使用Tess4J和TesseractOCR实现对图片文字的识别提取
背景:OCR场景识别主要使用 TesseractOCR和tess4J,Tesseract主要优势表现在中文文字识别的准确度和速率,tess4J识别英文的效果较好,且可移植性较高(中文识别效果可经训练后达到较好的效果),本次主要记录Tess4J和tesseractOCR的使用方法
TesseractOCR的简易使用:
1、安装tesseractOCR(安装包下载地址: http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe)
2、下载完成后进行安装(可根据自己需要下载所需语言包,这里我下载的是中英文的语言包)如果有其它语言的要求可以去github上自行下载(https://github.com/tesseract-ocr/tessdata)下载完成后放入tessdata目录下
3、配置环境变量:
path:C:\Program Files (x86)\Tesseract-OCR
新增系统变量:
TESSDATA_PREFIX
C:\Program Files (x86)\Tesseract-OCR\tessdata
4、配置完成后,控制台 tesseract --version可查看对应版本
5、使用 tesseract xxx.jpg test -l chi_sim命令实现文字的提取和识别(不过这个识别成功率不是很好,可以通过训练字库的方式