TrulyFreeOCR

TrulyFreeOCR 是一款自包含的 Java 命令行工具，能将扫描版 PDF 和图片转换为可搜索、高压缩的 PDF 文档。它采用 MRC 压缩 技术（PNG 背景 + JBIG2/G4 前景），在保持可读性的同时大幅减小文件体积。无需依赖 Ghostscript、Python 运行时或任何云 API，仅需一个 fat JAR 包和内置的 Tesseract 即可运行。项目采用 Apache 2.0 开源协议，可无忧用于商业场景。

核心功能

• OCR 识别：基于 Tesseract 引擎，支持多种语言，将扫描件中的文字识别为可搜索文本层。
• MRC 压缩：自动分离图像为背景层和前景层，分别采用 PNG 和 JBIG2/G4 编码，实现高压缩比。
• 自包含部署：单一 fat JAR 文件包含所有依赖，无需额外安装软件或配置环境。
• 批量处理：支持命令行批量转换，适合集成到自动化工作流中。

主要特性

• 零外部依赖：无需 Ghostscript、Python 或云服务，降低部署复杂度和成本。
• 商业友好授权：Apache 2.0 协议，可自由用于商业项目，无版权顾虑。
• 高效压缩：MRC 技术可减少 50%-80% 的文件大小，同时保持高质量。
• 跨平台：基于 Java，可在 Windows、macOS、Linux 上运行。
• 可搜索 PDF：生成 PDF 同时包含图像和可搜索文本层，方便检索。

适用场景

• 文档数字化：将纸质扫描件转换为可搜索的电子档案。
• 企业文档管理：在合规要求下压缩和 OCR 处理大量合同、发票。
• 开发者集成：通过命令行或 Java API 集成到现有系统。
• 个人使用：快速处理扫描书籍、笔记等。