超过 2 GB 的大 TIFF 文件无法加载

Updated: 2026年6月29日

IronOCR 将图像输入加载到单个内存缓冲区中，通过其内部 AnyBitmap 类型。该缓冲区由 32 位整数索引，因此无论系统内存有多少，它都限制在大约 2 GB。大于 2 GB 的 TIFF 超出了此限制，无法加载。

Loaded pages: 0

Loaded pages: 0

Text

OcrInput.LoadImage(filePath) 在内部创建一个 AnyBitmap 并将整个图像实体化为一个缓冲区。由于该缓冲区由 int 索引，无论有多少可用内存，它实际上都限制为大约 2 GB，因此略高于此限制的 TIFF 无法加载且加载失败。这是一个运行时约束，与操作系统无关，因此影响所有 .NET 平台。

警告: LoadImage(filePath) 目前返回零加载页面，而不是抛出明确的异常。这一无声失败是一个已知问题；计划推出更清晰的异常。单缓冲设计是一个架构限制，目前还没有本地逐页 TIFF 流式传输选项。

解决方案

解决方法是将 TIFF 拆分为小于 2 GB 的数据块，并将每个块作为字节数组传递给 IronOCR，而不是文件路径。

1. 添加 Magick.NET

using Magick.NET 拆分 TIFF 之后再交给 IronOCR。选择与您的项目相匹配的变体（Q8/Q16, AnyCPU/x64）。

dotnet add package Magick.NET-Q16-AnyCPU

dotnet add package Magick.NET-Q16-AnyCPU

SHELL

2. 拆分 TIFF 并加载每个块

将 TIFF 作为 MagickImageCollection 打开，将其分解为每个保持在 2 GB 以下的页面数块，转换每个块为字节数组，并通过 OcrInput.LoadImage(byte[]) 加载。

var inputPath = "input.tiff";
var pagesPerChunk = 100;
using var allPages = new MagickImageCollection(inputPath);
int chunkNumber = 1;
for (int i = 0; i < allPages.Count; i += pagesPerChunk)
{
    using var chunk = new MagickImageCollection();
    for (int j = i; j < Math.Min(i + pagesPerChunk, allPages.Count); j++)
    {
        chunk.Add(allPages[j].Clone());
    }
    foreach (var image in chunk)
    {
        image.SetCompression(CompressionMethod.LZW);
    }
    var chunkBytes = chunk.ToByteArray();
    using (var ocrInput = new OcrInput())
    {
        ocrInput.LoadImage(chunkBytes);
        var pages = ocrInput.GetPages().ToList();
        Console.WriteLine($"Loaded pages: {pages.Count}");
        var result = new IronTesseract().Read(ocrInput);
        Console.WriteLine("OCR Text Length: " + (result.Text?.Length ?? 0));
    }
    Console.WriteLine($"Chunk {chunkNumber} processed");
    chunkNumber++;
}

var inputPath = "input.tiff";
var pagesPerChunk = 100;
using var allPages = new MagickImageCollection(inputPath);
int chunkNumber = 1;
for (int i = 0; i < allPages.Count; i += pagesPerChunk)
{
    using var chunk = new MagickImageCollection();
    for (int j = i; j < Math.Min(i + pagesPerChunk, allPages.Count); j++)
    {
        chunk.Add(allPages[j].Clone());
    }
    foreach (var image in chunk)
    {
        image.SetCompression(CompressionMethod.LZW);
    }
    var chunkBytes = chunk.ToByteArray();
    using (var ocrInput = new OcrInput())
    {
        ocrInput.LoadImage(chunkBytes);
        var pages = ocrInput.GetPages().ToList();
        Console.WriteLine($"Loaded pages: {pages.Count}");
        var result = new IronTesseract().Read(ocrInput);
        Console.WriteLine("OCR Text Length: " + (result.Text?.Length ?? 0));
    }
    Console.WriteLine($"Chunk {chunkNumber} processed");
    chunkNumber++;
}

每个块以原始字节通过 LoadImage(chunkBytes)，保持每个缓冲区在 2 GB 上限以下。 SetCompression(CompressionMethod.LZW) 在将每个块转换为字节数组之前将其缩小。