только на изображении, поздравляем — вы успешно **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Особый случай:** Очень большие изображения (> 10 MB) могут вызвать `OutOfMemoryError`. Чтобы смягчить проблему, уменьшите размер изображения заранее, используя `java.awt.Image` или библиотеку вроде Thumbnailator. + +## Полный рабочий пример + +Ниже представлен полный, автономный Java‑класс. Скопируйте‑вставьте его в свою IDE, скорректируйте пути и запустите — никаких дополнительных шагов не требуется. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +Когда вы откроете `YOUR_DIRECTORY/searchable.pdf`, вы сможете искать любое слово, которое присутствует в `input.jpg`. Это суть **convert jpg to searchable pdf**. + +## Часто задаваемые вопросы (FAQ) + +### Можно ли обрабатывать несколько изображений одновременно? +Да. Пройдитесь по списку путей к файлам, вызовите `setImage` для каждого и либо добавляйте страницы в один PDF (`PDF_SEARCHABLE`), либо генерируйте отдельные PDF. Просто не забудьте сбрасывать состояние движка между итерациями (`ocrEngine.clear()`). + +### Что делать, если точность OCR низкая? +- Убедитесь, что исходное изображение имеет минимум 300 dpi. +- Используйте `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` чтобы зафиксировать язык. +- Предобработайте изображение (выравнивание, повышение контрастности) с помощью библиотеки, например OpenCV. + +### Поддерживает ли Aspose OCR другие языки? +Абсолютно. Перечисление `OcrLanguage` включает французский, немецкий, китайский, арабский и многие другие. Переключите язык перед вызовом `save`. + +### Как встроить поисковый PDF в существующий документ? +Обрабатывайте результат как любой обычный PDF. Используйте библиотеку для объединения PDF (например, iText или Aspose PDF), чтобы склеить его с другими PDF. + +## Советы и хитрости из практики + +- **Совет:** Если вам нужен минимальный размер файла, вызовите `ocrEngine.getConfig().setCompress(true);` перед сохранением. +- **Остерегайтесь:** Изображения с прозрачным фоном — Aspose OCR воспринимает прозрачность как белый цвет, что может влиять на контраст. +- **Помните:** Поисковый PDF всё равно содержит растровое изображение под слоем. Если нужен полностью векторный PDF, придётся вручную воссоздавать макет. + +## Заключение + +Мы только что рассмотрели всё, что необходимо для **create searchable PDF** файлов из изображений с помощью Aspose OCR в Java. От добавления зависимости Maven до проверки скрытого текстового слоя процесс прост и полностью программируем. Теперь вы можете **convert image to pdf**, **ocr image to pdf**, и даже **extract text from image** не выходя из комфортной среды IDE. + +Готовы к следующему шагу? Попробуйте пакетную обработку папки со сканированными чеками или объедините этот процесс с триггером облачного хранилища (AWS Lambda, Azure Functions), чтобы автоматизировать конвейеры загрузки документов. Возможностей бесконечно — вперед, экспериментируйте! + +Если вы столкнётесь с проблемами или у вас есть идеи по улучшению, оставьте комментарий ниже. Happy coding! + +![Диаграмма, показывающая поток: изображение → OCR‑движок → поисковый PDF](image-placeholder.png "схема 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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..c18b86dc8 --- /dev/null +++ b/ocr/russian/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Создайте PDF с возможностью поиска из изображения, используя Aspose OCR + в Java. Узнайте, как преобразовать изображение в PDF, включить исправление орфографии + и использовать OCR GPU для быстрых результатов. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: ru +og_description: Создайте PDF с возможностью поиска из изображения с помощью Aspose + OCR в Java. Это руководство показывает, как преобразовать изображение в PDF, включить + исправление орфографии и использовать OCR GPU. +og_title: Создать поисковый PDF из изображения с помощью Java OCR +tags: +- OCR +- Java +- PDF +title: Создать PDF с возможностью поиска из изображения с помощью Java OCR +url: /ru/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Создание поискового PDF из изображения с помощью Java OCR + +Когда‑то вам нужно **создать поисковый PDF** из отсканированного изображения, но вы не знали, с чего начать? Вы не одиноки — большинство разработчиков сталкиваются с этой проблемой, когда впервые работают с PDF‑файлами, основанными на изображениях. К счастью, с Aspose OCR for Java вы можете **преобразовать изображение в PDF**, сделать текст выделяемым и даже добавить исправление орфографии для более профессионального результата. + +В этом руководстве мы пройдем полный, готовый к запуску пример, показывающий, как **использовать OCR GPU**, когда он доступен, как **эффективно обрабатывать изображение OCR** и почему включение исправления орфографии важно для последующего поиска. К концу вы получите способ в один клик генерировать поисковый PDF, который можно распространять пользователям или архивировать для соответствия требованиям. + +> **Совет:** Если вы работаете на машине без GPU, код автоматически переходит на CPU, так что переписывать ничего не нужно. + +--- + +## Что понадобится + +- **Java 8+** (код компилируется на JDK 8 и новее) +- Библиотека **Aspose OCR for Java** (скачайте последнюю JAR‑ку с сайта Aspose) +- **Входное изображение** (JPEG, PNG, TIFF и т.д.), которое вы хотите превратить в поисковый PDF +- (Опционально) **GPU** с поддержкой CUDA, если вам нужна максимальная скорость распознавания + +Никаких дополнительных фреймворков, без Maven/Gradle‑магии — только один JAR в classpath, и всё готово к работе. + +--- + +## Шаг 1: Инициализация OCR‑движка — сердце процесса + +Сначала создаём экземпляр `OcrEngine` и указываем ему исходный файл. Этот объект — рабочая лошадка, которая считывает изображение, запускает нейронную сеть и возвращает нам текст. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Почему это важно:* Инициализировать движок один раз и переиспользовать его позволяет избежать накладных расходов на повторную загрузку нативных библиотек — небольшое, но суммирующееся преимущество при пакетной обработке десятков файлов. + +--- + +## Шаг 2: Выбор устройства обработки — использовать OCR GPU, если возможно + +Если у вашей рабочей станции есть совместимый GPU, вы можете попросить Aspose выполнять тяжёлую работу на нём. В противном случае движок автоматически переключится на CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*В чём выгода?* Ускорение за счёт GPU может сэкономить секунды на каждой странице, особенно для сканов высокого разрешения. Резервный переход на CPU гарантирует, что один и тот же код будет работать везде, поэтому мы рекомендуем **use OCR GPU** как настройку по умолчанию. + +--- + +## Шаг 3: Ускоряем сканирование — задействуем все ядра CPU + +Даже когда GPU занят, предобработку можно выполнять параллельно. Установка количества потоков равным числу доступных процессоров даёт движку возможность обрабатывать несколько частей одновременно. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Примечание:* На ноутбуке с 4‑ядерным процессором будет запущено четыре потока; на рабочей станции с 16 ядрами вы получите полную выгоду. Учтите, что больше потоков — больше потребления памяти. + +--- + +## Шаг 4: Очистка изображения — фильтры предобработки + +Размытие или шум в скане приводят к мусорному тексту. Добавление парочки встроенных фильтров существенно повышает точность. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Зачем эти фильтры?* `DeskewFilter` исправляет наклон, который часто появляется, когда документ подаётся в сканер под углом. `NoiseRemovalFilter` удаляет случайные пиксели, которые иначе могли бы быть приняты за символы. По сути, это как дать OCR‑движку чистый лист бумаги для чтения. + +--- + +## Шаг 5: Включаем интеллектуальные функции — исправление орфографии и автоопределение языка + +Если вы работаете с многоязычными документами или просто хотите уменьшить количество опечаток, включите встроенный проверщик орфографии и позвольте движку определить язык автоматически. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Когда это полезно?* Представьте, что ваш скан содержит как английские, так и испанские разделы. Функция автоопределения переключает словари «на лету», а исправление орфографии устраняет ошибочно распознанные символы, например «0» вместо «O». Этот шаг необходим для создания **поискового PDF**, который действительно возвращает корректные результаты. + +--- + +## Шаг 6: Сохранение результата — преобразование изображения в PDF и создание поискового слоя + +Наконец, просим движок записать PDF, где оригинальное изображение находится за невидимым текстовым слоем. Это классический **convert image to PDF**‑workflow, но теперь PDF становится поисковым. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Полученный файл (`output-searchable.pdf`) открывается в любом PDF‑просмотрщике; вы сможете выделять, копировать и искать текст так же, как в нативном PDF. Дополнительные инструменты не требуются. + +--- + +## Полный рабочий пример — копировать‑и‑запускать + +Ниже представлен весь код программы, готовый к компиляции. Замените `YOUR_DIRECTORY` на путь к папке, где находится `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Ожидаемый вывод:** При запуске программы в консоли появится строка *«Searchable PDF generated successfully.»* Открыв `output-searchable.pdf` в Adobe Reader, вы сможете ввести слово из оригинального изображения в поле поиска и мгновенно перейти к его расположению. + +--- + +## Часто задаваемые вопросы и особые случаи + +- **Что если GPU не обнаружен?** + Вызов `setDeviceType(OcrDeviceType.GPU)` не бросает исключения; он лишь пытается использовать GPU в первую очередь. При неудаче движок тихо переходит на CPU. + +- **Можно ли обрабатывать несколько изображений за один запуск?** + Да. Оберните код в цикл, меняйте имя файла на каждой итерации и переиспользуйте один экземпляр `OcrEngine`, чтобы снизить расход памяти. + +- **Мой PDF огромный — как его уменьшить?** + После OCR можно воспользоваться API оптимизации PDF от Aspose или просто уменьшить разрешение исходного изображения перед передачей в движок (`ImageStream.fromFile(...).setResolution(150)` для 150 DPI). + +- **Нужно сохранить оригинальное разрешение изображения для юридических целей.** + Формат `PDF_SEARCHABLE` сохраняет исходный битмап без изменений; невидимый текстовый слой добавляется сверху, не ухудшая визуальное качество. + +--- + +## Визуальное резюме + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt text:* *пример создания поискового PDF — OCR‑движок Java преобразует отсканированный JPG в поисковый PDF.* + +--- + +## Заключение + +Теперь у вас есть **полное сквозное решение** для превращения любого изображения в **поисковый PDF** с помощью Aspose OCR for Java. Путём **конвертации изображения в PDF**, **включения исправления орфографии** и **использования OCR GPU**, когда это возможно, вы получаете быстрые, точные и поисковые результаты, работающие на всех платформах. + +Что дальше? Попробуйте поэкспериментировать с: + +- **Различными форматами вывода** (`PDF`, `DOCX`, `HTML`), чтобы увидеть, как ведёт себя текстовый слой. +- **Пользовательскими словарями**, если вы обрабатываете отраслевой жаргон. +- **Пакетной обработкой** для автоматической работы с тысячами сканов. + +Не стесняйтесь менять количество потоков, заменять фильтры или подключать собственный конвейер предобработки. Основной шаблон остаётся тем же: загрузить → предобработать → настроить → OCR → сохранить. + +Счастливого кодинга, и пусть ваши PDF‑файлы всегда остаются поисковыми! + +{{< /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-image-with-spell-co/_index.md b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..906eab37d --- /dev/null +++ b/ocr/russian/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Как использовать OCR для извлечения текста из изображения в Java. Узнайте + о преобразовании изображения в текст с помощью OCR, исправлении ошибок OCR и загрузке + изображения для OCR с помощью Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: ru +og_description: Как использовать OCR в Java для извлечения текста из изображения, + исправления ошибок OCR и загрузки изображения для OCR с помощью Aspose OCR. +og_title: Как использовать OCR в Java – Полное руководство +tags: +- OCR +- Java +- Aspose +title: Как использовать OCR в Java — извлечение текста из изображения с исправлением + орфографии +url: /ru/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 изображения с исправлением орфографии + +Когда‑нибудь задумывались **как использовать OCR**, чтобы превратить размытое фото чека в чистый, индексируемый текст? Вы не одиноки. Во многих проектах — приложениях для учёта расходов, конвейерах оцифровки счетов или даже в быстром скрипте для заметок — получение надёжного текста из изображения является первой преградой. + +Этот учебник покажет вам точно, как использовать OCR в Java, охватывая всё от загрузки изображения для OCR до исправления ошибок OCR, чтобы результат выглядел так, как будто его набрал человек. К концу вы сможете **извлекать текст из изображения**, выполнять преобразование **OCR image to text** и автоматически исправлять распространённые ошибки распознавания. + +## Что вы построите + +Мы создадим небольшую консольную программу на Java, которая: + +1. Загружает PNG (или любой поддерживаемый формат) в движок Aspose OCR. +2. Включает встроенную функцию исправления орфографии для **коррекции ошибок OCR**. +3. Запускает процесс распознавания и выводит очищенный текст. + +Никаких внешних сервисов, никаких тяжёлых фреймворков — только один JAR‑файл и несколько строк кода. + +### Предварительные требования + +- Java Development Kit (JDK) 8 или новее. +- Maven (или любой другой инструмент сборки) для получения библиотеки Aspose OCR. +- Файл изображения (например, `receipt.png`), который вы хотите проанализировать. + +Если у вас нет JAR‑файла Aspose OCR, добавьте эту зависимость в ваш `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tip:** Бесплатная оценочная версия подходит для тестирования, но лицензия убирает водяной знак оценки. + +## Шаг 1 – Initialise the OCR Engine (Primary Keyword in Action) + +Первое, что нужно сделать, — создать экземпляр `OcrEngine`. Считайте его мозгом, который будет читать пиксели и превращать их в символы. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Почему это важно:* Инициализация движка подготавливает внутренние ресурсы (языковые модели, словари и т.д.). Пропуск этого шага приведёт к `NullPointerException` позже, когда вы попытаетесь загрузить изображение. + +## Шаг 2 – Load Image for OCR + +Теперь мы действительно **загружаем изображение для OCR**. Aspose предоставляет удобный помощник `ImageStream.fromFile`, но вы также можете передать `byte[]`, если предпочитаете. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Распространённая ошибка:* Путь к файлу должен быть абсолютным или относительным к рабочей директории. Если изображение не найдено, движок бросит `IOException`. Проверьте путь, особенно при запуске из IDE versus упакованного JAR‑файла. + +## Шаг 3 – Enable Spell Correction to **Correct OCR Errors** + +Стандартный OCR может быть шумным — представьте «l0ve» вместо «love» или «0» вместо «O». Включение исправления орфографии заставляет движок выполнить пост‑обработку, исправляющую типичные ошибки. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Зачем это нужно:* Без исправления орфографии вам придётся вручную чистить вывод, что сводит автоматизацию к нулю. Встроенный словарь хорошо работает для английского и нескольких других языков. + +## Шаг 4 – Perform the Recognition (**OCR Image to Text**) + +С изображением, загруженным и включённым исправлением орфографии, мы наконец можем попросить движок распознать текст. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Пограничный случай:* Если изображение имеет низкий контраст или сильно искажено, результат всё равно может содержать мусор. Рассмотрите предобработку (например, бинаризацию, выравнивание) перед передачей в движок. + +## Шаг 5 – Output the Cleaned‑Up Text + +Последний шаг — просто вывести результат. В реальном приложении вы, вероятно, запишете его в базу данных или файл, но для этой демонстрации достаточно `System.out`. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Ожидаемый вывод + +Предположим, `receipt.png` содержит чёткий список товаров, вы можете увидеть что‑то вроде: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Обратите внимание, как «Qty» и «Price» написаны правильно, даже если исходный скан имел ошибку «Qy». + +## Полный рабочий пример + +Ниже полная программа, которую можно скопировать в файл с именем `SpellCorrectDemo.java`. Убедитесь, что JAR‑файл Aspose OCR находится в вашем classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Запустите её с помощью: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Теперь вы должны увидеть очищенный текст, напечатанный в консоли. + +## Bonus: Tweaking Settings for Better Accuracy + +Хотя конфигурация по умолчанию подходит для большинства печатных документов, в специализированных сценариях может потребоваться настроить несколько параметров: + +| Параметр | Что делает | Когда менять | +|----------|------------|--------------| +| `setLanguage(OcrLanguage.English)` | Принудительно использует английский словарь (снижает количество ложных срабатываний) | Если изображение содержит только английский текст. | +| `setResolution(300)` | Указывает движку DPI исходного изображения | Для сканов высокого разрешения. | +| `setEnableAutoSkewCorrection(true)` | Автоматически вращает слегка наклонённые страницы | Когда изображения сняты с телефона. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Часто задаваемые вопросы + +**Q: Работает ли это с PDF?** +A: Да. Преобразуйте каждую страницу PDF в изображение (например, с помощью Aspose PDF) и передайте изображение в OCR‑движок. + +**Q: Что если моё изображение в формате BMP?** +A: `ImageStream.fromFile` поддерживает PNG, JPEG, BMP, TIFF и GIF «из коробки». Просто измените расширение файла. + +**Q: Можно ли отключить исправление орфографии?** +A: Конечно — установите `setEnableSpellCorrection(false)`, если вам нужен «сырой» вывод OCR для последующей обработки. + +## Заключение + +Теперь вы знаете **как использовать OCR** в Java для **извлечения текста из изображения**, автоматической **коррекции ошибок OCR** и правильной **загрузки изображения для OCR** с помощью Aspose OCR. Пятишаговый процесс — инициализация, загрузка, включение исправления орфографии, распознавание и вывод — покрывает большинство повседневных задач OCR. + +Далее вы можете связать эту логику с записью в базу данных, REST‑эндпоинтом или пакетным процессором, чтобы обрабатывать десятки чеков одновременно. Поэкспериментируйте с таблицей дополнительных настроек выше, чтобы выжать из OCR каждый последний символ точности. + +Счастливого кодинга, и пусть результаты вашего OCR всегда чище, чем ваши кофе‑запятнанные чеки! + +![диаграмма как использовать OCR, показывающая поток изображение → OCR engine → исправленный текст flow] + +{{< /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..e0b67e68d 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. +### [Guía Aspose OCR GPU: Acelere la extracción de texto de imágenes PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Acelere la extracción de texto de imágenes PNG usando la aceleración GPU de Aspose OCR. Siga nuestra guía paso a paso para un rendimiento superior. +### [Reconocer texto de imagen con Java OCR – Guía de procesamiento paralelo](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Acelere el reconocimiento de texto en imágenes usando procesamiento paralelo con Aspose.OCR para Java. Mejore el rendimiento de sus aplicaciones. +### [Cómo usar Aspose OCR para imágenes multilingües](./how-to-use-aspose-ocr-for-mixed-language-images/) +Extraiga texto de imágenes con varios idiomas usando Aspose OCR para Java, logrando alta precisión y una integración sin complicaciones. +### [Cómo mejorar el contraste en OCR – Guía completa de preprocesamiento en Java](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Aprenda a aumentar el contraste de imágenes para mejorar la precisión del OCR usando técnicas de preprocesamiento en 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/spanish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/spanish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..9068e2ce1 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: El tutorial de Aspose OCR GPU muestra cómo reconocer texto de una imagen + y extraer texto de PNG usando aceleración GPU para un OCR rápido y fiable. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: es +og_description: Aprende cómo usar Aspose OCR GPU para reconocer texto de una imagen + y extraer texto de PNG con aceleración GPU en Java. +og_title: 'Guía de Aspose OCR GPU: Acelerar la extracción de texto' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Guía de Aspose OCR GPU: Acelera la extracción de texto de imágenes PNG' +url: /es/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Extracción de Texto Rápida y Confiable de Imágenes PNG + +¿Quieres mejorar el rendimiento de tu OCR con **aspose ocr gpu**? Con Aspose OCR GPU puedes **reconocer texto de una imagen** mucho más rápido aprovechando una tarjeta gráfica con soporte CUDA. Imagina procesar un PNG de alta resolución en segundos en lugar de minutos—ya no tendrás que esperar por los resultados. + +En este tutorial recorreremos todo lo que necesitas para comenzar: cargar una imagen para OCR, cambiar el motor al modo GPU y, finalmente, extraer el texto. Al final tendrás un programa Java completo y ejecutable que **extrae texto de png** usando aceleración GPU. No se requiere documentación externa—solo sigue los pasos, copia el código y estarás listo. + +## Lo que Necesitarás + +- **Java Development Kit (JDK) 11+** – el código usa las características estándar del lenguaje Java. +- **Aspose.OCR for Java** (última versión a mayo 2026). Puedes obtenerlo de Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **Una GPU con soporte CUDA** (NVIDIA GeForce, Quadro o Tesla) con el controlador adecuado instalado. +- **Un PNG de alta resolución de ejemplo** (p. ej., `sample-highres.png`) que deseas procesar. + +Si no tienes una GPU, el código volverá automáticamente a la CPU—simplemente comenta las líneas de GPU. + +## Paso 1 – Cargar la Imagen para OCR + +Lo primero que necesita cualquier flujo de trabajo OCR es una fuente de imagen. Aspose OCR ofrece un contenedor conveniente `ImageStream` que puede leer desde un archivo, un arreglo de bytes o incluso una URL. Aquí usamos `ImageStream.fromFile` porque es lo más sencillo para desarrollo local. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Por qué es importante:** Cargar la imagen correctamente garantiza que el motor OCR reciba los datos de píxeles exactos que necesita. Usar `ImageStream.fromFile` también maneja automáticamente peculiaridades comunes de PNG (canal alfa, profundidad de color). + +## Paso 2 – Habilitar la Aceleración GPU (aspose ocr gpu) + +Ahora llega la magia: indicarle a Aspose que se ejecute en la GPU. El objeto `OcrDevice` dentro del motor te permite elegir el tipo de dispositivo (`CPU` o `GPU`) y, si tienes más de una GPU, el ID del dispositivo específico. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Consejo profesional:** Si encuentras errores `CUDA driver not found`, verifica que el controlador NVIDIA coincida con la versión de CUDA requerida por Aspose OCR (normalmente CUDA 11.x para la versión 23.x). +> **Caso límite:** Al ejecutar en un servidor sin pantalla, asegúrate de que la GPU no esté bloqueada por otro proceso; de lo contrario la llamada OCR volverá a la CPU silenciosamente. + +## Paso 3 – Reconocer Texto de la Imagen + +Con la imagen cargada y el dispositivo configurado, finalmente puedes ejecutar el motor OCR. El método `recognize()` devuelve un objeto `OcrResult` que contiene el texto plano, puntuaciones de confianza e incluso cajas delimitadoras si las necesitas más adelante. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Al ejecutar el programa, deberías ver algo como: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Lo que estás viendo:** La cadena cruda extraída del PNG. Si la imagen contiene tablas o diseños de varias columnas, puedes habilitar `LayoutAnalysis` en el motor para obtener mejores resultados (fuera del alcance de esta guía rápida). + +## Paso 4 – Verificar que la GPU se Está Usando Realmente + +Es fácil asumir que la GPU está realizando el trabajo pesado, pero una rápida comprobación de sanidad puede ahorrarte horas de depuración. Aspose OCR escribe una pequeña entrada de registro cuando inicializa el dispositivo. + +Añade este fragmento justo después de establecer el tipo de dispositivo: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Si la salida muestra `GPU`, todo está listo. Si muestra `CPU`, revisa la instalación del controlador o asegúrate de que la variable de entorno `CUDA_HOME` apunte a la carpeta correcta del toolkit. + +## Errores Comunes y Cómo Evitarlos + +| Síntoma | Causa Probable | Solución | +|---------|----------------|----------| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | Tiempo de ejecución CUDA no está en `PATH` | Agrega la carpeta `bin` de CUDA a tu `PATH` del sistema o establece `java.library.path`. | +| OCR devuelve cadena vacía | Imagen no cargada correctamente (ruta incorrecta o formato no soportado) | Verifica nuevamente la ruta del archivo y confirma que el PNG no esté corrupto. | +| Rendimiento similar al de CPU | Recaída a GPU debido a incompatibilidad de controlador | Actualiza el controlador NVIDIA a la versión indicada en las notas de la versión de Aspose OCR. | +| Falta de memoria en imágenes grandes | Memoria de GPU agotada | Reduce la resolución de la imagen o divide la imagen en mosaicos antes de procesarla. | + +## Bonus: Recaer a CPU Cuando la GPU No Está Disponible + +A veces puedes ejecutar el mismo código en una laptop de desarrollo sin una GPU compatible con CUDA. Envolver la selección del dispositivo en un bloque try‑catch hace que el programa sea robusto. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Ahora el mismo binario funciona en todas partes, y aún obtienes el aumento de velocidad donde el hardware lo permite. + +## Ejemplo Completo y Listo para Ejecutar + +A continuación se muestra la clase Java completa que incorpora todos los pasos, verificaciones y lógica de recaída discutidos arriba. Copia‑pega en tu IDE, ajusta la ruta de la imagen y ejecútala. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Salida esperada** (asumiendo que el PNG contiene texto simple en inglés): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Si la GPU no está presente, verás “CPU” en la última línea. + +## Visión General Visual + +A continuación hay un diagrama rápido del flujo de datos—desde cargar el PNG hasta obtener texto plano. El texto alternativo de la imagen contiene la palabra clave principal para SEO. + +![flujo de trabajo aspose ocr gpu – cargar imagen, habilitar GPU, reconocer texto] + +*Texto alternativo: flujo de trabajo aspose ocr gpu que muestra cómo cargar una imagen para OCR, habilitar la aceleración GPU y extraer texto de png.* + +## Recapitulación y Próximos Pasos + +Acabamos de cubrir cómo **acelerar con aspose ocr gpu** el proceso de **reconocer texto de una imagen** y **extraer texto de png**. Los puntos clave: + +1. **Cargar la imagen** con `ImageStream.fromFile`. +2. **Habilitar GPU** mediante `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Ejecutar `recognize()`** y leer `ocrResult.getText()`. +4. **Validar el dispositivo** y volver a CPU de forma elegante cuando sea necesario. + +¿Listo para superar los límites? Prueba estos experimentos: + +- **Procesamiento por lotes:** Recorrer un directorio de PNGs y escribir cada resultado en un archivo `.txt`. +- **Análisis de diseño:** Activar `ocrEngine.getOptions().setDetectDocumentStructure(true)` para preservar columnas y tablas. +- **Escalado multi‑GPU:** Si tu estación de trabajo tiene varias GPUs, lanza hilos paralelos, cada uno asignado a un `deviceId` diferente. + +Estas extensiones profundizarán tu dominio del **ocr acelerado por GPU** y abrirán la puerta a proyectos de digitalización de documentos a gran escala. + +--- + +*¡Feliz codificación! Si encuentras algún problema, deja un comentario abajo—estaré encantado de ayudarte a resolverlo.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/spanish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..50caa4b89 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Cómo mejorar el contraste mientras se aprende a preprocesar la imagen, + eliminar el ruido y corregir la rotación de la imagen para un reconocimiento de + texto OCR fiable. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: es +og_description: Cómo mejorar el contraste en imágenes OCR, además de cómo preprocesar + la imagen, eliminar el ruido y corregir la rotación de la imagen para un reconocimiento + de texto preciso. +og_title: Cómo mejorar el contraste en OCR – Guía paso a paso de Java +tags: +- OCR +- Java +- Image Processing +title: Cómo mejorar el contraste en OCR – Guía completa de preprocesamiento en Java +url: /es/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cómo mejorar el contraste en OCR – Guía completa de pre‑procesamiento en Java + +¿Alguna vez te has preguntado **cómo mejorar el contraste** para que tu motor OCR realmente lea el texto en lugar de generar basura? No estás solo. La mayoría de los desarrolladores se topan con un muro cuando la imagen de origen está tenue, sesgada o llena de manchas, y el resultado es un frustrante fallo de “reconocer texto de la imagen”. + +¿La buena noticia? Aplicando unos pocos pasos inteligentes de pre‑procesamiento—**cómo pre‑procesar imagen**, **cómo eliminar ruido** y **rotación correcta de la imagen**—puedes convertir un PNG ruidoso y de bajo contraste en un lienzo limpio que el motor OCR adora. En este tutorial recorreremos un ejemplo real en Java usando Aspose.OCR, explicaremos por qué cada filtro es importante y te mostraremos exactamente **cómo mejorar el contraste** para un reconocimiento a prueba de fallos. + +--- + +## Qué aprenderás + +- El propósito de cada filtro de pre‑procesamiento (desalineación, eliminación de ruido, mejora de contraste). +- **Cómo pre‑procesar imagen** con Aspose.OCR en Java, paso a paso. +- Consejos prácticos para **cómo eliminar ruido** y **rotación correcta de la imagen** antes del OCR. +- El código exacto que puedes copiar‑pegar, ejecutar y ver el resultado de **reconocer texto de la imagen**. + +> **Requisitos previos** – Java 17+, Maven o Gradle, y una licencia de Aspose.OCR para Java (una prueba gratuita sirve para pruebas). No se requieren otras bibliotecas de terceros. + +--- + +## Paso 1 – Configura el proyecto e importa Aspose.OCR + +Antes de poder hablar de **cómo mejorar el contraste**, necesitamos un proyecto Java funcional con el motor OCR integrado. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Si prefieres Gradle, el equivalente es: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Crea un archivo simple `src/main/java/PreprocessDemo.java` e importa las clases necesarias: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Consejo profesional:** Mantén activada la función de auto‑importación de tu IDE; ahorra mucho ida y vuelta. + +--- + +## Paso 2 – Carga la imagen que deseas limpiar + +Ahora que la biblioteca está lista, respondamos la primera parte de **cómo pre‑procesar imagen**: cargarla. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +En este punto el motor tiene un PNG de baja calidad que probablemente sufre de pobre contraste, rotación y ruido de manchas. Si abres el archivo, verás exactamente por qué el OCR tropezaría. + +--- + +## Paso 3 – Aplica filtros: Desalineación, Eliminación de ruido, **Cómo mejorar el contraste** + +Este es el corazón del tutorial—**cómo mejorar el contraste** mientras se manejan simultáneamente la rotación y el ruido. Aspose.OCR incluye tres filtros listos para usar: + +| Filtro | Qué hace | Por qué es importante para OCR | +|--------|----------|--------------------------------| +| `DeskewFilter` | Detecta y corrige la rotación de la imagen | Garantiza **rotación correcta de la imagen**, de modo que los caracteres no queden inclinados. | +| `NoiseRemovalFilter` | Reduce manchas aleatorias y granulado de fondo | Implementa **cómo eliminar ruido** para que el motor vea solo las letras. | +| `ContrastEnhancementFilter` | Aumenta la diferencia entre el texto en primer plano y el fondo | Responde directamente a **cómo mejorar el contraste**, haciendo que los trazos tenues destaquen. | + +Añádelos en el orden mostrado: desalineación primero, luego eliminación de ruido y, por último, mejora de contraste: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **¿Por qué este orden?** +> • La desalineación funciona mejor sobre la matriz de píxeles cruda; rotar una imagen ruidosa puede amplificar artefactos. +> • Limpiar el ruido antes de aumentar el contraste evita que el filtro amplifique las manchas. +> • Finalmente, la mejora de contraste hace que los píxeles limpiados resalten, que es exactamente **cómo mejorar el contraste** para OCR. + +--- + +## Paso 4 – Ejecuta el motor OCR y **reconoce texto de la imagen** + +Con la cadena de pre‑procesamiento lista, finalmente llamamos al motor OCR. Este paso responde la pregunta definitiva: **reconocer texto de la imagen**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Cuando ejecutes `java PreprocessDemo`, deberías ver texto limpio y legible en lugar de un desastre garabateado. La salida típica para una factura de ejemplo podría ser: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Si el resultado sigue viéndose borroso, considera ajustar los parámetros del `ContrastEnhancementFilter` (p. ej., `setLevel(1.5)`) o verifica que la imagen original no esté comprimida más allá de lo recuperable. + +--- + +## Paso 5 – Verificación visual: Antes y después (Opcional) + +Ver para creer. A continuación tienes una ilustración de marcador de posición que compara el archivo original con la versión procesada. El texto alternativo menciona explícitamente la palabra clave principal para SEO. + +![Diagrama que muestra cómo mejorar el contraste en el pre‑procesamiento OCR – imagen original vs. mejorada](https://example.com/contrast-demo.png "Cómo mejorar el contraste en el pre‑procesamiento OCR") + +*Si ejecutas el código con tu propia imagen, notarás el mismo aumento dramático en la legibilidad.* + +--- + +## Problemas comunes y cómo solucionarlos + +| Problema | Por qué ocurre | Solución | +|----------|----------------|----------| +| El texto sigue borroso después de aumentar el contraste | Nivel del filtro demasiado bajo o resolución de la imagen insuficiente | Incrementa el nivel del `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) o aumenta el tamaño de la imagen antes del procesamiento. | +| OCR devuelve una cadena vacía | La imagen estaba completamente oscura o todos los píxeles fueron eliminados por el filtro de ruido | Reduce la agresividad del `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Los caracteres siguen inclinados | La desalineación no detectó el ángulo porque la imagen estaba muy ruidosa | Ejecuta `DeskewFilter` **después** de una pasada ligera de eliminación de ruido, o establece manualmente el ángulo de rotación con `DeskewFilter.setAngle(2.5)`. | +| Símbolos Unicode inesperados | El idioma del OCR no está configurado correctamente | Llama a `ocrEngine.setLanguage(OcrLanguage.English);` antes de `recognize()`. | + +--- + +## Extender la cadena – ¿Qué pasa si necesitas más? + +A veces necesitarás **cómo pre‑procesar imagen** para escaneos en color o PDFs. Aspose.OCR también ofrece: + +- `BinarizationFilter` – convierte a blanco y negro puro, ideal para texto de alto contraste. +- `ResizeFilter` – agranda fuentes pequeñas antes del OCR. +- `SharpenFilter` – acentúa los bordes para manuscritos tenues. + +Puedes encadenarlos igual que los tres filtros principales mostrados antes. Recuerda, el orden sigue siendo importante: redimensionar → eliminar ruido → binarizar → contraste → desalinear es una receta común. + +--- + +## Recapitulación: De PNG ruidoso a texto limpio + +- **Cómo mejorar el contraste**: usa `ContrastEnhancementFilter` después de la desalineación y la eliminación de ruido. +- **Cómo pre‑procesar imagen**: carga, añade filtros y luego ejecuta OCR. +- **Cómo eliminar ruido**: `NoiseRemovalFilter` limpia el fondo sin destruir los trazos del texto. +- **Rotación correcta de la imagen**: `DeskewFilter` alinea la línea base del texto, un requisito previo para un reconocimiento preciso. +- **Reconocer texto de la imagen**: llama a `ocrEngine.recognize()` y lee `ocrResult.getText()`. + +Todos estos pasos juntos te brindan una cadena robusta que funciona para facturas escaneadas, recibos e incluso libros impresos antiguos. + +--- + +## ¿Qué sigue? + +- **Experimenta**: Ajusta los parámetros de los filtros y observa el efecto en la precisión del OCR. +- **Procesamiento por lotes**: Envuelve la lógica anterior en un bucle para manejar carpetas completas de imágenes. +- **Integración**: Alimenta la salida del OCR a una base de datos o a un generador de PDF para automatización de extremo a extremo. + +Si tienes curiosidad por otros trucos de mejora de imágenes—como umbral adaptativo o inversión de colores—consulta la documentación oficial de Aspose o la guía “Advanced Image Pre‑processing with Aspose.OCR”. + +--- + +### ¡Feliz codificación! + +Ahora sabes **cómo mejorar el contraste** y toda la historia de pre‑procesamiento que convierte un escaneo desordenado en texto limpio y buscable. Deja un comentario si encuentras algún obstáculo, o comparte cómo has personalizado la cadena para tus propios proyectos. ¡Sigamos la conversación sobre OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/spanish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..b59684122 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,233 @@ +--- +category: general +date: 2026-05-06 +description: Cómo usar Aspose OCR para reconocer texto de una imagen, habilitar la + detección automática de idioma y mejorar la velocidad del OCR en Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: es +og_description: Cómo usar Aspose OCR para reconocer rápidamente texto a partir de + una imagen, habilitar la detección automática de idioma y mejorar la velocidad del + OCR en Java. +og_title: Cómo usar Aspose OCR para imágenes multilingües +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Cómo usar Aspose OCR para imágenes de varios idiomas +url: /es/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cómo usar Aspose OCR para imágenes multilingües + +¿Alguna vez te has preguntado **cómo usar Aspose** para extraer texto de una imagen que contiene varios idiomas a la vez? No estás solo—los desarrolladores a menudo se topan con un obstáculo cuando una imagen combina inglés, ruso, hindi o cualquier otro alfabeto. La buena noticia es que Aspose OCR maneja esto sin problemas, y puedes incluso **reconocer texto de la imagen** más rápido al limitar el conjunto de idiomas. + +En este tutorial recorreremos un ejemplo completo y listo‑para‑ejecutar en Java que **carga la imagen para OCR**, activa la **detección automática de idioma**, y muestra un truco sencillo para **mejorar la velocidad del OCR**. Al final tendrás un programa autónomo que imprime el texto extraído en la consola, y comprenderás por qué cada configuración es importante. + +> **Requisitos previos** – Java 17+ instalado, Maven o Gradle para la gestión de dependencias, y una licencia de Aspose OCR (la prueba gratuita sirve para evaluación). No se requieren otras bibliotecas. + +--- + +## Paso 1 – Añadir Aspose OCR a tu proyecto + +Antes de poder **usar Aspose**, necesitas la biblioteca en tu classpath. Con Maven se ve así: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Si prefieres Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Consejo profesional:** Quédate con la última versión estable; las versiones más recientes suelen incluir mejoras de rendimiento que impactan directamente en **mejorar la velocidad del OCR**. + +--- + +## Paso 2 – Crear la instancia del motor OCR + +El corazón de cualquier flujo de trabajo de Aspose OCR es el `OcrEngine`. Instanciarlo es sencillo, pero vale la pena señalar que el motor mantiene cachés internas. Reutilizar una única instancia para muchas imágenes puede **mejorar la velocidad del OCR** porque la biblioteca evita inicializaciones nativas repetidas. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Paso 3 – **Cargar imagen para OCR** + +Aspose acepta muchos formatos de imagen (PNG, JPEG, TIFF, BMP). Aquí demostramos cómo cargar un PNG que contiene texto en inglés, ruso e hindi. El ayudante `ImageStream.fromFile` abstrae los detalles de I/O de archivos y asegura que la imagen se transmita correctamente al motor. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **¿Y si la imagen está en memoria?** Usa `ImageStream.fromByteArray(byte[])` en su lugar—perfecto para servicios web que reciben imágenes como flujos de bytes. + +--- + +## Paso 4 – Habilitar la detección automática de idioma + +Por defecto Aspose OCR asume un solo idioma, lo que puede producir resultados distorsionados en imágenes multilingües. Activar la detección automática indica al motor que identifique el guion de cada bloque de texto antes del reconocimiento. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Paso 5 – **Mejorar la velocidad del OCR** restringiendo el conjunto de idiomas + +La detección automática completa escanea todos los idiomas que Aspose soporta (más de 70). Si conoces de antemano los posibles idiomas, puedes dar una pista al motor. Proveer una matriz más pequeña reduce el espacio de búsqueda y, por lo tanto, **mejora la velocidad del OCR**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **¿Por qué ayuda esto?** El motor omite los modelos de idioma que no necesita, ahorrando ciclos de CPU y memoria. Si más adelante añades más idiomas, solo actualiza la matriz—no es necesario reescribir código. + +--- + +## Paso 6 – Realizar el reconocimiento y **reconocer texto de la imagen** + +Ahora ocurre el trabajo pesado. `recognize()` devuelve un objeto `OcrResult` que contiene el texto plano, puntuaciones de confianza e incluso la información de diseño si la necesitas más adelante. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Salida esperada en la consola + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Si la imagen contiene ruido adicional o texto inclinado, podrías ver una confianza más baja en esas líneas. En ese caso, considera pre‑procesar la imagen (desinclinar, binarizar) antes de enviarla a Aspose. + +--- + +## Preguntas frecuentes y casos límite + +### ¿Qué pasa si la imagen es enorme (p. ej., >10 MP)? + +Las imágenes grandes consumen más memoria y pueden ralentizar el procesamiento. Una forma rápida de **mejorar la velocidad del OCR** es reducir la escala de la imagen manteniendo la legibilidad: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### ¿Cómo manejo scripts de derecha a izquierda como el árabe? + +Aspose OCR respeta automáticamente la dirección del script, pero podrías querer establecer la bandera `RightToLeft` para el post‑procesamiento: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### ¿Puedo extraer texto de PDFs en lugar de imágenes? + +Sí—convierte cada página del PDF a una imagen (usando Aspose PDF o cualquier rasterizador) y pasa el resultado al mismo pipeline de OCR. La lógica de **reconocer texto de la imagen** se aplica igualmente. + +--- + +## Ejemplo completo listo para usar (copia‑pega) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Guarda el archivo como `MixedLanguageDemo.java`, compílalo con `javac` y ejecútalo con `java MixedLanguageDemo`. Si todo está configurado correctamente, verás el texto multilingüe impreso en la consola. + +--- + +## Conclusión + +Ahora sabes **cómo usar Aspose** para **reconocer texto de la imagen** en archivos que contienen varios idiomas, cómo **activar la detección automática de idioma**, y un consejo práctico para **mejorar la velocidad del OCR** limitando el conjunto de idiomas. El código completo arriba está listo para copiar‑pegar, y las explicaciones deberían darte la confianza para adaptar la solución—ya sea que necesites **cargar imagen para OCR** desde un flujo, un arreglo de bytes o incluso una captura de webcam. + +¿Próximos pasos? Prueba experimentar con: + +* Añadir pre‑procesamiento de imagen (eliminar ruido, binarizar) para escaneos de baja calidad. +* Exportar `OcrResult` como JSON para servicios posteriores. +* Integrar el motor en un endpoint REST de Spring Boot para que los clientes puedan subir imágenes y recibir texto extraído al instante. + +¡Feliz codificación, y que tus pipelines de OCR sean rápidas, precisas y multilingües! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/spanish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..a0f4e9bc4 --- /dev/null +++ b/ocr/spanish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Reconoce texto de una imagen rápidamente usando un ejemplo de OCR en + Java. Aprende a extraer texto de archivos TIFF con procesamiento OCR paralelo y + cómo hacer OCR en Java de manera eficiente. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: es +og_description: Reconoce texto de una imagen rápidamente con un ejemplo completo de + OCR en Java. Este tutorial muestra cómo extraer texto de un TIFF usando procesamiento + OCR paralelo. +og_title: Reconocer texto de una imagen con Java OCR – Guía de procesamiento paralelo +tags: +- OCR +- Java +- Image Processing +title: Reconocer texto de una imagen con Java OCR – Guía de procesamiento paralelo +url: /es/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# reconocer texto de imagen con Java OCR – Guía de procesamiento paralelo + +¿Alguna vez necesitaste **reconocer texto de imagen** en archivos pero te quedaste atascado en el cuello de botella de rendimiento? No estás solo. Muchos desarrolladores chocan contra la pared cuando un motor OCR monohilo recorre TIFFs de varias páginas, convirtiendo una tarea rápida en una maratón. + +En este tutorial recorreremos un **ejemplo de OCR en Java** que no solo extrae texto de archivos TIFF sino que también aprovecha todos los núcleos de tu CPU para el **procesamiento OCR paralelo**. Al final sabrás exactamente *cómo ocr java* proyectos de forma eficiente, y tendrás un fragmento de código listo para ejecutar que puedes insertar en cualquier configuración Maven o Gradle. + +## Lo que aprenderás + +- Configurar la biblioteca Aspose.OCR en un proyecto Java. +- Cargar un TIFF de varias páginas y prepararlo para el reconocimiento. +- Habilitar **procesamiento OCR paralelo** ajustando la cantidad de hilos a tus núcleos lógicos de CPU. +- Recuperar y mostrar el texto reconocido, completando el flujo de **reconocer texto de imagen**. + +> **Requisito previo:** Java 8 o superior y una licencia válida de Aspose.OCR para Java (o una clave de evaluación temporal). No se requieren otras herramientas externas. + +--- + +## Paso 1: Añadir la dependencia Aspose.OCR + +Antes de poder **reconocer texto de imagen**, necesitamos el motor OCR en el classpath. Si usas Maven, agrega lo siguiente a tu `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Para Gradle, el equivalente es: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Consejo profesional:* Mantén el número de versión actualizado; las versiones más recientes suelen incluir ajustes de rendimiento que hacen que el **procesamiento OCR paralelo** sea aún más rápido. + +--- + +## Paso 2: Preparar la clase Java – Ejemplo completo funcional + +A continuación tienes un **ejemplo de OCR en Java** autocontenido que demuestra cómo **extraer texto de TIFF** usando todos los núcleos de CPU disponibles. Guárdalo como `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Por qué cada línea es importante** + +- **Creación del motor**: `OcrEngine` encapsula todo el trabajo pesado. Sin él, no puedes **reconocer texto de imagen** en absoluto. +- **Carga de imagen**: `ImageStream.fromFile` soporta TIFF, PNG, JPEG, etc. Usar un TIFF de varias páginas prueba la capacidad del motor para manejar documentos complejos. +- **Cantidad de hilos**: `Runtime.getRuntime().availableProcessors()` devuelve el número de núcleos lógicos (incluidos los hyper‑threads). Establecer este valor activa el **procesamiento OCR paralelo**, reduciendo drásticamente el tiempo de ejecución en máquinas multinúcleo. +- **Reconocimiento**: `engine.recognize()` ejecuta la cadena OCR. Internamente reparte las páginas entre el pool de hilos que definiste. +- **Manejo del resultado**: `result.getText()` devuelve una única `String` que contiene el texto concatenado de todas las páginas, perfecto para procesamiento posterior o almacenamiento. + +--- + +## Paso 3: Ejecutar la demo y verificar la salida + +Compila y ejecuta el programa: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Deberías ver algo como: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Si la consola imprime el texto esperado, felicidades: has **reconocido texto de imagen** usando un **ejemplo de OCR en Java** que se ejecuta en paralelo. + +--- + +## Paso 4: Ajustar para escenarios del mundo real (Opcional) + +### Extraer texto solo de páginas específicas + +A veces solo necesitas ciertas páginas de un TIFF grande. Puedes filtrar después del reconocimiento: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Ajustar la cantidad de hilos manualmente + +Si tu servidor ya está ocupado con otras tareas, podrías limitar los hilos de OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Manejar TIFFs que consumen mucha memoria + +Los TIFFs de varias páginas pueden consumir mucha RAM. Para mitigar, procesa el archivo en fragmentos: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Paso 5: Errores comunes y cómo evitarlos + +| Problema | Síntoma | Solución | +|----------|---------|----------| +| **Licencia insuficiente** | En tiempo de ejecución lanza `LicenseException` | Aplica un archivo de licencia válido o usa el modo de evaluación gratuito (añade una marca de agua). | +| **Ruta de archivo incorrecta** | `FileNotFoundException` | Verifica la ruta y usa rutas absolutas durante las pruebas. | +| **Limitación de CPU** | No hay aumento de velocidad a pesar de `setThreadCount` | Asegúrate de que tu JVM no esté limitada por los límites de memoria `-Xmx` o la configuración de ahorro de energía del SO. | +| **Formato de imagen no soportado** | `UnsupportedFormatException` | Convierte la imagen a TIFF, PNG o JPEG antes de pasarla al motor. | + +--- + +## Resumen visual + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Texto alternativo:* “Diagrama que muestra el flujo de reconocer texto de imagen usando Java OCR con procesamiento paralelo” + +--- + +## Conclusión + +Acabamos de recorrer un **ejemplo de OCR en Java** que **reconoce texto de imagen** en archivos, específicamente TIFFs de varias páginas, mientras explota al máximo el **procesamiento OCR paralelo**. Al alinear el pool de hilos con tus núcleos de CPU, obtienes una aceleración casi lineal en hardware moderno—exactamente la respuesta a “*how to ocr java* efficiently?”. + +A continuación, podrías explorar: + +- **extraer texto de TIFF** en lotes y almacenar los resultados en una base de datos. +- Combinar OCR con bibliotecas NLP (p. ej., OpenNLP) para etiquetar automáticamente entidades extraídas. +- Desplegar la solución como un microservicio detrás de un endpoint REST para OCR bajo demanda. + +Pruébalo, ajusta la cantidad de hilos y observa cuán más rápido se vuelve tu pipeline. Si encuentras algún problema, deja un comentario abajo—¡feliz codificación! + +{{< /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..9d388be93 100644 --- a/ocr/spanish/java/ocr-operations/_index.md +++ b/ocr/spanish/java/ocr-operations/_index.md @@ -82,6 +82,12 @@ Desbloquea el poder del OCR en Java con Aspose.OCR. Reconoce texto en documentos 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 – Extraer texto de imagen con corrección ortográfica](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Desbloquea la extracción de texto de imágenes con corrección ortográfica usando Aspose.OCR en Java. Sigue la guía paso a paso. +### [Crear PDF buscable a partir de una imagen – Guía paso a paso en Java](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Desbloquea la creación de PDFs buscables a partir de imágenes usando Aspose.OCR en Java. Sigue esta guía paso a paso. +### [Crear PDF buscable a partir de una imagen con OCR en Java](./create-searchable-pdf-from-image-with-java-ocr/) +Crea un PDF buscable a partir de una imagen usando Aspose.OCR en Java. Sigue la guía paso a paso. ## Preguntas frecuentes diff --git a/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..18ebbdd96 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,188 @@ +--- +category: general +date: 2026-05-06 +description: Crea un PDF buscable a partir de una imagen usando Aspose OCR. Aprende + cómo convertir una imagen a PDF, aplicar OCR a la imagen para generar PDF y extraer + texto de la imagen en minutos. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: es +og_description: Crea un PDF buscable a partir de una imagen con Aspose OCR. Sigue + esta guía para convertir JPG a PDF buscable, extraer texto de la imagen y más. +og_title: Crear PDF buscable a partir de una imagen – Tutorial completo de Java +tags: +- Java +- OCR +- PDF +- Aspose +title: Crear PDF buscable a partir de una imagen – Guía paso a paso de Java +url: /es/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-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 – Tutorial completo en Java + +¿Alguna vez necesitaste **crear PDF buscable** a partir de una foto escaneada pero no estabas seguro de qué biblioteca elegir? No estás solo. En muchos proyectos—piensa en la automatización de informes de gastos o el archivado digital—la capacidad de convertir una imagen simple en un PDF que realmente puedas buscar es un cambio radical. + +Por eso, en este tutorial recorreremos todo el proceso de **convert image to PDF**, ejecutar OCR sobre ella y obtener un **searchable PDF** que puedes insertar en cualquier flujo de trabajo de documentos. También abordaremos **extract text from image** y te mostraremos cómo **convert jpg to searchable pdf** sin mucho código repetitivo. + +## Lo que aprenderás + +- La dependencia exacta de Maven/Gradle que necesitas para Aspose OCR. +- Cómo cargar un JPG (o cualquier imagen compatible) en el motor OCR. +- Por qué guardar con `OcrSaveFormat.PDF_SEARCHABLE` es importante. +- Problemas comunes (imágenes grandes, formatos no compatibles) y cómo evitarlos. +- Cómo verificar que el PDF resultante realmente contenga texto buscable. + +Al final de esta guía tendrás una clase Java lista‑para‑ejecutar que produce un PDF buscable con una única llamada a método. Sin herramientas externas de línea de comandos, sin motores OCR adicionales—solo Java puro. + +--- + +## Requisitos previos + +| Requisito | Por qué es importante | +|-------------|----------------| +| Java 8 o superior | Aspose OCR usa características modernas del lenguaje. | +| Maven o Gradle (para gestión de dependencias) | Facilita obtener el JAR de Aspose OCR. | +| Una imagen de ejemplo (`input.jpg`) colocada en una carpeta conocida | El código espera una ruta de archivo; puedes cambiarla por PNG, BMP, etc. | +| Opcional: un visor de PDF con capacidad de búsqueda (Adobe Reader, Foxit, etc.) | Para confirmar que el PDF es realmente buscable. | + +Si ya los tienes, genial—¡vamos a sumergirnos! + +--- + +## Paso 1: Añadir Aspose OCR a tu proyecto + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Consejo profesional:** La versión de evaluación gratuita agrega una pequeña marca de agua a la primera página. Para producción, obtén una licencia de Aspose y llama a `License license = new License(); license.setLicense("Aspose.OCR.lic");` antes de instanciar `OcrEngine`. + +## Paso 2: Cargar la imagen que deseas convertir + +Usaremos `ImageStream.fromFile` para leer la imagen directamente del disco. Este método soporta JPG, PNG, TIFF y muchos otros formatos, por lo que puedes **convert image to PDF** sin importar el origen. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **¿Por qué este paso?** El motor OCR necesita una representación bitmap del texto. Proveer una imagen de alta resolución (300 dpi o más) mejora drásticamente la precisión del reconocimiento, lo que a su vez te brinda mejores resultados de **extract text from image**. + +## Paso 3: Ejecutar OCR y guardar como PDF buscable + +La magia ocurre cuando llamas a `save` con el formato `PDF_SEARCHABLE`. Internamente, Aspose OCR crea una capa de texto oculta que se sitúa sobre la imagen original, convirtiendo una imagen estática en un **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Si prefieres un PDF simple sin la capa oculta, cambia `PDF_SEARCHABLE` por `PDF`. Pero para la mayoría de los escenarios de archivado, la variante buscable es la que deseas. + +## Paso 4: Verificar el resultado + +Después de que el programa termine, abre `searchable.pdf` en cualquier visor de PDF y prueba la búsqueda incorporada (Ctrl + F). Si puedes encontrar palabras que originalmente estaban solo en la imagen, felicidades—has realizado con éxito **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Caso límite:** Imágenes muy grandes (> 10 MB) pueden causar `OutOfMemoryError`. Para mitigar esto, reduce la escala de la imagen previamente usando `java.awt.Image` o una biblioteca como Thumbnailator. + +## Ejemplo completo de trabajo + +A continuación se muestra la clase Java completa y autónoma. Copia‑pega en tu IDE, ajusta las rutas y ejecuta—no se requieren pasos adicionales. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +Cuando abras `YOUR_DIRECTORY/searchable.pdf` deberías poder buscar cualquier palabra que aparezca en `input.jpg`. Esa es la esencia de **convert jpg to searchable pdf**. + +## Preguntas frecuentes (FAQ) + +### ¿Puedo procesar varias imágenes a la vez? + +Sí. Recorre una lista de rutas de archivo, llama a `setImage` para cada una, y ya sea agrega páginas a un solo PDF (`PDF_SEARCHABLE`) o genera PDFs separados. Solo recuerda reiniciar el estado del motor entre iteraciones (`ocrEngine.clear()`). + +### ¿Qué pasa si la precisión del OCR es baja? + +- Asegúrate de que la imagen fuente tenga al menos 300 dpi. +- Usa `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` para fijar el idioma. +- Pre‑procesa la imagen (desalineación, aumento de contraste) con una biblioteca como OpenCV. + +### ¿Aspose OCR soporta otros idiomas? + +Absolutamente. El enum `OcrLanguage` incluye francés, alemán, chino, árabe y muchos más. Cambia el idioma antes de llamar a `save`. + +### ¿Cómo incrusto el PDF buscable en un documento existente? + +Trata la salida como cualquier PDF normal. Usa una biblioteca de fusión de PDFs (p.ej., iText o Aspose PDF) para concatenarla con otros PDFs. + +## Consejos y trucos de la práctica + +- **Consejo profesional:** Si necesitas un tamaño de archivo muy pequeño, llama a `ocrEngine.getConfig().setCompress(true);` antes de guardar. +- **Cuidado con:** Imágenes con fondos transparentes—Aspose OCR trata la transparencia como blanco, lo que puede afectar el contraste. +- **Recuerda:** El PDF buscable sigue siendo una imagen raster debajo. Si necesitas un PDF totalmente vectorial, tendrás que recrear el diseño manualmente. + +## Conclusión + +Acabamos de cubrir todo lo que necesitas para **create searchable PDF** a partir de imágenes usando Aspose OCR en Java. Desde añadir la dependencia Maven hasta verificar la capa de texto oculta, el proceso es sencillo y totalmente programable. Ahora puedes **convert image to pdf**, **ocr image to pdf**, e incluso **extract text from image** sin salir de la comodidad de tu IDE. + +¿Listo para el siguiente paso? Prueba procesar por lotes una carpeta de recibos escaneados, o combina este flujo de trabajo con un disparador de almacenamiento en la nube (AWS Lambda, Azure Functions) para automatizar canalizaciones de ingestión de documentos. Las posibilidades son infinitas—¡adelante y experimenta! + +Si encuentras algún problema o tienes ideas para mejoras, deja un comentario abajo. ¡Feliz codificación! +![Diagrama que muestra el flujo: image → OCR engine → searchable PDF](image-placeholder.png "diagrama de flujo crear 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/spanish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..b9a4961f8 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,227 @@ +--- +category: general +date: 2026-05-06 +description: Crear PDF buscable a partir de una imagen usando Aspose OCR en Java. + Aprende a convertir la imagen a PDF, habilitar la corrección ortográfica y usar + OCR GPU para obtener resultados rápidos. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: es +og_description: Crea un PDF buscable a partir de una imagen usando Aspose OCR en Java. + Esta guía muestra cómo convertir la imagen a PDF, habilitar la corrección ortográfica + y usar OCR con GPU. +og_title: Crear PDF buscable a partir de una imagen con OCR en Java +tags: +- OCR +- Java +- PDF +title: Crear PDF buscable a partir de una imagen con OCR en Java +url: /es/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< 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 con Java OCR + +¿Alguna vez necesitaste **crear un PDF buscable** a partir de una foto escaneada pero no sabías por dónde empezar? No estás solo—la mayoría de los desarrolladores se topan con ese obstáculo cuando abordan por primera vez los PDFs basados en imágenes. Afortunadamente, con Aspose OCR for Java puedes **convertir imagen a PDF**, convertir el texto en contenido seleccionable e incluso añadir corrección ortográfica para obtener un resultado pulido. + +En este tutorial recorreremos un ejemplo completo y listo‑para‑ejecutar que muestra cómo **usar OCR GPU** cuando está disponible, cómo **procesar OCR de imagen** de manera eficiente y por qué habilitar la corrección ortográfica es importante para la búsqueda posterior. Al final tendrás una forma de un solo clic para generar un PDF buscable que podrás distribuir a los usuarios o archivar para cumplimiento. + +> **Consejo profesional:** Si estás ejecutando en una máquina sin GPU, el código retrocede elegantemente a la CPU, por lo que no tienes que reescribir nada. + +--- + +## Qué necesitarás + +- **Java 8+** (el código se compila con JDK 8 y versiones posteriores) +- **Aspose OCR for Java** library (descarga el último JAR desde el sitio de Aspose) +- Una **imagen de entrada** (JPEG, PNG, TIFF, etc.) que deseas convertir en un PDF buscable +- (Opcional) Una **GPU** con soporte CUDA si deseas el reconocimiento más rápido posible + +Sin frameworks adicionales, sin trucos de Maven/Gradle—solo un único JAR en el classpath y estarás listo para comenzar. + +--- + +## Paso 1: Inicializar el motor OCR – El corazón del proceso + +Primero creamos una instancia de `OcrEngine` y la apuntamos al archivo fuente. Este objeto es el motor que leerá la imagen, ejecutará la red neuronal y nos devolverá el texto. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Por qué es importante:* Inicializar el motor una vez y reutilizarlo evita la sobrecarga de cargar repetidamente bibliotecas nativas—una pequeña mejora de rendimiento que se acumula al procesar por lotes decenas de archivos. + +--- + +## Paso 2: Elegir el dispositivo de procesamiento – Usar OCR GPU cuando sea posible + +Si tu estación de trabajo tiene una GPU compatible, puedes indicar a Aspose que realice el trabajo pesado en ella. De lo contrario, el motor cambia automáticamente a la CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*¿Cuál es el beneficio?* La aceleración por GPU puede ahorrar segundos en cada página, especialmente en escaneos de alta resolución. El modo de respaldo garantiza que el mismo código funcione en cualquier lugar, por lo que recomendamos **usar OCR GPU** como configuración predeterminada. + +--- + +## Paso 3: Acelerar el escaneo – Aprovechar todos los núcleos de CPU + +Incluso cuando la GPU está ocupada, los pasos de preprocesamiento circundantes pueden paralelizarse. Configurar el número de hilos al número de procesadores disponibles le da al motor la oportunidad de procesar varios fragmentos simultáneamente. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Nota:* En un portátil de 4 núcleos esto iniciará cuatro hilos; en una estación de trabajo de 16 núcleos obtienes el beneficio completo. Solo ten en cuenta que más hilos implican un mayor uso de memoria. + +--- + +## Paso 4: Limpiar la imagen – Filtros de pre‑procesamiento + +Un escaneo borroso o ruidoso producirá texto basura. Añadir un par de filtros incorporados mejora dramáticamente la precisión. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*¿Por qué estos filtros?* `DeskewFilter` corrige la rotación que a menudo ocurre cuando un documento se alimenta al escáner en ángulo. `NoiseRemovalFilter` elimina píxeles errantes que de otro modo se interpretarían como caracteres. Piensa en ello como darle al motor OCR una hoja limpia para leer. + +--- + +## Paso 5: Activar funciones inteligentes – Habilitar corrección ortográfica y detección automática de idioma + +Si trabajas con documentos multilingües, o simplemente deseas menos errores tipográficos, activa el corrector ortográfico incorporado y permite que el motor adivine el idioma. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*¿Cuándo es útil esto?* Supongamos que tu escaneo contiene secciones en inglés y español. La función de detección automática cambia los diccionarios al instante, mientras que la corrección ortográfica limpia caracteres mal leídos como “0” por “O”. Este paso es esencial para producir un **PDF buscable** que realmente devuelva resultados correctos. + +--- + +## Paso 6: Guardar el resultado – Convertir imagen a PDF y hacerlo buscable + +Finalmente le pedimos al motor que escriba un PDF donde la imagen original se sitúa detrás de una capa de texto invisible. Este es el flujo de trabajo clásico de **convertir imagen a PDF**, pero ahora el PDF es buscable. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +El archivo de salida (`output-searchable.pdf`) puede abrirse en cualquier visor de PDF; podrás seleccionar, copiar y buscar el texto como en un PDF nativo. No se requieren herramientas adicionales. + +--- + +## Ejemplo completo listo para ejecutar – Copiar‑y‑pegar + +A continuación se muestra el programa completo, listo para compilar. Reemplaza `YOUR_DIRECTORY` con la carpeta que contiene `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Salida esperada:** Cuando ejecutes el programa verás la línea en la consola *“Searchable PDF generated successfully.”* Al abrir `output-searchable.pdf` en Adobe Reader podrás escribir una palabra de la imagen original en el cuadro de búsqueda y saltar instantáneamente a su ubicación. + +--- + +## Preguntas frecuentes y casos límite + +- **¿Qué pasa si no se detecta la GPU?** + La llamada `setDeviceType(OcrDeviceType.GPU)` no lanza una excepción; simplemente indica al motor que intente usar la GPU primero. Si falla, el motor cambia silenciosamente a la CPU. + +- **¿Puedo procesar varias imágenes en una sola ejecución?** + Sí. Envuelve el código dentro de un bucle, cambia el nombre del archivo en cada iteración y reutiliza la misma instancia de `OcrEngine` para mantener bajo el uso de memoria. + +- **Mi PDF es enorme—¿cómo lo reduzco?** + Después del OCR puedes ejecutar las APIs de optimización de PDF de Aspose, o simplemente reducir la escala de la imagen fuente antes de pasarla al motor (`ImageStream.fromFile(...).setResolution(150)` para 150 DPI). + +- **Necesito mantener la resolución original de la imagen por cumplimiento legal.** + El formato `PDF_SEARCHABLE` conserva el mapa de bits original exactamente; la capa de texto invisible se añade encima sin alterar la calidad visual. + +--- + +## Resumen visual + +![ejemplo de creación de pdf buscable](placeholder-image.png "ejemplo de creación de pdf buscable") + +*Alt text:* *ejemplo de creación de pdf buscable – motor OCR Java convirtiendo un JPG escaneado en un PDF buscable.* + +--- + +## Conclusión + +Ahora tienes una **solución completa de extremo a extremo** para convertir cualquier imagen en un **PDF buscable** usando Aspose OCR for Java. Al **convertir imagen a PDF**, **habilitar la corrección ortográfica** y **usar OCR GPU** cuando sea posible, obtienes resultados rápidos, precisos y buscables que funcionan en todas las plataformas. + +¿Qué sigue? Prueba experimentando con: + +- **Diferentes formatos de salida** (`PDF`, `DOCX`, `HTML`) para ver cómo se comporta la capa de texto. +- **Diccionarios personalizados** si estás procesando jerga específica de un dominio. +- **Procesamiento por lotes** para manejar miles de escaneos automáticamente. + +Siéntete libre de ajustar el número de hilos, cambiar filtros o conectar tu propio pipeline de preprocesamiento. El patrón central sigue siendo el mismo: cargar → preprocesar → configurar → OCR → guardar. + +¡Feliz codificación, y que tus PDFs siempre sean 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/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..635af3a37 --- /dev/null +++ b/ocr/spanish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Cómo usar OCR para extraer texto de una imagen en Java. Aprende la conversión + de imagen a texto con OCR, corrige errores de OCR y carga la imagen para OCR con + Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: es +og_description: Cómo usar OCR en Java para extraer texto de una imagen, corregir errores + de OCR y cargar la imagen para OCR usando Aspose OCR. +og_title: Cómo usar OCR en Java – Guía completa +tags: +- OCR +- Java +- Aspose +title: Cómo usar OCR en Java – Extraer texto de una imagen con corrección ortográfica +url: /es/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 una imagen con corrección ortográfica + +¿Alguna vez te has preguntado **cómo usar OCR** para convertir una foto borrosa de un recibo en texto limpio y buscable? No estás solo. En muchos proyectos —aplicaciones de seguimiento de gastos, pipelines de digitalización de facturas, o incluso un script rápido para tomar notas— obtener texto fiable de una imagen es el primer obstáculo. + +Este tutorial te muestra exactamente cómo usar OCR en Java, cubriendo todo desde cargar la imagen para OCR hasta corregir errores de OCR para que el resultado se lea como si fuera escrito por un humano. Al final, podrás **extraer texto de una imagen**, realizar la conversión **OCR de imagen a texto**, y corregir automáticamente los errores de reconocimiento más comunes. + +## Lo que vas a construir + +Crearemos un pequeño programa de consola en Java que: + +1. Carga un PNG (o cualquier formato compatible) en el motor Aspose OCR. +2. Habilita la función de corrección ortográfica incorporada para **corregir errores de OCR**. +3. Ejecuta el proceso de reconocimiento y muestra el texto limpiado. + +Sin servicios externos, sin frameworks pesados — solo un único JAR y unas pocas líneas de código. + +### Requisitos previos + +- Java Development Kit (JDK) 8 o superior. +- Maven (o cualquier herramienta de compilación) para obtener la biblioteca Aspose OCR. +- Un archivo de imagen (p. ej., `receipt.png`) que deseas analizar. + +Si te falta el JAR de Aspose OCR, agrega esta dependencia a tu `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Consejo profesional:** La versión de evaluación gratuita funciona para pruebas, pero una licencia elimina la marca de agua de evaluación. + +## Paso 1 – Inicializar el motor OCR (Palabra clave principal en acción) + +Lo primero que debes hacer es crear una instancia de `OcrEngine`. Piensa en ella como el cerebro que leerá los píxeles y los convertirá en caracteres. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Por qué es importante:* Inicializar el motor configura los recursos internos (modelos de idioma, diccionarios, etc.). Omitir este paso provocaría una `NullPointerException` más adelante cuando intentes cargar una imagen. + +## Paso 2 – Cargar imagen para OCR + +Ahora realmente **cargamos la imagen para OCR**. Aspose proporciona un práctico ayudante `ImageStream.fromFile`, pero también puedes proporcionar un `byte[]` si lo prefieres. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Trampa común:* La ruta del archivo debe ser absoluta o relativa al directorio de trabajo. Si la imagen no se encuentra, el motor lanza una `IOException`. Verifica la ruta, especialmente al ejecutar desde un IDE versus un JAR empaquetado. + +## Paso 3 – Habilitar corrección ortográfica para **corregir errores de OCR** + +El OCR listo para usar puede ser ruidoso —por ejemplo “l0ve” en lugar de “love” o “0” por “O”. Habilitar la corrección ortográfica indica al motor que ejecute una pasada de post‑procesamiento que corrige errores típicos. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Por qué querrías esto:* Sin corrección ortográfica, podrías tener que limpiar manualmente la salida, lo que anula el propósito de la automatización. El diccionario incorporado funciona bien para inglés y varios otros idiomas. + +## Paso 4 – Realizar el reconocimiento (**OCR de imagen a texto**) + +Con la imagen cargada y la corrección ortográfica habilitada, finalmente podemos pedir al motor que reconozca el texto. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Caso límite:* Si la imagen tiene bajo contraste o está muy sesgada, el resultado aún puede contener basura. Considera pre‑procesar (p. ej., binarización, corrección de inclinación) antes de enviarla al motor. + +## Paso 5 – Mostrar el texto limpiado + +El paso final es simplemente imprimir el resultado. En una aplicación real podrías escribirlo en una base de datos o en un archivo, pero para esta demostración `System.out` es suficiente. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Salida esperada + +Suponiendo que `receipt.png` contenga una lista clara de artículos, podrías ver algo como: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Observa cómo “Qty” y “Price” están escritos correctamente aunque el escaneo original tuviera un “Qy” erróneo. + +## Ejemplo completo funcionando + +A continuación tienes el programa completo que puedes copiar y pegar en un archivo llamado `SpellCorrectDemo.java`. Asegúrate de que el JAR de Aspose OCR esté en tu classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Ejecuta con: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Ahora deberías ver el texto limpiado impreso en la consola. + +## Bonus: Ajustar configuraciones para mayor precisión + +Aunque la configuración predeterminada funciona para la mayoría de documentos impresos, podrías necesitar ajustar algunos parámetros para escenarios especializados: + +| Configuración | Qué hace | Cuándo cambiar | +|---------------|----------|----------------| +| `setLanguage(OcrLanguage.English)` | Fuerza el diccionario inglés (reduce falsos positivos) | Si tu imagen contiene solo texto en inglés. | +| `setResolution(300)` | Indica al motor los DPI de la imagen fuente | Para escaneos de alta resolución. | +| `setEnableAutoSkewCorrection(true)` | Rota automáticamente páginas ligeramente inclinadas | Cuando las imágenes son capturadas con un teléfono. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Preguntas frecuentes + +**Q: ¿Funciona esto con PDFs?** +A: Sí. Convierte cada página del PDF a una imagen (p. ej., usando Aspose PDF) y pasa la imagen al motor OCR. + +**Q: ¿Qué pasa si mi imagen está en formato BMP?** +A: `ImageStream.fromFile` admite PNG, JPEG, BMP, TIFF y GIF de forma nativa. Simplemente cambia la extensión del archivo. + +**Q: ¿Puedo desactivar la corrección ortográfica?** +A: Por supuesto—establece `setEnableSpellCorrection(false)` si necesitas la salida cruda de OCR para procesamiento posterior. + +## Conclusión + +Ahora sabes **cómo usar OCR** en Java para **extraer texto de una imagen**, corregir automáticamente **errores de OCR**, y cargar correctamente **imagen para OCR** usando Aspose OCR. El flujo de cinco pasos —inicializar, cargar, habilitar corrección ortográfica, reconocer y mostrar— cubre la mayoría de las tareas cotidianas de OCR. + +A partir de aquí, considera encadenar esta lógica con una escritura en base de datos, un endpoint REST, o un procesador por lotes para manejar decenas de recibos a la vez. Experimenta con la tabla de configuraciones adicional arriba para exprimir hasta el último carácter de precisión. + +¡Feliz codificación, y que tus resultados de OCR siempre sean más limpios que tus recibos manchados de café! + +![diagrama de cómo usar OCR mostrando imagen → motor OCR → flujo de texto corregido] + +{{< /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..31f995a92 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. +### [Aspose OCR GPU-guide: Accelerera textutdragning från PNG-bilder](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +Accelerera textutdragning från PNG-bilder med GPU-stöd i Aspose OCR. Snabb och exakt OCR för Java-projekt. +### [Känn igen text från bild med Java OCR – Parallell bearbetningsguide](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Lär dig hur du använder parallell bearbetning i Aspose.OCR för Java för att snabbt känna igen text i bilder. +### [Hur du använder Aspose OCR för blandade språkbilder](./how-to-use-aspose-ocr-for-mixed-language-images/) +Lär dig extrahera text från bilder med flera språk med Aspose OCR för Java. En steg‑för‑steg‑guide för flerspråkig OCR. +### [Hur du förbättrar kontrast i OCR – Komplett Java-förbehandlingsguide](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Lär dig förbättra bildkontrast för bättre OCR‑resultat med en komplett Java‑förbehandlingsguide. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/swedish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..2a5c9ed22 --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: aspose ocr gpu-handledning visar hur man känner igen text från en bild + och extraherar text från PNG med GPU-acceleration för snabb, pålitlig OCR. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: sv +og_description: Lär dig hur du använder Aspose OCR GPU för att känna igen text från + en bild och extrahera text från PNG med GPU-acceleration i Java. +og_title: 'aspose ocr gpu Guide: Accelerera textutvinning' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Aspose OCR GPU-guide: Snabba upp textutvinning från PNG-bilder' +url: /sv/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Snabb, pålitlig textutvinning från PNG‑bilder + +Vill du förbättra din OCR‑prestanda med **aspose ocr gpu**? Med Aspose OCR GPU kan du **recognize text from image** mycket snabbare genom att utnyttja ett CUDA‑aktiverat grafikkort. Föreställ dig att bearbeta en högupplöst PNG på sekunder istället för minuter—sluta vänta på resultaten. + +I den här handledningen går vi igenom allt du behöver för att komma igång: ladda en bild för OCR, växla motorn till GPU‑läge och slutligen extrahera texten. När du är klar har du ett komplett, körbart Java‑program som **extracts text from png**‑filer med GPU‑acceleration. Ingen extern dokumentation behövs—följ bara stegen, kopiera koden, så är du redo. + +## Vad du behöver + +- **Java Development Kit (JDK) 11+** – koden använder standardfunktionerna i Java‑språket. +- **Aspose.OCR for Java** (senaste versionen per maj 2026). Du kan hämta den från Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **En CUDA‑aktiverad GPU** (NVIDIA GeForce, Quadro eller Tesla) med rätt drivrutin installerad. +- **Ett exempel på en högupplöst PNG** (t.ex. `sample-highres.png`) som du vill bearbeta. + +Om du inte har en GPU kommer koden automatiskt att falla tillbaka till CPU—kommentera bara bort GPU‑raderna. + +## Steg 1 – Ladda bilden för OCR + +Det första som varje OCR‑arbetsflöde behöver är en bildkälla. Aspose OCR tillhandahåller en bekväm `ImageStream`‑wrapper som kan läsa från en fil, en byte‑array eller till och med en URL. Här använder vi `ImageStream.fromFile` eftersom det är det enklaste för lokal utveckling. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Varför detta är viktigt:** Att ladda bilden korrekt säkerställer att OCR‑motorn får exakt de pixeldata den behöver. Att använda `ImageStream.fromFile` hanterar också vanliga PNG‑särdrag (alfakanal, färgdjup) automatiskt. + +## Steg 2 – Aktivera GPU‑acceleration (aspose ocr gpu) + +Nu kommer magin: att tala om för Aspose att köra på GPU:n. `OcrDevice`‑objektet i motorn låter dig välja enhetstyp (`CPU` eller `GPU`) och, om du har mer än en GPU, det specifika enhets‑ID:t. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Proffstips:** Om du får felmeddelandet `CUDA driver not found`, dubbelkolla att NVIDIA‑drivrutinen matchar den CUDA‑version som krävs av Aspose OCR (vanligtvis CUDA 11.x för 23.x‑utgåvan). +> **Edge case:** När du kör på en huvudlös server, se till att GPU:n inte är låst av en annan process; annars kommer OCR‑anropet tyst att falla tillbaka till CPU. + +## Steg 3 – Känn igen text från bild + +När bilden är laddad och enheten är inställd kan du äntligen köra OCR‑motorn. Metoden `recognize()` returnerar ett `OcrResult`‑objekt som innehåller ren text, förtroendescore och även avgränsningsrutor om du behöver dem senare. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +När du kör programmet bör du se något liknande: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Vad du ser:** Den råa strängen som extraherats från PNG‑filen. Om bilden innehåller tabeller eller flerkolumnslayouter kan du aktivera `LayoutAnalysis` på motorn för bättre resultat (utanför räckvidden för den här snabba guiden). + +## Steg 4 – Verifiera att GPU:n faktiskt används + +Det är lätt att anta att GPU:n gör det tunga arbetet, men en snabb kontroll kan spara dig timmar av felsökning. Aspose OCR skriver en liten loggpost när den initierar enheten. + +Lägg till detta kodsnutt precis efter att du har ställt in enhetstypen: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Om utskriften visar `GPU` är du klar. Om den visar `CPU`, gå igenom din drivrutinsinstallation igen eller se till att miljövariabeln `CUDA_HOME` pekar på rätt verktygssats‑mapp. + +## Vanliga fallgropar & hur du undviker dem + +| Symptom | Trolig orsak | Lösning | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA‑runtime saknas i `PATH` | Lägg till CUDA‑`bin`‑mappen i ditt systems `PATH` eller sätt `java.library.path`. | +| OCR returnerar tom sträng | Bilden laddades inte korrekt (fel sökväg eller format som inte stöds) | Dubbelkolla filvägen och verifiera att PNG‑filen inte är korrupt. | +| Prestanda liknar CPU | GPU faller tillbaka på grund av drivrutin‑mismatch | Uppdatera NVIDIA‑drivrutinen till den version som anges i Aspose OCR:s release‑noteringar. | +| Minnesbrist på stora bilder | GPU‑minnet är uttömt | Minska bildens upplösning eller dela upp bilden i flera delar innan bearbetning. | + +## Bonus: Falla tillbaka till CPU när GPU inte är tillgänglig + +Ibland kan du köra samma kod på en utvecklingslaptop utan en CUDA‑kapabel GPU. Att omsluta enhetsvalet i ett try‑catch‑block gör programmet robust. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Nu fungerar samma binär överallt, och du får fortfarande hastighetsökningen där hårvaran tillåter det. + +## Fullt, färdigt‑att‑köra‑exempel + +Nedan är den kompletta Java‑klassen som innehåller alla stegen, kontrollerna och fallback‑logiken som diskuterats ovan. Kopiera‑klistra in den i din IDE, justera bildens sökväg och kör den. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Förväntad utskrift** (förutsatt att PNG‑filen innehåller enkel engelsk text): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Om GPU:n inte finns kommer du att se “CPU” i den sista raden istället. + +## Visuell översikt + +Nedan är ett snabbt diagram över dataflödet—från att ladda PNG‑filen till att få tillbaka ren text. Bildens alt‑text innehåller huvudnyckelordet för SEO. + +![aspose ocr gpu arbetsflöde – ladda bild, aktivera GPU, känna igen text] + +*Alt text: aspose ocr gpu arbetsflöde som visar hur man laddar bild för ocr, aktiverar GPU‑acceleration och extraherar text från png.* + +## Sammanfattning & nästa steg + +Vi har just gått igenom hur man **aspose ocr gpu**‑accelererar processen att **recognize text from image** och **extract text from png**‑filer. De viktigaste slutsatserna: + +1. **Ladda bilden** med `ImageStream.fromFile`. +2. **Aktivera GPU** via `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Kör `recognize()`** och läs `ocrResult.getText()`. +4. **Validera enheten** och falla elegant tillbaka till CPU när det behövs. + +Redo att tänja på gränserna? Prova dessa experiment: + +- **Batch‑bearbetning:** Loopa igenom en katalog med PNG‑filer och skriv varje resultat till en `.txt`‑fil. +- **Layout‑analys:** Aktivera `ocrEngine.getOptions().setDetectDocumentStructure(true)` för att bevara kolumner och tabeller. +- **Multi‑GPU‑skalning:** Om din arbetsstation har flera GPU:er, starta parallella trådar, var och en bunden till ett annat `deviceId`. + +Dessa tillägg kommer att fördjupa din behärskning av **gpu accelerated ocr** och öppna dörren till storskaliga dokumentdigitaliseringsprojekt. + +--- + +*Lycka till med kodandet! Om du stöter på problem, lämna en kommentar nedan—jag hjälper gärna till att felsöka.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/swedish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..9d5c987de --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,215 @@ +--- +category: general +date: 2026-05-06 +description: Hur man förbättrar kontrasten samtidigt som man lär sig att förbehandla + bild, ta bort brus och korrigera bildrotation för pålitlig OCR‑textigenkänning. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: sv +og_description: Hur man förbättrar kontrasten i OCR‑bilder, samt hur man förbehandlar + bilden, tar bort brus och korrigerar bildrotation för exakt textigenkänning. +og_title: Hur man förbättrar kontrast i OCR – Steg‑för‑steg Java‑guide +tags: +- OCR +- Java +- Image Processing +title: Hur man förbättrar kontrasten i OCR – Komplett Java‑förbehandlingsguide +url: /sv/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hur man förbättrar kontrast i OCR – Komplett Java‑förbehandlingsguide + +Har du någonsin undrat **how to enhance contrast** så att din OCR‑motor faktiskt läser texten istället för att sputta ut nonsens? Du är inte ensam. De flesta utvecklare stöter på problem när källbilden är mörk, snedvriden eller full av prickar, och resultatet blir ett frustrerande “recognize text from image”-misslyckande. + +Den goda nyheten? Genom att tillämpa några smarta förbehandlingssteg—**how to preprocess image**, **how to remove noise**, och **correct image rotation**—kan du förvandla en brusig, lågkontrast‑PNG till en ren canvas som OCR‑motorn älskar. I den här handledningen går vi igenom ett verkligt Java‑exempel med Aspose.OCR, förklarar varför varje filter är viktigt, och visar dig exakt **how to enhance contrast** för en rock‑solid igenkänning. + +--- + +## Vad du kommer att lära dig + +- Syftet med varje förbehandlingsfilter (deskew, noise removal, contrast enhancement). +- **How to preprocess image** med Aspose.OCR i Java, steg för steg. +- Praktiska tips för **how to remove noise** och **correct image rotation** före OCR. +- Den exakta koden du kan kopiera‑klistra, köra och se resultatet av **recognize text from image**. + +> **Prerequisites** – Java 17+, Maven eller Gradle, och en Aspose.OCR för Java-licens (en gratis provversion fungerar för testning). Inga andra tredjepartsbibliotek krävs. + +--- + +## Steg 1 – Ställ in projektet och importera Aspose.OCR + +Innan vi kan prata om **how to enhance contrast**, behöver vi ett fungerande Java‑projekt med OCR‑motorn ombord. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Om du föredrar Gradle, är motsvarigheten: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Skapa en enkel `src/main/java/PreprocessDemo.java`‑fil och importera de nödvändiga klasserna: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** Håll IDE:ns auto‑import‑funktion på; det sparar mycket fram‑och‑tillbaka. + +--- + +## Steg 2 – Ladda bilden du vill rengöra + +Nu när biblioteket är klart, låt oss besvara den första delen av **how to preprocess image**: att ladda den. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Vid detta tillfälle har motorn en lågkvalitativ PNG som sannolikt lider av dålig kontrast, rotation och prickigt brus. Om du öppnar filen ser du exakt varför OCR skulle snubbla. + +--- + +## Steg 3 – Applicera filter: Deskew, Noise Removal, **How to Enhance Contrast** + +Detta är kärnan i handledningen—**how to enhance contrast** samtidigt som rotation och brus hanteras. Aspose.OCR levereras med tre färdiga filter: + +| Filter | Vad den gör | Varför den är viktig för OCR | +|--------|--------------|------------------------------| +| `DeskewFilter` | Detekterar och korrigerar bildrotation | Säkerställer **correct image rotation**, så att tecknen inte är snedställda. | +| `NoiseRemovalFilter` | Minskar slumpmässiga prickar och bakgrundsbrus | Implementerar **how to remove noise** så att motorn bara ser bokstäverna. | +| `ContrastEnhancementFilter` | Ökar skillnaden mellan förgrundstext och bakgrund | Svarar direkt på **how to enhance contrast**, så att svaga streck framträder. | + +Lägg till dem i den ordning som visas—deskew först, sedan noise removal, sedan contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Varför denna ordning?** +> • Deskew fungerar bäst på den råa pixelmatrisen; rotation av en brusig bild kan förstärka artefakter. +> • Att rensa bort bruset innan kontrasten ökas förhindrar att filtret förstärker prickar. +> • Slutligen gör kontrastförstärkning de rengjorda pixlarna tydliga, vilket är exakt **how to enhance contrast** för OCR. + +--- + +## Steg 4 – Kör OCR‑motorn och **Recognize Text from Image** + +Med förbehandlingspipeline på plats anropar vi slutligen OCR‑motorn. Detta steg svarar på den ultimata frågan: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +När du kör `java PreprocessDemo` bör du se ren, läsbar text istället för en förvrängd röra. Typisk output för en exempel‑faktura kan se ut så här: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Om resultatet fortfarande ser suddigt ut, överväg att justera `ContrastEnhancementFilter`‑parametrarna (t.ex. `setLevel(1.5)`) eller dubbelkolla att källbilden inte är komprimerad bortom återställning. + +--- + +## Steg 5 – Visuell kontroll: Före & Efter (Valfritt) + +Att se är att tro. Nedan är en platshållarillustration som jämför originalfilen med den bearbetade versionen. Alt‑texten nämner uttryckligen huvudnyckelordet för SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Om du kör koden på din egen bild kommer du att märka samma dramatiska förbättring i läsbarhet.* + +--- + +## Vanliga fallgropar & hur man åtgärdar dem + +| Problem | Varför det händer | Åtgärd | +|---------|-------------------|--------| +| Texten är fortfarande suddig efter kontrastökning | Filternivån är för låg eller bildens upplösning otillräcklig | Öka `ContrastEnhancementFilter`‑nivån (`new ContrastEnhancementFilter(1.8)`) eller förstora bilden innan bearbetning. | +| OCR returnerar en tom sträng | Bilden var helt mörk eller alla pixlar togs bort av brusfiltren | Minska aggressiviteten hos `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Tecknen är fortfarande snedställda | Deskew missade vinkeln eftersom bilden var kraftigt brusig | Kör `DeskewFilter` **efter** ett lätt brusreduceringssteg, eller sätt rotationsvinkeln manuellt med `DeskewFilter.setAngle(2.5)`. | +| Oväntade Unicode‑symboler | OCR‑språket är inte korrekt inställt | Anropa `ocrEngine.setLanguage(OcrLanguage.English);` innan `recognize()`. | + +--- + +## Utöka pipeline‑n – Vad om du behöver mer? + +Ibland kan du behöva **how to preprocess image** för färgskanningar eller PDF‑filer. Aspose.OCR erbjuder också: + +- `BinarizationFilter` – konverterar till ren svart‑vit, utmärkt för högkontrasttext. +- `ResizeFilter` – förstorar små teckensnitt innan OCR. +- `SharpenFilter` – framhäver kanter för svag handskrift. + +Du kan kedja dem precis som de tre grundfiltren som visades tidigare. Kom ihåg att ordningen fortfarande är viktig: resize → denoise → binarize → contrast → deskew är ett vanligt recept. + +--- + +## Sammanfattning: Från brusig PNG till ren text + +- **How to enhance contrast**: använd `ContrastEnhancementFilter` efter deskew och noise removal. +- **How to preprocess image**: ladda, lägg till filter, och kör sedan OCR. +- **How to remove noise**: `NoiseRemovalFilter` rengör bakgrunden utan att förstöra textsteg. +- **Correct image rotation**: `DeskewFilter` justerar textbaslinjen, en förutsättning för exakt igenkänning. +- **Recognize text from image**: anropa `ocrEngine.recognize()` och läs `ocrResult.getText()`. + +Alla dessa steg tillsammans ger dig en robust pipeline som fungerar för skannade fakturor, kvitton och även gamla tryckta böcker. + +--- + +## Vad blir nästa? + +- **Experiment**: Justera filterparametrar och observera effekten på OCR‑noggrannheten. +- **Batch processing**: Inslå logiken i en loop för att hantera hela mappar med bilder. +- **Integration**: Skicka OCR‑resultatet till en databas eller en PDF‑generator för helautomatisering. + +Om du är nyfiken på andra bildförbättringstrick—som adaptiv tröskelvärde eller färg‑inversion—kolla in Asposes officiella dokumentation eller guiden “Advanced Image Pre‑processing with Aspose.OCR”. + +### Lycka till med kodningen! + +Nu vet du **how to enhance contrast** och hela förbehandlingshistorien som förvandlar en rörig skanning till ren, sökbar text. Lämna en kommentar om du stöter på problem, eller dela hur du har anpassat pipeline:n för dina egna projekt. Låt oss hålla OCR‑diskussionen igång! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/swedish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..776b681a2 --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Hur man använder Aspose OCR för att känna igen text från en bild, aktivera + automatisk språkdetektering och förbättra OCR-hastigheten i Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: sv +og_description: Hur du använder Aspose OCR för att snabbt känna igen text från en + bild, aktivera automatisk språkdetektering och förbättra OCR-hastigheten i Java. +og_title: Så använder du Aspose OCR för flerspråkiga bilder +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Hur man använder Aspose OCR för flerspråkiga bilder +url: /sv/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Hur man använder Aspose OCR för blandade språkbilder + +Har du någonsin undrat **hur man använder Aspose** för att extrahera text från en bild som innehåller flera språk samtidigt? Du är inte ensam—utvecklare stöter ofta på problem när en bild blandar engelska, ryska, hindi eller något annat skriftsystem. Den goda nyheten är att Aspose OCR hanterar detta smidigt, och du kan till och med **recognize text from image** snabbare genom att begränsa språkuppsättningen. + +I den här handledningen går vi igenom ett komplett, färdigt‑att‑köra Java‑exempel som **loads image for OCR**, aktiverar **automatic language detection**, och visar ett enkelt trick för att **improve OCR speed**. I slutet har du ett självständigt program som skriver ut den extraherade texten till konsolen, och du kommer att förstå varför varje inställning är viktig. + +> **Prerequisites** – Java 17+ installerat, Maven eller Gradle för beroendehantering, och en Aspose OCR‑licens (gratis provversion fungerar för utvärdering). Inga andra bibliotek krävs. + +--- + +## Steg 1 – Lägg till Aspose OCR i ditt projekt + +Innan du kan **use Aspose**, behöver du biblioteket på din classpath. Med Maven ser det här ut: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Om du föredrar Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Håll dig till den senaste stabila versionen; nyare versioner innehåller ofta prestandaförbättringar som direkt påverkar **improve OCR speed**. + +--- + +## Steg 2 – Skapa OCR‑motorn instans + +Kärnan i varje Aspose OCR‑arbetsflöde är `OcrEngine`. Att instansiera den är enkelt, men det är värt att notera att motorn har interna cachar. Att återanvända en enda instans över många bilder kan faktiskt **improve OCR speed** eftersom biblioteket undviker upprepad native initialisering. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Steg 3 – **Load Image for OCR** + +Aspose accepterar många bildformat (PNG, JPEG, TIFF, BMP). Här demonstrerar vi hur man laddar en PNG som innehåller engelska, ryska och hindi‑text. Hjälpfunktionen `ImageStream.fromFile` abstraherar fil‑I/O‑detaljer och säkerställer att bilden strömmas korrekt in i motorn. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** Använd `ImageStream.fromByteArray(byte[])` istället—perfekt för webbtjänster som tar emot bilder som byte‑strömmar. + +--- + +## Steg 4 – Aktivera automatisk språkdetection + +Som standard antar Aspose OCR ett enda språk, vilket kan leda till förvrängd output på flerspråkiga bilder. Att slå på automatisk detection får motorn att sniffa skriptet för varje textblock innan igenkänning. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Steg 5 – **Improve OCR Speed** genom att begränsa språkpoolen + +Full auto‑detect skannar varje språk som Aspose stödjer (över 70). Om du känner till de möjliga språken i förväg kan du ge motorn en ledtråd. Att tillhandahålla en mindre array minskar sökrymden och därför **improves OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** Motorn hoppar över språkmodeller den inte behöver, vilket sparar CPU‑cykler och minne. Om du senare lägger till fler språk, uppdatera bara arrayen—ingen kodomskrivning krävs. + +--- + +## Steg 6 – Utför igenkänning och **Recognize Text from Image** + +Nu sker det tunga arbetet. `recognize()` returnerar ett `OcrResult`‑objekt som innehåller ren text, förtroendescore och även layoutinformation om du behöver den senare. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Förväntad konsolutmatning + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Om bilden innehåller extra brus eller snedvriden text kan du se lägre förtroende för de raderna. I så fall, överväg att förprocessa bilden (deskew, binarisering) innan du matar den till Aspose. + +--- + +## Vanliga frågor & kantfall + +### Vad händer om bilden är enorm (t.ex. >10 MP)? + +Stora bilder förbrukar mer minne och kan sakta ner bearbetningen. Ett snabbt sätt att **improve OCR speed** är att skala ner bilden samtidigt som läsbarheten bevaras: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Hur hanterar jag höger‑till‑vänster‑skript som arabiska? + +Aspose OCR respekterar automatiskt skrivriktning, men du kan vilja sätta `RightToLeft`‑flaggan för efterbehandling: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Kan jag extrahera text från PDF:er istället för bilder? + +Ja—konvertera varje PDF‑sida till en bild (med Aspose PDF eller någon rasterizer) och mata resultatet till samma OCR‑pipeline. Samma **recognize text from image**‑logik gäller. + +--- + +## Fullt fungerande exempel (klar för kopiera‑klistra) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Spara filen som `MixedLanguageDemo.java`, kompilera med `javac` och kör med `java MixedLanguageDemo`. Om allt är korrekt konfigurerat kommer du att se den flerspråkiga texten skriven till konsolen. + +--- + +## Slutsats + +Du vet nu **how to use Aspose** för att **recognize text from image**‑filer som innehåller flera språk, hur du **enable automatic language detection**, och ett praktiskt tips för att **improve OCR speed** genom att begränsa språkpoolen. Koden ovan är klar för kopiera‑klistra, och förklaringarna bör ge dig förtroende att anpassa lösningen—oavsett om du behöver **load image for OCR** från en ström, en byte‑array eller till och med en webbkamerasnapshot. + +Nästa steg? Prova att experimentera med: + +* Lägga till bild‑förprocessning (avlägsna brus, binarisera) för lågkvalitativa skanningar. +* Exportera `OcrResult` som JSON för downstream‑tjänster. +* Integrera motorn i en Spring Boot REST‑endpoint så att klienter kan ladda upp bilder och omedelbart få extraherad text. + +Lycka till med kodningen, och må dina OCR‑pipelines vara snabba, korrekta och flerspråkiga! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/swedish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..10703ccc3 --- /dev/null +++ b/ocr/swedish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,205 @@ +--- +category: general +date: 2026-05-06 +description: igenkänna text från bild snabbt med ett Java OCR‑exempel. Lär dig att + extrahera text från tiff‑filer med parallell OCR‑behandling och hur du OCR:ar Java + effektivt. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: sv +og_description: Känn igen text från bild snabbt med ett komplett Java OCR‑exempel. + Den här handledningen visar hur man extraherar text från tiff med parallell OCR‑behandling. +og_title: Igenkänna text från en bild med Java OCR – Guide för parallell bearbetning +tags: +- OCR +- Java +- Image Processing +title: Igenkänna text från bild med Java OCR – Guide för parallell bearbetning +url: /sv/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# igenkänna text från bild med Java OCR – Guide för parallell bearbetning + +Har du någonsin behövt **recognize text from image** filer men känt dig fast i en prestandaflaskhals? Du är inte ensam. Många utvecklare stöter på problem när en enkeltrådad OCR-motor går igenom fler‑sidiga TIFF‑filer, vilket förvandlar en snabb uppgift till ett maraton. + +I den här handledningen går vi igenom ett **java ocr example** som inte bara extraherar text från tiff‑filer utan också utnyttjar alla dina CPU‑kärnor för parallell ocr‑bearbetning. När du är klar vet du exakt *how to ocr java* projekt effektivt, och du har ett färdigt kodexempel som du kan lägga in i vilken Maven‑ eller Gradle‑miljö som helst. + +## Vad du kommer att lära dig + +- Installera Aspose.OCR‑biblioteket i ett Java‑projekt. +- Läs in en fler‑sidig TIFF och förbered den för igenkänning. +- Aktivera **parallel OCR processing** genom att matcha trådräkningen med dina logiska CPU‑kärnor. +- Hämta och visa den igenkända texten, vilket slutför **recognize text from image**‑arbetsflödet. + +> **Förutsättning:** Java 8 eller nyare och en giltig Aspose.OCR för Java‑licens (eller en tillfällig utvärderingsnyckel). Inga andra externa verktyg krävs. + +--- + +## Steg 1: Lägg till Aspose.OCR‑beroende + +Innan vi kan **recognize text from image** behöver vi OCR‑motorn på classpath. Om du använder Maven, lägg till följande i din `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +För Gradle är motsvarande: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Pro tip:* Håll versionsnumret uppdaterat; nyare versioner innehåller ofta prestandaförbättringar som gör **parallel ocr processing** ännu snabbare. + +--- + +## Steg 2: Förbered Java‑klassen – Fullt fungerande exempel + +Nedan är ett självständigt **java ocr example** som demonstrerar hur man **extract text from tiff** med alla tillgängliga CPU‑kärnor. Spara detta som `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Varför varje rad är viktig** + +- **Engine creation**: `OcrEngine` kapslar in allt tungt arbete. Utan den kan du inte **recognize text from image** alls. +- **Image loading**: `ImageStream.fromFile` stöder TIFF, PNG, JPEG osv. Att använda en fler‑sidig TIFF testar motorns förmåga att hantera komplexa dokument. +- **Thread count**: `Runtime.getRuntime().availableProcessors()` returnerar antalet logiska kärnor (inklusive hyper‑threads). Att sätta detta värde triggar **parallel ocr processing**, vilket dramatiskt minskar körtiden på maskiner med flera kärnor. +- **Recognition**: `engine.recognize()` kör OCR‑pipeline. Internt delar den upp sidor över trådpoolen du definierat. +- **Result handling**: `result.getText()` returnerar en enda `String` som innehåller den sammanslagna texten från alla sidor – perfekt för efterföljande bearbetning eller lagring. + +--- + +## Steg 3: Kör demon och verifiera output + +Kompilera och kör programmet: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Du bör se något liknande: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Om konsolen skriver ut den förväntade texten, grattis—du har framgångsrikt **recognize text from image** med ett **java ocr example** som körs parallellt. + +--- + +## Steg 4: Justera för verkliga scenarier (valfritt) + +### Extrahera text från specifika sidor endast + +Ibland behöver du bara vissa sidor från en stor TIFF. Du kan filtrera efter igenkänning: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Justera trådräkning manuellt + +Om din server redan är upptagen med andra uppgifter kan du begränsa OCR‑trådarna: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Hantera minneskrävande TIFF‑filer + +Stora fler‑sidiga TIFF‑filer kan förbruka mycket RAM. För att mildra detta, behandla filen i delar: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Steg 5: Vanliga fallgropar & hur man undviker dem + +| Problem | Symptom | Lösning | +|-------|---------|-----| +| **Insufficient license** | Runtime throws `LicenseException` | Apply a valid license file or use the free evaluation mode (adds a watermark). | +| **Wrong file path** | `FileNotFoundException` | Double‑check the path and use absolute paths during testing. | +| **CPU throttling** | No speed gain despite `setThreadCount` | Ensure your JVM isn’t limited by `-Xmx` memory caps or OS power‑saving settings. | +| **Unsupported image format** | `UnsupportedFormatException` | Convert the image to TIFF, PNG, or JPEG before feeding it to the engine. | + +--- + +## Visuell sammanfattning + +![exempel på recognize text from image](image-placeholder.png "recognize text from image") + +*Alt text:* “Diagram som visar flödet av recognize text from image med Java OCR och parallell bearbetning” + +--- + +## Slutsats + +Vi har just gått igenom ett komplett **java ocr example** som **recognize text from image** filer, specifikt fler‑sidiga TIFF‑filer, samtidigt som vi utnyttjar **parallel ocr processing** fullt ut. Genom att matcha trådpoolen till dina CPU‑kärnor får du nästan linjär hastighetsökning på modern hårdvara—precis svaret på “*how to ocr java* efficiently?” + +Nästa steg kan vara att utforska: + +- **extract text from tiff** filer i batcher och lagra resultaten i en databas. +- Kombinera OCR med NLP‑bibliotek (t.ex. OpenNLP) för att automatiskt märka extraherade entiteter. +- Distribuera lösningen som en mikrotjänst bakom en REST‑endpoint för OCR på begäran. + +Prova det, justera trådräkningen och se hur mycket snabbare din pipeline blir. Om du stöter på problem, lämna en kommentar nedan—lycklig kodning! + +{{< /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..80e7a8957 100644 --- a/ocr/swedish/java/ocr-operations/_index.md +++ b/ocr/swedish/java/ocr-operations/_index.md @@ -79,8 +79,14 @@ Lås upp exakt textutvinning från bilder med Aspose.OCR för Java. Följ vår s Lås upp kraften i OCR i Java med Aspose.OCR. Känn igen text i PDF‑dokument enkelt. Förbättra dina applikationer med precision och hastighet. ### [OCR‑igenkänning av TIFF‑bilder i Aspose.OCR för Java](./recognize-tiff/) 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/) +### [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. +### [Hur du använder OCR i Java – Extrahera text från bild med stavningskorrigering](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Lär dig hur du använder OCR i Java för att extrahera text från bilder och korrigera stavfel automatiskt. +### [Skapa sökbar PDF från bild – steg‑för‑steg Java‑guide](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Lär dig hur du konverterar en bild till en sökbar PDF med Aspose.OCR för Java, steg för steg med kodexempel. +### [Skapa sökbar PDF från bild med Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Lär dig hur du med Aspose.OCR för Java omvandlar en bild till en sökbar PDF på några enkla steg. ## Vanliga frågor diff --git a/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..acd3567d4 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,189 @@ +--- +category: general +date: 2026-05-06 +description: Skapa en sökbar PDF från en bild med Aspose OCR. Lär dig hur du konverterar + en bild till PDF, OCR:ar bilden till PDF och extraherar text från bilden på några + minuter. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: sv +og_description: Skapa sökbar PDF från en bild med Aspose OCR. Följ den här guiden + för att konvertera JPG till en sökbar PDF, extrahera text från bilden och mer. +og_title: Skapa sökbar PDF från bild – Komplett Java-handledning +tags: +- Java +- OCR +- PDF +- Aspose +title: Skapa sökbar PDF från bild – Steg‑för‑steg Java‑guide +url: /sv/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Skapa sökbar PDF från bild – Komplett Java‑handledning + +Har du någonsin behövt **create searchable PDF** från ett skannat foto men var osäker på vilket bibliotek du ska välja? Du är inte ensam. I många projekt—tänk automatisering av utgiftsrapporter eller digital arkivering—är förmågan att omvandla en vanlig bild till en PDF som du faktiskt kan söka i en game‑changer. + +Det är därför vi i den här handledningen går igenom hela processen att **convert image to PDF**, köra OCR på den och sluta med en **searchable PDF** som du kan släppa in i vilket dokumentflöde som helst. Vi kommer också att beröra **extract text from image** och visa hur du **convert jpg to searchable pdf** utan mycket boilerplate‑kod. + +## Vad du kommer att lära dig + +- Den exakta Maven/Gradle‑beroende du behöver för Aspose OCR. +- Hur du laddar en JPG (eller någon annan stödd bild) i OCR‑motorn. +- Varför det är viktigt att spara med `OcrSaveFormat.PDF_SEARCHABLE`. +- Vanliga fallgropar (stora bilder, format som inte stöds) och hur du undviker dem. +- Hur du verifierar att den resulterande PDF‑filen verkligen innehåller sökbar text. + +I slutet av den här guiden har du en färdig‑att‑köra Java‑klass som producerar en searchable PDF med ett enda metodanrop. Inga externa kommandoradsverktyg, inga extra OCR‑motorer—bara ren Java. + +--- + +## Förutsättningar + +| Krav | Varför det är viktigt | +|-------------|----------------| +| Java 8 eller nyare | Aspose OCR använder moderna språkfunktioner. | +| Maven eller Gradle (för beroendehantering) | Gör det enkelt att hämta Aspose OCR‑JAR‑filen. | +| En exempelbild (`input.jpg`) placerad i en känd mapp | Koden förväntar sig en filsökväg; du kan byta ut den mot PNG, BMP osv. | +| Valfritt: en PDF‑visare med sökfunktion (Adobe Reader, Foxit, osv.) | För att bekräfta att PDF‑filen verkligen är sökbar. | + +Om du redan har dessa, bra—låt oss dyka ner. + +--- + +## Steg 1: Lägg till Aspose OCR i ditt projekt + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Den kostnadsfria utvärderingsversionen lägger till ett litet vattenstämpel på första sidan. För produktion, skaffa en licens från Aspose och anropa `License license = new License(); license.setLicense("Aspose.OCR.lic");` innan du instansierar `OcrEngine`. + +## Steg 2: Ladda bilden du vill konvertera + +Vi kommer att använda `ImageStream.fromFile` för att läsa bilden direkt från disken. Denna metod stöder JPG, PNG, TIFF och många andra format, så du kan **convert image to PDF** oavsett källa. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** OCR‑motorn behöver en bitmap‑representation av texten. Att tillhandahålla en högupplöst bild (300 dpi eller högre) förbättrar avsevärt igenkänningsnoggrannheten, vilket i sin tur ger dig bättre **extract text from image**‑resultat. + +## Steg 3: Kör OCR och spara som en searchable PDF + +Magin sker när du anropar `save` med formatet `PDF_SEARCHABLE`. Under huven skapar Aspose OCR ett dolt textlager som ligger ovanpå den ursprungliga bilden, vilket förvandlar en statisk bild till en **searchable PDF**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Om du föredrar en vanlig PDF utan det dolda lagret, byt `PDF_SEARCHABLE` mot `PDF`. Men för de flesta arkiveringsscenarier är den searchable‑varianten den du vill ha. + +## Steg 4: Verifiera resultatet + +När programmet är klart, öppna `searchable.pdf` i någon PDF‑visare och prova den inbyggda sökfunktionen (Ctrl + F). Om du kan hitta ord som ursprungligen bara fanns i bilden, grattis—du har framgångsrikt **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** Mycket stora bilder (> 10 MB) kan orsaka `OutOfMemoryError`. För att mildra detta, skala ner bilden i förväg med `java.awt.Image` eller ett bibliotek som Thumbnailator. + +## Fullt fungerande exempel + +Nedan är den kompletta, fristående Java‑klassen. Kopiera‑klistra in den i din IDE, justera sökvägarna och kör—inga extra steg behövs. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +När du öppnar `YOUR_DIRECTORY/searchable.pdf` bör du kunna söka efter vilket ord som helst som förekommer i `input.jpg`. Det är kärnan i **convert jpg to searchable pdf**. + +## Vanliga frågor (FAQ) + +### Kan jag bearbeta flera bilder samtidigt? + +Ja. Loopa över en lista med filsökvägar, anropa `setImage` för varje, och antingen lägg till sidor i en enda PDF (`PDF_SEARCHABLE`) eller generera separata PDF‑filer. Kom bara ihåg att återställa motorens tillstånd mellan iterationer (`ocrEngine.clear()`). + +### Vad händer om OCR‑noggrannheten är låg? + +- Se till att källbilden är minst 300 dpi. +- Använd `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` för att låsa språket. +- Förbehandla bilden (räta upp, öka kontrast) med ett bibliotek som OpenCV. + +### Stöder Aspose OCR andra språk? + +Absolut. `OcrLanguage`‑enumet innehåller franska, tyska, kinesiska, arabiska och många fler. Byt språk innan du anropar `save`. + +### Hur bäddar jag in den searchable PDF i ett befintligt dokument? + +Behandla utdata som vilken vanlig PDF som helst. Använd ett PDF‑sammanfogningsbibliotek (t.ex. iText eller Aspose PDF) för att sammanfoga den med andra PDF‑filer. + +## Tips & tricks från frontlinjen + +- **Pro tip:** Om du behöver en mycket liten filstorlek, anropa `ocrEngine.getConfig().setCompress(true);` innan du sparar. +- **Watch out for:** Bilder med transparent bakgrund—Aspose OCR behandlar transparens som vit, vilket kan påverka kontrasten. +- **Remember:** Den searchable PDF är fortfarande en rasterbild underliggande. Om du behöver en helt vektorbaserad PDF måste du återskapa layouten manuellt. + +## Slutsats + +Vi har just gått igenom allt du behöver för att **create searchable PDF**‑filer från bilder med Aspose OCR i Java. Från att lägga till Maven‑beroendet till att verifiera det dolda textlagret är processen enkel och helt programmerbar. Nu kan du **convert image to pdf**, **ocr image to pdf**, och till och med **extract text from image** utan att lämna din IDE. + +Redo för nästa steg? Prova batch‑bearbetning av en mapp med skannade kvitton, eller kombinera detta arbetsflöde med en molnlagringstrigger (AWS Lambda, Azure Functions) för att automatisera dokument‑intags‑pipelines. Möjligheterna är oändliga—kör igång och experimentera! + +Om du stöter på problem eller har idéer för förbättringar, lämna en kommentar nedan. Happy coding! + +![Diagram som visar flödet: bild → OCR‑motor → searchable PDF](image-placeholder.png "skapa searchable pdf flödesschema") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..bfb5ba9d3 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,226 @@ +--- +category: general +date: 2026-05-06 +description: Skapa sökbar PDF från en bild med Aspose OCR i Java. Lär dig att konvertera + bild till PDF, aktivera stavningskorrigering och använda OCR‑GPU för snabba resultat. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: sv +og_description: Skapa sökbar PDF från en bild med Aspose OCR i Java. Denna guide visar + hur du konverterar en bild till PDF, aktiverar stavningskorrigering och använder + OCR GPU. +og_title: Skapa sökbar PDF från bild med Java OCR +tags: +- OCR +- Java +- PDF +title: Skapa sökbar PDF från bild med Java OCR +url: /sv/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Skapa sökbar PDF från bild med Java OCR + +Har du någonsin behövt **skapa en sökbar PDF** från en skannad bild men inte vetat var du ska börja? Du är inte ensam – de flesta utvecklare stöter på detta hinder när de första gången hanterar bild‑baserade PDF‑filer. Lyckligtvis kan du med Aspose OCR för Java **konvertera bild till PDF**, göra texten valbar och till och med lägga till stavningskorrigering för ett polerat resultat. + +I den här handledningen går vi igenom ett komplett, färdigt exempel som visar hur du **använder OCR GPU** när den finns tillgänglig, hur du **effektivt bearbetar bild‑OCR**, och varför aktivering av stavningskorrigering är viktigt för efterföljande sökningar. När du är klar har du ett ett‑klicks‑sätt att generera en sökbar PDF som du kan leverera till användare eller arkivera för efterlevnad. + +> **Proffstips:** Om du kör på en maskin utan GPU faller koden automatiskt tillbaka till CPU, så du behöver inte skriva om något. + +--- + +## Vad du behöver + +- **Java 8+** (koden kompileras med JDK 8 och nyare) +- **Aspose OCR för Java**‑biblioteket (ladda ner den senaste JAR‑filen från Aspose‑sidan) +- En **indata‑bild** (JPEG, PNG, TIFF, osv.) som du vill omvandla till en sökbar PDF +- (Valfritt) Ett **GPU** med CUDA‑stöd om du vill ha den snabbaste möjliga igenkänningen + +Inga extra ramverk, ingen Maven/Gradle‑magik – bara en enda JAR på klassvägen och du är klar. + +--- + +## Steg 1: Initiera OCR‑motorn – Processens hjärta + +Först skapar vi en `OcrEngine`‑instans och pekar den på källfilen. Detta objekt är arbetshästen som läser bilden, kör det neurala nätverket och ger oss tillbaka texten. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Varför detta är viktigt:* Att initiera motorn en gång och återanvända den undviker overheaden av att upprepade gånger ladda in native‑bibliotek – en liten prestandafördel som blir märkbar när du batch‑processar dussintals filer. + +--- + +## Steg 2: Välj bearbetningsenhet – Använd OCR GPU när det är möjligt + +Om din arbetsstation har ett kompatibelt GPU kan du instruera Aspose att köra den tunga beräkningen på den. Annars byter motorn automatiskt till CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Vilken nytta ger det?* GPU‑acceleration kan spara sekunder per sida, särskilt för högupplösta skanningar. Fallback‑mekanismen säkerställer att samma kod fungerar överallt, vilket är anledningen till att vi rekommenderar **use OCR GPU** som standardinställning. + +--- + +## Steg 3: Snabba upp skanningen – Utnyttja alla CPU‑kärnor + +Även när GPU:n är upptagen kan de omgivande förbehandlingsstegen parallelliseras. Genom att sätta trådräkningen till antalet tillgängliga processorer får motorn möjlighet att bearbeta flera delar samtidigt. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Obs:* På en 4‑kärnig laptop startas fyra trådar; på en 16‑kärnig arbetsstation får du full nytta. Tänk på att fler trådar innebär högre minnesanvändning. + +--- + +## Steg 4: Rensa upp bilden – Förbehandlingsfilter + +En suddig eller brusig skanning ger skräptecken. Att lägga till ett par inbyggda filter förbättrar noggrannheten dramatiskt. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Varför dessa filter?* `DeskewFilter` rättar till rotation som ofta uppstår när ett dokument matas in i en skanner i en vinkel. `NoiseRemovalFilter` eliminerar stray‑pixlar som annars skulle tolkas som tecken. Tänk på det som att ge OCR‑motorn ett rent papper att läsa. + +--- + +## Steg 5: Slå på smarta funktioner – Aktivera stavningskorrigering & automatisk språkdetection + +Om du hanterar flerspråkiga dokument, eller bara vill ha färre stavfel, slå på den inbyggda stavningskontrollen och låt motorn gissa språket. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*När är detta användbart?* Föreställ dig att din skanning innehåller både engelska och spanska avsnitt. Automatisk detektering byter ordböcker i farten, medan stavningskorrigering rensar upp felaktigt lästa tecken som “0” istället för “O”. Detta steg är avgörande för att producera en **sökbar PDF** som faktiskt returnerar korrekta resultat. + +--- + +## Steg 6: Spara resultatet – Konvertera bild till PDF och gör den sökbar + +Till sist ber vi motorn att skriva ut en PDF där den ursprungliga bilden ligger bakom ett osynligt textlager. Detta är det klassiska **convert image to PDF**‑flödet, men PDF‑filen är nu sökbar. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Utdatafilen (`output-searchable.pdf`) kan öppnas i vilken PDF‑visare som helst; du kan markera, kopiera och söka i texten precis som i en native PDF. Inga extra verktyg behövs. + +--- + +## Fullt fungerande exempel – Kopiera‑och‑kör + +Nedan är hela programmet, redo att kompileras. Byt ut `YOUR_DIRECTORY` mot mappen som innehåller `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Förväntad utskrift:** När du kör programmet ser du konsolraden *“Searchable PDF generated successfully.”* Att öppna `output-searchable.pdf` i Adobe Reader låter dig skriva in ett ord från den ursprungliga bilden i sökfältet och omedelbart hoppa till dess position. + +--- + +## Vanliga frågor & kantfall + +- **Vad händer om GPU‑n inte upptäcks?** + Anropet `setDeviceType(OcrDeviceType.GPU)` kastar inget undantag; det instruerar bara motorn att först försöka med GPU. Om det misslyckas återgår motorn tyst till CPU. + +- **Kan jag bearbeta flera bilder i ett kör?** + Ja. Lägg in koden i en loop, ändra filnamnet för varje iteration och återanvänd samma `OcrEngine`‑instans för att hålla minnesanvändningen låg. + +- **Min PDF är enorm – hur kan jag minska den?** + Efter OCR kan du köra Asposes PDF‑optimerings‑API:er, eller helt enkelt skala ner källbilden innan du matar den till motorn (`ImageStream.fromFile(...).setResolution(150)` för 150 DPI). + +- **Jag måste behålla originalbildens upplösning för juridisk efterlevnad.** + Formatet `PDF_SEARCHABLE` bevarar den ursprungliga bitmapen exakt; det osynliga textlagret läggs ovanpå utan att ändra den visuella kvaliteten. + +--- + +## Visuell sammanfattning + +![create searchable pdf example](placeholder-image.png "create searchable pdf example") + +*Alt‑text:* *exempel på att skapa sökbar PDF – Java OCR‑motor som omvandlar en skannad JPG till en sökbar PDF.* + +--- + +## Slutsats + +Du har nu en **fullständig, end‑to‑end‑lösning** för att omvandla vilken bild som helst till en **sökbar PDF** med Aspose OCR för Java. Genom att **konvertera bild till PDF**, **aktivera stavningskorrigering** och **använda OCR GPU** när det är möjligt får du snabba, precisa och sökbara resultat som fungerar på alla plattformar. + +Vad blir nästa steg? Prova att experimentera med: + +- **Olika utdataformat** (`PDF`, `DOCX`, `HTML`) för att se hur textlagret beter sig. +- **Anpassade ordböcker** om du bearbetar domänspecifik jargong. +- **Batch‑bearbetning** för att automatiskt hantera tusentals skanningar. + +Känn dig fri att justera trådräkningen, byta filter eller ansluta din egen förbehandlingspipeline. Kärnmönstret förblir detsamma: ladda → förbehandla → konfigurera → OCR → spara. + +Lycka till med kodandet, och må dina PDF‑filer alltid vara sökbara! + +{{< /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-image-with-spell-co/_index.md b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..24a599c44 --- /dev/null +++ b/ocr/swedish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Hur man använder OCR för att extrahera text från en bild i Java. Lär + dig OCR bild‑till‑text‑konvertering, korrigera OCR‑fel och ladda bild för OCR med + Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: sv +og_description: Hur man använder OCR i Java för att extrahera text från en bild, korrigera + OCR‑fel och ladda bild för OCR med Aspose OCR. +og_title: Hur man använder OCR i Java – Komplett guide +tags: +- OCR +- Java +- Aspose +title: Hur du använder OCR i Java – Extrahera text från en bild med stavningskorrigering +url: /sv/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 bild med stavningskorrigering + +Har du någonsin undrat **hur man använder OCR** för att förvandla ett suddigt kvittosfoto till ren, sökbar text? Du är inte ensam. I många projekt—utgiftsspårningsappar, fakturadigitaliseringspipelines eller till och med ett snabbt anteckningsskript—är det första hindret att få pålitlig text från en bild. + +Denna handledning visar exakt hur du använder OCR i Java, och täcker allt från att ladda bilden för OCR till att korrigera OCR‑fel så att resultatet läses som om det skrivits av en människa. I slutet kommer du att kunna **extrahera text från bild**, utföra **OCR bild till text**‑konvertering och automatiskt rätta vanliga igenkänningsfel. + +## Vad du kommer att bygga + +Vi kommer att skapa ett litet Java‑konsolprogram som: + +1. Laddar en PNG (eller något annat stödd format) i Aspose OCR‑motorn. +2. Aktiverar den inbyggda stavningskorrigeringsfunktionen för att **korrigera OCR‑fel**. +3. Kör igenkänningsprocessen och skriver ut den rensade texten. + +Ingen extern tjänst, inga tunga ramverk—bara en enda JAR och några rader kod. + +### Förutsättningar + +- Java Development Kit (JDK) 8 eller nyare. +- Maven (eller något annat byggverktyg) för att hämta Aspose OCR‑biblioteket. +- En bildfil (t.ex. `receipt.png`) som du vill analysera. + +Om du saknar Aspose OCR‑JAR‑filen, lägg till detta beroende i din `pom.xml`: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Proffstips:** Den kostnadsfria utvärderingsversionen fungerar för testning, men en licens tar bort utvärderingsvattenstämpeln. + +## Steg 1 – Initiera OCR‑motorn (Primärt nyckelord i handling) + +Det första du måste göra är att skapa en instans av `OcrEngine`. Tänk på den som hjärnan som läser pixlarna och omvandlar dem till tecken. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Varför detta är viktigt:* Att initiera motorn sätter upp interna resurser (språkmodeller, ordböcker osv.). Att hoppa över detta steg skulle leda till ett `NullPointerException` senare när du försöker ladda en bild. + +## Steg 2 – Ladda bild för OCR + +Nu **laddar vi faktiskt bilden för OCR**. Aspose tillhandahåller en bekväm `ImageStream.fromFile`‑hjälp, men du kan också mata in en `byte[]` om du föredrar det. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Vanligt fallgropp:* Filvägen måste vara absolut eller relativ till arbetskatalogen. Om bilden inte kan hittas kastar motorn ett `IOException`. Dubbelkolla sökvägen, särskilt när du kör från en IDE jämfört med en paketerad JAR. + +## Steg 3 – Aktivera stavningskorrigering för att **korrigera OCR‑fel** + +Standard‑OCR kan vara bullrigt—tänk “l0ve” istället för “love” eller “0” för “O”. Att aktivera stavningskorrigering får motorn att köra ett efterbearbetningssteg som rättar vanliga misstag. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Varför du vill ha detta:* Utan stavningskorrigering kan du behöva rensa utdata manuellt, vilket undergräver automatiseringens syfte. Den inbyggda ordboken fungerar bra för engelska och flera andra språk. + +## Steg 4 – Utför igenkänning (**OCR bild till text**) + +Med bilden laddad och stavningskorrigering aktiverad kan vi äntligen be motorn att känna igen texten. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Edge case:* Om bilden har låg kontrast eller är kraftigt snedvriden kan resultatet fortfarande innehålla nonsens. Överväg förbehandling (t.ex. binarisering, räta upp) innan du matar den till motorn. + +## Steg 5 – Skriv ut den rensade texten + +Det sista steget är helt enkelt att skriva ut resultatet. I en riktig applikation kan du skriva det till en databas eller en fil, men för den här demonstrationen räcker `System.out`. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Förväntad utdata + +Om vi antar att `receipt.png` innehåller en tydlig lista över varor, kan du se något liknande: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Observera hur “Qty” och “Price” är stavade korrekt även om den ursprungliga skanningen hade ett felaktigt “Qy”. + +## Fullt fungerande exempel + +Nedan är det kompletta programmet som du kan kopiera och klistra in i en fil med namnet `SpellCorrectDemo.java`. Se till att Aspose OCR‑JAR‑filen finns i din classpath. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Kör det med: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Du bör nu se den rensade texten skriven till konsolen. + +## Bonus: Justera inställningar för bättre noggrannhet + +Även om standardkonfigurationen fungerar för de flesta tryckta dokument, kan du behöva justera några parametrar för specialiserade scenarier: + +| Inställning | Vad den gör | När du bör ändra | +|-------------|--------------|------------------| +| `setLanguage(OcrLanguage.English)` | Tvingar engelsk ordbok (minskar falska positiva) | Om din bild bara innehåller engelsk text. | +| `setResolution(300)` | Anger motorns DPI för källbilden | För högupplösta skanningar. | +| `setEnableAutoSkewCorrection(true)` | Roterar automatiskt lätt snedvridna sidor | När bilder tas med en telefon. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Vanliga frågor + +**Q: Fungerar detta med PDF‑filer?** +A: Ja. Konvertera varje PDF‑sida till en bild (t.ex. med Aspose PDF) och mata in bilden i OCR‑motorn. + +**Q: Vad händer om min bild är i BMP‑format?** +A: `ImageStream.fromFile` stödjer PNG, JPEG, BMP, TIFF och GIF direkt. Ändra bara filändelsen. + +**Q: Kan jag inaktivera stavningskorrigering?** +A: Absolut—sätt `setEnableSpellCorrection(false)` om du behöver rå OCR‑utdata för vidare bearbetning. + +## Slutsats + +Du vet nu **hur man använder OCR** i Java för att **extrahera text från bild**, automatiskt **korrigera OCR‑fel**, och korrekt **ladda bild för OCR** med Aspose OCR. Det femstegsflödet—initiera, ladda, aktivera stavningskorrigering, känna igen och skriva ut—täcker majoriteten av vanliga OCR‑uppgifter. + +Från och med nu kan du överväga att kedja denna logik med en databasskrivning, ett REST‑slutpunkt eller en batch‑processor för att hantera dussintals kvitton samtidigt. Experimentera med tabellen med extra inställningar ovan för att pressa ut varje sista tecken av noggrannhet. + +Lycka till med kodningen, och må dina OCR‑resultat alltid vara renare än dina kaffefläckade kvitton! + +![diagram som visar bild → OCR‑motor → korrigerad textflöde] + +{{< /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..71c22c48c 100644 --- a/ocr/thai/java/advanced-ocr-techniques/_index.md +++ b/ocr/thai/java/advanced-ocr-techniques/_index.md @@ -43,7 +43,7 @@ Aspose.OCR สำหรับ Java เป็นตัวเปลี่ยนเ ## [การระบุอักขระที่อนุญาตใน Aspose.OCR](./specify-allowed-characters/) -แยกข้อความจากรูปภาพได้อย่างง่ายดายโดยการระบุอักขระที่อนุญาตด้วย Aspose.OCR สำหรับ Java ปฏิบัติตามคำแนะนำทีละขั้นตอนของเราเพื่อการผสานรวมที่มีประสิทธิภาพ รับรองประสบการณ์การจดจำข้อความที่ราบรื่น ปรับปรุงแอปพลิเคชัน Java ของคุณด้วยความสามารถของ Aspose.OCR +แยกข้อความจากรูปภาพได้อย่างง่ายดายโดยการระบุอักขระที่อนุญาตด้วย Aspose.OCR สำหรับ Java ปฏิบัติตามคำแนะนำทีละขั้นตอนของเราเพื่อการผสานรวมที่มีประสิทธิภาพ รับรองประสบการณ์การจดจำข้อความที่ราบรื่น ปรับปรุงแอปพลิเคชันของคุณด้วยความสามารถของ Aspose.OCR ## บทสรุป @@ -61,9 +61,18 @@ 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 +### [คู่มือ Aspose OCR GPU: เร่งการสกัดข้อความจากภาพ PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +ใช้ GPU เพื่อเร่งการดึงข้อความจากไฟล์ PNG ด้วย Aspose OCR เพิ่มความเร็วและประสิทธิภาพของแอปพลิเคชัน +### [การจดจำข้อความจากภาพด้วย Java OCR – คู่มือการประมวลผลแบบขนาน](./recognize-text-from-image-with-java-ocr-parallel-processing/) +เรียนรู้วิธีใช้การประมวลผลแบบขนานเพื่อเร่งการจดจำข้อความจากภาพด้วย Aspose.OCR สำหรับ Java +### [วิธีใช้ Aspose OCR สำหรับภาพหลายภาษา](./how-to-use-aspose-ocr-for-mixed-language-images/) +เรียนรู้วิธีจดจำข้อความจากภาพหลายภาษาอย่างแม่นยำด้วย Aspose OCR สำหรับ Java +### [วิธีเพิ่มคอนทราสต์ใน OCR – คู่มือการเตรียมการล่วงหน้าด้วย Java อย่างสมบูรณ์](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +เรียนรู้วิธีปรับคอนทราสต์ภาพเพื่อเพิ่มความแม่นยำของ OCR ด้วยขั้นตอนการเตรียมภาพใน Java อย่างครบถ้วน + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/thai/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..f252a6786 --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: บทแนะนำ Aspose OCR GPU แสดงวิธีการจดจำข้อความจากภาพและดึงข้อความจากไฟล์ + PNG ด้วยการเร่งความเร็วด้วย GPU เพื่อให้ OCR ทำงานได้เร็วและเชื่อถือได้ +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: th +og_description: เรียนรู้วิธีใช้ Aspose OCR GPU เพื่อจดจำข้อความจากภาพและดึงข้อความจากไฟล์ + PNG ด้วยการเร่งความเร็วด้วย GPU ใน Java. +og_title: 'คู่มือ Aspose OCR GPU: เร่งความเร็วการสกัดข้อความ' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'คู่มือ Aspose OCR GPU: เร่งการสกัดข้อความจากภาพ PNG' +url: /th/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – การสกัดข้อความที่เร็วและเชื่อถือได้จากภาพ PNG + +กำลังมองหาเพื่อเพิ่มประสิทธิภาพ OCR ของคุณด้วย **aspose ocr gpu**? ด้วย Aspose OCR GPU คุณสามารถ **recognize text from image** ได้เร็วขึ้นอย่างมากโดยใช้การ์ดกราฟิกที่รองรับ CUDA. ลองนึกภาพการประมวลผล PNG ความละเอียดสูงในไม่กี่วินาทีแทนที่จะใช้หลายนาที—ไม่ต้องรอผลลัพธ์อีกต่อไป. + +ในบทแนะนำนี้เราจะพาคุณผ่านทุกขั้นตอนที่จำเป็นเพื่อเริ่มต้นใช้งาน: การโหลดภาพสำหรับ OCR, การสลับเอนจินไปยังโหมด GPU, และสุดท้ายการสกัดข้อความออกมา. เมื่อจบคุณจะมีโปรแกรม Java ที่สมบูรณ์และสามารถรันได้ซึ่ง **extracts text from png** ไฟล์โดยใช้การเร่งความเร็วด้วย GPU. ไม่ต้องอ้างอิงเอกสารภายนอก—เพียงทำตามขั้นตอน, คัดลอกโค้ด, แล้วคุณก็พร้อมใช้งาน. + +## สิ่งที่คุณต้องการ + +- **Java Development Kit (JDK) 11+** – โค้ดใช้คุณสมบัติมาตรฐานของภาษา Java. +- **Aspose.OCR for Java** (เวอร์ชันล่าสุด ณ เดือนพฤษภาคม 2026). คุณสามารถดึงได้จาก Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **A CUDA‑enabled GPU** (NVIDIA GeForce, Quadro, หรือ Tesla) พร้อมไดรเวอร์ที่เหมาะสมติดตั้งแล้ว. +- **A sample high‑resolution PNG** (เช่น `sample-highres.png`) ที่คุณต้องการประมวลผล. + +หากคุณไม่มี GPU, โค้ดจะกลับไปใช้ CPU โดยอัตโนมัติ—เพียงคอมเมนต์บรรทัดที่เกี่ยวกับ GPU. + +## ขั้นตอนที่ 1 – โหลดภาพสำหรับ OCR + +สิ่งแรกที่กระบวนการ OCR ใด ๆ ต้องการคือแหล่งภาพ. Aspose OCR มีตัวห่อ `ImageStream` ที่สะดวกซึ่งสามารถอ่านจากไฟล์, อาร์เรย์ไบต์, หรือแม้แต่ URL. ที่นี่เราใช้ `ImageStream.fromFile` เพราะเป็นวิธีที่ตรงที่สุดสำหรับการพัฒนาในเครื่อง. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Why this matters:** การโหลดภาพอย่างถูกต้องทำให้เอนจิน OCR ได้รับข้อมูลพิกเซลที่ต้องการอย่างแม่นยำ. การใช้ `ImageStream.fromFile` ยังจัดการกับข้อแปลกของ PNG ที่พบบ่อย (ช่องอัลฟา, ความลึกสี) อัตโนมัติ. + +## ขั้นตอนที่ 2 – เปิดการเร่งความเร็วด้วย GPU (aspose ocr gpu) + +ตอนนี้มาถึงจุดสำคัญ: บอก Aspose ให้ทำงานบน GPU. อ็อบเจ็กต์ `OcrDevice` ภายในเอนจินให้คุณเลือกประเภทอุปกรณ์ (`CPU` หรือ `GPU`) และหากคุณมี GPU มากกว่าหนึ่งตัว, สามารถระบุ `deviceId` เฉพาะได้. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro tip:** หากคุณเจอข้อผิดพลาด `CUDA driver not found` ให้ตรวจสอบอีกครั้งว่าไดรเวอร์ NVIDIA ตรงกับเวอร์ชัน CUDA ที่ Aspose OCR ต้องการ (โดยทั่วไปคือ CUDA 11.x สำหรับรุ่น 23.x) +> **Edge case:** เมื่อรันบนเซิร์ฟเวอร์แบบ headless, ตรวจสอบว่า GPU ไม่ถูกล็อกโดยกระบวนการอื่น; มิฉะนั้นการเรียก OCR จะกลับไปใช้ CPU อย่างเงียบ ๆ. + +## ขั้นตอนที่ 3 – สกัดข้อความจากภาพ + +เมื่อโหลดภาพและตั้งค่าอุปกรณ์แล้ว, คุณสามารถรันเอนจิน OCR ได้ในที่สุด. เมธอด `recognize()` จะคืนค่าอ็อบเจ็กต์ `OcrResult` ที่มีข้อความธรรมดา, คะแนนความมั่นใจ, และแม้แต่กรอบขอบเขตหากคุณต้องการใช้ในภายหลัง. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +เมื่อคุณรันโปรแกรม, คุณควรเห็นผลลัพธ์ประมาณนี้: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **What you’re seeing:** สตริงดิบที่สกัดจาก PNG. หากภาพมีตารางหรือเลย์เอาต์หลายคอลัมน์, คุณสามารถเปิด `LayoutAnalysis` บนเอนจินเพื่อผลลัพธ์ที่ดีกว่า (อยู่นอกขอบเขตของคู่มือสั้นนี้). + +## ขั้นตอนที่ 4 – ตรวจสอบว่า GPU ถูกใช้จริงหรือไม่ + +ง่ายที่จะสมมติว่า GPU กำลังทำงานหนัก, แต่การตรวจสอบอย่างรวดเร็วสามารถประหยัดเวลาการดีบักหลายชั่วโมง. Aspose OCR จะเขียนบันทึกเล็ก ๆ เมื่อทำการเริ่มต้นอุปกรณ์. + +เพิ่มโค้ดสแนปนี้หลังจากที่คุณตั้งค่าประเภทอุปกรณ์: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +หากผลลัพธ์แสดง `GPU`, คุณพร้อมใช้งาน. หากแสดง `CPU`, ให้ตรวจสอบการติดตั้งไดรเวอร์อีกครั้งหรือให้แน่ใจว่า environment variable `CUDA_HOME` ชี้ไปยังโฟลเดอร์ toolkit ที่ถูกต้อง. + +## ข้อผิดพลาดทั่วไป & วิธีหลีกเลี่ยง + +| Symptom | Likely Cause | Fix | +|---------|--------------|-----| +| `java.lang.UnsatisfiedLinkError` about `cudart64_110.dll` | CUDA runtime ไม่อยู่ใน `PATH` | เพิ่มโฟลเดอร์ `bin` ของ CUDA ไปยัง `PATH` ของระบบหรือกำหนด `java.library.path`. | +| OCR returns empty string | ภาพไม่ถูกโหลดอย่างถูกต้อง (เส้นทางผิดหรือรูปแบบที่ไม่รองรับ) | ตรวจสอบเส้นทางไฟล์อีกครั้งและยืนยันว่า PNG ไม่เสียหาย. | +| Performance similar to CPU | GPU fallback เพราะไดรเวอร์ไม่ตรงกัน | อัปเดตไดรเวอร์ NVIDIA ให้เป็นเวอร์ชันที่ระบุในบันทึกประจำรุ่นของ Aspose OCR. | +| Out‑of‑memory on large images | หน่วยความจำ GPU หมด | ลดความละเอียดของภาพหรือแบ่งภาพเป็นส่วนย่อยก่อนประมวลผล. | + +## โบนัส: กลับไปใช้ CPU เมื่อ GPU ไม่พร้อม + +บางครั้งคุณอาจรันโค้ดเดียวกันบนแล็ปท็อปพัฒนาที่ไม่มี GPU รองรับ CUDA. การห่อหุ้มการเลือกอุปกรณ์ในบล็อก try‑catch ทำให้โปรแกรมมีความทนทาน. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +ตอนนี้ไบนารีเดียวกันทำงานได้ทุกที่, และคุณยังคงได้รับการเพิ่มความเร็วตามที่ฮาร์ดแวร์อนุญาต. + +## ตัวอย่างเต็มที่พร้อมรัน + +ด้านล่างเป็นคลาส Java ที่สมบูรณ์ซึ่งรวมทุกขั้นตอน, การตรวจสอบ, และตรรกะการ fallback ที่ได้อธิบายไว้ข้างต้น. คัดลอกและวางลงใน IDE ของคุณ, ปรับเส้นทางภาพ, แล้วรัน. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Expected output** (สมมติว่า PNG มีข้อความภาษาอังกฤษง่าย): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +หากไม่มี GPU, คุณจะเห็น “CPU” ในบรรทัดสุดท้ายแทน. + +## ภาพรวมโดยภาพ + +ด้านล่างเป็นแผนภาพสั้นของการไหลของข้อมูล—from การโหลด PNG ไปจนถึงการรับข้อความธรรมดา. ข้อความ alt ของรูปภาพมีคีย์เวิร์ดหลักสำหรับ SEO. + +![aspose ocr gpu workflow – โหลดภาพ, เปิดใช้งาน GPU, สกัดข้อความ] + +*Alt text: aspose ocr gpu workflow แสดงวิธีโหลดภาพสำหรับ ocr, เปิดการเร่งความเร็วด้วย GPU, และสกัดข้อความจาก png.* + +## สรุป & ขั้นตอนต่อไป + +เราเพิ่งอธิบายวิธีการ **aspose ocr gpu**‑accelerate กระบวนการ **recognize text from image** และ **extract text from png** ไฟล์. สิ่งสำคัญที่ควรจำ: + +1. **Load the image** ด้วย `ImageStream.fromFile`. +2. **Enable GPU** ผ่าน `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Run `recognize()`** และอ่าน `ocrResult.getText()`. +4. **Validate the device** และ fallback ไปยัง CPU อย่างราบรื่นเมื่อจำเป็น. + +พร้อมจะผลักดันขีดจำกัด? ลองทำการทดลองเหล่านี้: + +- **Batch processing:** วนลูปผ่านไดเรกทอรีของ PNGs และเขียนผลลัพธ์แต่ละไฟล์เป็นไฟล์ `.txt`. +- **Layout analysis:** เปิด `ocrEngine.getOptions().setDetectDocumentStructure(true)` เพื่อรักษาคอลัมน์และตาราง. +- **Multi‑GPU scaling:** หากเวิร์กสเตชันของคุณมีหลาย GPU, ให้สร้างเธรดขนาน, แต่ละเธรดผูกกับ `deviceId` ที่แตกต่างกัน. + +ส่วนขยายเหล่านี้จะทำให้คุณเชี่ยวชาญยิ่งขึ้นกับ **gpu accelerated ocr** และเปิดประตูสู่โครงการดิจิไทซ์เอกสารขนาดใหญ่. + +--- + +*Happy coding! หากคุณเจออุปสรรคใด ๆ, แสดงความคิดเห็นด้านล่าง—ฉันยินดีช่วยคุณแก้ไขปัญหา.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/thai/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..0785e76cc --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,213 @@ +--- +category: general +date: 2026-05-06 +description: วิธีเพิ่มความคอนทราสต์ขณะเรียนรู้การเตรียมภาพล่วงหน้า การกำจัดสัญญาณรบกวน + และการแก้ไขการหมุนของภาพเพื่อการจดจำข้อความ OCR ที่เชื่อถือได้ +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: th +og_description: วิธีเพิ่มความคอนทราสต์ในภาพ OCR รวมถึงวิธีการเตรียมภาพล่วงหน้า, กำจัดสัญญาณรบกวน, + และแก้ไขการหมุนของภาพเพื่อการรับรู้ข้อความที่แม่นยำ +og_title: วิธีเพิ่มความคอนทราสต์ใน OCR – คู่มือ Java ทีละขั้นตอน +tags: +- OCR +- Java +- Image Processing +title: วิธีเพิ่มความคอนทราสต์ใน OCR – คู่มือการเตรียมข้อมูล Java อย่างครบถ้วน +url: /th/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# วิธีเพิ่มความคอนทราสต์ใน OCR – คู่มือการเตรียมการล่วงหน้าด้วย Java อย่างครบถ้วน + +เคยสงสัย **วิธีเพิ่มความคอนทราสต์** เพื่อให้เครื่อง OCR ของคุณอ่านข้อความได้จริง ๆ แทนที่จะออกเป็นตัวอักษรไร้สาระหรือไม่? คุณไม่ได้เป็นคนเดียวที่เจอปัญหา นักพัฒนาส่วนใหญ่มักเจออุปสรรคเมื่อภาพต้นแบบมืด, เอียง, หรือเต็มไปด้วยจุดรบกวน ทำให้ผลลัพธ์เป็นการล้มเหลวในการ “recognize text from image” ที่น่าหงุดหงิด + +ข่าวดีคืออะไร? ด้วยการใช้ขั้นตอนการเตรียมการล่วงหน้าที่ฉลาดไม่กี่ขั้นตอน—**how to preprocess image**, **how to remove noise**, และ **correct image rotation**—คุณสามารถเปลี่ยน PNG ที่มีสัญญาณรบกวนและคอนทราสต์ต่ำให้เป็นผืนผ้าใบที่สะอาดซึ่งเครื่อง OCR จะชอบได้ ในบทแนะนำนี้เราจะพาคุณผ่านตัวอย่าง Java จริงโดยใช้ Aspose.OCR, อธิบายว่าทำไมแต่ละฟิลเตอร์จึงสำคัญ, และแสดงให้คุณเห็นอย่างชัดเจน **how to enhance contrast** เพื่อการจดจำที่มั่นคง + +--- + +## สิ่งที่คุณจะได้เรียนรู้ + +- วัตถุประสงค์ของแต่ละฟิลเตอร์การเตรียมการล่วงหน้า (deskew, noise removal, contrast enhancement). +- **How to preprocess image** ด้วย Aspose.OCR ใน Java, ทีละขั้นตอน. +- เคล็ดลับปฏิบัติสำหรับ **how to remove noise** และ **correct image rotation** ก่อน OCR. +- โค้ดที่คุณสามารถคัดลอก‑วาง, รัน, และดูผลลัพธ์ของ **recognize text from image** อย่างแม่นยำ. + +> **Prerequisites** – Java 17+, Maven หรือ Gradle, และใบอนุญาต Aspose.OCR สำหรับ Java (ทดลองฟรีก็ใช้ได้สำหรับการทดสอบ). ไม่จำเป็นต้องใช้ไลบรารีของบุคคลที่สามอื่น ๆ. + +--- + +## ขั้นตอน 1 – ตั้งค่าโปรเจกต์และนำเข้า Aspose.OCR + +ก่อนที่เราจะพูดถึง **how to enhance contrast**, เราต้องมีโปรเจกต์ Java ที่ทำงานได้พร้อมกับเครื่อง OCR. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +หากคุณต้องการใช้ Gradle, ตัวเทียบเท่าคือ: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +สร้างไฟล์ `src/main/java/PreprocessDemo.java` อย่างง่ายและนำเข้าคลาสที่จำเป็น: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro tip:** เปิดฟีเจอร์ auto‑import ของ IDE ของคุณไว้; จะช่วยประหยัดเวลาในการนำเข้ามากมาย. + +--- + +## ขั้นตอน 2 – โหลดภาพที่คุณต้องการทำความสะอาด + +เมื่อไลบรารีพร้อมแล้ว, มาตอบส่วนแรกของ **how to preprocess image**: การโหลดภาพ. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +ในขั้นตอนนี้เครื่องจะถือ PNG คุณภาพต่ำที่อาจมีปัญหาคอนทราสต์แย่, การหมุน, และสัญญาณรบกวนแบบ speckle. หากคุณเปิดไฟล์, คุณจะเห็นเหตุผลที่ OCR จะล้มเหลว. + +--- + +## ขั้นตอน 3 – ใช้ฟิลเตอร์: Deskew, Noise Removal, **How to Enhance Contrast** + +นี่คือหัวใจของบทแนะนำ—**how to enhance contrast** พร้อมกับการจัดการการหมุนและสัญญาณรบกวนพร้อมกัน. Aspose.OCR มาพร้อมกับฟิลเตอร์สำเร็จรูปสามตัว: + +| ฟิลเตอร์ | ทำอะไร | ทำไมจึงสำคัญต่อ OCR | +|----------|--------|----------------------| +| `DeskewFilter` | ตรวจจับและแก้ไขการหมุนของภาพ | รับประกัน **correct image rotation**, เพื่อให้ตัวอักษรไม่เอียง. | +| `NoiseRemovalFilter` | ลดจุดรบกวนแบบสุ่มและเมล็ดฝุ่นพื้นหลัง | ทำตาม **how to remove noise** เพื่อให้เครื่องมองเห็นเฉพาะตัวอักษร. | +| `ContrastEnhancementFilter` | เพิ่มความแตกต่างระหว่างข้อความพื้นหน้าและพื้นหลัง | ตอบโดยตรงต่อ **how to enhance contrast**, ทำให้เส้นที่อ่อนแอเด่นชัดขึ้น. | + +เพิ่มฟิลเตอร์เหล่านี้ตามลำดับที่แสดง—deskew ก่อน, จากนั้น noise removal, แล้วจึง contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **ทำไมต้องเป็นลำดับนี้?** +> • Deskew ทำงานได้ดีที่สุดบนเมทริกซ์พิกเซลดิบ; การหมุนภาพที่มีสัญญาณรบกวนอาจทำให้ข้อบกพร่องเพิ่มขึ้น. +> • การทำความสะอาดสัญญาณรบกวนก่อนเพิ่มคอนทราสต์จะป้องกันไม่ให้ฟิลเตอร์ขยายจุด speckles. +> • สุดท้าย, การเพิ่มคอนทราสต์ทำให้พิกเซลที่ทำความสะอาดแล้วเด่นชัด, ซึ่งเป็น **how to enhance contrast** สำหรับ OCR. + +--- + +## ขั้นตอน 4 – รันเครื่อง OCR และ **Recognize Text from Image** + +เมื่อมี pipeline การเตรียมการล่วงหน้าแล้ว, เราจะเรียกใช้เครื่อง OCR สุดท้าย. ขั้นตอนนี้ตอบคำถามสำคัญที่สุด: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +เมื่อคุณรัน `java PreprocessDemo`, คุณควรเห็นข้อความที่สะอาดและอ่านได้แทนที่ข้อความยุ่งเหยิง. ผลลัพธ์ทั่วไปสำหรับใบแจ้งหนี้ตัวอย่างอาจมีลักษณะดังนี้: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +หากผลลัพธ์ยังดูเบลอ, พิจารณาปรับค่าพารามิเตอร์ของ `ContrastEnhancementFilter` (เช่น `setLevel(1.5)`) หรือเช็คอีกครั้งว่าภาพต้นทางไม่ได้ถูกบีบอัดจนเกินกว่าจะกู้คืน. + +--- + +## ขั้นตอน 5 – ตรวจสอบภาพ: ก่อนและหลัง (ทางเลือก) + +การเห็นคือการเชื่อ. ด้านล่างเป็นภาพตัวอย่างที่เปรียบเทียบไฟล์ต้นฉบับกับเวอร์ชันที่ผ่านการประมวลผล. ข้อความ alt‑text ระบุคีย์เวิร์ดหลักสำหรับ SEO อย่างชัดเจน. + +![แผนภาพแสดงวิธีเพิ่มความคอนทราสต์ในการเตรียม OCR – ภาพต้นฉบับ vs. ภาพที่ปรับปรุง](https://example.com/contrast-demo.png "วิธีเพิ่มความคอนทราสต์ในการเตรียม OCR") + +*หากคุณรันโค้ดบนภาพของคุณเอง, คุณจะสังเกตเห็นการเพิ่มความชัดเจนอย่างมาก.* + +--- + +## ข้อผิดพลาดทั่วไป & วิธีแก้ไข + +| ปัญหา | สาเหตุ | วิธีแก้ | +|-------|--------|----------| +| ข้อความยังเบลอหลังจากเพิ่มคอนทราสต์ | ระดับฟิลเตอร์ต่ำเกินไปหรือความละเอียดของภาพไม่เพียงพอ | เพิ่มระดับของ `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) หรือขยายขนาดภาพก่อนประมวลผล. | +| OCR ส่งคืนสตริงว่าง | ภาพมืดทั้งหมดหรือพิกเซลทั้งหมดถูกลบโดยฟิลเตอร์ noise | ลดความรุนแรงของ `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| ตัวอักษรยังเอียง | Deskew พลาดมุมเนื่องจากภาพมีสัญญาณรบกวนมาก | รัน `DeskewFilter` **หลัง** การทำความสะอาดสัญญาณรบกวนเบา ๆ, หรือกำหนดมุมการหมุนด้วยตนเองโดยใช้ `DeskewFilter.setAngle(2.5)`. | +| สัญลักษณ์ Unicode ที่ไม่คาดคิด | ภาษาของ OCR ไม่ได้ตั้งค่าอย่างถูกต้อง | เรียก `ocrEngine.setLanguage(OcrLanguage.English);` ก่อน `recognize()`. | + +--- + +## การขยาย Pipeline – ถ้าคุณต้องการเพิ่มเติม? + +บางครั้งคุณอาจต้องการ **how to preprocess image** สำหรับสแกนสีหรือ PDF. Aspose.OCR ยังมี: + +- `BinarizationFilter` – แปลงเป็นสีดำ‑ขาวบริสุทธิ์, เหมาะสำหรับข้อความคอนทราสต์สูง. +- `ResizeFilter` – ขยายฟอนต์ขนาดเล็กก่อน OCR. +- `SharpenFilter` – เน้นขอบให้เด่นชัดสำหรับลายมือที่อ่อน. + +คุณสามารถต่อเชื่อมพวกมันได้เช่นเดียวกับฟิลเตอร์หลักสามตัวที่แสดงก่อนหน้า. จำไว้ว่า ลำดับยังคงสำคัญ: resize → denoise → binarize → contrast → deskew เป็นสูตรที่นิยม. + +--- + +## สรุป: จาก PNG ที่มีสัญญาณรบกวนสู่ข้อความที่สะอาด + +- **How to enhance contrast**: ใช้ `ContrastEnhancementFilter` หลังจาก deskew และ noise removal. +- **How to preprocess image**: โหลด, เพิ่มฟิลเตอร์, แล้วรัน OCR. +- **How to remove noise**: `NoiseRemovalFilter` ทำความสะอาดพื้นหลังโดยไม่ทำลายเส้นข้อความ. +- **Correct image rotation**: `DeskewFilter` จัดแนวฐานข้อความ, เป็นเงื่อนไขเบื้องต้นสำหรับการจดจำที่แม่นยำ. +- **Recognize text from image**: เรียก `ocrEngine.recognize()` และอ่าน `ocrResult.getText()`. + +--- + +## ต่อไปคืออะไร? + +- **Experiment**: ปรับค่าพารามิเตอร์ของฟิลเตอร์และสังเกตผลต่อความแม่นยำของ OCR. +- **Batch processing**: ห่อหุ้มตรรกะข้างต้นในลูปเพื่อจัดการโฟลเดอร์ภาพทั้งหมด. +- **Integration**: นำผลลัพธ์ OCR ไปใส่ในฐานข้อมูลหรือเครื่องสร้าง PDF เพื่อการทำงานอัตโนมัติแบบต้นจนจบ. + +หากคุณสนใจเทคนิคการปรับปรุงภาพอื่น ๆ — เช่น adaptive thresholding หรือการกลับสี — ตรวจสอบเอกสารอย่างเป็นทางการของ Aspose หรือคู่มือ “Advanced Image Pre‑processing with Aspose.OCR” + +### โค้ดอย่างสนุก! + +ตอนนี้คุณรู้ **how to enhance contrast** และเรื่องราวการเตรียมการล่วงหน้าทั้งหมดที่ทำให้สแกนที่ยุ่งเหยิงกลายเป็นข้อความที่สะอาดและค้นหาได้. แสดงความคิดเห็นหากคุณเจออุปสรรค, หรือแบ่งปันว่าคุณปรับแต่ง pipeline อย่างไรสำหรับโปรเจกต์ของคุณ. มาต่อยอดการสนทนาเกี่ยวกับ OCR กันต่อ! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/thai/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..23fd73aec --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: วิธีใช้ Aspose OCR เพื่อจดจำข้อความจากภาพ, เปิดใช้งานการตรวจจับภาษาอัตโนมัติ, + และเพิ่มความเร็วของ OCR ใน Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: th +og_description: วิธีใช้ Aspose OCR เพื่อจดจำข้อความจากภาพอย่างรวดเร็ว เปิดใช้งานการตรวจจับภาษาอัตโนมัติ + และเพิ่มความเร็วของ OCR ใน Java +og_title: วิธีใช้ Aspose OCR สำหรับภาพหลายภาษา +tags: +- Aspose +- OCR +- Java +- Image Processing +title: วิธีใช้ Aspose OCR สำหรับภาพหลายภาษา +url: /th/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# วิธีใช้ Aspose OCR สำหรับรูปภาพหลายภาษา + +เคยสงสัย **วิธีใช้ Aspose** เพื่อดึงข้อความจากภาพที่มีหลายภาษาในครั้งเดียวหรือไม่? คุณไม่ได้เป็นคนเดียว—นักพัฒนามักเจออุปสรรคเมื่อภาพผสมภาษาอังกฤษ, รัสเซีย, ฮินดี หรือสคริปต์อื่นใด ข่าวดีคือ Aspose OCR จัดการเรื่องนี้ได้อย่างราบรื่น และคุณยังสามารถ **recognize text from image** ได้เร็วขึ้นโดยการจำกัดชุดภาษา + +ในบทแนะนำนี้ เราจะพาคุณผ่านตัวอย่าง Java ที่สมบูรณ์และพร้อมรัน ซึ่ง **loads image for OCR**, เปิด **automatic language detection**, และแสดงเทคนิคง่าย ๆ เพื่อ **improve OCR speed**. เมื่อจบคุณจะมีโปรแกรมอิสระที่พิมพ์ข้อความที่สกัดออกมาที่คอนโซล และคุณจะเข้าใจว่าการตั้งค่าแต่ละอย่างมีความสำคัญอย่างไร + +> **Prerequisites** – ติดตั้ง Java 17+ แล้ว, มี Maven หรือ Gradle สำหรับการจัดการ dependencies, และมีใบอนุญาต Aspose OCR (รุ่นทดลองฟรีใช้สำหรับการประเมิน). ไม่จำเป็นต้องใช้ไลบรารีอื่น + +--- + +## ขั้นตอนที่ 1 – เพิ่ม Aspose OCR ไปยังโปรเจกต์ของคุณ + +ก่อนที่คุณจะ **use Aspose**, คุณต้องมีไลบรารีนี้ใน classpath. กับ Maven จะเป็นแบบนี้: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +หากคุณต้องการใช้ Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** ควรใช้เวอร์ชัน stable ล่าสุด; เวอร์ชันใหม่มักมีการปรับปรุงประสิทธิภาพที่ส่งผลโดยตรงต่อ **improve OCR speed**. + +--- + +## ขั้นตอนที่ 2 – สร้างอินสแตนซ์ของ OCR Engine + +หัวใจของทุก workflow ของ Aspose OCR คือ `OcrEngine`. การสร้างอินสแตนซ์นั้นง่ายดาย, แต่ควรทราบว่า engine มีแคชภายใน. การใช้ instance เดียวซ้ำหลายภาพจริง ๆ แล้วสามารถ **improve OCR speed** ได้ เพราะไลบรารีหลีกเลี่ยงการเริ่มต้น native ซ้ำ ๆ + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## ขั้นตอนที่ 3 – **Load Image for OCR** + +Aspose รองรับรูปแบบภาพหลายประเภท (PNG, JPEG, TIFF, BMP). ที่นี่เราจะแสดงการโหลด PNG ที่มีข้อความภาษาอังกฤษ, รัสเซีย, และฮินดี. ตัวช่วย `ImageStream.fromFile` จะทำให้การทำงานกับไฟล์‑I/O ซับซ้อนน้อยลงและรับประกันว่าภาพจะถูกสตรีมเข้าสู่ engine อย่างถูกต้อง. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** ใช้ `ImageStream.fromByteArray(byte[])` แทน—เหมาะสำหรับเว็บเซอร์วิสที่รับภาพเป็น byte stream. + +--- + +## ขั้นตอนที่ 4 – เปิดใช้งาน Automatic Language Detection + +โดยค่าเริ่มต้น Aspose OCR จะสมมติว่ามีภาษาเดียว, ซึ่งอาจทำให้ผลลัพธ์เป็นข้อความเสียหายในภาพหลายภาษา. การเปิดการตรวจจับอัตโนมัติจะบอก engine ให้ตรวจสอบสคริปต์ของแต่ละบล็อกข้อความก่อนการรู้จำ. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## ขั้นตอนที่ 5 – **Improve OCR Speed** โดยการจำกัด Language Pool + +การตรวจจับอัตโนมัติเต็มรูปแบบจะสแกนทุกภาษาที่ Aspose รองรับ (มากกว่า 70). หากคุณทราบภาษาที่อาจเกิดขึ้นล่วงหน้า, คุณสามารถให้คำแนะนำกับ engine. การให้ array ที่เล็กลงจะลดพื้นที่ค้นหาและดังนั้น **improves OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Why does this help?** engine จะข้ามโมเดลภาษาที่ไม่จำเป็น, ประหยัด CPU cycles และหน่วยความจำ. หากคุณเพิ่มภาษาในภายหลัง, เพียงอัปเดต array—ไม่ต้องเขียนโค้ดใหม่. + +--- + +## ขั้นตอนที่ 6 – ทำการ Recognize และ **Recognize Text from Image** + +ตอนนี้การทำงานหนักเริ่มขึ้น. `recognize()` จะคืนค่าเป็นอ็อบเจ็กต์ `OcrResult` ที่มีข้อความธรรมดา, คะแนนความมั่นใจ, และแม้แต่ข้อมูล layout หากคุณต้องการใช้ต่อในภายหลัง. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### ผลลัพธ์ที่คาดว่าจะเห็นในคอนโซล + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +หากภาพมีสัญญาณรบกวนหรือข้อความเอียง, คุณอาจเห็นคะแนนความมั่นใจต่ำสำหรับบรรทัดเหล่านั้น. ในกรณีนั้น, พิจารณา pre‑processing ภาพ (deskew, binarisation) ก่อนส่งให้ Aspose. + +--- + +## คำถามทั่วไปและกรณีขอบ + +### ถ้าภาพมีขนาดใหญ่มาก (เช่น >10 MP)? + +ภาพขนาดใหญ่ใช้หน่วยความจำมากและอาจทำให้การประมวลผลช้าลง. วิธีเร็ว ๆ เพื่อ **improve OCR speed** คือการลดขนาดภาพโดยยังคงความอ่านได้: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### จะจัดการกับสคริปต์ขวา‑ไป‑ซ้าย เช่น Arabic อย่างไร? + +Aspose OCR จะเคารพทิศทางสคริปต์โดยอัตโนมัติ, แต่คุณอาจต้องตั้งค่า `RightToLeft` flag สำหรับการ post‑processing: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### สามารถสกัดข้อความจาก PDF แทนภาพได้หรือไม่? + +ได้—แปลงแต่ละหน้า PDF เป็นภาพ (โดยใช้ Aspose PDF หรือ rasterizer ใด ๆ) แล้วส่งผลลัพธ์ไปยัง pipeline OCR เดียวกัน. ตรรกะ **recognize text from image** จะใช้ได้เช่นเดียวกัน. + +--- + +## ตัวอย่างทำงานเต็ม (พร้อมคัดลอก‑วาง) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +บันทึกไฟล์เป็น `MixedLanguageDemo.java`, คอมไพล์ด้วย `javac`, และรันด้วย `java MixedLanguageDemo`. หากทุกอย่างตั้งค่าอย่างถูกต้อง, คุณจะเห็นข้อความหลายภาษาถูกพิมพ์ที่คอนโซล. + +--- + +## สรุป + +ตอนนี้คุณรู้แล้วว่า **how to use Aspose** เพื่อ **recognize text from image** ไฟล์ที่มีหลายภาษา, วิธี **enable automatic language detection**, และเคล็ดลับปฏิบัติเพื่อ **improve OCR speed** โดยการจำกัด language pool. โค้ดเต็มที่อยู่ด้านบนพร้อมคัดลอก‑วาง, และคำอธิบายจะช่วยให้คุณมั่นใจในการปรับใช้—ไม่ว่าคุณจะต้อง **load image for OCR** จากสตรีม, byte array, หรือแม้แต่ภาพจากเว็บแคม + +ขั้นตอนต่อไป? ลองทดลองกับ: + +* การเพิ่ม image pre‑processing (denoise, binarise) สำหรับสแกนคุณภาพต่ำ +* การส่งออก `OcrResult` เป็น JSON สำหรับบริการ downstream +* การรวม engine เข้าไปใน Spring Boot REST endpoint เพื่อให้ลูกค้าสามารถอัปโหลดภาพและรับข้อความที่สกัดได้ทันที + +ขอให้เขียนโค้ดอย่างสนุกสนาน, และขอให้ pipeline OCR ของคุณเร็ว, แม่นยำ, และหลายภาษา! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/thai/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..24d48530a --- /dev/null +++ b/ocr/thai/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,204 @@ +--- +category: general +date: 2026-05-06 +description: จดจำข้อความจากภาพอย่างรวดเร็วด้วยตัวอย่าง OCR ใน Java เรียนรู้การดึงข้อความจากไฟล์ + TIFF ด้วยการประมวลผล OCR แบบขนานและวิธีทำ OCR ใน Java อย่างมีประสิทธิภาพ +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: th +og_description: จดจำข้อความจากภาพอย่างรวดเร็วด้วยตัวอย่าง Java OCR ที่สมบูรณ์ บทเรียนนี้แสดงวิธีดึงข้อความจากไฟล์ + TIFF ด้วยการประมวลผล OCR แบบขนาน +og_title: จดจำข้อความจากภาพด้วย Java OCR – คู่มือการประมวลผลแบบขนาน +tags: +- OCR +- Java +- Image Processing +title: แปลงข้อความจากภาพด้วย Java OCR – คู่มือการประมวลผลแบบขนาน +url: /th/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# จดจำข้อความจากภาพด้วย Java OCR – คู่มือการประมวลผลแบบขนาน + +เคยต้อง **จดจำข้อความจากภาพ** ไฟล์แล้วเจอคอขวดเรื่องประสิทธิภาพหรือไม่? คุณไม่ได้เป็นคนเดียวที่ประสบปัญหา นักพัฒนาหลายคนเจออุปสรรคเมื่อเครื่อง OCR แบบใช้เธรดเดียวต้องค่อย ๆ ไหลผ่านไฟล์ TIFF หลายหน้า ทำให้งานที่ควรจะเร็วกลับกลายเป็นมาราธอน + +ในบทแนะนำนี้เราจะพาไปผ่าน **ตัวอย่าง java ocr** ที่ไม่เพียงแค่ดึงข้อความจากไฟล์ tiff แต่ยังใช้ทุกคอร์ของ CPU เพื่อทำการประมวลผล OCR แบบขนาน เมื่อจบคุณจะรู้วิธี **ocr java** อย่างมีประสิทธิภาพและจะได้โค้ดสั้น ๆ ที่พร้อมรันใน Maven หรือ Gradle ใด ๆ + +## สิ่งที่คุณจะได้เรียนรู้ + +- ตั้งค่าไลบรารี Aspose.OCR ในโปรเจกต์ Java +- โหลดไฟล์ TIFF หลายหน้าและเตรียมพร้อมสำหรับการจดจำ +- เปิดใช้งาน **parallel OCR processing** โดยกำหนดจำนวนเธรดให้ตรงกับคอร์ CPU เชิงตรรกะของคุณ +- ดึงและแสดงข้อความที่จดจำได้ เสร็จสิ้นกระบวนการ **จดจำข้อความจากภาพ** + +> **ข้อกำหนดเบื้องต้น:** Java 8 หรือใหม่กว่าและไลเซนส์ Aspose.OCR for Java ที่ถูกต้อง (หรือคีย์ประเมินผลชั่วคราว) ไม่ต้องใช้เครื่องมือภายนอกอื่นใด + +--- + +## ขั้นตอนที่ 1: เพิ่ม Dependency ของ Aspose.OCR + +ก่อนที่เราจะ **จดจำข้อความจากภาพ** เราต้องมีเอ็นจิ้น OCR อยู่ใน classpath หากคุณใช้ Maven ให้เพิ่มต่อไปนี้ใน `pom.xml` ของคุณ: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +สำหรับ Gradle ให้ใช้แบบนี้: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *เคล็ดลับ:* คอยอัปเดตหมายเลขเวอร์ชันอยู่เสมอ; รุ่นใหม่มักมีการปรับปรุงประสิทธิภาพที่ทำให้ **parallel OCR processing** เร็วขึ้น + +--- + +## ขั้นตอนที่ 2: เตรียมคลาส Java – ตัวอย่างทำงานเต็มรูปแบบ + +ด้านล่างเป็น **ตัวอย่าง java ocr** ที่แสดงวิธี **ดึงข้อความจาก tiff** โดยใช้ทุกคอร์ของ CPU บันทึกไฟล์นี้เป็น `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**เหตุผลที่แต่ละบรรทัดสำคัญ** + +- **การสร้าง Engine**: `OcrEngine` จัดการงานหนักทั้งหมด หากไม่มีคุณจะไม่สามารถ **จดจำข้อความจากภาพ** ได้เลย +- **การโหลดภาพ**: `ImageStream.fromFile` รองรับ TIFF, PNG, JPEG ฯลฯ การใช้ TIFF หลายหน้าจะทดสอบความสามารถของเอ็นจิ้นในการจัดการเอกสารซับซ้อน +- **จำนวนเธรด**: `Runtime.getRuntime().availableProcessors()` คืนค่าจำนวนคอร์เชิงตรรกะ (รวม hyper‑threads) การตั้งค่าค่านี้จะเปิด **parallel OCR processing** ลดเวลาอย่างมากบนเครื่องหลายคอร์ +- **การจดจำ**: `engine.recognize()` เรียกใช้ pipeline OCR ภายในจะกระจายหน้าไปยัง thread pool ที่คุณกำหนด +- **การจัดการผลลัพธ์**: `result.getText()` คืนค่า `String` เดียวที่รวมข้อความของทุกหน้าไว้ – เหมาะสำหรับการประมวลผลต่อหรือการจัดเก็บ + +--- + +## ขั้นตอนที่ 3: รัน Demo และตรวจสอบผลลัพธ์ + +คอมไพล์และรันโปรแกรม: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +คุณควรเห็นผลลัพธ์ประมาณนี้: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +หากคอนโซลพิมพ์ข้อความที่คาดหวังไว้ แสดงว่าคุณได้ **จดจำข้อความจากภาพ** สำเร็จด้วย **ตัวอย่าง java ocr** ที่ทำงานแบบขนานแล้ว + +--- + +## ขั้นตอนที่ 4: ปรับแต่งสำหรับสถานการณ์จริง (เลือกทำ) + +### ดึงข้อความจากหน้าเฉพาะเท่านั้น + +บางครั้งคุณอาจต้องการเฉพาะบางหน้าจาก TIFF ขนาดใหญ่ คุณสามารถกรองหลังจากจดจำได้: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### ปรับจำนวนเธรดด้วยตนเอง + +หากเซิร์ฟเวอร์ของคุณกำลังทำงานอื่นอยู่แล้ว คุณอาจจำกัดจำนวนเธรด OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### จัดการ TIFF ที่ใช้หน่วยความจำสูง + +TIFF หลายหน้าขนาดใหญ่สามารถกิน RAM มาก เพื่อบรรเทาให้ประมวลผลเป็นชิ้น ๆ: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## ขั้นตอนที่ 5: ข้อผิดพลาดทั่วไปและวิธีหลีกเลี่ยง + +| ปัญหา | อาการ | วิธีแก้ | +|-------|---------|-----| +| **ไลเซนส์ไม่เพียงพอ** | Runtime เกิด `LicenseException` | ใส่ไฟล์ไลเซนส์ที่ถูกต้องหรือใช้โหมดประเมินผลฟรี (จะมีลายน้ำ) | +| **พาธไฟล์ผิด** | `FileNotFoundException` | ตรวจสอบพาธอีกครั้งและใช้พาธแบบ absolute ในขั้นทดสอบ | +| **CPU throttling** | ไม่ได้เพิ่มความเร็วแม้ตั้ง `setThreadCount` | ตรวจสอบว่า JVM ไม่ถูกจำกัดโดย `-Xmx` หรือการตั้งค่าพลังงานของ OS | +| **รูปแบบภาพไม่รองรับ** | `UnsupportedFormatException` | แปลงภาพเป็น TIFF, PNG หรือ JPEG ก่อนส่งให้เอ็นจิ้น | + +--- + +## สรุปภาพรวม + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*ข้อความแทนภาพ:* “แผนภาพแสดงกระบวนการจดจำข้อความจากภาพด้วย Java OCR พร้อมการประมวลผลแบบขนาน” + +--- + +## สรุป + +เราได้พาไปผ่าน **ตัวอย่าง java ocr** ที่ **จดจำข้อความจากภาพ** ไฟล์โดยเฉพาะ TIFF หลายหน้า พร้อมใช้ **parallel OCR processing** อย่างเต็มที่ การจับคู่ thread pool กับคอร์ CPU ทำให้ได้การเร่งความเร็วใกล้เคียงเชิงเส้นบนฮาร์ดแวร์สมัยใหม่ – คำตอบที่แท้จริงสำหรับคำถาม “*how to ocr java* efficiently?” + +ต่อไปคุณอาจสำรวจ: + +- **ดึงข้อความจากไฟล์ tiff** เป็นชุดและเก็บผลลัพธ์ลงฐานข้อมูล +- ผสาน OCR กับไลบรารี NLP (เช่น OpenNLP) เพื่อทำการแท็กเอนทิตีโดยอัตโนมัติ +- ปรับโซลูชันเป็น microservice ที่ให้บริการผ่าน REST endpoint สำหรับ OCR ตามต้องการ + +ลองใช้งาน ปรับจำนวนเธรด แล้วดูว่ากระบวนการของคุณเร็วขึ้นเท่าไหร่ หากเจออุปสรรคใด ๆ คอมเมนต์ไว้ด้านล่างได้เลย – Happy coding! + +{{< /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..96b0f41ea 100644 --- a/ocr/thai/java/ocr-operations/_index.md +++ b/ocr/thai/java/ocr-operations/_index.md @@ -78,8 +78,14 @@ 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 +### [Create Searchable PDF from Image – Step‑by‑Step Java Guide](./create-searchable-pdf-from-image-step-by-step-java-guide/) +เรียนรู้วิธีแปลงภาพเป็น PDF ที่ค้นหาได้ด้วย Aspose.OCR สำหรับ Java อย่างละเอียดและง่ายต่อการทำตาม +### [สร้าง PDF ที่ค้นหาได้จากภาพด้วย Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +ทำตามขั้นตอนเพื่อแปลงภาพเป็น PDF ที่ค้นหาได้ด้วย Aspose.OCR for Java อย่างง่าย ### [จดจำข้อความจากภาพด้วย Aspose OCR – คำแนะนำเต็มสำหรับ Java OCR](./recognize-text-image-with-aspose-ocr-full-java-ocr-tutorial/) เรียนรู้ขั้นตอนเต็มเพื่อจดจำข้อความจากภาพด้วย Aspose OCR ใน Java +### [วิธีใช้ OCR ใน Java – ดึงข้อความจากภาพพร้อมการแก้ไขการสะกด](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +เรียนรู้วิธีดึงข้อความจากภาพด้วย Aspose.OCR ใน Java พร้อมการแก้ไขการสะดเพื่อผลลัพธ์ที่แม่นยำ {{< /blocks/products/pf/tutorial-page-section >}} diff --git a/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..d37f41b23 --- /dev/null +++ b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,198 @@ +--- +category: general +date: 2026-05-06 +description: สร้าง PDF ที่ค้นหาได้จากภาพโดยใช้ Aspose OCR. เรียนรู้วิธีแปลงภาพเป็น + PDF, OCR ภาพเป็น PDF และสกัดข้อความจากภาพภายในไม่กี่นาที. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: th +og_description: สร้างไฟล์ PDF ที่ค้นหาได้จากภาพด้วย Aspose OCR. ทำตามคู่มือนี้เพื่อแปลง + JPG เป็น PDF ที่ค้นหาได้, ดึงข้อความจากภาพและอื่น ๆ อีกมากมาย. +og_title: สร้าง PDF ที่ค้นหาได้จากรูปภาพ – บทเรียน Java ครบถ้วน +tags: +- Java +- OCR +- PDF +- Aspose +title: สร้าง PDF ที่ค้นหาได้จากรูปภาพ – คู่มือ Java ทีละขั้นตอน +url: /th/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# สร้าง PDF ที่ค้นหาได้จากรูปภาพ – การสอน Java ฉบับสมบูรณ์ + +เคยต้องการ **สร้าง PDF ที่ค้นหาได้** จากรูปสแกนแต่ไม่แน่ใจว่าจะเลือกไลบรารีไหนไหม? คุณไม่ได้เป็นคนเดียว ในหลายโครงการ—เช่นการอัตโนมัติรายงานค่าใช้จ่ายหรือการจัดเก็บดิจิทัล—ความสามารถในการแปลงภาพธรรมดาเป็น PDF ที่คุณสามารถค้นหาได้เป็นการเปลี่ยนเกม + +ในบทเรียนนี้เราจะพาคุณผ่านกระบวนการทั้งหมดของ **convert image to PDF**, รัน OCR บนภาพนั้น, และได้ **searchable PDF** ที่คุณสามารถนำไปใช้ในเวิร์กโฟลว์เอกสารใดก็ได้ เราจะพูดถึง **extract text from image** และแสดงวิธี **convert jpg to searchable pdf** โดยไม่ต้องเขียนโค้ดซ้ำซ้อนมาก + +## สิ่งที่คุณจะได้เรียนรู้ + +- Dependency ของ Maven/Gradle ที่ต้องใช้สำหรับ Aspose OCR อย่างแม่นยำ +- วิธีโหลด JPG (หรือภาพที่รองรับอื่น) เข้า OCR engine +- ทำไมการบันทึกด้วย `OcrSaveFormat.PDF_SEARCHABLE` ถึงสำคัญ +- ปัญหาที่พบบ่อย (ภาพขนาดใหญ่, ฟอร์แมตที่ไม่รองรับ) และวิธีหลีกเลี่ยง +- วิธีตรวจสอบว่า PDF ที่ได้จริง ๆ มีข้อความที่ค้นหาได้หรือไม่ + +เมื่อจบคู่มือนี้คุณจะมีคลาส Java ที่พร้อมรันและผลิต PDF ที่ค้นหาได้ในหนึ่งคำสั่งเรียกใช้ ไม่ต้องใช้เครื่องมือบรรทัดคำสั่งภายนอก ไม่ต้องใช้ OCR engine เพิ่มเติม—แค่ Java ธรรมดา + +--- + +## ความต้องการเบื้องต้น + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 หรือใหม่กว่า | Aspose OCR ใช้คุณลักษณะของภาษาที่ทันสมัย | +| Maven หรือ Gradle (สำหรับการจัดการ dependencies) | ทำให้ดึง Aspose OCR JAR ได้อย่างง่ายดาย | +| ภาพตัวอย่าง (`input.jpg`) ที่วางไว้ในโฟลเดอร์ที่รู้จัก | โค้ดต้องการเส้นทางไฟล์; คุณสามารถเปลี่ยนเป็น PNG, BMP ฯลฯ | +| ตัวเลือก: โปรแกรมดู PDF ที่มีความสามารถในการค้นหา (Adobe Reader, Foxit ฯลฯ) | เพื่อยืนยันว่า PDF สามารถค้นหาได้จริง | + +หากคุณมีสิ่งเหล่านี้แล้ว เยี่ยม—มาเริ่มกันเลย + +--- + +## Step 1: Add Aspose OCR to Your Project + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** เวอร์ชันประเมินผลฟรีจะใส่ลายน้ำเล็ก ๆ บนหน้าแรก สำหรับการใช้งานจริงให้ซื้อไลเซนส์จาก Aspose แล้วเรียก `License license = new License(); license.setLicense("Aspose.OCR.lic");` ก่อนสร้าง `OcrEngine` + +--- + +## Step 2: Load the Image You Want to Convert + +เราจะใช้ `ImageStream.fromFile` เพื่ออ่านภาพโดยตรงจากดิสก์ วิธีนี้รองรับ JPG, PNG, TIFF และฟอร์แมตอื่น ๆ มากมาย ทำให้คุณสามารถ **convert image to PDF** ไม่ว่าต้นฉบับจะเป็นอะไร + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Why this step?** OCR engine ต้องการภาพบิตแมพของข้อความ การใช้ภาพความละเอียดสูง (300 dpi หรือมากกว่า) จะเพิ่มความแม่นยำของการจดจำอย่างมาก ซึ่งจะให้ผลลัพธ์ **extract text from image** ที่ดีกว่า + +--- + +## Step 3: Run OCR and Save as a Searchable PDF + +ความมหัศจรรย์เกิดขึ้นเมื่อคุณเรียก `save` ด้วยฟอร์แมต `PDF_SEARCHABLE` ภายใต้พื้นฐาน Aspose OCR จะสร้างเลเยอร์ข้อความที่ซ่อนอยู่เหนือภาพต้นฉบับ ทำให้ภาพคงที่กลายเป็น **searchable PDF** + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +หากคุณต้องการ PDF ธรรมดาโดยไม่มีเลเยอร์ซ่อน ให้เปลี่ยน `PDF_SEARCHABLE` เป็น `PDF` แต่สำหรับการจัดเก็บส่วนใหญ่รูปแบบที่ค้นหาได้คือสิ่งที่คุณต้องการ + +--- + +## Step 4: Verify the Result + +หลังโปรแกรมทำงานเสร็จ เปิด `searchable.pdf` ด้วยโปรแกรมดู PDF ใดก็ได้และลองใช้ฟังก์ชันค้นหาในตัว (Ctrl + F) หากคุณพบคำที่เคยอยู่ในภาพเดิม ยินดีด้วย—คุณได้ทำ **ocr image to pdf** สำเร็จแล้ว + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Edge case:** ภาพขนาดใหญ่มาก (> 10 MB) อาจทำให้เกิด `OutOfMemoryError` เพื่อลดปัญหาให้ย่อขนาดภาพก่อนโดยใช้ `java.awt.Image` หรือไลบรารีอย่าง Thumbnailator + +--- + +## Full Working Example + +ด้านล่างเป็นคลาส Java ที่สมบูรณ์และเป็นอิสระ คัดลอก‑วางลงใน IDE ของคุณ ปรับเส้นทางไฟล์ตามต้องการแล้วรัน—ไม่มีขั้นตอนเพิ่มเติมใด ๆ + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +เมื่อคุณเปิด `YOUR_DIRECTORY/searchable.pdf` คุณควรจะสามารถค้นหาคำใดก็ได้ที่ปรากฏใน `input.jpg` นั่นคือแก่นของ **convert jpg to searchable pdf** + +--- + +## Frequently Asked Questions (FAQ) + +### สามารถประมวลผลหลายภาพพร้อมกันได้หรือไม่? +ได้. วนลูปผ่านรายการเส้นทางไฟล์, เรียก `setImage` สำหรับแต่ละไฟล์, แล้วเพิ่มหน้าไปยัง PDF เดียว (`PDF_SEARCHABLE`) หรือสร้าง PDF แยกต่างหาก เพียงจำไว้ว่ารีเซ็ตสถานะของ engine ระหว่างรอบ (`ocrEngine.clear()`) + +### ถ้าความแม่นยำของ OCR ต่ำควรทำอย่างไร? +- ตรวจสอบให้แน่ใจว่าภาพต้นฉบับมีความละเอียดอย่างน้อย 300 dpi +- ใช้ `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` เพื่อกำหนดภาษา +- ทำการพรี‑โปรเซสภาพ (จัดแนว, เพิ่มคอนทราสต์) ด้วยไลบรารีเช่น OpenCV + +### Aspose OCR รองรับภาษาต่าง ๆ หรือไม่? +แน่นอน. enum `OcrLanguage` มี French, German, Chinese, Arabic และอื่น ๆ อีกมากมาย ให้สลับภาษา ก่อนเรียก `save` + +### จะฝัง PDF ที่ค้นหาได้ลงในเอกสารที่มีอยู่แล้วอย่างไร? +ถือผลลัพธ์เป็น PDF ธรรมดา ใช้ไลบรารีรวม PDF (เช่น iText หรือ Aspose PDF) เพื่อเชื่อมต่อกับ PDF อื่น ๆ + +--- + +## Tips & Tricks from the Trenches + +- **Pro tip:** หากต้องการไฟล์ขนาดเล็ก ให้เรียก `ocrEngine.getConfig().setCompress(true);` ก่อนบันทึก +- **Watch out for:** ภาพที่มีพื้นหลังโปร่งใส—Aspose OCR จะถือความโปร่งใสเป็นสีขาว ซึ่งอาจส่งผลต่อคอนทราสต์ +- **Remember:** PDF ที่ค้นหาได้ยังคงเป็นภาพราสเตอร์อยู่ หากต้องการ PDF ที่เป็นเวกเตอร์เต็มรูปแบบ คุณต้องสร้างเลย์เอาต์ใหม่ด้วยตนเอง + +--- + +## Conclusion + +เราได้ครอบคลุมทุกอย่างที่คุณต้องการเพื่อ **create searchable PDF** จากภาพด้วย Aspose OCR ใน Java ตั้งแต่การเพิ่ม dependency ของ Maven ไปจนถึงการตรวจสอบเลเยอร์ข้อความที่ซ่อนอยู่ กระบวนการนี้ตรงไปตรงมาและเขียนโปรแกรมได้เต็มที่ ตอนนี้คุณสามารถ **convert image to pdf**, **ocr image to pdf**, และแม้กระทั่ง **extract text from image** ได้โดยไม่ต้องออกจาก IDE + +พร้อมก้าวต่อไปหรือยัง? ลองประมวลผลเป็นชุดของใบเสร็จสแกนหลาย ๆ ฉบับ, หรือผสานเวิร์กโฟลว์นี้กับทริกเกอร์คลาวด์สตอเรจ (AWS Lambda, Azure Functions) เพื่ออัตโนมัติการไหลของเอกสาร โอกาสไม่มีที่สิ้นสุด—ลองทดลองดู! + +หากเจออุปสรรคหรือมีไอเดียปรับปรุง แสดงความคิดเห็นด้านล่างได้เลย Happy coding! + +![แผนภาพแสดงกระบวนการ: รูปภาพ → เครื่องมือ OCR → PDF ที่ค้นหาได้](image-placeholder.png "แผนผังการสร้าง 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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..6256ed5f2 --- /dev/null +++ b/ocr/thai/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,203 @@ +--- +category: general +date: 2026-05-06 +description: สร้าง PDF ที่ค้นหาได้จากภาพโดยใช้ Aspose OCR ใน Java เรียนรู้การแปลงภาพเป็น + PDF เปิดใช้งานการแก้ไขการสะกดคำ และใช้ OCR GPU เพื่อผลลัพธ์ที่เร็วขึ้น +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: th +og_description: สร้าง PDF ที่ค้นหาได้จากภาพโดยใช้ Aspose OCR ใน Java คู่มือนี้แสดงวิธีแปลงภาพเป็น + PDF เปิดใช้งานการแก้ไขการสะกดคำ และใช้ OCR GPU. +og_title: สร้าง PDF ที่ค้นหาได้จากภาพด้วย Java OCR +tags: +- OCR +- Java +- PDF +title: สร้าง PDF ที่ค้นหาได้จากภาพด้วย Java OCR +url: /th/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# สร้าง PDF ที่สามารถค้นหาได้จากรูปภาพด้วย Java OCR + +เคยต้องการ **สร้าง PDF ที่สามารถค้นหาได้** จากรูปภาพที่สแกนแต่ไม่แน่ใจว่าจะเริ่มต้นอย่างไรหรือไม่? คุณไม่ได้อยู่คนเดียว—นักพัฒนาส่วนใหญ่มักเจออุปสรรคนี้เมื่อต้องจัดการกับ PDF ที่มาจากภาพเป็นครั้งแรก โชคดีที่ด้วย Aspose OCR for Java คุณสามารถ **แปลงภาพเป็น PDF**, ทำให้ข้อความเป็นเนื้อหาที่เลือกได้, และแม้กระทั่งเพิ่มการแก้ไขการสะกดเพื่อผลลัพธ์ที่เรียบหรู + +ในบทแนะนำนี้เราจะพาไปผ่านตัวอย่างที่สมบูรณ์พร้อมรันที่แสดงวิธี **ใช้ OCR GPU** เมื่อมี, วิธี **ประมวลผล OCR ของภาพ** อย่างมีประสิทธิภาพ, และเหตุผลที่การเปิดใช้งานการแก้ไขการสะกดมีความสำคัญต่อการค้นหาในขั้นต่อไป เมื่อเสร็จคุณจะมีวิธีคลิกเดียวเพื่อสร้าง PDF ที่สามารถค้นหาได้ซึ่งคุณสามารถส่งให้ผู้ใช้หรือเก็บเป็นเอกสารเพื่อการปฏิบัติตามข้อกำหนด + +> **เคล็ดลับ:** หากคุณกำลังรันบนเครื่องที่ไม่มี GPU โค้ดจะสลับไปใช้ CPU อย่างราบรื่น ดังนั้นคุณไม่จำเป็นต้องเขียนใหม่ใด ๆ + +## สิ่งที่คุณต้องการ + +- **Java 8+** (โค้ดคอมไพล์ด้วย JDK 8 และใหม่กว่า) +- **Aspose OCR for Java** library (ดาวน์โหลด JAR ล่าสุดจากเว็บไซต์ Aspose) +- **input image** (JPEG, PNG, TIFF ฯลฯ) ที่คุณต้องการแปลงเป็น PDF ที่สามารถค้นหาได้ +- (Optional) **GPU** ที่รองรับ CUDA หากคุณต้องการการจดจำที่เร็วที่สุด + +ไม่มีเฟรมเวิร์กเพิ่มเติม, ไม่มีการตั้งค่า Maven/Gradle—เพียง JAR เดียวบน classpath แล้วคุณก็พร้อมใช้งาน + +## ขั้นตอนที่ 1: เริ่มต้น OcrEngine – ใจกลางของกระบวนการ + +ก่อนอื่นเราจะสร้างอินสแตนซ์ `OcrEngine` และชี้ไปที่ไฟล์ต้นฉบับ วัตถุนี้เป็นเครื่องมือหลักที่จะอ่านภาพ, รันเครือข่ายประสาทเทียม, และส่งข้อความกลับมาให้เรา + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*ทำไมเรื่องนี้สำคัญ:* การเริ่มต้น engine ครั้งเดียวและใช้ซ้ำช่วยหลีกเลี่ยงค่าใช้จ่ายจากการโหลดไลบรารีเนทีฟหลายครั้ง—เป็นการเพิ่มประสิทธิภาพเล็กน้อยที่สะสมเมื่อคุณประมวลผลไฟล์หลายสิบไฟล์เป็นชุด + +## ขั้นตอนที่ 2: เลือกอุปกรณ์ประมวลผล – ใช้ OCR GPU เมื่อเป็นไปได้ + +หากเวิร์กสเตชันของคุณมี GPU ที่รองรับ, คุณสามารถบอก Aspose ให้ทำงานหนักบน GPU ได้ มิฉะนั้น engine จะสลับไปใช้ CPU โดยอัตโนมัติ + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*ประโยชน์คืออะไร?* การเร่งด้วย GPU สามารถลดเวลาประมวลผลหลายวินาทีต่อหน้า, โดยเฉพาะสำหรับการสแกนความละเอียดสูง การสลับกลับทำให้โค้ดเดียวทำงานได้ทุกที่ นั่นคือเหตุผลที่เราแนะนำ **use OCR GPU** เป็นการตั้งค่าเริ่มต้น + +## ขั้นตอนที่ 3: เร่งความเร็วการสแกน – ใช้ทุกคอร์ของ CPU + +แม้ในขณะที่ GPU กำลังทำงาน, ขั้นตอนการเตรียมข้อมูลรอบข้างสามารถทำแบบขนานได้ การตั้งจำนวนเธรดให้เท่ากับจำนวนโปรเซสเซอร์ที่พร้อมใช้งานทำให้ engine สามารถประมวลผลหลายส่วนพร้อมกัน + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*หมายเหตุ:* บนแล็ปท็อป 4‑คอร์จะเปิดสี่เธรด; บนเวิร์กสเตชัน 16‑คอร์คุณจะได้รับประโยชน์เต็มที่ เพียงระวังว่าการเพิ่มเธรดจะทำให้ใช้หน่วยความจำมากขึ้น + +## ขั้นตอนที่ 4: ทำความสะอาดภาพ – ตัวกรองการเตรียมข้อมูล + +การสแกนที่เบลอหรือมีเสียงรบกวนจะทำให้ได้ข้อความที่เป็นขยะ การเพิ่มตัวกรองในตัวสองสามตัวจะเพิ่มความแม่นยำอย่างมาก + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*ทำไมต้องใช้ตัวกรองเหล่านี้?* `DeskewFilter` แก้ไขการหมุนที่มักเกิดเมื่อเอกสารถูกสแกนด้วยมุม `NoiseRemovalFilter` กำจัดพิกเซลรบกวนที่อาจถูกตีความเป็นอักขระ คิดว่าเป็นการให้ OcrEngine มีกระดาษสะอาดเพื่ออ่าน + +## ขั้นตอนที่ 5: เปิดฟีเจอร์อัจฉริยะ – เปิดการแก้ไขการสะกดและการตรวจจับภาษาอัตโนมัติ + +หากคุณทำงานกับเอกสารหลายภาษา หรือแค่ต้องการลดการพิมพ์ผิด, ให้เปิดตัวตรวจสอบการสะกดในตัวและให้ engine คาดเดาภาษา + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*เมื่อใดที่เป็นประโยชน์?* สมมติว่าการสแกนของคุณมีส่วนภาษาอังกฤษและสเปน ฟีเจอร์ตรวจจับอัตโนมัติจะสลับพจนานุกรมแบบเรียลไทม์, ส่วนการแก้ไขการสะกดจะทำความสะอาดอักขระที่อ่านผิดเช่น “0” แทน “O”. ขั้นตอนนี้สำคัญสำหรับการสร้าง **PDF ที่สามารถค้นหาได้** ที่ให้ผลลัพธ์ที่ถูกต้อง + +## ขั้นตอนที่ 6: บันทึกผลลัพธ์ – แปลงภาพเป็น PDF และทำให้สามารถค้นหาได้ + +สุดท้ายเราขอให้ engine เขียน PDF ที่ภาพต้นฉบับอยู่ด้านหลังชั้นข้อความที่มองไม่เห็น นี่คือกระบวนการ **แปลงภาพเป็น PDF** แบบคลาสสิก, แต่ PDF นี้ตอนนี้สามารถค้นหาได้ + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +ไฟล์ผลลัพธ์ (`output-searchable.pdf`) สามารถเปิดได้ในโปรแกรมอ่าน PDF ใดก็ได้; คุณจะสามารถเลือก, คัดลอก, และค้นหาข้อความได้เหมือน PDF ปกติ ไม่ต้องใช้เครื่องมือเพิ่มเติม + +## ตัวอย่างทำงานเต็มรูปแบบ – คัดลอกและรัน + +ด้านล่างเป็นโปรแกรมทั้งหมดพร้อมคอมไพล์ แทนที่ `YOUR_DIRECTORY` ด้วยโฟลเดอร์ที่เก็บ `input.jpg` + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**ผลลัพธ์ที่คาดหวัง:** เมื่อคุณรันโปรแกรมคุณจะเห็นบรรทัดคอนโซล *“Searchable PDF generated successfully.”* การเปิด `output-searchable.pdf` ใน Adobe Reader จะทำให้คุณพิมพ์คำจากภาพต้นฉบับในช่องค้นหาและกระโดดไปยังตำแหน่งนั้นทันที + +## คำถามทั่วไปและกรณีขอบ + +- **GPU ไม่ถูกตรวจพบจะทำอย่างไร?** + การเรียก `setDeviceType(OcrDeviceType.GPU)` ไม่ทำให้เกิดข้อผิดพลาด; มันเพียงสั่งให้ engine พยายามใช้ GPU ก่อน หากล้มเหลว engine จะสลับไปใช้ CPU อย่างเงียบ ๆ + +- **สามารถประมวลผลหลายภาพในรอบเดียวได้หรือไม่?** + ได้. ใส่โค้ดในลูป, เปลี่ยนชื่อไฟล์ในแต่ละรอบ, และใช้ `OcrEngine` อินสแตนซ์เดียวกันเพื่อรักษาการใช้หน่วยความจำให้ต่ำ + +- **PDF ของฉันใหญ่เกินไป—จะลดขนาดอย่างไร?** + หลังจาก OCR คุณสามารถใช้ API การปรับแต่ง PDF ของ Aspose, หรือเพียงลดขนาดภาพต้นฉบับก่อนส่งให้ engine (`ImageStream.fromFile(...).setResolution(150)` สำหรับ 150 DPI) + +- **ฉันต้องการรักษาความละเอียดของภาพต้นฉบับเพื่อการปฏิบัติตามกฎหมาย.** + ฟอร์แมต `PDF_SEARCHABLE` จะคงบิตแมพต้นฉบับไว้โดยตรง; ชั้นข้อความที่มองไม่เห็นจะถูกเพิ่มบนภาพโดยไม่เปลี่ยนแปลงคุณภาพภาพ + +## สรุปภาพรวม + +![ตัวอย่างการสร้าง PDF ที่สามารถค้นหาได้](placeholder-image.png "ตัวอย่างการสร้าง PDF ที่สามารถค้นหาได้") + +*ข้อความแทนภาพ:* *ตัวอย่างการสร้าง PDF ที่สามารถค้นหาได้ – เครื่องมือ Java OCR แปลง JPG ที่สแกนเป็น PDF ที่สามารถค้นหาได้.* + +## สรุป + +ตอนนี้คุณมี **โซลูชันครบวงจร** สำหรับการแปลงภาพใด ๆ ให้เป็น **PDF ที่สามารถค้นหาได้** ด้วย Aspose OCR for Java โดย **แปลงภาพเป็น PDF**, **เปิดใช้งานการแก้ไขการสะกด**, และ **ใช้ OCR GPU** เมื่อเป็นไปได้ คุณจะได้ผลลัพธ์ที่เร็ว, แม่นยำ, และสามารถค้นหาได้ซึ่งทำงานบนหลายแพลตฟอร์ม + +ต่อไปทำอะไร? ลองทดลองกับ: + +- **รูปแบบผลลัพธ์ที่ต่างกัน** (`PDF`, `DOCX`, `HTML`) เพื่อดูว่าชั้นข้อความทำงานอย่างไร +- **พจนานุกรมกำหนดเอง** หากคุณประมวลผลศัพท์เฉพาะโดเมน +- **การประมวลผลเป็นชุด** เพื่อจัดการสแกนหลายพันไฟล์โดยอัตโนมัติ + +คุณสามารถปรับจำนวนเธรด, เปลี่ยนตัวกรอง, หรือเชื่อมต่อ pipeline การเตรียมข้อมูลของคุณเองได้อย่างอิสระ รูปแบบหลักยังคงเหมือนเดิม: load → preprocess → configure → OCR → save. + +ขอให้เขียนโค้ดอย่างสนุกสนาน, และขอให้ PDF ของคุณสามารถค้นหาได้เสมอ! + +{{< /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-image-with-spell-co/_index.md b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..7a0de484d --- /dev/null +++ b/ocr/thai/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,217 @@ +--- +category: general +date: 2026-05-06 +description: วิธีใช้ OCR เพื่อดึงข้อความจากรูปภาพใน Java. เรียนรู้การแปลงรูปภาพเป็นข้อความด้วย + OCR, การแก้ไขข้อผิดพลาดของ OCR และการโหลดรูปภาพสำหรับ OCR ด้วย Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: th +og_description: วิธีใช้ OCR ใน Java เพื่อดึงข้อความจากภาพ, แก้ไขข้อผิดพลาดของ OCR + และโหลดภาพสำหรับ OCR ด้วย Aspose OCR. +og_title: วิธีใช้ OCR ใน Java – คู่มือฉบับสมบูรณ์ +tags: +- OCR +- Java +- Aspose +title: วิธีใช้ OCR ใน Java – แยกข้อความจากภาพพร้อมการแก้ไขการสะกด +url: /th/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# วิธีใช้ OCR ใน Java – แยกข้อความจากภาพพร้อมการแก้ไขการสะกด + +เคยสงสัย **วิธีใช้ OCR** เพื่อเปลี่ยนรูปใบเสร็จที่เบลอให้เป็นข้อความที่สะอาดและค้นหาได้หรือไม่? คุณไม่ได้เป็นคนเดียว ในหลายโครงการ—แอปติดตามค่าใช้จ่าย, ระบบแปลงใบแจ้งหนี้เป็นดิจิทัล, หรือแม้แต่สคริปต์บันทึกโน้ตอย่างรวดเร็ว—การได้ข้อความที่เชื่อถือได้จากภาพเป็นอุปสรรคแรก + +บทเรียนนี้จะแสดงให้คุณเห็นอย่างละเอียดว่าใช้ OCR ใน Java อย่างไร ครอบคลุมตั้งแต่การโหลดภาพสำหรับ OCR ไปจนถึงการแก้ไขข้อผิดพลาดของ OCR เพื่อให้ผลลัพธ์อ่านเหมือนพิมพ์โดยมนุษย์ เมื่อเสร็จสิ้นคุณจะสามารถ **extract text from image**, ทำการแปลง **OCR image to text** และแก้ไขข้อผิดพลาดการจดจำที่พบบ่อยโดยอัตโนมัติได้ + +## สิ่งที่คุณจะสร้าง + +เราจะสร้างโปรแกรมคอนโซล Java ขนาดเล็กที่: + +1. โหลดไฟล์ PNG (หรือรูปแบบที่รองรับอื่น) เข้าไปใน Aspose OCR engine. +2. เปิดใช้งานฟีเจอร์การแก้ไขการสะกดในตัวเพื่อ **correct OCR errors**. +3. รันกระบวนการจดจำและพิมพ์ข้อความที่ทำความสะอาดแล้วออกมา + +ไม่มีบริการภายนอก ไม่มีเฟรมเวิร์กหนัก—แค่ JAR ไฟล์เดียวและไม่กี่บรรทัดของโค้ด + +### ข้อกำหนดเบื้องต้น + +- Java Development Kit (JDK) 8 หรือใหม่กว่า +- Maven (หรือเครื่องมือสร้างอื่น) เพื่อดึงไลบรารี Aspose OCR +- ไฟล์รูปภาพ (เช่น `receipt.png`) ที่คุณต้องการวิเคราะห์ + +หากคุณยังไม่มี Aspose OCR JAR ให้เพิ่ม dependency นี้ใน `pom.xml` ของคุณ: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro tip:** เวอร์ชันประเมินผลฟรีใช้ได้สำหรับการทดสอบ แต่ไลเซนส์จะลบลายน้ำการประเมินผลออก + +## ขั้นตอนที่ 1 – Initialise the OCR Engine (Primary Keyword in Action) + +สิ่งแรกที่คุณต้องทำคือสร้างอินสแตนซ์ของ `OcrEngine` คิดว่าเป็นสมองที่จะอ่านพิกเซลและแปลงเป็นอักขระ + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Why this matters:* การเริ่มต้นเอนจินจะตั้งค่าทรัพยากรภายใน (โมเดลภาษา, พจนานุกรม ฯลฯ) การข้ามขั้นตอนนี้จะทำให้เกิด `NullPointerException` ในภายหลังเมื่อคุณพยายามโหลดภาพ + +## ขั้นตอนที่ 2 – โหลดภาพสำหรับ OCR + +ตอนนี้เราจะ **load image for OCR** จริง ๆ Aspose มี helper `ImageStream.fromFile` ที่สะดวก แต่คุณก็สามารถส่ง `byte[]` ได้หากต้องการ + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Common pitfall:* เส้นทางไฟล์ต้องเป็นแบบ absolute หรือ relative ต่อไดเรกทอรีทำงาน หากไม่พบภาพเอนจินจะโยน `IOException` ตรวจสอบเส้นทางอีกครั้ง โดยเฉพาะเมื่อรันจาก IDE เทียบกับ JAR ที่บรรจุแล้ว + +## ขั้นตอนที่ 3 – เปิดใช้งานการแก้ไขการสะกดเพื่อ **Correct OCR Errors** + +OCR ที่ใช้โดยตรงอาจมีเสียงรบกวน—เช่น “l0ve” แทน “love” หรือ “0” แทน “O” การเปิดใช้งานการแก้ไขการสะกดบอกเอนจินให้รันขั้นตอน post‑processing ที่แก้ไขข้อผิดพลาดทั่วไป + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Why you’d want this:* หากไม่มีการแก้ไขการสะกด คุณอาจต้องทำความสะอาดผลลัพธ์ด้วยตนเอง ซึ่งทำลายจุดประสงค์ของการอัตโนมัติ พจนานุกรมในตัวทำงานได้ดีสำหรับภาษาอังกฤษและหลายภาษาอื่น + +## ขั้นตอนที่ 4 – ทำการจดจำ (**OCR Image to Text**) + +เมื่อโหลดภาพและเปิดการแก้ไขการสะกดแล้ว เราสามารถขอให้เอนจินจดจำข้อความได้เลย + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Edge case:* หากภาพมีคอนทราสต์ต่ำหรือเอียงมาก ผลลัพธ์อาจยังคงเป็นตัวอักษรไร้ความหมาย พิจารณาการทำ pre‑processing (เช่น binarisation, deskew) ก่อนส่งให้เอนจิน + +## ขั้นตอนที่ 5 – แสดงผลข้อความที่ทำความสะอาดแล้ว + +ขั้นตอนสุดท้ายคือการพิมพ์ผลลัพธ์ออกมา ในแอปพลิเคชันจริงคุณอาจบันทึกลงฐานข้อมูลหรือไฟล์ แต่สำหรับการสาธิตนี้ `System.out` เพียงพอ + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### ผลลัพธ์ที่คาดหวัง + +สมมติว่า `receipt.png` มีรายการสินค้าอย่างชัดเจน คุณอาจเห็นผลลัพธ์ประมาณนี้: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +สังเกตว่า “Qty” และ “Price” ถูกสะกดอย่างถูกต้อง แม้ว่าการสแกนต้นฉบับอาจมี “Qy” ปรากฏอยู่ + +## ตัวอย่างทำงานเต็มรูปแบบ + +ด้านล่างเป็นโปรแกรมเต็มที่คุณสามารถคัดลอก‑วางลงในไฟล์ชื่อ `SpellCorrectDemo.java` ตรวจสอบให้แน่ใจว่า Aspose OCR JAR อยู่ใน classpath + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Run it with: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +คุณควรเห็นข้อความที่ทำความสะอาดแล้วพิมพ์ออกมาที่คอนโซล + +## โบนัส: ปรับแต่งการตั้งค่าเพื่อความแม่นยำที่ดียิ่งขึ้น + +แม้การตั้งค่าเริ่มต้นจะทำงานได้กับเอกสารพิมพ์ส่วนใหญ่ คุณอาจต้องปรับพารามิเตอร์บางอย่างสำหรับสถานการณ์พิเศษ: + +| การตั้งค่า | ทำอะไร | เมื่อควรเปลี่ยน | +|-----------|--------|-----------------| +| `setLanguage(OcrLanguage.English)` | บังคับใช้พจนานุกรมภาษาอังกฤษ (ลดผลบวกเท็จ) | หากภาพของคุณมีเฉพาะข้อความภาษาอังกฤษ | +| `setResolution(300)` | แจ้งให้เอนจินทราบ DPI ของภาพต้นฉบับ | สำหรับสแกนความละเอียดสูง | +| `setEnableAutoSkewCorrection(true)` | หมุนอัตโนมัติหน้าที่เอียงเล็กน้อย | เมื่อภาพถูกถ่ายด้วยโทรศัพท์ | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## คำถามที่พบบ่อย + +**Q: Does this work with PDFs?** +A: ใช่. แปลงแต่ละหน้า PDF เป็นภาพ (เช่น ใช้ Aspose PDF) แล้วส่งภาพให้ OCR engine + +**Q: What if my image is in BMP format?** +A: `ImageStream.fromFile` รองรับ PNG, JPEG, BMP, TIFF, และ GIF โดยตรง เพียงเปลี่ยนส่วนต่อท้ายไฟล์ + +**Q: Can I disable spell correction?** +A: แน่นอน—ตั้งค่า `setEnableSpellCorrection(false)` หากคุณต้องการผลลัพธ์ OCR ดิบสำหรับการประมวลผลต่อไป + +## สรุป + +คุณตอนนี้รู้ **วิธีใช้ OCR** ใน Java เพื่อ **extract text from image**, แก้ไข **OCR errors** อัตโนมัติ และ **load image for OCR** อย่างถูกต้องด้วย Aspose OCR กระบวนการห้าขั้นตอน—initialise, load, enable spell correction, recognise, และ output—ครอบคลุมงาน OCR ประจำวันส่วนใหญ่ + +จากนี้ลองต่อเชื่อมตรรกะนี้กับการเขียนกลับไปยังฐานข้อมูล, endpoint REST, หรือ batch processor เพื่อจัดการใบเสร็จหลายสิบใบพร้อมกัน ทดลองปรับค่าตารางด้านบนเพื่อดึงความแม่นยำสูงสุดออกมา + +ขอให้สนุกกับการเขียนโค้ด และขอให้ผลลัพธ์ OCR ของคุณสะอาดกว่ารอยกาแฟบนใบเสร็จเสมอ! + +![แผนภาพวิธีใช้ OCR แสดงภาพ → OCR engine → ข้อความที่แก้ไขแล้ว] + +{{< /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..0deb51fcf 100644 --- a/ocr/turkish/java/advanced-ocr-techniques/_index.md +++ b/ocr/turkish/java/advanced-ocr-techniques/_index.md @@ -45,6 +45,9 @@ Hassas metin tanıma için Java uygulamalarınızı Aspose.OCR ile güçlendirin Aspose.OCR for Java ile izin verilen karakterleri belirterek görüntülerden zahmetsizce metin çıkarın. Sorunsuz bir metin tanıma deneyimi sağlayan verimli entegrasyon için adım adım kılavuzumuzu izleyin. Aspose.OCR özellikleriyle Java uygulamalarınızı geliştirin. +## [Aspose OCR GPU Kılavuzu: PNG Görüntülerinden Metin Çıkarma Hızlandırma](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) +GPU desteğiyle PNG görüntülerinden hızlı ve yüksek doğrulukta metin çıkarın. Aspose OCR ile performansı artırın. + ## Çözüm Aspose.OCR for Java ile gelişmiş OCR tekniklerinde uzmanlaşmak hiç bu kadar kolay olmamıştı. Bu eğitimlere dalın ve Java projelerinizde metin tanımanın tam potansiyelini ortaya çıkarın. Sorunsuz entegrasyon, yüksek doğruluk ve çok yönlü metin çıkarma yetenekleriyle uygulamalarınızı geliştirin. Hemen indirin ve Aspose.OCR for Java ile OCR mükemmelliğine doğru ilk adımı atın! @@ -61,9 +64,16 @@ 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. +### [Java OCR ile Görüntüden Metin Tanıma – Paralel İşleme Kılavuzu](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Java OCR kullanarak paralel işleme ile görüntülerden hızlı ve doğru metin çıkarın. Adım adım rehberle performansı artırın. +### [Aspose OCR'ı Karışık Dil Görüntüleri İçin Nasıl Kullanılır](./how-to-use-aspose-ocr-for-mixed-language-images/) +Aspose OCR ile birden fazla dili içeren görüntülerden metni doğru bir şekilde çıkarın. Java projelerinizde çok dilli OCR'ı keşfedin. +### [OCR'da Kontrastı Artırma – Tam Java Ön İşleme Kılavuzu](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Java ile OCR performansını artırmak için görüntü kontrastını nasıl iyileştireceğinizi adım adım öğrenin. + {{< /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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/turkish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..e754956e7 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,249 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR GPU öğreticisi, hızlı ve güvenilir OCR için GPU hızlandırması + kullanarak görüntüden metin tanıma ve PNG'den metin çıkarma yöntemlerini gösterir. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: tr +og_description: Aspose OCR GPU'yu kullanarak görüntüden metin tanımayı ve Java'da + GPU hızlandırmasıyla PNG'den metin çıkarmayı öğrenin. +og_title: 'aspose ocr gpu Kılavuzu: Metin Çıkarma Hızlandırma' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'aspose ocr gpu Kılavuzu: PNG Görüntülerinden Metin Çıkarma İşlemini Hızlandırın' +url: /tr/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – PNG Görsellerinden Hızlı ve Güvenilir Metin Çıkarma + +**aspose ocr gpu** ile OCR performansınızı artırmak mı istiyorsunuz? Aspose OCR GPU sayesinde **görüntüden metin tanıma** işlemini CUDA‑destekli bir grafik kartı kullanarak çok daha hızlı gerçekleştirebilirsiniz. Yüksek çözünürlüklü bir PNG dosyasını dakikalar yerine saniyeler içinde işlediğinizi hayal edin—artık sonuçları beklemek zorunda kalmayacaksınız. + +Bu öğreticide, OCR için bir görüntüyü yükleme, motoru GPU moduna geçirme ve son olarak metni çıkarma adımlarını adım adım göstereceğiz. Sonunda, **png dosyalarından metin çıkaran** GPU hızlandırmalı tam çalışan bir Java programına sahip olacaksınız. Harici belgelere ihtiyaç yok—adımları izleyin, kodu kopyalayın, ve hemen çalıştırın. + +## Gereksinimler + +- **Java Development Kit (JDK) 11+** – kod standart Java dil özelliklerini kullanıyor. +- **Aspose.OCR for Java** (May 2026 itibarıyla en son sürüm). Maven Central’dan alabilirsiniz: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **CUDA‑destekli bir GPU** (NVIDIA GeForce, Quadro veya Tesla) ve uygun sürücü kurulmuş olmalı. +- **Örnek yüksek çözünürlüklü PNG** (ör. `sample-highres.png`) – işlemek istediğiniz dosya. + +GPU’nuz yoksa, kod otomatik olarak CPU’ya geçecektir—GPU satırlarını yorum satırı haline getirmeniz yeterli. + +## Adım 1 – OCR için Görüntüyü Yükleme + +Her OCR iş akışının ilk ihtiyacı bir görüntü kaynağıdır. Aspose OCR, bir dosyadan, bayt dizisinden ya da hatta bir URL’den okuyabilen kullanışlı bir `ImageStream` sarmalayıcı sağlar. Yerel geliştirme için en basit yol olduğu için burada `ImageStream.fromFile` kullanıyoruz. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Neden önemli:** Görüntüyü doğru şekilde yüklemek, OCR motorunun ihtiyaç duyduğu piksel verisini almasını sağlar. `ImageStream.fromFile` aynı zamanda yaygın PNG özelliklerini (alfa kanalı, renk derinliği) otomatik olarak yönetir. + +## Adım 2 – GPU Hızlandırmayı Etkinleştirme (aspose ocr gpu) + +Şimdi sihirli kısmı: Aspose’un GPU’da çalışmasını söylemek. Motor içindeki `OcrDevice` nesnesi, cihaz tipini (`CPU` veya `GPU`) ve birden fazla GPU varsa belirli cihaz kimliğini seçmenize olanak tanır. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Pro ipucu:** `CUDA driver not found` hatası alırsanız, NVIDIA sürücüsünün Aspose OCR’nin gerektirdiği CUDA sürümüyle (genellikle 23.x sürümünde CUDA 11.x) eşleştiğinden emin olun. +> **Köşe durumu:** Başsız (headless) bir sunucuda çalışıyorsanız, GPU’nun başka bir süreç tarafından kilitlenmediğini kontrol edin; aksi takdirde OCR çağrısı sessizce CPU’ya geçer. + +## Adım 3 – Görüntüden Metin Tanıma + +Görüntü yüklendi ve cihaz ayarlandıktan sonra OCR motorunu çalıştırabilirsiniz. `recognize()` metodu, düz metin, güven skorları ve gerekirse sınırlayıcı kutular içeren bir `OcrResult` nesnesi döndürür. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Programı çalıştırdığınızda aşağıdakine benzer bir çıktı görmelisiniz: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Ne gördüğünüz:** PNG’den çıkarılan ham dize. Görüntü tablolar veya çok sütunlu düzenler içeriyorsa, daha iyi sonuçlar için motorun `LayoutAnalysis` özelliğini etkinleştirebilirsiniz (bu hızlı kılavuzun kapsamı dışında). + +## Adım 4 – GPU’nun Gerçekten Kullanıldığını Doğrulama + +GPU’nun işi yaptığını varsaymak kolaydır, ancak basit bir kontrol saatler süren hata ayıklamayı önleyebilir. Aspose OCR, cihazı başlattığında küçük bir günlük girdisi yazar. + +Cihaz tipini ayarladıktan hemen sonra bu kod parçasını ekleyin: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Çıktı `GPU` olarak görünüyorsa her şey hazır. `CPU` görürseniz, sürücü kurulumunuzu gözden geçirin veya `CUDA_HOME` ortam değişkeninin doğru araç takımı klasörüne işaret ettiğinden emin olun. + +## Yaygın Tuzaklar ve Çözüm Önerileri + +| Belirti | Muhtemel Neden | Çözüm | +|---------|----------------|------| +| `java.lang.UnsatisfiedLinkError` hakkında `cudart64_110.dll` | CUDA çalışma zamanı `PATH` içinde değil | CUDA `bin` klasörünü sistem `PATH`’ine ekleyin veya `java.library.path` ayarlayın. | +| OCR boş dize döndürüyor | Görüntü doğru yüklenmemiş (yanlış yol veya desteklenmeyen format) | Dosya yolunu tekrar kontrol edin ve PNG’nin bozuk olmadığından emin olun. | +| Performans CPU’ya benzer | Sürücü uyumsuzluğu nedeniyle GPU geri dönüşü | NVIDIA sürücüsünü Aspose OCR sürüm notlarında belirtilen sürüme güncelleyin. | +| Büyük görüntülerde bellek tükenmesi | GPU belleği doldu | Görüntü çözünürlüğünü azaltın veya işleme öncesi görüntüyü parçalara bölün. | + +## Bonus: GPU Yoksa CPU’ya Düşme + +Bazen CUDA‑yeteneği olmayan bir geliştirme laptopunda aynı kodu çalıştırmanız gerekebilir. Cihaz seçimini bir try‑catch bloğuna sararak programı daha dayanıklı hâle getirebilirsiniz. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Artık aynı ikili (binary) her yerde çalışır ve donanım izin verdiği sürece hız artışı sağlar. + +## Tam, Çalıştırılabilir Örnek + +Aşağıda, yukarıda tartışılan tüm adımları, kontrolleri ve geri dönüş mantığını içeren tam Java sınıfı yer alıyor. IDE’nize kopyalayıp yapıştırın, görüntü yolunu ayarlayın ve çalıştırın. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Beklenen çıktı** (PNG basit İngilizce metin içeriyorsa): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +GPU mevcut değilse, son satırda “CPU” görürsünüz. + +## Görsel Genel Bakış + +Aşağıda, PNG’nin yüklenmesinden düz metnin elde edilmesine kadar veri akışını gösteren hızlı bir diyagram yer alıyor. Görselin alt metni SEO için ana anahtar kelimeyi içeriyor. + +![aspose ocr gpu workflow – load image, enable GPU, recognize text] + +*Alt metin: aspose ocr gpu iş akışı, görüntüyü OCR için yükleme, GPU hızlandırmayı etkinleştirme ve png’den metin çıkarma sürecini gösteriyor.* + +## Özet ve Sonraki Adımlar + +**aspose ocr gpu** ile **görüntüden metin tanıma** ve **png dosyalarından metin çıkarma** sürecini nasıl hızlandıracağınızı öğrendik. Temel çıkarımlar: + +1. `ImageStream.fromFile` ile **görüntüyü yükleyin**. +2. `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)` ile **GPU’yu etkinleştirin**. +3. `recognize()` çağırın ve `ocrResult.getText()` ile **metni alın**. +4. **Cihazı doğrulayın** ve gerektiğinde sorunsuzca CPU’ya geri dönün. + +Sınırları zorlamaya hazır mısınız? Şu deneyleri yapın: + +- **Toplu işleme:** Bir klasördeki PNG’leri döngüyle işleyip her sonucun `.txt` dosyasına yazdırın. +- **Düzen analizi:** `ocrEngine.getOptions().setDetectDocumentStructure(true)` ile sütun ve tablo yapılarını koruyun. +- **Çok‑GPU ölçeklendirme:** Çalışma istasyonunuzda birden fazla GPU varsa, her bir `deviceId` için ayrı paralel iş parçacıkları başlatın. + +Bu genişletmeler, **gpu accelerated ocr** konusundaki uzmanlığınızı derinleştirir ve büyük ölçekli belge dijitalleştirme projelerinin kapılarını açar. + +--- + +*Kodlamanın tadını çıkarın! Herhangi bir sorunla karşılaşırsanız, aşağıya yorum bırakın—size yardımcı olmaktan memnuniyet duyarım.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/turkish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..fa2a3c624 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,215 @@ +--- +category: general +date: 2026-05-06 +description: Güvenilir OCR metin tanıması için görüntüyü ön işleme, gürültüyü kaldırma + ve görüntü döndürmesini düzeltme öğrenirken kontrastı nasıl artırılır? +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: tr +og_description: OCR görüntülerinde kontrastı artırma, ayrıca görüntüyü ön işleme, + gürültüyü giderme ve doğru metin tanıması için görüntü rotasyonunu düzeltme. +og_title: OCR'de Kontrastı Artırma – Adım Adım Java Rehberi +tags: +- OCR +- Java +- Image Processing +title: OCR'de Kontrastı Nasıl Artırılır – Tam Java Ön İşleme Rehberi +url: /tr/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# OCR'da Kontrastı Artırma – Tam Java Ön‑işleme Kılavuzu + +Ever wondered **how to enhance contrast** so that your OCR engine actually reads the text instead of spitting out gibberish? You're not alone. Most developers hit the wall when the source image is dim, skewed, or riddled with speckles, and the result is a frustrating “recognize text from image” failure. + +The good news? By applying a few smart pre‑processing steps—**how to preprocess image**, **how to remove noise**, and **correct image rotation**—you can turn a noisy, low‑contrast PNG into a clean canvas that the OCR engine loves. In this tutorial we’ll walk through a real‑world Java example using Aspose.OCR, explain why each filter matters, and show you exactly **how to enhance contrast** for rock‑solid recognition. + +--- + +## Öğrenecekleriniz + +- Her ön‑işleme filtresinin amacı (eğik düzeltme, gürültü kaldırma, kontrast artırma). +- **Görüntüyü nasıl ön işleme alacağınızı** Aspose.OCR ile Java'da, adım adım. +- OCR'den önce **gürültüyü nasıl kaldıracağınızı** ve **görüntü dönüşünü nasıl düzelteceğinizi** gösteren pratik ipuçları. +- **Görüntüden metin tanıma** çıktısını görebileceğiniz, kopyala‑yapıştır yapabileceğiniz tam kod. + +> **Önkoşullar** – Java 17+, Maven veya Gradle, ve bir Aspose.OCR for Java lisansı (test için ücretsiz deneme yeterlidir). Başka üçüncü‑taraf kütüphane gerekmez. + +--- + +## 1. Adım – Projeyi Kurun ve Aspose.OCR'yi İçe Aktarın + +Before we can talk about **how to enhance contrast**, we need a working Java project with the OCR engine on board. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +If you prefer Gradle, the equivalent is: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Create a simple `src/main/java/PreprocessDemo.java` file and import the required classes: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Pro ipucu:** IDE'nizin otomatik‑import özelliğini açık tutun; bu, çokça geri‑ve‑ileri gitmeyi önler. + +--- + +## 2. Adım – Temizlemek İstediğiniz Görüntüyü Yükleyin + +Now that the library is ready, let’s answer the first part of **how to preprocess image**: loading it. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +At this point the engine holds a low‑quality PNG that likely suffers from poor contrast, rotation, and speckle noise. If you open the file, you’ll see exactly why the OCR would stumble. + +--- + +## 3. Adım – Filtreleri Uygulayın: Eğik Düzeltme, Gürültü Kaldırma, **Kontrastı Nasıl Artırırız** + +This is the heart of the tutorial—**how to enhance contrast** while simultaneously handling rotation and noise. Aspose.OCR ships with three ready‑made filters: + +| Filtre | Ne yapar | OCR için önemi | +|--------|----------|----------------| +| `DeskewFilter` | Görüntü döndürmesini algılar ve düzeltir | **Doğru görüntü döndürmesini** sağlar, böylece karakterler eğik olmaz. | +| `NoiseRemovalFilter` | Rastgele lekeleri ve arka plan grenini azaltır | **Gürültüyü nasıl kaldıracağınızı** uygular, böylece motor sadece harfleri görür. | +| `ContrastEnhancementFilter` | Ön plan metin ile arka plan arasındaki farkı artırır | **Kontrastı nasıl artıracağınız** sorusuna doğrudan yanıt verir, zayıf çizgileri öne çıkarır. | + +Add them in the order shown—deskew first, then noise removal, then contrast enhancement: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Neden bu sıra?** +> • Deskew, ham piksel matrisinde en iyi çalışır; gürültülü bir görüntüyü döndürmek artefaktları artırabilir. +> • Kontrastı artırmadan önce gürültüyü temizlemek, filtrenin lekeleri yükseltmesini önler. +> • Son olarak, kontrast artırma temizlenmiş pikselleri öne çıkarır, bu da OCR için **kontrastı nasıl artıracağınız** demektir. + +--- + +## 4. Adım – OCR Motorunu Çalıştırın ve **Görüntüden Metin Tanıyın** + +With the preprocessing pipeline in place, we finally call the OCR engine. This step answers the ultimate question: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +When you run `java PreprocessDemo`, you should see clean, readable text instead of a garbled mess. Typical output for a sample invoice might look like: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +If the result still looks fuzzy, consider tweaking the `ContrastEnhancementFilter` parameters (e.g., `setLevel(1.5)`) or double‑checking that the source image isn’t compressed beyond recovery. + +--- + +## 5. Adım – Görsel Kontrol: Öncesi & Sonrası (İsteğe Bağlı) + +Seeing is believing. Below is a placeholder illustration that compares the original file with the processed version. The alt‑text explicitly mentions the primary keyword for SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*If you run the code on your own image, you’ll notice the same dramatic lift in legibility.* + +--- + +## Yaygın Tuzaklar ve Çözüm Yolları + +| Sorun | Neden Olur | Çözüm | +|-------|------------|-------| +| Kontrast artırmadan sonra metin hâlâ bulanık | Filtre seviyesi çok düşük veya görüntü çözünürlüğü yetersiz | `ContrastEnhancementFilter` seviyesini artırın (`new ContrastEnhancementFilter(1.8)`) veya işleme öncesi görüntüyü büyütün. | +| OCR boş string döndürüyor | Görüntü tamamen karanlık veya tüm pikseller gürültü filtresi tarafından kaldırıldı | `NoiseRemovalFilter` agresifliğini azaltın (`new NoiseRemovalFilter(0.3)`). | +| Karakterler hâlâ eğik | Deskew, görüntü çok gürültülü olduğu için açıyı kaçırdı | `DeskewFilter`'ı hafif bir gürültü kaldırma işleminden **sonra** çalıştırın, ya da dönüş açısını manuel olarak `DeskewFilter.setAngle(2.5)` ile ayarlayın. | +| Beklenmeyen Unicode sembolleri | OCR dili doğru ayarlanmamış | `ocrEngine.setLanguage(OcrLanguage.English);` kodunu `recognize()`'dan önce çağırın. | + +--- + +## İş Akışını Genişletmek – Daha Fazlaya İhtiyacınız Olursa + +Sometimes you might need to **how to preprocess image** for colored scans or PDFs. Aspose.OCR also offers: + +- `BinarizationFilter` – saf siyah‑beyaz'a dönüştürür, yüksek kontrastlı metinler için harikadır. +- `ResizeFilter` – OCR'den önce küçük fontları büyütür. +- `SharpenFilter` – hafif el yazısı için kenarları vurgular. + +You can chain them just like the three core filters shown earlier. Remember, the order still matters: resize → denoise → binarize → contrast → deskew is a common recipe. + +--- + +## Özet: Gürültülü PNG'den Temiz Metne + +- **Kontrastı nasıl artıracağınız**: `ContrastEnhancementFilter`'ı eğik düzeltme ve gürültü kaldırmadan sonra kullanın. +- **Görüntüyü nasıl ön işleme alacağınız**: yükleyin, filtreleri ekleyin, ardından OCR çalıştırın. +- **Gürültüyü nasıl kaldıracağınız**: `NoiseRemovalFilter` arka planı temizler, metin çizgilerini yok etmez. +- **Doğru görüntü döndürmesi**: `DeskewFilter` metin tabanını hizalar, doğru tanıma için ön koşuldur. +- **Görüntüden metin tanıma**: `ocrEngine.recognize()` çağırın ve `ocrResult.getText()`'ı okuyun. + +--- + +## Sıradaki Adımlar + +- **Deneyin**: Filtre parametrelerini ayarlayın ve OCR doğruluğu üzerindeki etkisini gözlemleyin. +- **Toplu işleme**: Yukarıdaki mantığı bir döngüye sararak tüm görüntü klasörlerini işleyin. +- **Entegrasyon**: OCR çıktısını bir veritabanına veya PDF oluşturucuya besleyerek uçtan uca otomasyon sağlayın. + +If you’re curious about other image‑enhancement tricks—like adaptive thresholding or color inversion—check out Aspose’s official docs or the “Advanced Image Pre‑processing with Aspose.OCR” guide. + +--- + +### İyi Kodlamalar! + +Now you know **how to enhance contrast** and the whole pre‑processing story that turns a messy scan into clean, searchable text. Drop a comment if you hit any snags, or share how you’ve customized the pipeline for your own projects. Let’s keep the OCR conversation going! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/turkish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..e14868e68 --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR'yi kullanarak görüntüden metin tanıma, otomatik dil algılamayı + etkinleştirme ve Java'da OCR hızını artırma. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: tr +og_description: Aspose OCR'yi kullanarak görüntüden metni hızlı bir şekilde tanıma, + otomatik dil algılamayı etkinleştirme ve Java'da OCR hızını artırma. +og_title: Karışık Dil Görüntüleri için Aspose OCR Nasıl Kullanılır +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Aspose OCR'yi Karışık Dil Görüntülerinde Nasıl Kullanılır +url: /tr/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Aspose OCR'yi Karışık Dil Görsellerinde Nasıl Kullanılır + +Bir resimde aynı anda birden fazla dil bulunduğunda **how to use Aspose**'yi merak ettiniz mi? Tek başınıza değilsiniz—geliştiriciler, bir görsel İngilizce, Rusça, Hintçe veya başka bir betik karıştırdığında sık sık bir engelle karşılaşıyor. İyi haber, Aspose OCR bunu sorunsuz bir şekilde yönetiyor ve dil kümesini daraltarak **recognize text from image** işlemini daha hızlı yapabilirsiniz. + +Bu öğreticide, **loads image for OCR** yapan, **automatic language detection**'ı açan ve **improve OCR speed** için basit bir ipucu gösteren, tam ve çalıştırılabilir bir Java örneği üzerinden adım adım ilerleyeceğiz. Sonunda, çıkarılan metni konsola yazdıran bağımsız bir programınız olacak ve her ayarın neden önemli olduğunu anlayacaksınız. + +> **Prerequisites** – Java 17+ yüklü, bağımlılık yönetimi için Maven veya Gradle ve bir Aspose OCR lisansı (ücretsiz deneme değerlendirme için çalışır). Başka bir kütüphane gerekmez. + +--- + +## Step 1 – Add Aspose OCR to Your Project + +Aspose'yi **use Aspose**'den önce, kütüphaneyi sınıf yolunuza eklemeniz gerekir. Maven ile şöyle görünür: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle tercih ediyorsanız: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** En son kararlı sürümü kullanın; yeni sürümler genellikle **improve OCR speed**'i doğrudan etkileyen performans iyileştirmeleri içerir. + +--- + +## Step 2 – Create the OCR Engine Instance + +Her Aspose OCR iş akışının kalbi `OcrEngine`'dir. Örneğini oluşturmak basittir, ancak motorun dahili önbellekler tuttuğunu belirtmek gerekir. Birçok görüntüde tek bir örneği yeniden kullanmak aslında **improve OCR speed** sağlar çünkü kütüphane tekrarlanan yerel başlatmayı önler. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Step 3 – **Load Image for OCR** + +Aspose birçok görüntü formatını (PNG, JPEG, TIFF, BMP) kabul eder. Burada İngilizce, Rusça ve Hintçe metin içeren bir PNG'yi yüklemeyi gösteriyoruz. `ImageStream.fromFile` yardımcı işlevi dosya‑G/Ç ayrıntılarını soyutlar ve görüntünün motor içine doğru şekilde akıtıldığından emin olur. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **What if the image is in memory?** Bunun yerine `ImageStream.fromByteArray(byte[])` kullanın—görüntüleri bayt akışı olarak alan web hizmetleri için mükemmeldir. + +--- + +## Step 4 – Enable Automatic Language Detection + +Varsayılan olarak Aspose OCR tek bir dil varsayar, bu da çok dilli görsellerde bozuk çıktıya yol açabilir. Otomatik algılamayı açmak, motorun tanımadan önce her metin bloğunun betiğini tespit etmesini sağlar. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Step 5 – **Improve OCR Speed** by Restricting the Language Pool + +Tam otomatik algılama, Aspose'un desteklediği tüm dilleri (70'ten fazla) tarar. Olası dilleri önceden biliyorsanız, motoru bir ipucu ile yönlendirebilirsiniz. Daha küçük bir dizi sağlamak arama alanını azaltır ve bu nedenle **improves OCR speed**. + +> **Why does this help?** Motor, ihtiyacı olmayan dil modellerini atlar, CPU döngüleri ve bellek tasarrufu sağlar. Daha sonra daha fazla dil eklemek isterseniz, sadece diziyi güncelleyin—kod yeniden yazmaya gerek yok. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +--- + +## Step 6 – Perform the Recognition and **Recognize Text from Image** + +Şimdi asıl iş burada gerçekleşir. `recognize()` bir `OcrResult` nesnesi döndürür; bu nesne düz metni, güven skorlarını ve gerekirse daha sonra kullanabileceğiniz yerleşim bilgilerini içerir. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Expected Console Output + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Görsel ek gürültü veya eğik metin içeriyorsa, bu satırlar için daha düşük güven skorları görebilirsiniz. Bu durumda, Aspose'a göndermeden önce görüntüyü ön‑işleme (eğikliği düzeltme, ikilileştirme) yapmayı düşünün. + +--- + +## Common Questions & Edge Cases + +### What if the image is huge (e.g., >10 MP)? + +Büyük görseller daha fazla bellek tüketir ve işleme süresini yavaşlatabilir. **improve OCR speed**'i hızlı bir şekilde artırmanın yolu, okunabilirliği koruyarak görüntüyü küçültmektir: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### How do I handle right‑to‑left scripts like Arabic? + +Sağ‑dan‑sol betikleri (ör. Arapça) nasıl ele alırım? Aspose OCR otomatik olarak betik yönünü dikkate alır, ancak son‑işleme için `RightToLeft` bayrağını ayarlamak isteyebilirsiniz: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Can I extract text from PDFs instead of images? + +Görseller yerine PDF'lerden metin çıkarabilir miyim? Evet—her PDF sayfasını bir görüntüye dönüştürün (Aspose PDF veya herhangi bir rasterleştirici kullanarak) ve sonucu aynı OCR işlem hattına besleyin. Aynı **recognize text from image** mantığı geçerlidir. + +--- + +## Full Working Example (Copy‑Paste Ready) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Dosyayı `MixedLanguageDemo.java` olarak kaydedin, `javac` ile derleyin ve `java MixedLanguageDemo` ile çalıştırın. Her şey doğru ayarlandıysa, çok dilli metnin konsola yazdırıldığını göreceksiniz. + +--- + +## Conclusion + +Artık **how to use Aspose**'yi, birkaç dil içeren **recognize text from image** dosyalarından metin tanımak, **enable automatic language detection**'ı etkinleştirmek ve dil havuzunu sınırlayarak **improve OCR speed** için pratik bir ipucu olarak nasıl kullanacağınızı biliyorsunuz. Yukarıdaki tam kod kopyala‑yapıştır için hazır ve açıklamalar, **load image for OCR**'yi bir akıştan, bayt dizisinden ya da bir webcam anlık görüntüsünden almanız gerektiğinde çözümü uyarlamanız için size güven verir. + +Sonraki adımlar? Şunları deneyin: + +* Düşük kaliteli taramalar için görüntü ön‑işleme (gürültü azaltma, ikilileştirme) eklemek. +* `OcrResult`'ı JSON olarak dışa aktarmak, sonraki hizmetler için. +* Motoru bir Spring Boot REST uç noktasına entegre ederek istemcilerin görüntü yükleyip anında çıkarılan metni almasını sağlamak. + +Kodlamaktan keyif alın, ve OCR işlem hatlarınız hızlı, doğru ve çok dilli 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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/turkish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..6667d943f --- /dev/null +++ b/ocr/turkish/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Java OCR örneği kullanarak görüntüden metni hızlıca tanıyın. Paralel + OCR işleme ile tiff dosyalarından metin çıkarmayı ve Java’da OCR’ı verimli bir şekilde + nasıl yapacağınızı öğrenin. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: tr +og_description: Görüntüden metni hızlı bir şekilde tanıyan eksiksiz bir Java OCR örneği. + Bu öğreticide, paralel OCR işleme kullanarak TIFF'ten metin nasıl çıkarılacağını + gösterir. +og_title: Java OCR ile görüntüden metin tanıma – Paralel İşleme Rehberi +tags: +- OCR +- Java +- Image Processing +title: Java OCR ile görüntüden metin tanıma – Paralel İşleme Rehberi +url: /tr/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Görüntüden Metin Tanıma Java OCR ile – Paralel İşleme Rehberi + +Hiç **görüntüden metin tanıma** dosyalarıyla çalışmanız gerektiğinde performans darboğazına takıldıysanız? Yalnız değilsiniz. Birçok geliştirici, tek‑iş parçacıklı bir OCR motorunun çok sayfalı TIFF dosyalarını tararken bir görevi maratona dönüştürmesiyle karşılaşıyor. + +Bu öğreticide, **java ocr example** üzerinden yalnızca TIFF dosyalarından metin çıkarmakla kalmayıp, aynı zamanda tüm CPU çekirdeklerinizi paralel ocr işleme için nasıl kullanacağınızı göstereceğiz. Sonunda **java ocr projelerini** verimli bir şekilde nasıl çalıştıracağınızı öğrenecek ve Maven ya da Gradle ortamınıza hemen ekleyebileceğiniz bir kod parçacığına sahip olacaksınız. + +## Öğrenecekleriniz + +- Bir Java projesinde Aspose.OCR kütüphanesini kurma. +- Çok‑sayfalı bir TIFF dosyasını yükleyip tanıma için hazırlama. +- **Paralel OCR işleme**yi, mantıksal CPU çekirdek sayınıza göre eşleştirerek etkinleştirme. +- Tanınan metni alıp gösterme, **görüntüden metin tanıma** iş akışını tamamlama. + +> **Önkoşul:** Java 8 veya üzeri ve geçerli bir Aspose.OCR for Java lisansı (veya geçici bir değerlendirme anahtarı). Başka bir dış araç gerekmiyor. + +--- + +## Adım 1: Aspose.OCR Bağımlılığını Ekleyin + +**görüntüden metin tanıma** yapabilmek için OCR motorunun sınıf yolunda olması gerekir. Maven kullanıyorsanız, `pom.xml` dosyanıza aşağıdakileri ekleyin: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Gradle için eşdeğeri ise: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *İpucu:* Sürüm numarasını güncel tutun; yeni sürümler genellikle **paralel ocr işleme**yi daha da hızlı hale getiren performans iyileştirmeleri içerir. + +--- + +## Adım 2: Java Sınıfını Hazırlayın – Tam Çalışan Örnek + +Aşağıda, mevcut tüm CPU çekirdeklerini kullanarak **java ocr example** gösteren bağımsız bir örnek bulunuyor. Bu dosyayı `ParallelOcrDemo.java` olarak kaydedin. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Her satırın önemi** + +- **Motor oluşturma**: `OcrEngine` tüm ağır işleri kapsar. Olmadan **görüntüden metin tanıma** yapılamaz. +- **Görüntü yükleme**: `ImageStream.fromFile` TIFF, PNG, JPEG vb. formatları destekler. Çok‑sayfalı bir TIFF, motorun karmaşık belgeleri işleyebilme yeteneğini test eder. +- **İş parçacığı sayısı**: `Runtime.getRuntime().availableProcessors()` mantıksal çekirdek (hyper‑thread dahil) sayısını döndürür. Bu değeri ayarlamak **paralel ocr işleme**yi tetikler ve çok‑çekirdekli makinelerde çalışma süresini büyük ölçüde kısaltır. +- **Tanıma**: `engine.recognize()` OCR hattını çalıştırır. İçeride, sayfalar tanımladığınız iş parçacığı havuzuna dağıtılır. +- **Sonuç işleme**: `result.getText()` tüm sayfaların birleştirilmiş metnini içeren tek bir `String` döndürür – sonraki işlem veya depolama için idealdir. + +--- + +## Adım 3: Demo’yu Çalıştırın ve Çıktıyı Doğrulayın + +Programı derleyip çalıştırın: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Şuna benzer bir çıktı görmelisiniz: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Konsol beklenen metni yazdırıyorsa, **görüntüden metin tanıma**yı paralel çalışan bir **java ocr example** ile başarıyla gerçekleştirmiş oldunuz. + +--- + +## Adım 4: Gerçek Dünya Senaryoları İçin Ayarlamalar (İsteğe Bağlı) + +### Yalnızca Belirli Sayfalardan Metin Çıkarma + +Büyük bir TIFF içinde sadece belirli sayfalara ihtiyacınız varsa, tanıma sonrası filtreleyebilirsiniz: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### İş Parçacığı Sayısını Manuel Ayarlama + +Sunucunuz zaten başka görevlerle meşgulse, OCR iş parçacıklarını sınırlayabilirsiniz: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Bellek‑Yoğun TIFF’leri Yönetme + +Büyük çok‑sayfalı TIFF’ler çok fazla RAM tüketebilir. Bunu hafifletmek için dosyayı parçalar halinde işleyin: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Adım 5: Yaygın Tuzaklar ve Çözüm Önerileri + +| Sorun | Belirti | Çözüm | +|-------|---------|-----| +| **Yetersiz lisans** | Runtime `LicenseException` hatası verir | Geçerli bir lisans dosyası uygulayın veya ücretsiz değerlendirme modunu (filigran ekler) kullanın. | +| **Yanlış dosya yolu** | `FileNotFoundException` | Yolun doğruluğunu kontrol edin ve test sırasında mutlak yollar kullanın. | +| **CPU kısıtlaması** | `setThreadCount` ayarına rağmen hız artışı yok | JVM’nin `-Xmx` bellek sınırları veya OS güç‑tasarruf ayarlarıyla kısıtlanmadığından emin olun. | +| **Desteklenmeyen görüntü formatı** | `UnsupportedFormatException` | Görüntüyü OCR motoruna beslemeden önce TIFF, PNG veya JPEG formatına dönüştürün. | + +--- + +## Görsel Özet + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt metin:* “Java OCR ile paralel işleme kullanarak görüntüden metin tanıma akışını gösteren diyagram” + +--- + +## Sonuç + +Tam bir **java ocr example** üzerinden **görüntüden metin tanıma** dosyalarını, özellikle çok‑sayfalı TIFF’leri, **paralel ocr işleme**yi tam anlamıyla kullanarak nasıl gerçekleştireceğinizi adım adım inceledik. İş parçacığı havuzunu CPU çekirdeklerinize eşleştirerek modern donanımlarda neredeyse doğrusal bir hız artışı elde edersiniz—tam da “*how to ocr java* efficiently?” sorusunun cevabı. + +İleride şunları keşfedebilirsiniz: + +- **extract text from tiff** dosyalarını toplu olarak işleyip sonuçları bir veritabanına kaydetmek. +- OCR’ı NLP kütüphaneleri (ör. OpenNLP) ile birleştirerek çıkarılan varlıkları otomatik etiketlemek. +- Çözümü bir REST uç noktası arkasında mikroservis olarak dağıtmak ve isteğe bağlı OCR sağlamak. + +Deneyin, iş parçacığı sayısını ayarlayın ve boru hattınızın ne kadar hızlı olduğunu görün. Herhangi bir sorunla karşılaşırsanız, aşağıya yorum bırakın—mutlu kodlamalar! + +{{< /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..f242f57f6 100644 --- a/ocr/turkish/java/ocr-operations/_index.md +++ b/ocr/turkish/java/ocr-operations/_index.md @@ -80,6 +80,12 @@ 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. +### [Java'da OCR Kullanımı – Görüntüden Metin Çıkarma ve Yazım Düzeltme](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Java ile Aspose.OCR kullanarak görüntüden metin çıkarın ve otomatik yazım düzeltmesi uygulayın. +### [Görüntüden Aranabilir PDF Oluşturma – Adım Adım Java Rehberi](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Java ile bir görüntüyü OCR ile işleyerek aranabilir PDF dosyasına dönüştürmeyi adım adım öğrenin. +### [Java OCR ile Görüntüden Aranabilir PDF Oluşturma](./create-searchable-pdf-from-image-with-java-ocr/) +Java ve Aspose.OCR kullanarak bir görüntüyü OCR ile işleyip aranabilir PDF dosyasına dönüştürün. ## Sıkça Sorulan Sorular diff --git a/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..e62692020 --- /dev/null +++ b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,199 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR kullanarak bir görüntüden aranabilir PDF oluşturun. Görüntüyü + PDF'ye dönüştürmeyi, görüntüyü OCR ile PDF'ye çevirmeyi ve görüntüden metin çıkarmayı + dakikalar içinde öğrenin. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: tr +og_description: Aspose OCR ile bir görüntüden aranabilir PDF oluşturun. JPG'yi aranabilir + PDF'ye dönüştürmek, görüntüden metin çıkarmak ve daha fazlası için bu kılavuzu izleyin. +og_title: Görüntüden Aranabilir PDF Oluşturma – Tam Java Öğreticisi +tags: +- Java +- OCR +- PDF +- Aspose +title: Görüntüden Aranabilir PDF Oluşturma – Adım Adım Java Rehberi +url: /tr/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Görüntüden Aranabilir PDF Oluşturma – Tam Java Öğreticisi + +Tarayıcıdan bir fotoğrafla **create searchable PDF** oluşturmanız gerektiğinde ama hangi kütüphaneyi seçeceğinizi bilemediğiniz oldu mu? Yalnız değilsiniz. Birçok projede—gider raporu otomasyonu ya da dijital arşivleme gibi—düz bir görüntüyü gerçekten arayabileceğiniz bir PDF'ye dönüştürme yeteneği oyunu değiştiren bir özelliktir. + +Bu yüzden bu öğreticide **convert image to PDF** sürecinin tamamını adım adım gösterecek, üzerine OCR çalıştıracak ve herhangi bir belge iş akışına ekleyebileceğiniz bir **searchable PDF** elde edeceğiz. Ayrıca **extract text from image** konusuna değinecek ve **convert jpg to searchable pdf** işlemini çok fazla kalıp kodu olmadan nasıl yapacağınızı göstereceğiz. + +## Öğrenecekleriniz + +- Aspose OCR için ihtiyacınız olan tam Maven/Gradle bağımlılığını. +- Bir JPG'yi (veya desteklenen herhangi bir görüntüyü) OCR motoruna nasıl yükleyeceğinizi. +- `OcrSaveFormat.PDF_SEARCHABLE` ile kaydetmenin neden önemli olduğunu. +- Ortak tuzaklar (büyük görüntüler, desteklenmeyen formatlar) ve bunlardan nasıl kaçınılacağını. +- Oluşturulan PDF'in gerçekten aranabilir metin içerdiğini nasıl doğrulayacağınızı. + +Bu rehberin sonunda, tek bir metod çağrısıyla aranabilir bir PDF üreten, çalıştırmaya hazır bir Java sınıfına sahip olacaksınız. Harici komut satırı araçları yok, ekstra OCR motorları yok—sadece saf Java. + +--- + +## Önkoşullar + +| Gereksinim | Neden Önemli | +|-------------|----------------| +| Java 8 or newer | Aspose OCR modern dil özelliklerini kullanır. | +| Maven or Gradle (for dependency management) | Aspose OCR JAR'ını çekmeyi çok basit hale getirir. | +| A sample image (`input.jpg`) placed in a known folder | Kod bir dosya yolu bekler; PNG, BMP vb. ile değiştirebilirsiniz. | +| Optional: a PDF viewer with search capability (Adobe Reader, Foxit, etc.) | PDF'in gerçekten aranabilir olduğunu doğrulamak için. | + +Eğer bunlara zaten sahipseniz, harika—hadi başlayalım. + +--- + +## Adım 1: Aspose OCR'yi Projenize Ekleyin + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Ücretsiz değerlendirme sürümü ilk sayfaya küçük bir filigran ekler. Üretim için, Aspose'tan bir lisans alın ve `OcrEngine`'i örneklemeden önce `License license = new License(); license.setLicense("Aspose.OCR.lic");` kodunu çalıştırın. + +--- + +## Adım 2: Dönüştürmek İstediğiniz Görüntüyü Yükleyin + +`ImageStream.fromFile`'ı kullanarak görüntüyü doğrudan diskte okuyacağız. Bu yöntem JPG, PNG, TIFF ve birçok diğer formatı destekler, böylece kaynağa bakılmaksızın **convert image to PDF** yapabilirsiniz. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Bu adım neden?** OCR motoru metnin bitmap temsiline ihtiyaç duyar. Yüksek çözünürlüklü bir görüntü (300 dpi veya daha yüksek) sağlamak tanıma doğruluğunu büyük ölçüde artırır, bu da size daha iyi **extract text from image** sonuçları verir. + +--- + +## Adım 3: OCR'yi Çalıştırın ve Aranabilir PDF Olarak Kaydedin + +Sihir, `save` metodunu `PDF_SEARCHABLE` formatı ile çağırdığınızda gerçekleşir. Aspose OCR, orijinal görüntünün üzerine yerleştirilen gizli bir metin katmanı oluşturur ve statik bir resmi **searchable PDF**'ye dönüştürür. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Gizli katman olmadan düz bir PDF tercih ediyorsanız, `PDF_SEARCHABLE` yerine `PDF` kullanın. Ancak çoğu arşivleme senaryosunda, istediğiniz şey aranabilir versiyondur. + +--- + +## Adım 4: Sonucu Doğrulayın + +Program tamamlandıktan sonra, `searchable.pdf` dosyasını herhangi bir PDF görüntüleyicide açın ve yerleşik aramayı (Ctrl + F) deneyin. Görüntüde yalnızca bulunan kelimeleri bulabiliyorsanız, tebrikler—başarıyla **ocr image to pdf** yaptınız. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Köşe durum:** Çok büyük görüntüler (> 10 MB) `OutOfMemoryError` oluşturabilir. Bunu azaltmak için, görüntüyü önceden `java.awt.Image` veya Thumbnailator gibi bir kütüphane kullanarak küçültün. + +--- + +## Tam Çalışan Örnek + +Aşağıda tam ve bağımsız bir Java sınıfı bulunmaktadır. IDE'nize kopyalayıp yapıştırın, yolları ayarlayın ve çalıştırın—ekstra adım gerekmez. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Beklenen çıktı:** + +``` +Searchable PDF created. +``` + +`YOUR_DIRECTORY/searchable.pdf` dosyasını açtığınızda, `input.jpg` içinde yer alan herhangi bir kelimeyi arayabilmelisiniz. Bu, **convert jpg to searchable pdf**'nin özüdür. + +--- + +## Sıkça Sorulan Sorular (SSS) + +### Birden fazla görüntüyü aynı anda işleyebilir miyim? +Evet. Dosya yolu listesini döngüye alın, her biri için `setImage` çağırın ve ya tek bir PDF'ye sayfalar ekleyin (`PDF_SEARCHABLE`) ya da ayrı PDF'ler oluşturun. Yinelemeler arasında motor durumunu sıfırlamayı unutmayın (`ocrEngine.clear()`). + +### OCR doğruluğu düşük olursa ne yapmalıyım? +- Kaynak görüntünün en az 300 dpi olduğundan emin olun. +- `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` kullanarak dili kilitleyin. +- Görüntüyü (eğikliği düzeltme, kontrast artırma) OpenCV gibi bir kütüphane ile ön işleme tabi tutun. + +### Aspose OCR diğer dilleri destekliyor mu? +Kesinlikle. `OcrLanguage` enum'ı Fransızca, Almanca, Çince, Arapça ve daha birçok dili içerir. `save` çağırmadan önce dili değiştirin. + +### Aranabilir PDF'i mevcut bir belgeye nasıl gömebilirim? +Çıktıyı normal bir PDF gibi ele alın. Diğer PDF'lerle birleştirmek için bir PDF birleştirici kütüphane (ör. iText veya Aspose PDF) kullanın. + +--- + +## Saha İpuçları ve Püf Noktaları + +- **Pro tip:** Küçük bir dosya boyutu istiyorsanız, kaydetmeden önce `ocrEngine.getConfig().setCompress(true);` çağırın. +- **Dikkat edin:** Şeffaf arka planlı görüntüler—Aspose OCR şeffaflığı beyaz olarak değerlendirir, bu da kontrasti etkileyebilir. +- **Unutmayın:** Aranabilir PDF hâlâ altında bir raster görüntüdür. Tamamen vektör tabanlı bir PDF'ye ihtiyacınız varsa, yerleşimi manuel olarak yeniden oluşturmanız gerekir. + +--- + +## Sonuç + +Aspose OCR kullanarak Java'da görüntülerden **create searchable PDF** dosyaları oluşturmak için ihtiyacınız olan her şeyi ele aldık. Maven bağımlılığını eklemekten gizli metin katmanını doğrulamaya kadar süreç basit ve tamamen programlanabilir. Artık **convert image to pdf**, **ocr image to pdf** ve hatta **extract text from image** işlemlerini IDE'nizin konforundan çıkmadan yapabilirsiniz. + +Bir sonraki adıma hazır mısınız? Tar scanned receipt'lerin bulunduğu bir klasörü toplu işleyin ya da bu iş akışını bir bulut depolama tetikleyicisi (AWS Lambda, Azure Functions) ile birleştirerek belge alım hatlarını otomatikleştirin. Olasılıklar sonsuz—devam edin ve deneyin! + +Eğer herhangi bir sorunla karşılaşırsanız veya geliştirme önerileriniz varsa, aşağıya yorum bırakın. Mutlu kodlamalar! + +![Diagram showing the flow: image → OCR engine → searchable PDF](image-placeholder.png "create searchable pdf flowchart") + +{{< /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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..58718879a --- /dev/null +++ b/ocr/turkish/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,207 @@ +--- +category: general +date: 2026-05-06 +description: Aspose OCR'i Java'da kullanarak bir görüntüden aranabilir PDF oluşturun. + Görüntüyü PDF'ye dönüştürmeyi, yazım düzeltmesini etkinleştirmeyi ve hızlı sonuçlar + için OCR GPU'yu kullanmayı öğrenin. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: tr +og_description: Aspose OCR'i Java'da kullanarak bir görüntüden aranabilir PDF oluşturun. + Bu kılavuz, görüntüyü PDF'ye dönüştürmeyi, yazım düzeltmeyi etkinleştirmeyi ve OCR + GPU'yu kullanmayı gösterir. +og_title: Java OCR ile Görüntüden Aranabilir PDF Oluştur +tags: +- OCR +- Java +- PDF +title: Java OCR ile Görüntüden Aranabilir PDF Oluştur +url: /tr/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Görüntüden Java OCR ile Aranabilir PDF Oluşturma + +Hiç taranmış bir resimden **create searchable PDF** oluşturmanız gerekti, ancak nereden başlayacağınızı bilemediniz mi? Yalnız değilsiniz—çoğu geliştirici, görüntü‑tabanlı PDF'lerle ilk kez uğraşırken bu engelle karşılaşır. Neyse ki, Aspose OCR for Java ile **convert image to PDF** yapabilir, metni seçilebilir içeriğe dönüştürebilir ve hatta daha düzgün bir sonuç için yazım düzeltmesi ekleyebilirsiniz. + +Bu öğreticide, kullanılabilir olduğunda **use OCR GPU** nasıl kullanılacağını, **process image OCR**'ı verimli bir şekilde nasıl gerçekleştireceğimizi ve yazım düzeltmesini etkinleştirmenin sonraki aramalarda neden önemli olduğunu gösteren eksiksiz, çalıştırmaya hazır bir örnek üzerinden ilerleyeceğiz. Sonunda, kullanıcılarla paylaşabileceğiniz veya uyumluluk için arşivleyebileceğiniz bir searchable PDF oluşturmak için tek tıklamalı bir yönteme sahip olacaksınız. + +> **Pro tip:** GPU'siz bir makinede çalışıyorsanız, kod sorunsuz bir şekilde CPU'ya geri döner, böylece bir şeyleri yeniden yazmanız gerekmez. + +--- + +## Gereksinimler + +- **Java 8+** (kod JDK 8 ve üzeri ile derlenir) +- **Aspose OCR for Java** kütüphanesi (en son JAR'ı Aspose sitesinden indirin) +- **input image** (JPEG, PNG, TIFF vb.) searchable PDF'ye dönüştürmek istediğiniz bir resim +- (Opsiyonel) En hızlı tanıma için CUDA desteği olan bir **GPU** + +Ekstra framework yok, Maven/Gradle sihri yok—sadece sınıf yolunda tek bir JAR ve hazırsınız. + +## Adım 1: OCR Motorunu Başlatın – İşlemin Kalbi + +İlk olarak bir `OcrEngine` örneği oluşturur ve kaynak dosyaya işaret ederiz. Bu nesne, görüntüyü okuyacak, sinir ağını çalıştıracak ve bize metni geri verecek iş gücüdür. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Neden önemli:* Motoru bir kez başlatıp tekrar kullanmak, yerel kütüphanelerin tekrar tekrar yüklenmesi yükünü ortadan kaldırır—bu, onlarca dosyayı toplu işlediğinizde birikerek performans kazancı sağlar. + +## Adım 2: İşleme Aygıtını Seçin – Mümkünse OCR GPU'yu Kullanın + +İş istasyonunuzda uyumlu bir GPU varsa, Aspose'a ağır işi GPU üzerinde çalıştırmasını söyleyebilirsiniz. Aksi takdirde motor otomatik olarak CPU'ya geçer. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Faydası nedir?* GPU hızlandırması, özellikle yüksek çözünürlüklü taramalarda her sayfadan saniyeler kazandırabilir. Geri dönüş, aynı kodun her yerde çalışmasını sağlar; bu yüzden **use OCR GPU**'yu varsayılan ayar olarak öneririz. + +## Adım 3: Tarama Hızını Artırın – Tüm CPU Çekirdeklerini Kullanın + +GPU meşgul olduğunda bile, çevresindeki ön işleme adımları paralelleştirilebilir. İş parçacığı sayısını mevcut işlemci sayısına ayarlamak, motorun birden fazla parçayı aynı anda işleyebilmesini sağlar. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Not:* 4 çekirdekli bir dizüstü bilgisayarda bu dört iş parçacığı oluşturur; 16 çekirdekli bir iş istasyonunda tam faydayı elde edersiniz. Ancak daha fazla iş parçacığının daha yüksek bellek kullanımı anlamına geldiğini unutmayın. + +## Adım 4: Görüntüyü Temizleyin – Ön‑İşleme Filtreleri + +Bulanık veya gürültülü bir tarama, çöp metin üretir. Birkaç yerleşik filtre eklemek doğruluğu büyük ölçüde artırır. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Neden bu filtreler?* `DeskewFilter`, bir belge tarayıcıya açıyla verildiğinde sıkça oluşan rotasyonu düzeltir. `NoiseRemovalFilter` ise karakter olarak yanlış yorumlanabilecek rastgele pikselleri ortadan kaldırır. Bunu, OCR motoruna okunacak temiz bir kağıt vermek gibi düşünün. + +## Adım 5: Akıllı Özellikleri Açın – Yazım Düzeltmesini ve Otomatik Dil Algılamayı Etkinleştirin + +Çok dilli belgelerle çalışıyorsanız ya da sadece daha az yazım hatası istiyorsanız, yerleşik yazım denetleyicisini açın ve motorun dili tahmin etmesine izin verin. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Ne zaman faydalıdır?* Diyelim ki taramanızda hem İngilizce hem de İspanyolca bölümler var. Otomatik algılama özelliği sözlükleri anlık değiştirirken, yazım düzeltmesi “0” gibi “O” yerine okunmuş karakterleri temizler. Bu adım, gerçek sonuçlar döndüren bir **searchable PDF** üretmek için esastır. + +## Adım 6: Sonucu Kaydedin – Görüntüyü PDF'ye Dönüştürün ve Aranabilir Hale Getirin + +Son olarak motoru, orijinal görüntünün görünmez bir metin katmanının arkasında yer aldığı bir PDF oluşturması için yönlendiririz. Bu klasik **convert image to PDF** iş akışıdır, ancak PDF artık aranabilir. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Çıktı dosyası (`output-searchable.pdf`) herhangi bir PDF görüntüleyicide açılabilir; metni yerel bir PDF gibi seçebilir, kopyalayabilir ve arayabilirsiniz. Ek bir araç gerekmez. + +## Tam Çalışan Örnek – Kopyala‑Yap ve Çalıştır + +Aşağıda, derlemeye hazır tam program yer alıyor. `YOUR_DIRECTORY` ifadesini `input.jpg` dosyasının bulunduğu klasörle değiştirin. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Beklenen çıktı:** Programı çalıştırdığınızda konsolda *“Searchable PDF generated successfully.”* satırını göreceksiniz. `output-searchable.pdf` dosyasını Adobe Reader’da açtığınızda, orijinal görüntüden bir kelimeyi arama kutusuna yazıp konumuna anında gidebileceksiniz. + +## Yaygın Sorular ve Kenar Durumları + +- **GPU algılanmazsa ne olur?** + `setDeviceType(OcrDeviceType.GPU)` çağrısı bir istisna atmaz; sadece motoru önce GPU'yu denemeye yönlendirir. Başarısız olursa, motor sessizce CPU'ya geri döner. + +- **Bir çalıştırmada birden fazla görüntüyü işleyebilir miyim?** + Evet. Kodu bir döngü içinde sarın, her yinelemede dosya adını değiştirin ve aynı `OcrEngine` örneğini yeniden kullanarak bellek kullanımını düşük tutun. + +- **PDF'im çok büyük—nasıl küçültebilirim?** + OCR sonrası Aspose’un PDF optimizasyon API’lerini çalıştırabilir ya da motorun önüne beslemeden önce kaynak görüntüyü küçültebilirsiniz (`ImageStream.fromFile(...).setResolution(150)` 150 DPI için). + +- **Yasal uyumluluk için orijinal görüntü çözünürlüğünü korumam gerekiyor.** + `PDF_SEARCHABLE` formatı orijinal bitmap'i tam olarak korur; görünmez metin katmanı, görsel kalitede değişiklik yapmadan üzerine eklenir. + +## Görsel Özet + +![searchable pdf örneği oluşturma](placeholder-image.png "searchable pdf örneği oluşturma") + +*Alt metin:* *searchable pdf örneği oluşturma – Java OCR motoru taranmış bir JPG'yi aranabilir bir PDF'ye dönüştürüyor.* + +## Sonuç + +Artık Aspose OCR for Java kullanarak herhangi bir görüntüyü **searchable PDF**'ye dönüştürmek için **tam, uçtan uca bir çözüm** elde ettiniz. **convert image to PDF**, **spell correction'ı etkinleştirerek** ve mümkün olduğunda **OCR GPU'yu kullanarak**, platformlar arasında çalışan hızlı, doğru ve aranabilir sonuçlar elde edersiniz. + +Sonraki adım ne? Şunları deneyin: + +- **Farklı çıktı formatları** (`PDF`, `DOCX`, `HTML`) metin katmanının nasıl davrandığını görmek için. +- **Özel sözlükler** alan‑spesifik jargon işliyorsanız. +- **Toplu işleme** binlerce taramayı otomatik olarak işlemek için. + +İş parçacığı sayısını ayarlamaktan, filtreleri değiştirmekten veya kendi ön‑işleme hattınızı eklemekten çekinmeyin. Temel desen aynı kalır: yükle → ön‑işle → yapılandır → OCR → kaydet. + +Kodlamaktan keyif alın, ve PDF'lerinizin her zaman aranabilir olmasını dileriz! + +{{< /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-image-with-spell-co/_index.md b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..4c33cd818 --- /dev/null +++ b/ocr/turkish/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,218 @@ +--- +category: general +date: 2026-05-06 +description: Java'da OCR kullanarak görüntüden metin çıkarma. OCR görüntüden metne + dönüşümünü öğrenin, OCR hatalarını düzeltin ve Aspose OCR ile OCR için görüntüyü + yükleyin. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: tr +og_description: Java'da OCR kullanarak görüntüden metin çıkarma, OCR hatalarını düzeltme + ve Aspose OCR ile OCR için görüntü yükleme. +og_title: Java’da OCR Nasıl Kullanılır – Tam Kılavuz +tags: +- OCR +- Java +- Aspose +title: Java'da OCR Nasıl Kullanılır – Görüntüden Metin Çıkarma ve Yazım Düzeltmesi +url: /tr/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Java’da OCR Nasıl Kullanılır – Görüntüden Metin Çıkarma ve Yazım Düzeltmesi + +Bulanık bir fiş fotoğrafını temiz, aranabilir bir metne **nasıl OCR kullanarak** dönüştürebileceğinizi hiç merak ettiniz mi? Tek başınıza değilsiniz. Birçok projede—gider takibi uygulamaları, fatura dijitalleştirme hatları veya hızlı bir not alma betiği—bir görüntüden güvenilir metin elde etmek ilk engeldir. + +Bu öğretici, OCR’u Java’da nasıl kullanacağınızı adım adım gösteriyor; görüntüyü OCR’a yüklemekten OCR hatalarını düzeltmeye kadar her şeyi kapsıyor, böylece sonuç bir insan tarafından yazılmış gibi görünecek. Sonunda **görüntüden metin çıkarma**, **OCR görüntüden metne** dönüşümü yapabilecek ve yaygın tanıma hatalarını otomatik olarak düzeltebileceksiniz. + +## Ne Oluşturacaksınız + +Küçük bir Java konsol programı oluşturacağız: + +1. PNG (veya desteklenen herhangi bir format) dosyasını Aspose OCR motoruna yükleyecek. +2. Dahili yazım‑düzeltme özelliğini etkinleştirerek **OCR hatalarını düzeltecek**. +3. Tanıma sürecini çalıştırıp temizlenmiş metni ekrana basacak. + +Harici hizmetler, ağır çerçeveler yok—tek bir JAR ve birkaç satır kod yeterli. + +### Ön Koşullar + +- Java Development Kit (JDK) 8 veya daha yeni bir sürüm. +- Maven (veya herhangi bir build aracı) ile Aspose OCR kütüphanesini çekmek. +- Analiz etmek istediğiniz bir görüntü dosyası (ör. `receipt.png`). + +Eğer Aspose OCR JAR’ınız yoksa, `pom.xml` dosyanıza şu bağımlılığı ekleyin: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Pro ipucu:** Ücretsiz değerlendirme sürümü test için çalışır, ancak bir lisans değerlendirme filigranını kaldırır. + +## Adım 1 – OCR Motorunu Başlatma (Primary Keyword in Action) + +İlk yapmanız gereken `OcrEngine` örneği oluşturmaktır. Bunu, pikselleri okuyup karakterlere dönüştürecek beyin olarak düşünün. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Neden önemli:* Motorun başlatılması iç kaynakları (dil modelleri, sözlükler vb.) hazırlar. Bu adımı atlamak, bir görüntü yüklemeye çalıştığınızda `NullPointerException` almanıza sebep olur. + +## Adım 2 – OCR İçin Görüntüyü Yükleme + +Şimdi **OCR için görüntüyü yükleyeceğiz**. Aspose, kullanışlı bir `ImageStream.fromFile` yardımcı metodu sağlar, ama isterseniz bir `byte[]` de verebilirsiniz. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Yaygın tuzak:* Dosya yolu mutlak ya da çalışma dizinine göre göreceli olmalıdır. Görüntü bulunamazsa motor bir `IOException` fırlatır. Özellikle bir IDE’den çalıştırırken ya da paketlenmiş JAR’dan çalıştırırken yolu iki kez kontrol edin. + +## Adım 3 – **OCR Hatalarını Düzeltmek** İçin Yazım Düzeltmeyi Etkinleştirme + +Kutudan çıkar çıkmaz OCR gürültülü olabilir—“l0ve” yerine “love” ya da “O” yerine “0”. Yazım düzeltmeyi etkinleştirmek, motorun tipik hataları düzelten bir son‑işlem aşaması çalıştırmasını sağlar. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Neden tercih etmelisiniz:* Yazım düzeltme olmadan çıktıyı manuel olarak temizlemeniz gerekir, bu da otomasyon amacını bozar. Dahili sözlük İngilizce ve birkaç diğer dil için iyi çalışır. + +## Adım 4 – Tanıma İşlemini Gerçekleştirme (**OCR Görüntüden Metne**) + +Görüntü yüklendi ve yazım düzeltme etkinleştirildi, artık motoru metni tanıması için isteyebiliriz. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Köşe durumu:* Görüntü düşük kontrastlı ya da çok eğikse sonuç hâlâ anlamsız karakterler içerebilir. Motoru beslemeden önce ön‑işleme (ör. ikilileştirme, eğrilik düzeltme) yapmayı düşünün. + +## Adım 5 – Temizlenmiş Metni Çıktı Olarak Verme + +Son adım sadece sonucu ekrana basmaktır. Gerçek bir uygulamada bunu bir veritabanına ya da dosyaya yazabilirsiniz, ancak bu demo için `System.out` yeterlidir. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Beklenen Çıktı + +`receipt.png` net bir ürün listesi içeriyorsa, aşağıdaki gibi bir çıktı görebilirsiniz: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Orijinal taramada “Qy” gibi bir hata olsa bile “Qty” ve “Price” doğru şekilde yazılmıştır. + +## Tam Çalışan Örnek + +Aşağıda `SpellCorrectDemo.java` adlı bir dosyaya kopyalayıp yapıştırabileceğiniz tam program yer alıyor. Aspose OCR JAR’ın sınıf yolunda olduğundan emin olun. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Şu komutla çalıştırın: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Artık temizlenmiş metnin konsolda çıktısını göreceksiniz. + +## Bonus: Daha İyi Doğruluk İçin Ayarları İnce Ayarlama + +Varsayılan yapılandırma çoğu basılı belge için işe yarasa da, özel senaryolar için birkaç parametreyi ayarlamanız gerekebilir: + +| Ayar | Ne İşe Yarar | Ne Zaman Değiştirilir | +|------|--------------|-----------------------| +| `setLanguage(OcrLanguage.English)` | İngilizce sözlüğü zorlar (yanlış pozitifleri azaltır) | Görüntünüz sadece İngilizce metin içeriyorsa. | +| `setResolution(300)` | Kaynak görüntünün DPI değerini belirtir | Yüksek çözünürlüklü taramalar için. | +| `setEnableAutoSkewCorrection(true)` | Hafif eğik sayfaları otomatik döndürür | Görüntüler telefonla çekildiyse. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Sık Sorulan Sorular + +**S: Bu PDF’lerle çalışır mı?** +C: Evet. Her PDF sayfasını bir görüntüye dönüştürün (ör. Aspose PDF kullanarak) ve görüntüyü OCR motoruna besleyin. + +**S: Görüntüm BMP formatında ise ne yapmalıyım?** +C: `ImageStream.fromFile` PNG, JPEG, BMP, TIFF ve GIF formatlarını kutudan çıkar çıkmaz destekler. Sadece dosya uzantısını değiştirin. + +**S: Yazım düzeltmeyi devre dışı bırakabilir miyim?** +C: Kesinlikle—`setEnableSpellCorrection(false)` ayarını yaparak ham OCR çıktısını alabilirsiniz. + +## Sonuç + +Artık **Java’da OCR nasıl kullanılır** ve **görüntüden metin çıkarma**, **OCR hatalarını otomatik düzeltme** ve Aspose OCR ile **OCR için görüntü yükleme** konularını biliyorsunuz. Başlatma, yükleme, yazım düzeltme etkinleştirme, tanıma ve çıktı adımlarından oluşan beş adımlık akış, günlük OCR görevlerinin çoğunu kapsar. + +Bundan sonra bu mantığı bir veritabanına yazma, bir REST uç noktası ya da toplu işleyiciyle birleştirerek yüzlerce fişi aynı anda işleyebilirsiniz. Yukarıdaki ek ayarlar tablosunu deneyerek doğruluğu en üst seviyeye çıkarmayı unutmayın. + +İyi kodlamalar, ve OCR sonuçlarınız her zaman kahve lekeli fişlerinizden daha temiz olsun! + +![ocr kullanma diyagramı: görüntü → OCR motoru → düzeltilmiş metin akışı] + +{{< /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..82d8076a5 100644 --- a/ocr/vietnamese/java/advanced-ocr-techniques/_index.md +++ b/ocr/vietnamese/java/advanced-ocr-techniques/_index.md @@ -45,25 +45,20 @@ Trao quyền cho các ứng dụng Java của bạn với Aspose.OCR để nhậ Dễ dàng trích xuất văn bản từ hình ảnh bằng cách chỉ định các ký tự được phép bằng Aspose.OCR cho Java. Hãy làm theo hướng dẫn từng bước của chúng tôi để tích hợp hiệu quả, đảm bảo trải nghiệm nhận dạng văn bản liền mạch. Nâng cao các ứng dụng Java của bạn với khả năng Aspose.OCR. -## Phần kết luận - -Với Aspose.OCR cho Java, việc thành thạo các kỹ thuật OCR nâng cao chưa bao giờ dễ dàng hơn thế. Đi sâu vào các hướng dẫn này và khám phá toàn bộ tiềm năng của tính năng nhận dạng văn bản trong các dự án Java của bạn. Nâng cao ứng dụng của bạn với khả năng tích hợp liền mạch, độ chính xác cao và khả năng trích xuất văn bản linh hoạt. Hãy tải xuống ngay bây giờ và thực hiện bước đầu tiên hướng tới sự xuất sắc của OCR với Aspose.OCR cho Java! -## Hướng dẫn kỹ thuật OCR nâng cao -### [Thực hiện OCR trên BufferedImage trong Aspose.OCR cho Java](./perform-ocr-buffered-image/) -Thực hiện OCR trên BufferedImage một cách dễ dàng với Aspose.OCR cho Java. Trích xuất văn bản từ hình ảnh một cách liền mạch. Tải xuống ngay để có trải nghiệm nhận dạng văn bản linh hoạt. -### [Thực hiện OCR trên hình ảnh từ URL trong Aspose.OCR cho Java](./perform-ocr-image-from-url/) -Mở khóa tính năng trích xuất văn bản hình ảnh liền mạch trong Java bằng Aspose.OCR. OCR có độ chính xác cao với khả năng tích hợp dễ dàng. -### [Thực hiện OCR trên trang cụ thể trong Aspose.OCR](./perform-ocr-on-page/) -Khai phá sức mạnh của Aspose.OCR cho Java bằng hướng dẫn từng bước của chúng tôi về cách thực hiện OCR trên các trang cụ thể. Trích xuất văn bản dễ dàng từ hình ảnh và cải thiện các dự án Java của bạn. -### [Chuẩn bị hình chữ nhật cho OCR trong Aspose.OCR](./prepare-rectangles-for-ocr/) -Khai phá sức mạnh của nhận dạng văn bản với Aspose.OCR cho Java. Hãy làm theo hướng dẫn từng bước của chúng tôi để tích hợp liền mạch. Nâng cao các ứng dụng Java của bạn với khả năng OCR hiệu quả. -### [Nhận dạng các dòng trong Aspose.OCR cho Java](./recognize-lines/) -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. +### [Cách sử dụng Aspose OCR cho hình ảnh đa ngôn ngữ](./how-to-use-aspose-ocr-for-mixed-language-images/) +Hướng dẫn thực hiện OCR trên hình ảnh chứa nhiều ngôn ngữ bằng Aspose OCR cho Java, đảm bảo độ chính xác và hiệu suất cao. + +### [Hướng dẫn Aspose OCR GPU: Tăng tốc trích xuất văn bản từ hình ảnh PNG](./aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/) + +### [Nhận dạng văn bản từ hình ảnh với Java OCR – Hướng dẫn xử lý song song](./recognize-text-from-image-with-java-ocr-parallel-processing/) +Tăng tốc OCR bằng Java thông qua xử lý song song, giảm thời gian trích xuất văn bản từ nhiều hình ảnh cùng lúc. + +### [Cách Tăng Độ Tương Phản trong OCR – Hướng Dẫn Tiền Xử Lý Java Đầy Đủ](./how-to-enhance-contrast-in-ocr-complete-java-pre-processing/) +Hướng dẫn chi tiết cách cải thiện độ tương phản ảnh để nâng cao độ chính xác OCR 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/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md new file mode 100644 index 000000000..4d3bd7abc --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/_index.md @@ -0,0 +1,250 @@ +--- +category: general +date: 2026-05-06 +description: Hướng dẫn Aspose OCR GPU cho thấy cách nhận dạng văn bản từ hình ảnh + và trích xuất văn bản từ PNG bằng việc tăng tốc GPU để đạt OCR nhanh chóng và đáng + tin cậy. +draft: false +keywords: +- aspose ocr gpu +- recognize text from image +- extract text from png +- load image for ocr +- gpu accelerated ocr +language: vi +og_description: Tìm hiểu cách sử dụng Aspose OCR GPU để nhận dạng văn bản từ hình + ảnh và trích xuất văn bản từ PNG với tốc độ tăng tốc GPU trong Java. +og_title: 'Hướng dẫn aspose ocr gpu: Tăng tốc trích xuất văn bản' +tags: +- Aspose +- OCR +- Java +- GPU +title: 'Hướng dẫn aspose OCR GPU: Tăng tốc trích xuất văn bản từ ảnh PNG' +url: /vi/java/advanced-ocr-techniques/aspose-ocr-gpu-guide-accelerate-text-extraction-from-png-ima/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# aspose ocr gpu – Trích xuất Văn bản Nhanh, Đáng Tin Cậy từ Ảnh PNG + +Bạn muốn tăng hiệu suất OCR với **aspose ocr gpu**? Với Aspose OCR GPU bạn có thể **nhận dạng văn bản từ hình ảnh** nhanh hơn rất nhiều nhờ tận dụng card đồ họa hỗ trợ CUDA. Hãy tưởng tượng xử lý một PNG độ phân giải cao trong vài giây thay vì vài phút—không còn chờ đợi kết quả nữa. + +Trong hướng dẫn này, chúng ta sẽ đi qua mọi thứ bạn cần để bắt đầu: tải ảnh cho OCR, chuyển engine sang chế độ GPU, và cuối cùng là trích xuất văn bản. Khi hoàn thành, bạn sẽ có một chương trình Java hoàn chỉnh, có thể chạy được, **trích xuất văn bản từ png** bằng tăng tốc GPU. Không cần tài liệu bên ngoài—chỉ cần làm theo các bước, sao chép mã, và bạn đã sẵn sàng. + +## Những gì bạn cần + +- **Java Development Kit (JDK) 11+** – mã sử dụng các tính năng chuẩn của Java. +- **Aspose.OCR for Java** (phiên bản mới nhất tính đến tháng 5 2026). Bạn có thể tải từ Maven Central: + + ```xml + + com.aspose + aspose-ocr + 23.12 + + ``` + +- **GPU hỗ trợ CUDA** (NVIDIA GeForce, Quadro, hoặc Tesla) với driver phù hợp đã được cài đặt. +- **Một ảnh PNG độ phân giải cao mẫu** (ví dụ, `sample-highres.png`) mà bạn muốn xử lý. + +Nếu bạn không có GPU, mã sẽ tự động chuyển sang CPU—chỉ cần chú thích (comment) các dòng liên quan tới GPU. + +## Bước 1 – Tải Ảnh cho OCR + +Điều đầu tiên bất kỳ quy trình OCR nào cần là nguồn ảnh. Aspose OCR cung cấp một wrapper tiện lợi `ImageStream` có thể đọc từ file, mảng byte, hoặc thậm chí URL. Ở đây chúng ta dùng `ImageStream.fromFile` vì nó đơn giản nhất cho phát triển cục bộ. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Step 1: Load the PNG you want to process + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + + // Replace the path with the location of your PNG file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); +``` + +> **Tại sao điều này quan trọng:** Việc tải ảnh đúng cách đảm bảo engine OCR nhận được dữ liệu pixel chính xác. `ImageStream.fromFile` cũng tự động xử lý các quirks thường gặp của PNG (kênh alpha, độ sâu màu). + +## Bước 2 – Kích Hoạt Tăng Tốc GPU (aspose ocr gpu) + +Bây giờ là phần “ma thuật”: chỉ cho Aspose chạy trên GPU. Đối tượng `OcrDevice` trong engine cho phép bạn chọn loại thiết bị (`CPU` hoặc `GPU`) và, nếu có nhiều GPU, chỉ định ID thiết bị cụ thể. + +```java + // ------------------------------------------------- + // Step 2: Switch to GPU mode (aspose ocr gpu) + // ------------------------------------------------- + // Choose GPU as the processing device + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Optional: select a specific GPU when multiple are present + // ocrEngine.getDevice().setDeviceId(0); // uncomment to use GPU #0 +``` + +> **Mẹo chuyên nghiệp:** Nếu gặp lỗi `CUDA driver not found`, hãy kiểm tra lại driver NVIDIA có khớp với phiên bản CUDA mà Aspose OCR yêu cầu (thường là CUDA 11.x cho bản phát hành 23.x). +> **Trường hợp đặc biệt:** Khi chạy trên server không có giao diện (headless), đảm bảo GPU không bị một tiến trình khác chiếm giữ; nếu không, lời gọi OCR sẽ tự động chuyển sang CPU mà không thông báo. + +## Bước 3 – Nhận Dạng Văn Bản từ Ảnh + +Sau khi ảnh đã được tải và thiết bị đã được thiết lập, bạn có thể chạy engine OCR. Phương thức `recognize()` trả về một đối tượng `OcrResult` chứa văn bản thuần, điểm tin cậy, và thậm chí các bounding box nếu bạn cần dùng sau. + +```java + // ------------------------------------------------- + // Step 3: Perform the OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Khi bạn chạy chương trình, sẽ nhận được đầu ra tương tự: + +``` +=== Recognized Text === +Lorem ipsum dolor sit amet, +consectetur adipiscing elit. +``` + +> **Bạn đang thấy gì:** Chuỗi thô được trích xuất từ PNG. Nếu ảnh chứa bảng hoặc bố cục đa cột, bạn có thể bật `LayoutAnalysis` trên engine để có kết quả tốt hơn (không nằm trong phạm vi của hướng dẫn nhanh này). + +## Bước 4 – Xác Minh GPU Thực Sự Được Sử Dụng + +Rất dễ giả định GPU đang thực hiện công việc nặng, nhưng một kiểm tra nhanh có thể tiết kiệm hàng giờ debug. Aspose OCR ghi một mục log nhỏ khi khởi tạo thiết bị. + +Thêm đoạn mã này ngay sau khi bạn thiết lập loại thiết bị: + +```java + // Verify which device is active + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); +``` + +Nếu đầu ra là `GPU`, mọi thứ đã ổn. Nếu nó hiển thị `CPU`, hãy kiểm tra lại cài đặt driver hoặc đảm bảo biến môi trường `CUDA_HOME` trỏ tới thư mục toolkit đúng. + +## Những Sai Lầm Thường Gặp & Cách Tránh + +| Triệu chứng | Nguyên Nhân Có Thể | Giải Pháp | +|------------|-------------------|-----------| +| `java.lang.UnsatisfiedLinkError` về `cudart64_110.dll` | Thời gian chạy CUDA không có trong `PATH` | Thêm thư mục `bin` của CUDA vào `PATH` hệ thống hoặc đặt `java.library.path`. | +| OCR trả về chuỗi rỗng | Ảnh không được tải đúng (đường dẫn sai hoặc định dạng không hỗ trợ) | Kiểm tra lại đường dẫn file, và xác nhận PNG không bị hỏng. | +| Hiệu năng tương đương CPU | GPU bị fallback do không khớp driver | Cập nhật driver NVIDIA lên phiên bản được liệt kê trong ghi chú phát hành Aspose OCR. | +| Hết bộ nhớ trên ảnh lớn | Bộ nhớ GPU cạn kiệt | Giảm độ phân giải ảnh hoặc chia ảnh thành các ô trước khi xử lý. | + +## Bonus: Tự Động Quay Lại CPU Khi GPU Không Có Sẵn + +Đôi khi bạn chạy cùng một mã trên laptop phát triển không có GPU hỗ trợ CUDA. Đặt lựa chọn thiết bị trong khối try‑catch sẽ làm cho chương trình trở nên vững chắc. + +```java + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception e) { + System.out.println("GPU not available – falling back to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } +``` + +Bây giờ binary giống nhau chạy ở mọi nơi, và bạn vẫn nhận được tăng tốc tốc độ khi phần cứng cho phép. + +## Ví Dụ Đầy Đủ, Sẵn Sàng Chạy + +Dưới đây là lớp Java hoàn chỉnh tích hợp tất cả các bước, kiểm tra và logic fallback đã thảo luận ở trên. Sao chép‑dán vào IDE, điều chỉnh đường dẫn ảnh, và chạy. + +```java +import com.aspose.ocr.*; + +public class GpuOcrDemo { + public static void main(String[] args) throws Exception { + + // ------------------------------------------------- + // Initialize OCR engine and load the PNG image + // ------------------------------------------------- + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/sample-highres.png")); + + // ------------------------------------------------- + // Try to enable GPU; fall back to CPU if needed + // ------------------------------------------------- + try { + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + System.out.println("GPU acceleration enabled."); + } catch (Exception ex) { + System.out.println("GPU not available – switching to CPU."); + ocrEngine.getDevice().setDeviceType(OcrDeviceType.CPU); + } + + // Optional: Choose a specific GPU (uncomment if you have multiple) + // ocrEngine.getDevice().setDeviceId(0); + + // ------------------------------------------------- + // Run OCR – recognize text from image + // ------------------------------------------------- + OcrResult ocrResult = ocrEngine.recognize(); + + // ------------------------------------------------- + // Output the extracted text – this is the core result + // ------------------------------------------------- + System.out.println("=== Recognized Text ==="); + System.out.println(ocrResult.getText()); + + // ------------------------------------------------- + // Show which device actually processed the request + // ------------------------------------------------- + System.out.println("Active OCR device: " + ocrEngine.getDevice().getDeviceType()); + } +} +``` + +**Đầu ra mong đợi** (giả sử PNG chứa văn bản tiếng Anh đơn giản): + +``` +GPU acceleration enabled. +=== Recognized Text === +The quick brown fox jumps over the lazy dog. +Active OCR device: GPU +``` + +Nếu không có GPU, bạn sẽ thấy “CPU” ở dòng cuối. + +## Tổng Quan Trực Quan + +Dưới đây là sơ đồ nhanh về luồng dữ liệu—from tải PNG tới nhận lại văn bản thuần. Văn bản alt của ảnh chứa từ khóa chính cho SEO. + +![luồng công việc aspose ocr gpu – tải hình ảnh, bật GPU, nhận dạng văn bản] + +*Alt text: luồng công việc aspose ocr gpu cho thấy cách tải ảnh cho ocr, bật tăng tốc GPU, và trích xuất văn bản từ png.* + +## Tóm Tắt & Các Bước Tiếp Theo + +Chúng ta vừa khám phá cách **aspose ocr gpu**‑tăng tốc quá trình **nhận dạng văn bản từ ảnh** và **trích xuất văn bản từ png**. Những điểm chính: + +1. **Tải ảnh** bằng `ImageStream.fromFile`. +2. **Bật GPU** qua `ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU)`. +3. **Chạy `recognize()`** và đọc `ocrResult.getText()`. +4. **Xác thực thiết bị** và chuyển về CPU một cách mềm dẻo khi cần. + +Sẵn sàng đẩy giới hạn? Hãy thử các thí nghiệm sau: + +- **Xử lý hàng loạt:** Duyệt qua một thư mục PNG và ghi mỗi kết quả vào file `.txt`. +- **Phân tích bố cục:** Bật `ocrEngine.getOptions().setDetectDocumentStructure(true)` để giữ lại cột và bảng. +- **Mở rộng đa GPU:** Nếu workstation có nhiều GPU, tạo các luồng song song, mỗi luồng gắn vào một `deviceId` khác nhau. + +Những mở rộng này sẽ giúp bạn thành thạo **gpu accelerated ocr** và mở ra cơ hội cho các dự án số hoá tài liệu quy mô lớn. + +--- + +*Chúc lập trình vui vẻ! Nếu gặp khó khăn, hãy để lại bình luận bên dưới—tôi sẽ sẵn sàng hỗ trợ bạn khắc phục.* + +{{< /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/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md new file mode 100644 index 000000000..39aa14bd8 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/_index.md @@ -0,0 +1,216 @@ +--- +category: general +date: 2026-05-06 +description: Cách tăng độ tương phản trong khi học cách tiền xử lý hình ảnh, loại + bỏ nhiễu và chỉnh sửa góc quay của hình ảnh để nhận dạng văn bản OCR đáng tin cậy. +draft: false +keywords: +- how to enhance contrast +- how to preprocess image +- how to remove noise +- recognize text from image +- correct image rotation +language: vi +og_description: Cách tăng độ tương phản trong hình ảnh OCR, cùng với cách tiền xử + lý hình ảnh, loại bỏ nhiễu và chỉnh sửa góc quay của hình ảnh để nhận dạng văn bản + chính xác. +og_title: Cách Tăng Độ Tương Phản trong OCR – Hướng Dẫn Java Từng Bước +tags: +- OCR +- Java +- Image Processing +title: Cách Tăng Độ Tương Phản trong OCR – Hướng Dẫn Toàn Diện Về Tiền Xử Lý Java +url: /vi/java/advanced-ocr-techniques/how-to-enhance-contrast-in-ocr-complete-java-pre-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cách Tăng Độ Tương Phản trong OCR – Hướng Dẫn Tiền Xử Lý Java Đầy Đủ + +Bạn đã bao giờ tự hỏi **cách tăng độ tương phản** để engine OCR của mình thực sự đọc được văn bản thay vì tạo ra những ký tự vô nghĩa chưa? Bạn không phải là người duy nhất. Hầu hết các nhà phát triển gặp khó khăn khi ảnh nguồn tối, nghiêng, hoặc đầy các đốm nhiễu, và kết quả là một lỗi “recognize text from image” gây bực bội. + +Tin tốt? Bằng cách áp dụng một vài bước tiền xử lý thông minh—**cách tiền xử lý ảnh**, **cách loại bỏ nhiễu**, và **điều chỉnh góc quay ảnh**—bạn có thể biến một PNG nhiễu, độ tương phản thấp thành một nền sạch sẽ mà engine OCR yêu thích. Trong hướng dẫn này, chúng tôi sẽ đi qua một ví dụ Java thực tế sử dụng Aspose.OCR, giải thích tại sao mỗi bộ lọc quan trọng, và cho bạn thấy chính xác **cách tăng độ tương phản** để đạt được độ nhận dạng vững chắc. + +--- + +## Những Điều Bạn Sẽ Học + +- Mục đích của mỗi bộ lọc tiền xử lý (deskew, loại bỏ nhiễu, tăng độ tương phản). +- **Cách tiền xử lý ảnh** với Aspose.OCR trong Java, từng bước. +- Mẹo thực tế cho **cách loại bỏ nhiễu** và **điều chỉnh góc quay ảnh** trước khi OCR. +- Mã chính xác bạn có thể sao chép‑dán, chạy, và xem kết quả của **recognize text from image**. + +> **Yêu cầu trước** – Java 17+, Maven hoặc Gradle, và giấy phép Aspose.OCR cho Java (bản dùng thử miễn phí đủ cho việc thử nghiệm). Không cần thư viện bên thứ ba nào khác. + +--- + +## Bước 1 – Thiết Lập Dự Án và Nhập Aspose.OCR + +Trước khi chúng ta có thể nói về **cách tăng độ tương phản**, chúng ta cần một dự án Java hoạt động có tích hợp engine OCR. + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Nếu bạn thích Gradle, phiên bản tương đương là: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +Tạo một file đơn giản `src/main/java/PreprocessDemo.java` và nhập các lớp cần thiết: + +```java +import com.aspose.ocr.*; +import com.aspose.ocr.preprocessing.*; +``` + +> **Mẹo chuyên nghiệp:** Bật tính năng tự động nhập của IDE; nó tiết kiệm rất nhiều thời gian. + +--- + +## Bước 2 – Tải Ảnh Bạn Muốn Làm Sạch + +Bây giờ thư viện đã sẵn sàng, hãy trả lời phần đầu tiên của **cách tiền xử lý ảnh**: tải ảnh. + +```java +public class PreprocessDemo { + public static void main(String[] args) throws Exception { + + // 1️⃣ Create the OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the raw image (replace with your own path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/noisy-skewed.png")); +``` + +Tại thời điểm này, engine giữ một file PNG chất lượng thấp có thể gặp vấn đề về độ tương phản kém, góc quay và nhiễu đốm. Nếu bạn mở file, bạn sẽ thấy chính xác lý do OCR gặp khó khăn. + +--- + +## Bước 3 – Áp Dụng Các Bộ Lọc: Deskew, Loại Bỏ Nhiễu, **Cách Tăng Độ Tương Phản** + +Đây là phần cốt lõi của hướng dẫn—**cách tăng độ tương phản** đồng thời xử lý góc quay và nhiễu. Aspose.OCR cung cấp ba bộ lọc sẵn có: + +| Bộ lọc | Chức năng | Tại sao quan trọng đối với OCR | +|--------|-----------|--------------------------------| +| `DeskewFilter` | Phát hiện và chỉnh sửa góc quay của ảnh | Đảm bảo **điều chỉnh góc quay ảnh** chính xác, để các ký tự không bị nghiêng. | +| `NoiseRemovalFilter` | Giảm các đốm nhiễu ngẫu nhiên và hạt nền | Thực hiện **cách loại bỏ nhiễu** để engine chỉ nhìn thấy các ký tự. | +| `ContrastEnhancementFilter` | Tăng độ khác biệt giữa văn bản nền trước và nền sau | Trực tiếp đáp ứng **cách tăng độ tương phản**, làm cho các nét mờ trở nên nổi bật. | + +Bạn có thể thêm chúng theo thứ tự đã nêu—đầu tiên Deskew, sau đó loại bỏ nhiễu, cuối cùng tăng độ tương phản: + +```java + // 3️⃣ Add preprocessing filters + // • DeskewFilter corrects rotation + // • NoiseRemovalFilter reduces background noise + // • ContrastEnhancementFilter boosts text contrast + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + ocrEngine.getPreprocessing().add(new ContrastEnhancementFilter()); +``` + +> **Tại sao lại theo thứ tự này?** +> • Deskew hoạt động tốt nhất trên ma trận pixel thô; quay một ảnh nhiễu có thể làm tăng các artefact. +> • Làm sạch nhiễu trước khi tăng độ tương phản ngăn bộ lọc làm tăng các đốm nhiễu. +> • Cuối cùng, tăng độ tương phản làm cho các pixel đã được làm sạch nổi bật, chính là **cách tăng độ tương phản** cho OCR. + +--- + +## Bước 4 – Chạy Engine OCR và **Nhận Dạng Văn Bản Từ Ảnh** + +Với pipeline tiền xử lý đã sẵn sàng, cuối cùng chúng ta gọi engine OCR. Bước này trả lời câu hỏi cuối cùng: **recognize text from image**. + +```java + // 4️⃣ Perform OCR on the pre‑processed image + OcrResult ocrResult = ocrEngine.recognize(); + + // 5️⃣ Output the recognized text to the console + System.out.println("=== OCR Output ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Khi bạn chạy `java PreprocessDemo`, bạn sẽ thấy văn bản sạch sẽ, dễ đọc thay vì một mớ hỗn độn. Đầu ra mẫu cho một hoá đơn có thể trông như sau: + +``` +=== OCR Output === +Invoice #12345 +Date: 2026‑04‑30 +Total: $1,250.00 +Thank you for your business! +``` + +Nếu kết quả vẫn mờ, hãy cân nhắc điều chỉnh các tham số của `ContrastEnhancementFilter` (ví dụ, `setLevel(1.5)`) hoặc kiểm tra lại xem ảnh nguồn có bị nén quá mức không. + +--- + +## Bước 5 – Kiểm Tra Trực Quan: Trước & Sau (Tùy Chọn) + +Thấy mới tin. Dưới đây là một hình minh họa placeholder so sánh file gốc với phiên bản đã xử lý. Văn bản alt đề cập rõ ràng từ khóa chính cho SEO. + +![Diagram showing how to enhance contrast in OCR preprocessing – original vs. enhanced image](https://example.com/contrast-demo.png "How to enhance contrast in OCR preprocessing") + +*Nếu bạn chạy mã trên ảnh của mình, bạn sẽ nhận thấy sự cải thiện đáng kể trong khả năng đọc.* + +--- + +## Những Sai Lầm Thường Gặp & Cách Khắc Phục + +| Vấn đề | Nguyên nhân | Cách khắc phục | +|--------|-------------|----------------| +| Văn bản vẫn mờ sau khi tăng độ tương phản | Mức bộ lọc quá thấp hoặc độ phân giải ảnh không đủ | Tăng mức `ContrastEnhancementFilter` (`new ContrastEnhancementFilter(1.8)`) hoặc phóng to ảnh trước khi xử lý. | +| OCR trả về chuỗi rỗng | Ảnh hoàn toàn tối hoặc tất cả pixel bị loại bỏ bởi bộ lọc nhiễu | Giảm mức độ mạnh của `NoiseRemovalFilter` (`new NoiseRemovalFilter(0.3)`). | +| Các ký tự vẫn nghiêng | Deskew bỏ lỡ góc vì ảnh quá nhiễu | Chạy `DeskewFilter` **sau** một lần loại bỏ nhiễu nhẹ, hoặc đặt góc quay thủ công bằng `DeskewFilter.setAngle(2.5)`. | +| Ký tự Unicode không mong muốn | Ngôn ngữ OCR không được thiết lập đúng | Gọi `ocrEngine.setLanguage(OcrLanguage.English);` trước `recognize()`. | + +--- + +## Mở Rộng Pipeline – Nếu Bạn Cần Thêm? + +Đôi khi bạn có thể cần **cách tiền xử lý ảnh** cho các bản scan màu hoặc PDF. Aspose.OCR cũng cung cấp: + +- `BinarizationFilter` – chuyển đổi sang đen‑trắng thuần khiết, tuyệt vời cho văn bản có độ tương phản cao. +- `ResizeFilter` – phóng to phông chữ nhỏ trước khi OCR. +- `SharpenFilter` – làm nổi bật các cạnh cho chữ viết tay mờ. + +Bạn có thể nối chúng lại giống như ba bộ lọc chính đã trình bày ở trên. Hãy nhớ, thứ tự vẫn quan trọng: resize → denoise → binarize → contrast → deskew là một công thức phổ biến. + +--- + +## Tóm Tắt: Từ PNG Nhiễu Đến Văn Bản Sạch + +- **Cách tăng độ tương phản**: sử dụng `ContrastEnhancementFilter` sau deskew và loại bỏ nhiễu. +- **Cách tiền xử lý ảnh**: tải, thêm bộ lọc, sau đó chạy OCR. +- **Cách loại bỏ nhiễu**: `NoiseRemovalFilter` làm sạch nền mà không phá hủy các nét chữ. +- **Điều chỉnh góc quay ảnh**: `DeskewFilter` căn chỉnh đường cơ sở văn bản, là điều kiện tiên quyết cho nhận dạng chính xác. +- **Nhận dạng văn bản từ ảnh**: gọi `ocrEngine.recognize()` và đọc `ocrResult.getText()`. + +Tất cả các bước này cùng nhau tạo ra một pipeline mạnh mẽ hoạt động cho hoá đơn, biên lai đã quét và thậm chí các cuốn sách in cũ. + +--- + +## Bước Tiếp Theo? + +- **Thử nghiệm**: Điều chỉnh các tham số bộ lọc và quan sát ảnh hưởng đến độ chính xác OCR. +- **Xử lý hàng loạt**: Đóng gói logic trên trong một vòng lặp để xử lý toàn bộ thư mục ảnh. +- **Tích hợp**: Đưa kết quả OCR vào cơ sở dữ liệu hoặc trình tạo PDF cho quy trình tự động từ đầu đến cuối. + +Nếu bạn tò mò về các thủ thuật nâng cao ảnh khác—như ngưỡng thích ứng hoặc đảo màu—hãy xem tài liệu chính thức của Aspose hoặc hướng dẫn “Advanced Image Pre‑processing with Aspose.OCR”. + +### Chúc Lập Trình Vui Vẻ! + +Bây giờ bạn đã biết **cách tăng độ tương phản** và toàn bộ câu chuyện tiền xử lý biến một bản scan lộn xộn thành văn bản sạch, có thể tìm kiếm được. Để lại bình luận nếu bạn gặp khó khăn, hoặc chia sẻ cách bạn tùy chỉnh pipeline cho dự án của mình. Hãy tiếp tục cuộc trò chuyện về OCR! + +{{< /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/how-to-use-aspose-ocr-for-mixed-language-images/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md new file mode 100644 index 000000000..f1e3f6868 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/_index.md @@ -0,0 +1,232 @@ +--- +category: general +date: 2026-05-06 +description: Cách sử dụng Aspose OCR để nhận dạng văn bản từ hình ảnh, bật tính năng + tự động phát hiện ngôn ngữ và cải thiện tốc độ OCR trong Java. +draft: false +keywords: +- how to use aspose +- recognize text from image +- improve ocr speed +- load image for ocr +- enable automatic language detection +language: vi +og_description: Cách sử dụng Aspose OCR để nhanh chóng nhận dạng văn bản từ hình ảnh, + bật tính năng phát hiện ngôn ngữ tự động và cải thiện tốc độ OCR trong Java. +og_title: Cách sử dụng Aspose OCR cho hình ảnh đa ngôn ngữ +tags: +- Aspose +- OCR +- Java +- Image Processing +title: Cách sử dụng Aspose OCR cho hình ảnh đa ngôn ngữ +url: /vi/java/advanced-ocr-techniques/how-to-use-aspose-ocr-for-mixed-language-images/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Cách Sử Dụng Aspose OCR cho Hình Ảnh Đa Ngôn Ngữ + +Bạn đã bao giờ tự hỏi **cách sử dụng Aspose** để trích xuất văn bản từ một hình ảnh chứa nhiều ngôn ngữ cùng một lúc chưa? Bạn không đơn độc—các nhà phát triển thường gặp khó khăn khi một hình ảnh pha trộn tiếng Anh, tiếng Nga, tiếng Hindi hoặc bất kỳ chữ viết nào khác. Tin tốt là Aspose OCR xử lý điều này một cách mượt mà, và bạn thậm chí có thể **recognize text from image** nhanh hơn bằng cách thu hẹp tập ngôn ngữ. + +Trong hướng dẫn này, chúng ta sẽ đi qua một ví dụ Java hoàn chỉnh, sẵn sàng chạy, trong đó **loads image for OCR**, bật **automatic language detection**, và giới thiệu một mẹo đơn giản để **improve OCR speed**. Khi kết thúc, bạn sẽ có một chương trình tự chứa, in ra văn bản đã trích xuất lên console, và hiểu tại sao mỗi thiết lập lại quan trọng. + +> **Prerequisites** – Java 17+ đã được cài đặt, Maven hoặc Gradle để quản lý phụ thuộc, và giấy phép Aspose OCR (bản dùng thử miễn phí đủ cho việc đánh giá). Không cần thư viện nào khác. + +--- + +## Bước 1 – Thêm Aspose OCR vào Dự Án của Bạn + +Trước khi bạn có thể **use Aspose**, cần đưa thư viện vào classpath. Với Maven, cấu hình sẽ như sau: + +```xml + + + com.aspose + aspose-ocr + 23.12 + +``` + +Nếu bạn thích Gradle: + +```groovy +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Pro tip:** Sử dụng phiên bản ổn định mới nhất; các phiên bản mới thường bao gồm cải thiện hiệu năng, ảnh hưởng trực tiếp đến **improve OCR speed**. + +--- + +## Bước 2 – Tạo Instance của OCR Engine + +Trái tim của mọi quy trình Aspose OCR là `OcrEngine`. Việc khởi tạo nó rất đơn giản, nhưng cần lưu ý rằng engine giữ các cache nội bộ. Việc **re‑using** một instance duy nhất cho nhiều hình ảnh thực tế có thể **improve OCR speed** vì thư viện tránh việc khởi tạo native lặp lại. + +```java +import com.aspose.ocr.*; + +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Step 2: Initialise the OCR engine – one instance per application is ideal + OcrEngine ocrEngine = new OcrEngine(); +``` + +--- + +## Bước 3 – **Load Image for OCR** + +Aspose hỗ trợ nhiều định dạng ảnh (PNG, JPEG, TIFF, BMP). Ở đây chúng ta minh họa việc tải một file PNG chứa văn bản tiếng Anh, tiếng Nga và tiếng Hindi. Trợ giúp `ImageStream.fromFile` trừu tượng hoá chi tiết I/O và đảm bảo ảnh được truyền đúng vào engine. + +```java + // Step 3: Load the picture that holds mixed languages + // Replace the path with the actual location of your image file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); +``` + +> **Nếu ảnh ở trong bộ nhớ?** Hãy dùng `ImageStream.fromByteArray(byte[])` thay thế—phù hợp cho các dịch vụ web nhận ảnh dưới dạng luồng byte. + +--- + +## Bước 4 – Bật Automatic Language Detection + +Mặc định Aspose OCR giả định một ngôn ngữ duy nhất, điều này có thể gây ra kết quả rối rắm trên các hình ảnh đa ngôn ngữ. Bật phát hiện tự động cho engine “ngửi” script của mỗi khối văn bản trước khi nhận dạng. + +```java + // Step 4: Turn on auto‑detect – this is the key to handling mixed‑language images + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +--- + +## Bước 5 – **Improve OCR Speed** bằng Cách Hạn Chế Ngôn Ngữ Được Hỗ Trợ + +Việc tự động phát hiện đầy đủ sẽ quét qua hơn 70 ngôn ngữ mà Aspose hỗ trợ. Nếu bạn biết trước các ngôn ngữ có thể xuất hiện, hãy cung cấp một gợi ý cho engine. Việc cung cấp một mảng ngôn ngữ nhỏ hơn sẽ giảm không gian tìm kiếm và do đó **improve OCR speed**. + +```java + // Step 5 (optional but recommended): Limit detection to known languages + // "en" = English, "ru" = Russian, "hi" = Hindi + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); +``` + +> **Tại sao lại giúp được?** Engine sẽ bỏ qua các mô hình ngôn ngữ không cần thiết, tiết kiệm vòng CPU và bộ nhớ. Nếu sau này bạn thêm ngôn ngữ mới, chỉ cần cập nhật mảng—không cần viết lại code. + +--- + +## Bước 6 – Thực Hiện Nhận Dạng và **Recognize Text from Image** + +Bây giờ công việc nặng sẽ diễn ra. `recognize()` trả về một đối tượng `OcrResult` chứa văn bản thuần, điểm confidence, và thậm chí thông tin bố cục nếu bạn cần sử dụng sau này. + +```java + // Step 6: Run the OCR process + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 7: Output the recognized text to the console + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +### Kết Quả Dự Kiến Trên Console + +``` +=== Extracted Text === +Hello world! +Привет мир! +नमस्ते दुनिया! +``` + +Nếu ảnh có nhiễu hoặc văn bản bị nghiêng, bạn có thể thấy confidence thấp hơn cho các dòng đó. Trong trường hợp này, hãy cân nhắc tiền xử lý ảnh (deskew, binarisation) trước khi đưa vào Aspose. + +--- + +## Các Câu Hỏi Thường Gặp & Trường Hợp Đặc Biệt + +### Nếu ảnh quá lớn (ví dụ >10 MP) thì sao? + +Ảnh lớn tiêu tốn nhiều bộ nhớ và có thể làm chậm quá trình. Một cách nhanh để **improve OCR speed** là giảm kích thước ảnh trong khi vẫn duy trì khả năng đọc: + +```java +// Example using java.awt for simple resizing (optional) +BufferedImage original = ImageIO.read(new File("large.png")); +int targetWidth = 2000; // adjust based on your needs +BufferedImage resized = new BufferedImage(targetWidth, + (original.getHeight() * targetWidth) / original.getWidth(), + BufferedImage.TYPE_INT_RGB); +Graphics2D g = resized.createGraphics(); +g.drawImage(original, 0, 0, targetWidth, resized.getHeight(), null); +g.dispose(); +ocrEngine.setImage(ImageStream.fromImage(resized)); +``` + +### Làm thế nào để xử lý các script viết từ phải sang trái như Arabic? + +Aspose OCR tự động tôn trọng hướng script, nhưng bạn có thể muốn đặt cờ `RightToLeft` cho bước xử lý sau: + +```java +ocrEngine.getSettings().setRightToLeft(true); +``` + +### Có thể trích xuất văn bản từ PDF thay vì ảnh không? + +Có—chuyển mỗi trang PDF thành ảnh (sử dụng Aspose PDF hoặc bất kỳ rasterizer nào) và đưa kết quả vào cùng pipeline OCR. Logic **recognize text from image** vẫn áp dụng. + +--- + +## Ví Dụ Hoàn Chỉnh (Sẵn Sàng Sao Chép‑Dán) + +```java +import com.aspose.ocr.*; +import java.io.File; + +/** + * Demonstrates how to use Aspose OCR to recognize text from an image + * that contains multiple languages, with automatic language detection + * and a speed‑optimising language whitelist. + */ +public class MixedLanguageDemo { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine – reuse this instance for many images + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image that holds mixed languages (replace with your path) + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/mixed-lang.png")); + + // Enable automatic detection of language per text block + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // OPTIONAL: Restrict detection to English, Russian, and Hindi to boost speed + ocrEngine.getSettings().setPossibleLanguages(new String[] { "en", "ru", "hi" }); + + // Run OCR and capture the result + OcrResult ocrResult = ocrEngine.recognize(); + + // Print the extracted text + System.out.println("=== Extracted Text ==="); + System.out.println(ocrResult.getText()); + } +} +``` + +Lưu file dưới tên `MixedLanguageDemo.java`, biên dịch bằng `javac`, và chạy bằng `java MixedLanguageDemo`. Nếu mọi thứ đã được cấu hình đúng, bạn sẽ thấy văn bản đa ngôn ngữ được in ra console. + +--- + +## Kết Luận + +Bây giờ bạn đã biết **cách sử dụng Aspose** để **recognize text from image** chứa nhiều ngôn ngữ, cách **enable automatic language detection**, và một mẹo thực tế để **improve OCR speed** bằng cách giới hạn pool ngôn ngữ. Toàn bộ code ở trên đã sẵn sàng sao chép‑dán, và các giải thích sẽ giúp bạn tự tin tùy chỉnh giải pháp—cho dù bạn cần **load image for OCR** từ stream, mảng byte, hoặc thậm chí từ ảnh chụp webcam. + +Bước tiếp theo? Hãy thử: + +* Thêm tiền xử lý ảnh (loại bỏ nhiễu, nhị phân hoá) cho các bản scan chất lượng thấp. +* Xuất `OcrResult` dưới dạng JSON cho các dịch vụ downstream. +* Tích hợp engine vào endpoint REST Spring Boot để khách hàng có thể tải lên ảnh và nhận ngay văn bản đã trích xuất. + +Chúc lập trình vui vẻ, và mong các pipeline OCR của bạn luôn nhanh, chính xác và đa ngôn ngữ! + +{{< /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-from-image-with-java-ocr-parallel-processing/_index.md b/ocr/vietnamese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md new file mode 100644 index 000000000..b139f4098 --- /dev/null +++ b/ocr/vietnamese/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/_index.md @@ -0,0 +1,205 @@ +--- +category: general +date: 2026-05-06 +description: Nhận dạng văn bản từ hình ảnh nhanh chóng bằng ví dụ OCR Java. Tìm hiểu + cách trích xuất văn bản từ tệp TIFF với xử lý OCR song song và cách thực hiện OCR + trong Java một cách hiệu quả. +draft: false +keywords: +- recognize text from image +- java ocr example +- extract text from tiff +- parallel ocr processing +- how to ocr java +language: vi +og_description: Nhận dạng văn bản từ hình ảnh nhanh chóng với ví dụ Java OCR đầy đủ. + Hướng dẫn này cho thấy cách trích xuất văn bản từ tiff bằng xử lý OCR song song. +og_title: Nhận dạng văn bản từ hình ảnh bằng Java OCR – Hướng dẫn xử lý song song +tags: +- OCR +- Java +- Image Processing +title: Nhận dạng văn bản từ hình ảnh bằng Java OCR – Hướng dẫn xử lý song song +url: /vi/java/advanced-ocr-techniques/recognize-text-from-image-with-java-ocr-parallel-processing/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Nhận dạng văn bản từ hình ảnh với Java OCR – Hướng dẫn Xử lý Song song + +Bạn đã bao giờ cần **nhận dạng văn bản từ hình ảnh** nhưng gặp phải nút thắt hiệu năng? Bạn không đơn độc. Nhiều nhà phát triển gặp khó khăn khi một engine OCR chạy đơn luồng phải duyệt qua các tệp TIFF đa trang, biến một công việc nhanh thành một cuộc marathon. + +Trong hướng dẫn này, chúng ta sẽ đi qua một **java ocr example** không chỉ trích xuất văn bản từ tệp tiff mà còn tận dụng tất cả các lõi CPU của bạn để thực hiện **parallel ocr processing**. Khi kết thúc, bạn sẽ biết chính xác *cách ocr java* một cách hiệu quả, và sẽ có một đoạn mã sẵn sàng chạy mà bạn có thể đưa vào bất kỳ dự án Maven hoặc Gradle nào. + +## Những gì bạn sẽ học + +- Cài đặt thư viện Aspose.OCR trong dự án Java. +- Tải một tệp TIFF đa trang và chuẩn bị cho việc nhận dạng. +- Kích hoạt **parallel OCR processing** bằng cách đặt số luồng bằng số lõi CPU logic của bạn. +- Lấy và hiển thị văn bản đã nhận dạng, hoàn thiện quy trình **recognize text from image**. + +> **Yêu cầu trước:** Java 8 hoặc mới hơn và giấy phép Aspose.OCR for Java hợp lệ (hoặc khóa đánh giá tạm thời). Không cần công cụ bên ngoài nào khác. + +--- + +## Bước 1: Thêm phụ thuộc Aspose.OCR + +Trước khi chúng ta có thể **recognize text from image**, cần đưa engine OCR vào classpath. Nếu bạn dùng Maven, thêm đoạn sau vào `pom.xml` của bạn: + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +Đối với Gradle, tương đương là: + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> *Mẹo chuyên nghiệp:* Giữ phiên bản luôn cập nhật; các bản phát hành mới thường bao gồm các cải tiến hiệu năng giúp **parallel ocr processing** nhanh hơn. + +--- + +## Bước 2: Chuẩn bị lớp Java – Ví dụ Hoạt động Đầy đủ + +Dưới đây là một **java ocr example** tự chứa, minh họa cách **extract text from tiff** bằng tất cả các lõi CPU có sẵn. Lưu lại dưới tên `ParallelOcrDemo.java`. + +```java +import com.aspose.ocr.*; + +public class ParallelOcrDemo { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance – this is the heart of the recognize text from image process + OcrEngine engine = new OcrEngine(); + + // 2️⃣ Load the multi‑page TIFF you want to process. + // Replace the path with your actual file location. + engine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/document-multi-page.tif")); + + // 3️⃣ Enable parallel processing. + // We ask the JVM for the number of logical processors and feed that to the engine. + engine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // 4️⃣ Perform the recognition. This call blocks until every page is processed. + OcrResult result = engine.recognize(); + + // 5️⃣ Output the recognized text – the final step in our recognize text from image pipeline. + System.out.println("=== Recognized Text ==="); + System.out.println(result.getText()); + } +} +``` + +**Lý do mỗi dòng quan trọng** + +- **Engine creation**: `OcrEngine` chịu trách nhiệm cho toàn bộ công việc nặng. Không có nó, bạn không thể **recognize text from image**. +- **Image loading**: `ImageStream.fromFile` hỗ trợ TIFF, PNG, JPEG, v.v. Việc dùng một TIFF đa trang giúp kiểm tra khả năng xử lý tài liệu phức tạp của engine. +- **Thread count**: `Runtime.getRuntime().availableProcessors()` trả về số lõi logic (kèm cả hyper‑threads). Đặt giá trị này kích hoạt **parallel ocr processing**, giảm đáng kể thời gian chạy trên máy đa lõi. +- **Recognition**: `engine.recognize()` chạy pipeline OCR. Nội bộ nó sẽ chia các trang ra các luồng trong pool bạn đã định nghĩa. +- **Result handling**: `result.getText()` trả về một `String` duy nhất chứa toàn bộ văn bản đã nối của tất cả các trang – hoàn hảo cho các bước xử lý hoặc lưu trữ tiếp theo. + +--- + +## Bước 3: Chạy Demo và Kiểm tra Kết quả + +Biên dịch và thực thi chương trình: + +```bash +javac -cp "path/to/aspose-ocr-23.12.jar" ParallelOcrDemo.java +java -cp ".:path/to/aspose-ocr-23.12.jar" ParallelOcrDemo +``` + +Bạn sẽ thấy đầu ra giống như: + +``` +=== Recognized Text === +Page 1: Invoice #12345 +Date: 2024‑11‑01 +Total: $1,250.00 +... +Page 2: Terms and Conditions +... +``` + +Nếu console in ra văn bản mong muốn, chúc mừng — bạn đã **recognize text from image** thành công bằng một **java ocr example** chạy song song. + +--- + +## Bước 4: Tinh chỉnh cho Các Kịch bản Thực tế (Tùy chọn) + +### Trích xuất Văn bản chỉ từ Các Trang Cụ thể + +Đôi khi bạn chỉ cần một số trang nhất định trong một tệp TIFF lớn. Bạn có thể lọc sau khi nhận dạng: + +```java +String[] pages = result.getPageResults(); +for (int i = 0; i < pages.length; i++) { + if (i == 0 || i == 2) { // keep page 1 and 3 (0‑based index) + System.out.println("Page " + (i + 1) + ":"); + System.out.println(pages[i]); + } +} +``` + +### Điều chỉnh Số Luồng Thủ công + +Nếu máy chủ của bạn đã bận với các tác vụ khác, bạn có thể giới hạn số luồng OCR: + +```java +engine.setThreadCount(2); // use only two cores regardless of total count +``` + +### Xử lý TIFF tiêu tốn Nhiều Bộ nhớ + +Các TIFF đa trang lớn có thể tiêu tốn rất nhiều RAM. Để giảm tải, hãy xử lý tệp theo từng khối: + +```java +engine.setImage(ImageStream.fromFile("bigfile.tif")); +engine.setPageRange(1, 5); // process pages 1‑5 first +OcrResult part1 = engine.recognize(); +// later, change the range and call recognize again for pages 6‑10, etc. +``` + +--- + +## Bước 5: Những Sai Lầm Thường Gặp & Cách Khắc Phục + +| Issue | Symptom | Fix | +|-------|---------|-----| +| **Insufficient license** | Runtime throws `LicenseException` | Áp dụng file giấy phép hợp lệ hoặc dùng chế độ đánh giá miễn phí (sẽ có watermark). | +| **Wrong file path** | `FileNotFoundException` | Kiểm tra lại đường dẫn và sử dụng đường dẫn tuyệt đối trong quá trình thử nghiệm. | +| **CPU throttling** | No speed gain despite `setThreadCount` | Đảm bảo JVM không bị giới hạn bởi tham số `-Xmx` hoặc các cài đặt tiết kiệm năng lượng của hệ điều hành. | +| **Unsupported image format** | `UnsupportedFormatException` | Chuyển đổi ảnh sang TIFF, PNG hoặc JPEG trước khi đưa vào engine. | + +--- + +## Tóm tắt Hình ảnh + +![recognize text from image example](image-placeholder.png "recognize text from image") + +*Alt text:* “Sơ đồ mô tả luồng **recognize text from image** bằng Java OCR với xử lý song song” + +--- + +## Kết luận + +Chúng ta vừa đi qua một **java ocr example** hoàn chỉnh giúp **recognize text from image** từ các tệp TIFF đa trang, đồng thời khai thác tối đa **parallel ocr processing**. Bằng cách đồng bộ pool luồng với số lõi CPU, bạn sẽ đạt được tăng tốc gần tuyến tính trên phần cứng hiện đại — chính là câu trả lời cho “*how to ocr java* efficiently?”. + +Tiếp theo, bạn có thể khám phá: + +- **extract text from tiff** theo lô và lưu kết quả vào cơ sở dữ liệu. +- Kết hợp OCR với các thư viện NLP (ví dụ: OpenNLP) để tự động gắn thẻ các thực thể đã trích xuất. +- Triển khai giải pháp dưới dạng microservice phía sau endpoint REST để thực hiện OCR theo yêu cầu. + +Hãy thử nghiệm, điều chỉnh số luồng, và cảm nhận tốc độ tăng lên của pipeline. Nếu gặp khó khăn, hãy để lại bình luận bên dưới — chúc bạn lập trình vui! + +{{< /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..24faaa2ec 100644 --- a/ocr/vietnamese/java/ocr-operations/_index.md +++ b/ocr/vietnamese/java/ocr-operations/_index.md @@ -79,6 +79,12 @@ 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. +### [Cách sử dụng OCR trong Java – Trích xuất văn bản từ hình ảnh với sửa lỗi chính tả](./how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/) +Khám phá cách sử dụng OCR trong Java để trích xuất văn bản từ hình ảnh và tự động sửa lỗi chính tả, nâng cao độ chính xác. +### [Tạo PDF có thể tìm kiếm từ hình ảnh – Hướng dẫn Java từng bước](./create-searchable-pdf-from-image-step-by-step-java-guide/) +Khám phá cách tạo PDF có thể tìm kiếm từ hình ảnh bằng Aspose.OCR cho Java, hướng dẫn chi tiết từng bước. +### [Tạo PDF có thể tìm kiếm từ hình ảnh bằng Java OCR](./create-searchable-pdf-from-image-with-java-ocr/) +Khám phá cách tạo PDF có thể tìm kiếm từ hình ảnh bằng Java OCR, hướng dẫn chi tiết từng bước để chuyển đổi và lưu trữ tài liệu. ## Câu hỏi Thường gặp diff --git a/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md new file mode 100644 index 000000000..3e287bf08 --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-guide/_index.md @@ -0,0 +1,200 @@ +--- +category: general +date: 2026-05-06 +description: Tạo PDF có thể tìm kiếm từ hình ảnh bằng Aspose OCR. Tìm hiểu cách chuyển + đổi hình ảnh sang PDF, OCR hình ảnh sang PDF và trích xuất văn bản từ hình ảnh trong + vài phút. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- ocr image to pdf +- extract text from image +- convert jpg to searchable pdf +language: vi +og_description: Tạo PDF có thể tìm kiếm từ hình ảnh với Aspose OCR. Tham khảo hướng + dẫn này để chuyển JPG sang PDF có thể tìm kiếm, trích xuất văn bản từ hình ảnh và + nhiều hơn nữa. +og_title: Tạo PDF có thể tìm kiếm từ hình ảnh – Hướng dẫn Java đầy đủ +tags: +- Java +- OCR +- PDF +- Aspose +title: Tạo PDF có thể tìm kiếm từ hình ảnh – Hướng dẫn Java từng bước +url: /vi/java/ocr-operations/create-searchable-pdf-from-image-step-by-step-java-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 hình ảnh – Hướng dẫn Java đầy đủ + +Bạn đã bao giờ cần **tạo PDF có thể tìm kiếm** từ một bức ảnh đã quét nhưng không chắc thư viện nào nên dùng? Bạn không phải là người duy nhất. Trong nhiều dự án—như tự động hoá báo cáo chi phí hay lưu trữ kỹ thuật số—khả năng chuyển một hình ảnh thông thường thành PDF mà bạn thực sự có thể tìm kiếm là một bước đột phá. + +Vì vậy trong hướng dẫn này, chúng ta sẽ đi qua toàn bộ quy trình **chuyển đổi hình ảnh sang PDF**, chạy OCR trên nó, và cuối cùng có được một **PDF có thể tìm kiếm** mà bạn có thể đưa vào bất kỳ quy trình tài liệu nào. Chúng tôi cũng sẽ đề cập đến **trích xuất văn bản từ hình ảnh** và chỉ cho bạn cách **chuyển đổi jpg sang PDF có thể tìm kiếm** mà không cần nhiều mã mẫu. + +## Những gì bạn sẽ học + +- Phụ thuộc Maven/Gradle chính xác bạn cần cho Aspose OCR. +- Cách tải một JPG (hoặc bất kỳ hình ảnh hỗ trợ nào) vào engine OCR. +- Lý do việc lưu với `OcrSaveFormat.PDF_SEARCHABLE` quan trọng. +- Những khó khăn thường gặp (hình ảnh lớn, định dạng không hỗ trợ) và cách tránh chúng. +- Cách xác minh rằng PDF kết quả thực sự chứa văn bản có thể tìm kiếm. + +Khi kết thúc hướng dẫn này, bạn sẽ có một lớp Java sẵn sàng chạy, tạo ra PDF có thể tìm kiếm chỉ bằng một lời gọi phương thức. Không cần công cụ dòng lệnh bên ngoài, không cần engine OCR bổ sung—chỉ Java thuần. + +--- + +## Yêu cầu trước + +| Requirement | Why it matters | +|-------------|----------------| +| Java 8 hoặc mới hơn | Aspose OCR sử dụng các tính năng ngôn ngữ hiện đại. | +| Maven hoặc Gradle (để quản lý phụ thuộc) | Giúp việc kéo Aspose OCR JAR trở nên đơn giản. | +| Một hình ảnh mẫu (`input.jpg`) đặt trong thư mục đã biết | Mã yêu cầu một đường dẫn tệp; bạn có thể thay thế bằng PNG, BMP, v.v. | +| Tùy chọn: một trình xem PDF có khả năng tìm kiếm (Adobe Reader, Foxit, v.v.) | Để xác nhận PDF thực sự có thể tìm kiếm. | + +Nếu bạn đã có những thứ này, tuyệt vời—hãy bắt đầu. + +--- + +## Bước 1: Thêm Aspose OCR vào dự án của bạn + +### Maven + +```xml + + com.aspose + aspose-ocr + 23.12 + +``` + +### Gradle + +```gradle +implementation 'com.aspose:aspose-ocr:23.12' +``` + +> **Mẹo chuyên nghiệp:** Phiên bản đánh giá miễn phí sẽ thêm một dấu nước nhỏ vào trang đầu tiên. Đối với môi trường sản xuất, hãy mua giấy phép từ Aspose và gọi `License license = new License(); license.setLicense("Aspose.OCR.lic");` trước khi khởi tạo `OcrEngine`. + +--- + +## Bước 2: Tải hình ảnh bạn muốn chuyển đổi + +Chúng tôi sẽ sử dụng `ImageStream.fromFile` để đọc hình ảnh trực tiếp từ đĩa. Phương thức này hỗ trợ JPG, PNG, TIFF và nhiều định dạng khác, vì vậy bạn có thể **chuyển đổi hình ảnh sang PDF** bất kể nguồn. + +```java +// Step 2: Load the source image that contains the text +String inputPath = "YOUR_DIRECTORY/input.jpg"; // replace with your actual path +ocrEngine.setImage(ImageStream.fromFile(inputPath)); +``` + +> **Tại sao lại cần bước này?** Engine OCR cần một biểu diễn bitmap của văn bản. Cung cấp một hình ảnh độ phân giải cao (300 dpi hoặc hơn) sẽ cải thiện đáng kể độ chính xác nhận dạng, từ đó mang lại kết quả **trích xuất văn bản từ hình ảnh** tốt hơn. + +--- + +## Bước 3: Chạy OCR và Lưu dưới dạng PDF có thể tìm kiếm + +Phép màu xảy ra khi bạn gọi `save` với định dạng `PDF_SEARCHABLE`. Bên trong, Aspose OCR tạo một lớp văn bản ẩn nằm trên hình ảnh gốc, biến một bức ảnh tĩnh thành một **PDF có thể tìm kiếm**. + +```java +// Step 3: Recognize the text and embed it into a searchable PDF +String outputPath = "YOUR_DIRECTORY/searchable.pdf"; +ocrEngine.save(outputPath, OcrSaveFormat.PDF_SEARCHABLE); +``` + +Nếu bạn muốn một PDF thông thường mà không có lớp ẩn, hãy thay `PDF_SEARCHABLE` bằng `PDF`. Nhưng trong hầu hết các trường hợp lưu trữ, phiên bản có thể tìm kiếm là lựa chọn bạn cần. + +--- + +## Bước 4: Xác minh kết quả + +Sau khi chương trình hoàn thành, mở `searchable.pdf` trong bất kỳ trình xem PDF nào và thử tính năng tìm kiếm tích hợp (Ctrl + F). Nếu bạn có thể tìm thấy các từ vốn chỉ có trong hình ảnh, chúc mừng—bạn đã thành công **ocr image to pdf**. + +```java +System.out.println("Searchable PDF created at: " + outputPath); +``` + +> **Trường hợp đặc biệt:** Những hình ảnh rất lớn (> 10 MB) có thể gây ra `OutOfMemoryError`. Để giảm thiểu, hãy thu nhỏ kích thước hình ảnh trước bằng cách sử dụng `java.awt.Image` hoặc một thư viện như Thumbnailator. + +--- + +## Ví dụ làm việc đầy đủ + +Dưới đây là lớp Java hoàn chỉnh, tự chứa. Sao chép‑dán vào IDE của bạn, điều chỉnh các đường dẫn, và chạy—không cần bước bổ sung. + +```java +import com.aspose.ocr.*; + +public class ImageToSearchablePdf { + public static void main(String[] args) throws Exception { + // 1️⃣ Create an OCR engine instance + OcrEngine ocrEngine = new OcrEngine(); + + // 2️⃣ Load the source image (JPG, PNG, etc.) + // Replace YOUR_DIRECTORY with the folder that holds your image. + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // 3️⃣ Perform OCR and save as a searchable PDF + // The PDF will contain the original image plus a hidden text layer. + ocrEngine.save("YOUR_DIRECTORY/searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + // 4️⃣ Simple console feedback + System.out.println("Searchable PDF created."); + } +} +``` + +**Expected output:** + +``` +Searchable PDF created. +``` + +Khi bạn mở `YOUR_DIRECTORY/searchable.pdf` bạn sẽ có thể tìm kiếm bất kỳ từ nào xuất hiện trong `input.jpg`. Đó là cốt lõi của **convert jpg to searchable pdf**. + +--- + +## Câu hỏi thường gặp (FAQ) + +### Tôi có thể xử lý nhiều hình ảnh cùng lúc không? +Có. Lặp qua danh sách các đường dẫn tệp, gọi `setImage` cho mỗi tệp, và hoặc thêm các trang vào một PDF duy nhất (`PDF_SEARCHABLE`) hoặc tạo các PDF riêng biệt. Chỉ cần nhớ đặt lại trạng thái của engine giữa các vòng lặp (`ocrEngine.clear()`). + +### Nếu độ chính xác OCR thấp thì sao? +- Đảm bảo hình ảnh nguồn có độ phân giải ít nhất 300 dpi. +- Sử dụng `ocrEngine.getConfig().setLanguage(OcrLanguage.ENGLISH);` để cố định ngôn ngữ. +- Tiền xử lý hình ảnh (cân chỉnh, tăng độ tương phản) bằng thư viện như OpenCV. + +### Aspose OCR có hỗ trợ các ngôn ngữ khác không? +Chắc chắn rồi. `OcrLanguage` enum bao gồm tiếng Pháp, tiếng Đức, tiếng Trung, tiếng Ả Rập và nhiều ngôn ngữ khác. Chuyển ngôn ngữ trước khi gọi `save`. + +### Làm sao để nhúng PDF có thể tìm kiếm vào tài liệu hiện có? +Xem đầu ra như bất kỳ PDF thông thường nào. Sử dụng thư viện hợp nhất PDF (ví dụ: iText hoặc Aspose PDF) để nối nó với các PDF khác. + +--- + +## Mẹo & Thủ thuật từ thực tiễn + +- **Mẹo chuyên nghiệp:** Nếu bạn cần kích thước tệp rất nhỏ, hãy gọi `ocrEngine.getConfig().setCompress(true);` trước khi lưu. +- **Cẩn thận với:** Hình ảnh có nền trong suốt—Aspose OCR xử lý độ trong suốt như màu trắng, có thể ảnh hưởng đến độ tương phản. +- **Nhớ rằng:** PDF có thể tìm kiếm vẫn là một hình ảnh raster ở dưới. Nếu bạn cần một PDF hoàn toàn dựa trên vector, bạn sẽ phải tự tạo lại bố cục. + +--- + +## Kết luận + +Chúng tôi vừa vừa trình bày mọi thứ bạn cần để **tạo PDF có thể tìm kiếm** từ hình ảnh bằng Aspose OCR trong Java. Từ việc thêm phụ thuộc Maven đến việc xác minh lớp văn bản ẩn, quy trình đơn giản và có thể lập trình hoàn toàn. Bây giờ bạn có thể **chuyển đổi hình ảnh sang pdf**, **ocr image to pdf**, và thậm chí **trích xuất văn bản từ hình ảnh** mà không rời khỏi IDE của mình. + +Sẵn sàng cho bước tiếp theo? Hãy thử xử lý hàng loạt một thư mục các biên lai đã quét, hoặc kết hợp quy trình này với một trigger lưu trữ đám mây (AWS Lambda, Azure Functions) để tự động hoá các pipeline nhập tài liệu. Các khả năng là vô hạn—tiến lên và thử nghiệm! + +Nếu bạn gặp bất kỳ khó khăn nào hoặc có ý tưởng cải tiến, hãy để lại bình luận bên dưới. Happy coding! + +![Sơ đồ mô tả luồng: hình ảnh → engine OCR → PDF có thể tìm kiếm](image-placeholder.png "luồng 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/create-searchable-pdf-from-image-with-java-ocr/_index.md b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md new file mode 100644 index 000000000..1c2e66e08 --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/_index.md @@ -0,0 +1,206 @@ +--- +category: general +date: 2026-05-06 +description: Tạo PDF có thể tìm kiếm từ hình ảnh bằng Aspose OCR trong Java. Học cách + chuyển đổi hình ảnh sang PDF, bật sửa lỗi chính tả và sử dụng OCR GPU để có kết + quả nhanh chóng. +draft: false +keywords: +- create searchable pdf +- convert image to pdf +- enable spell correction +- use ocr gpu +- process image ocr +language: vi +og_description: Tạo PDF có thể tìm kiếm từ hình ảnh bằng Aspose OCR trong Java. Hướng + dẫn này chỉ cách chuyển hình ảnh sang PDF, bật sửa lỗi chính tả và sử dụng OCR GPU. +og_title: Tạo PDF có thể tìm kiếm từ hình ảnh bằng Java OCR +tags: +- OCR +- Java +- PDF +title: Tạo PDF có thể tìm kiếm từ hình ảnh bằng Java OCR +url: /vi/java/ocr-operations/create-searchable-pdf-from-image-with-java-ocr/ +--- + +{{< blocks/products/pf/main-wrap-class >}} +{{< blocks/products/pf/main-container >}} +{{< blocks/products/pf/tutorial-page-section >}} + +# Tạo PDF có thể tìm kiếm từ Hình ảnh với Java OCR + +Bạn đã bao giờ cần **tạo PDF có thể tìm kiếm** từ một bức ảnh đã quét nhưng không biết bắt đầu từ đâu? Bạn không đơn độc—hầu hết các nhà phát triển đều gặp khó khăn này khi lần đầu tiên xử lý PDF dựa trên hình ảnh. May mắn là, với Aspose OCR for Java, bạn có thể **chuyển đổi hình ảnh sang PDF**, biến văn bản thành nội dung có thể chọn, và thậm chí thêm tính năng sửa lỗi chính tả để có kết quả hoàn hảo. + +Trong hướng dẫn này, chúng ta sẽ đi qua một ví dụ hoàn chỉnh, sẵn sàng chạy, cho thấy cách **sử dụng OCR GPU** khi có sẵn, cách **xử lý OCR hình ảnh** một cách hiệu quả, và lý do tại sao việc bật sửa lỗi chính tả lại quan trọng cho việc tìm kiếm sau này. Khi kết thúc, bạn sẽ có một cách chỉ một cú nhấp chuột để tạo PDF có thể tìm kiếm mà bạn có thể phát hành cho người dùng hoặc lưu trữ để tuân thủ. + +> **Mẹo chuyên nghiệp:** Nếu bạn đang chạy trên máy không có GPU, mã sẽ tự động chuyển sang CPU, vì vậy bạn không cần phải viết lại bất kỳ gì. + +--- + +## Những gì bạn cần + +- **Java 8+** (mã biên dịch với JDK 8 và mới hơn) +- **Thư viện Aspose OCR for Java** (tải JAR mới nhất từ trang Aspose) +- Một **hình ảnh đầu vào** (JPEG, PNG, TIFF, v.v.) mà bạn muốn chuyển thành PDF có thể tìm kiếm +- (Tùy chọn) Một **GPU** hỗ trợ CUDA nếu bạn muốn nhận dạng nhanh nhất có thể + +Không cần framework bổ sung, không cần mánh khóe Maven/Gradle—chỉ cần một JAR duy nhất trên classpath và bạn đã sẵn sàng. + +## Bước 1: Khởi tạo Engine OCR – Trái tim của quá trình + +Đầu tiên chúng ta tạo một thể hiện `OcrEngine` và chỉ đến tệp nguồn. Đối tượng này là công cụ chính sẽ đọc hình ảnh, chạy mạng nơ-ron, và trả lại cho chúng ta văn bản. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Load the image you want to convert + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); +``` + +*Tại sao điều này quan trọng:* Khởi tạo engine một lần và tái sử dụng nó tránh được chi phí tải lại các thư viện gốc—một lợi thế hiệu năng nhỏ nhưng tích lũy khi bạn xử lý hàng chục tệp cùng lúc. + +## Bước 2: Chọn Thiết bị Xử lý – Sử dụng OCR GPU Khi Có Thể + +Nếu workstation của bạn có GPU tương thích, bạn có thể yêu cầu Aspose chạy các tác vụ nặng trên đó. Nếu không, engine sẽ tự động chuyển sang CPU. + +```java + // Prefer GPU; fall back to CPU if no compatible device is found + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); +``` + +*Lợi ích là gì?* Tăng tốc GPU có thể giảm vài giây cho mỗi trang, đặc biệt với các bản quét độ phân giải cao. Cơ chế dự phòng đảm bảo cùng một mã hoạt động ở mọi nơi, vì vậy chúng tôi khuyên dùng **use OCR GPU** làm cài đặt mặc định. + +## Bước 3: Tăng tốc Quét – Tận dụng Tất cả các Nhân CPU + +Ngay cả khi GPU đang bận, các bước tiền xử lý xung quanh vẫn có thể được thực hiện song song. Đặt số lượng luồng bằng số bộ xử lý có sẵn cho phép engine xử lý nhiều phần cùng lúc. + +```java + // Use all logical cores for preprocessing and language detection + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); +``` + +*Lưu ý:* Trên laptop 4 nhân, sẽ khởi tạo bốn luồng; trên workstation 16 nhân bạn sẽ nhận được lợi ích đầy đủ. Chỉ cần nhớ rằng nhiều luồng hơn đồng nghĩa với việc sử dụng bộ nhớ cao hơn. + +## Bước 4: Làm sạch Hình ảnh – Bộ lọc Tiền xử lý + +Một bản quét mờ hoặc nhiễu sẽ tạo ra văn bản rác. Thêm một vài bộ lọc tích hợp sẽ cải thiện độ chính xác đáng kể. + +```java + // Deskew the image so text lines are horizontal + ocrEngine.getPreprocessing().add(new DeskewFilter()); + + // Remove speckles and background noise + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); +``` + +*Tại sao lại dùng các bộ lọc này?* `DeskewFilter` sửa lỗi xoay thường xảy ra khi tài liệu được đưa qua máy quét ở góc nghiêng. `NoiseRemovalFilter` loại bỏ các pixel lẻ mà nếu không sẽ bị hiểu nhầm thành ký tự. Hãy nghĩ rằng bạn đang cung cấp cho engine OCR một tờ giấy sạch để đọc. + +## Bước 5: Bật Các Tính năng Thông minh – Kích hoạt Sửa lỗi Chính tả & Phát hiện Ngôn ngữ Tự động + +Nếu bạn đang xử lý tài liệu đa ngôn ngữ, hoặc chỉ muốn giảm lỗi chính tả, hãy bật bộ kiểm tra chính tả tích hợp và để engine đoán ngôn ngữ. + +```java + // Activate spell correction to fix common OCR mistakes + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Let the engine automatically detect the language of the input + ocrEngine.getSettings().setAutoDetectLanguage(true); +``` + +*Khi nào điều này hữu ích?* Giả sử bản quét của bạn chứa cả phần tiếng Anh và tiếng Tây Ban Nha. Tính năng tự động phát hiện sẽ chuyển đổi từ điển ngay lập tức, trong khi sửa lỗi chính tả sẽ làm sạch các ký tự đọc sai như “0” thay vì “O”. Bước này là thiết yếu để tạo ra một **PDF có thể tìm kiếm** thực sự trả về kết quả chính xác. + +## Bước 6: Lưu Kết quả – Chuyển Đổi Hình ảnh sang PDF và Làm cho Nó có thể Tìm kiếm + +Cuối cùng chúng ta yêu cầu engine ghi ra một PDF trong đó hình ảnh gốc nằm phía sau một lớp văn bản vô hình. Đây là quy trình **chuyển đổi hình ảnh sang PDF** truyền thống, nhưng PDF hiện đã có thể tìm kiếm. + +```java + // Generate a searchable PDF – the text layer sits behind the original image + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +Tệp đầu ra (`output-searchable.pdf`) có thể mở bằng bất kỳ trình xem PDF nào; bạn sẽ có thể chọn, sao chép và tìm kiếm văn bản như một PDF gốc. Không cần công cụ bổ sung. + +## Ví dụ Hoạt động Đầy đủ – Dán và Chạy + +Dưới đây là toàn bộ chương trình, sẵn sàng biên dịch. Thay thế `YOUR_DIRECTORY` bằng thư mục chứa `input.jpg`. + +```java +import com.aspose.ocr.*; + +public class QuickStart { + public static void main(String[] args) throws Exception { + // Step 1: Create the OCR engine and load the source image + OcrEngine ocrEngine = new OcrEngine(); + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/input.jpg")); + + // Step 2: Select the processing device (GPU if available, otherwise CPU) + ocrEngine.getDevice().setDeviceType(OcrDeviceType.GPU); + + // Step 3: Use all available CPU cores to speed up recognition + ocrEngine.setThreadCount(Runtime.getRuntime().availableProcessors()); + + // Step 4: Add preprocessing filters to improve image quality + ocrEngine.getPreprocessing().add(new DeskewFilter()); + ocrEngine.getPreprocessing().add(new NoiseRemovalFilter()); + + // Step 5: Enable spell correction and automatic language detection + ocrEngine.getSettings().setEnableSpellCorrection(true); + ocrEngine.getSettings().setAutoDetectLanguage(true); + + // Step 6: Perform OCR and save the result as a searchable PDF + ocrEngine.save("YOUR_DIRECTORY/output-searchable.pdf", OcrSaveFormat.PDF_SEARCHABLE); + + System.out.println("Searchable PDF generated successfully."); + } +} +``` + +**Kết quả mong đợi:** Khi bạn chạy chương trình, sẽ thấy dòng console *“Searchable PDF generated successfully.”* Mở `output-searchable.pdf` trong Adobe Reader cho phép bạn gõ một từ từ hình ảnh gốc vào ô tìm kiếm và ngay lập tức nhảy tới vị trí của nó. + +## Câu hỏi Thường gặp & Trường hợp Cạnh + +- **Nếu GPU không được phát hiện thì sao?** + Lệnh `setDeviceType(OcrDeviceType.GPU)` không gây lỗi; nó chỉ hướng dẫn engine thử GPU trước. Nếu thất bại, engine sẽ tự động chuyển sang CPU một cách im lặng. + +- **Tôi có thể xử lý nhiều hình ảnh trong một lần chạy không?** + Có. Đặt mã trong một vòng lặp, thay đổi tên tệp mỗi lần lặp, và tái sử dụng cùng một thể hiện `OcrEngine` để giữ mức sử dụng bộ nhớ thấp. + +- **PDF của tôi quá lớn—làm sao giảm kích thước?** + Sau khi OCR, bạn có thể chạy các API tối ưu PDF của Aspose, hoặc đơn giản giảm độ phân giải của hình ảnh nguồn trước khi đưa vào engine (`ImageStream.fromFile(...).setResolution(150)` cho 150 DPI). + +- **Tôi cần giữ nguyên độ phân giải hình ảnh gốc để tuân thủ pháp lý.** + Định dạng `PDF_SEARCHABLE` giữ nguyên bitmap gốc; lớp văn bản vô hình được thêm lên trên mà không làm thay đổi chất lượng hình ảnh. + +## Tóm tắt bằng Hình ảnh + +![ví dụ tạo pdf có thể tìm kiếm](placeholder-image.png "ví dụ tạo pdf có thể tìm kiếm") + +*Văn bản thay thế:* *ví dụ tạo pdf có thể tìm kiếm – Engine Java OCR chuyển một JPG đã quét thành PDF có thể tìm kiếm.* + +## Kết luận + +Bây giờ bạn đã có một **giải pháp hoàn chỉnh, từ đầu đến cuối** để chuyển bất kỳ hình ảnh nào thành **PDF có thể tìm kiếm** bằng Aspose OCR cho Java. Bằng cách **chuyển đổi hình ảnh sang PDF**, **bật sửa lỗi chính tả**, và **sử dụng OCR GPU** khi có thể, bạn sẽ có kết quả nhanh, chính xác và có thể tìm kiếm, hoạt động trên mọi nền tảng. + +Tiếp theo? Hãy thử nghiệm với: + +- **Các định dạng đầu ra khác nhau** (`PDF`, `DOCX`, `HTML`) để xem cách lớp văn bản hoạt động. +- **Từ điển tùy chỉnh** nếu bạn đang xử lý thuật ngữ chuyên ngành. +- **Xử lý hàng loạt** để tự động xử lý hàng ngàn bản quét. + +Bạn có thể tự do điều chỉnh số lượng luồng, thay đổi bộ lọc, hoặc tích hợp quy trình tiền xử lý của riêng mình. Mô hình cốt lõi vẫn như cũ: tải → tiền xử lý → cấu hình → OCR → lưu. + +Chúc lập trình vui vẻ, và hy vọng các PDF của bạn luôn 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-image-with-spell-co/_index.md b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md new file mode 100644 index 000000000..e3ca6b0e1 --- /dev/null +++ b/ocr/vietnamese/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/_index.md @@ -0,0 +1,219 @@ +--- +category: general +date: 2026-05-06 +description: Cách sử dụng OCR để trích xuất văn bản từ hình ảnh trong Java. Tìm hiểu + chuyển đổi hình ảnh sang văn bản bằng OCR, sửa lỗi OCR và tải hình ảnh cho OCR bằng + Aspose OCR. +draft: false +keywords: +- how to use ocr +- extract text from image +- ocr image to text +- correct ocr errors +- load image for ocr +language: vi +og_description: Cách sử dụng OCR trong Java để trích xuất văn bản từ hình ảnh, sửa + lỗi OCR và tải hình ảnh cho OCR bằng Aspose OCR. +og_title: Cách sử dụng OCR trong Java – Hướng dẫn toàn diện +tags: +- OCR +- Java +- Aspose +title: Cách sử dụng OCR trong Java – Trích xuất văn bản từ hình ảnh với chỉnh sửa + chính tả +url: /vi/java/ocr-operations/how-to-use-ocr-in-java-extract-text-from-image-with-spell-co/ +--- + +{{< 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 hình ảnh với sửa lỗi chính tả + +Bạn đã bao giờ tự hỏi **cách sử dụng OCR** để biến một bức ảnh biên lai mờ thành văn bản sạch, có thể tìm kiếm không? Bạn không phải là người duy nhất. Trong nhiều dự án—ứng dụng theo dõi chi phí, quy trình số hoá hoá đơn, hoặc thậm chí một script ghi chú nhanh—việc lấy văn bản đáng tin cậy từ hình ảnh là rào cản đầu tiên. + +Bài hướng dẫn này sẽ chỉ cho bạn cách sử dụng OCR trong Java, bao quát mọi thứ từ việc tải hình ảnh cho OCR đến việc sửa lỗi OCR sao cho kết quả trông như được gõ bởi con người. Khi hoàn thành, bạn sẽ có thể **trích xuất văn bản từ hình ảnh**, thực hiện chuyển đổi **OCR image to text**, và tự động sửa các lỗi nhận dạng phổ biến. + +## Những gì bạn sẽ xây dựng + +Chúng ta sẽ tạo một chương trình console Java nhỏ mà: + +1. Tải một file PNG (hoặc bất kỳ định dạng nào được hỗ trợ) vào engine Aspose OCR. +2. Kích hoạt tính năng sửa lỗi chính tả tích hợp để **sửa lỗi OCR**. +3. Chạy quá trình nhận dạng và in ra văn bản đã được làm sạch. + +Không có dịch vụ bên ngoài, không có framework nặng—chỉ một file JAR duy nhất và vài dòng code. + +### Yêu cầu trước + +- Java Development Kit (JDK) 8 hoặc mới hơn. +- Maven (hoặc bất kỳ công cụ xây dựng nào) để tải thư viện Aspose OCR. +- Một file hình ảnh (ví dụ `receipt.png`) mà bạn muốn phân tích. + +Nếu bạn chưa có file JAR Aspose OCR, hãy thêm phụ thuộc này vào `pom.xml` của bạn: + +```xml + + com.aspose + aspose-ocr + 23.9 + +``` + +> **Mẹo:** Phiên bản đánh giá miễn phí hoạt động cho việc thử nghiệm, nhưng giấy phép sẽ loại bỏ watermark đánh giá. + +## Bước 1 – Khởi tạo Engine OCR (Từ khóa chính trong hành động) + +Điều đầu tiên bạn cần làm là tạo một thể hiện của `OcrEngine`. Hãy nghĩ nó như bộ não sẽ đọc các pixel và chuyển chúng thành ký tự. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Initialise the OCR engine – this is where we start using OCR + OcrEngine ocrEngine = new OcrEngine(); +``` + +*Tại sao điều này quan trọng:* Khởi tạo engine thiết lập các tài nguyên nội bộ (mô hình ngôn ngữ, từ điển, v.v.). Bỏ qua bước này sẽ gây ra `NullPointerException` sau này khi bạn cố tải một hình ảnh. + +## Bước 2 – Tải hình ảnh cho OCR + +Bây giờ chúng ta thực sự **tải hình ảnh cho OCR**. Aspose cung cấp một tiện ích `ImageStream.fromFile` thuận tiện, nhưng bạn cũng có thể cung cấp một `byte[]` nếu muốn. + +```java + // Load the image you want to analyse – replace the path with your own file + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); +``` + +*Cạm bẫy thường gặp:* Đường dẫn file phải là tuyệt đối hoặc tương đối so với thư mục làm việc. Nếu không tìm thấy hình ảnh, engine sẽ ném ra `IOException`. Hãy kiểm tra lại đường dẫn, đặc biệt khi chạy từ IDE so với một JAR đã đóng gói. + +## Bước 3 – Bật sửa lỗi chính tả để **sửa lỗi OCR** + +OCR mặc định có thể gây nhiễu—ví dụ “l0ve” thay vì “love” hoặc “0” thay cho “O”. Bật sửa lỗi chính tả sẽ yêu cầu engine thực hiện một bước xử lý hậu kỳ để sửa các lỗi thường gặp. + +```java + // Turn on the spell‑correction feature – this helps to correct OCR errors + ocrEngine.getSettings().setEnableSpellCorrection(true); +``` + +*Tại sao bạn muốn điều này:* Nếu không có sửa lỗi chính tả, bạn có thể phải tự tay làm sạch đầu ra, điều này làm mất mục đích của tự động hoá. Từ điển tích hợp hoạt động tốt cho tiếng Anh và một số ngôn ngữ khác. + +## Bước 4 – Thực hiện nhận dạng (**OCR Image to Text**) + +Với hình ảnh đã được tải và sửa lỗi chính tả đã bật, cuối cùng chúng ta có thể yêu cầu engine nhận dạng văn bản. + +```java + // Run the OCR process – this converts the image to text + OcrResult ocrResult = ocrEngine.recognize(); +``` + +*Trường hợp đặc biệt:* Nếu hình ảnh có độ tương phản thấp hoặc nghiêng mạnh, kết quả vẫn có thể chứa các ký tự vô nghĩa. Hãy cân nhắc tiền xử lý (ví dụ, nhị phân hoá, chỉnh nghiêng) trước khi đưa vào engine. + +## Bước 5 – Xuất văn bản đã được làm sạch + +Bước cuối cùng chỉ đơn giản là in ra kết quả. Trong một ứng dụng thực tế bạn có thể ghi nó vào cơ sở dữ liệu hoặc file, nhưng đối với bản demo này `System.out` là đủ. + +```java + // Display the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +### Kết quả mong đợi + +Giả sử `receipt.png` chứa danh sách mặt hàng rõ ràng, bạn có thể thấy kết quả như sau: + +``` +Corrected text: +Item Qty Price +Apple 2 $1.20 +Banana 5 $0.75 +Total $5.55 +``` + +Lưu ý cách “Qty” và “Price” được viết đúng ngay cả khi bản scan gốc có một ký tự “Qy” lạc. + +## Ví dụ hoàn chỉnh hoạt động + +Dưới đây là chương trình đầy đủ mà bạn có thể sao chép‑dán vào một file tên `SpellCorrectDemo.java`. Đảm bảo file JAR Aspose OCR có trong classpath của bạn. + +```java +import com.aspose.ocr.*; + +public class SpellCorrectDemo { + public static void main(String[] args) throws Exception { + + // Step 1: Initialise the OCR engine + OcrEngine ocrEngine = new OcrEngine(); + + // Step 2: Load the image you want to process + // Replace "YOUR_DIRECTORY/receipt.png" with the actual path + ocrEngine.setImage(ImageStream.fromFile("YOUR_DIRECTORY/receipt.png")); + + // Step 3: Enable spell correction to improve accuracy + ocrEngine.getSettings().setEnableSpellCorrection(true); + + // Step 4: Perform OCR recognition (OCR image to text) + OcrResult ocrResult = ocrEngine.recognize(); + + // Step 5: Output the corrected text + System.out.println("Corrected text:"); + System.out.println(ocrResult.getText()); + } +} +``` + +Chạy nó bằng: + +```bash +javac -cp "aspose-ocr-23.9.jar" SpellCorrectDemo.java +java -cp ".:aspose-ocr-23.9.jar" SpellCorrectDemo +``` + +Bây giờ bạn sẽ thấy văn bản đã được làm sạch được in ra console. + +## Bonus: Điều chỉnh cài đặt để tăng độ chính xác + +Mặc dù cấu hình mặc định hoạt động cho hầu hết tài liệu in, bạn có thể cần điều chỉnh một vài tham số cho các trường hợp đặc thù: + +| Setting | What It Does | When to Change | +|---------|--------------|----------------| +| `setLanguage(OcrLanguage.English)` | Buộc sử dụng từ điển tiếng Anh (giảm kết quả dương tính giả) | Nếu hình ảnh của bạn chỉ chứa văn bản tiếng Anh. | +| `setResolution(300)` | Thông báo cho engine DPI của ảnh nguồn | Đối với các bản scan độ phân giải cao. | +| `setEnableAutoSkewCorrection(true)` | Tự động xoay các trang hơi nghiêng | Khi hình ảnh được chụp bằng điện thoại. | + +```java +ocrEngine.getSettings().setLanguage(OcrLanguage.English); +ocrEngine.getSettings().setResolution(300); +ocrEngine.getSettings().setEnableAutoSkewCorrection(true); +``` + +## Câu hỏi thường gặp + +**Q: Điều này có hoạt động với PDF không?** +A: Có. Chuyển mỗi trang PDF thành hình ảnh (ví dụ, dùng Aspose PDF) và đưa hình ảnh vào engine OCR. + +**Q: Nếu ảnh của tôi ở định dạng BMP thì sao?** +A: `ImageStream.fromFile` hỗ trợ PNG, JPEG, BMP, TIFF và GIF ngay từ đầu. Chỉ cần thay đổi phần mở rộng file. + +**Q: Tôi có thể tắt sửa lỗi chính tả không?** +A: Chắc chắn—đặt `setEnableSpellCorrection(false)` nếu bạn cần đầu ra OCR thô cho các bước xử lý tiếp theo. + +## Kết luận + +Bây giờ bạn đã biết **cách sử dụng OCR** trong Java để **trích xuất văn bản từ hình ảnh**, tự động **sửa lỗi OCR**, và đúng cách **tải hình ảnh cho OCR** bằng Aspose OCR. Quy trình năm bước—khởi tạo, tải, bật sửa lỗi chính tả, nhận dạng và xuất—bao phủ phần lớn các nhiệm vụ OCR hàng ngày. + +Từ đây, hãy cân nhắc kết hợp logic này với việc ghi lại vào cơ sở dữ liệu, một endpoint REST, hoặc một bộ xử lý batch để xử lý hàng chục biên lai cùng lúc. Thử nghiệm với bảng cài đặt bổ sung ở trên để tối ưu độ chính xác đến từng ký tự. + +Chúc lập trình vui vẻ, và hy vọng kết quả OCR của bạn luôn sạch sẽ hơn cả những biên lai bị dơ cà phê! + +![how to use ocr diagram showing image → OCR engine → corrected text flow] + +{{< /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