Java OCR文字识别（Tess4J）

来源：互联网发布：已经删除备案域名编辑：程序博客网时间：2024/06/06 12:39

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。如何除错或利用辅助信息提高识别正确率，是OCR最重要的课题，ICR（Intelligent Character Recognition）的名词也因此而产生。衡量一个OCR系统性能好坏的主要指标有：拒识率、误识率、识别速度、用户界面的友好性，产品的稳定性，易用性及可行性等。

Tess4J是对google tesseract ocr的java库的一种实现

1.maven添加依赖

<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j --><dependency>    <groupId>net.sourceforge.tess4j</groupId>    <artifactId>tess4j</artifactId>    <version>3.2.1</version></dependency>

2.工具类编辑

/** * tesseract for java， ocr（Optical Character Recognition，光学字符识别） * 工具类 * @author wind */public class Tess4jUtils {    /**     * 从图片中提取文字,默认设置英文字库,使用classpath目录下的训练库     * @param path     * @return     */    public static String readChar(String path){        // JNA Interface Mapping        ITesseract instance = new Tesseract();        // JNA Direct Mapping        // ITesseract instance = new Tesseract1();        File imageFile = new File(path);        //In case you don't have your own tessdata, let it also be extracted for you        //这样就能使用classpath目录下的训练库了        File tessDataFolder = LoadLibs.extractTessResources("tessdata");        //Set the tessdata path        instance.setDatapath(tessDataFolder.getAbsolutePath());        //英文库识别数字比较准确        instance.setLanguage(Const.ENG);        return getOCRText(instance, imageFile);    }    /**     * 从图片中提取文字     * @param path 图片路径     * @param dataPath 训练库路径     * @param language 语言字库     * @return     */    public static String readChar(String path, String dataPath, String language){        File imageFile = new File(path);        ITesseract instance = new Tesseract();        instance.setDatapath(dataPath);        //英文库识别数字比较准确        instance.setLanguage(language);        return getOCRText(instance, imageFile);    }    /**     * 识别图片文件中的文字     * @param instance     * @param imageFile     * @return     */    private static String getOCRText(ITesseract instance, File imageFile){        String result = null;        try {            result = instance.doOCR(imageFile);        } catch (TesseractException e) {            e.printStackTrace();        }        return result;    }    public static void main(String[] args) {        /*String path = "src/main/resources/image/text.png";        System.out.println(readChar(path));*/        String ch = "src/main/resources/image/ch.png";        System.out.println(readChar(ch, "src/main/resources", Const.CHI_SIM));    }}

注释:中文结果不够准确，需要自己训练字库

具体训练字库，以及完整代码请移步https://github.com/followwwind/javautils

阅读全文

0 0