泰米尔语 Tesseract OCR 无法在 swift 中工作

Question

我使用 tesseract 来表示英语和泰米尔语。它在 Swift 英语中完美运行。我可以看到在 tessdata 文件夹中有很多英语文件，例如 enlgish.cube.nn、english.cube.lm .. 等文件。但我找不到类似泰米尔语的文件。我所拥有的就是这个 tam.traineddata 文件。我从 Google Code 下载了所有文件。所有文件都是最新的。 appStore 中有一些应用程序可以从图像中提取泰米尔文本。我不知道人们是如何做到这一点的。

当我将包含图像的泰米尔语文本传递给 Tesseract 时，我收到错误，例如没有 tam.cube.lm、tam.cube.size 等文件。我在互联网上搜索了很多，但找不到泰米尔语的文件。

请帮助我，在哪里可以找到这些文件。？

代码如下 ->

import UIKit

protocol ValueFromTesseractProtocol
{
    func textRecognizedFromImage(text : String, booleanValue : Bool)
}

class TesseractModel: NSObject
{
    var delegate : ValueFromTesseractProtocol!

    //MARK: - Creating sharedInstance

    class var sharedInstance: TesseractModel {

        struct Static {

            static var sharedInstance: TesseractModel?
            static var token: dispatch_once_t = 0
        }

        dispatch_once(&Static.token) {
            Static.sharedInstance = TesseractModel()
        }

        return Static.sharedInstance!
    }

    //MARK: - imageRecognition

    func imageRecognition(image : UIImage)
    {
        let tesseract = G8Tesseract()
        tesseract.language = "eng+tam"
        tesseract.engineMode = G8OCREngineMode.CubeOnly
        tesseract.maximumRecognitionTime = 60.0
        tesseract.pageSegmentationMode = G8PageSegmentationMode.Auto
        tesseract.image = image.g8_blackAndWhite()
        tesseract.recognize()

        if let recognizedText  = tesseract.recognizedText
        {
            // Call delegate - Pass value

            self.delegate.textRecognizedFromImage(recognizedText, booleanValue: true)
        }
        else
        {
            // Call delegate - Nil Value
            self.delegate.textRecognizedFromImage("", booleanValue: false)

        }
    }
}

Answer 1

如果你在印度，那么我在我的项目中尝试过这个。我将图像转换为 pdf，然后使用 pdf 来提取文本。如果 pdf 的质量不好，则提取效果最差。 使用adobe制作pdf并拆分，也尝试使用ilovepdf结果很好。 如果您需要进一步的帮助，请告诉我。