java使用tess4j实现图片上的文字识别

最近在研究tesseract实现文字识别，废话不多说，研究新技术，首先要百度。百度一下相关的文章还不少，基本都是这样的

 代码很简单，也没有什么注意事项，然后我建了测试项目，抄了代码，然后......

 运行结果是这样的

还有这样的 没事，意料之中，写了这么久代码，早有这种觉悟。百度解决方法吧，有说是少了什么dll的，把dll复制到系统目录下，不行。有说是没安装vc++，好吧，那安装，结果意料之中，还是不行，继续百度，说是vc++版本不对，要2019版，不能2015版，可是

人家一个安装包就是2015-2019，这个就是最新版，没有单独2019版 。好吧，那我就换旧版本的tess4j的jar包和旧版本的vc++,然后，意外发生了，成功了。

总结一下，不同版本的tess4j要对应不同版本的vc++,但是最新版的tess4j和最新版的vc++不匹配。

以上就是我趟过的坑，我把它写出来，希望刚学习Tesseract的朋友少走点弯路，也让我以后如果换个环境开发的时候不会重蹈覆辙。

下面就是我测试通过的案例，windows上是不需要安装Tesseract-OCR的。

开发环境：win10 + vc++2103(下载) + jdk8 + myeclipse2017ci

package com.test;

import java.io.File;

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

public class Main {

	public static void main(String[] args) {
		File imageFile = new File("aa.png");
		ITesseract tess = new Tesseract();
		// 设置训练库路径，我这里把训练库放在项目目录下
		tess.setDatapath("./tessdata");
		try {
			String result = tess.doOCR(imageFile);
			System.out.println(result);
		} catch (TesseractException e) {
			e.printStackTrace();
		}
	}

}

 如果只是英文数字识别，训练库在tess4j-3.0.0.jar里面就有，解压tess4j-3.0.0.jar，把tessdata复制到项目目录下即可，如果要识别中文，需要另外下载中文训练库(下载地址)，下载下来是一个文件chi_sim.traineddata，把这个文件放到tessdata下，代码加一句选择语言库就可以了。

package com.test;

import java.io.File;

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

public class Main {

	public static void main(String[] args) {
		File imageFile = new File("aa.png");
		ITesseract tess = new Tesseract();
		// 设置训练库路径，我这里把训练库放在项目目录下
		tess.setDatapath("./tessdata");
		// 选择语言库(chi_sim:简体中文; eng:英文(默认))
		tess.setLanguage("chi_sim");
		try {
			String result = tess.doOCR(imageFile);
			System.out.println(result);
		} catch (TesseractException e) {
			e.printStackTrace();
		}
	}

}

linux上运行

要在linux上使用tess4j需要安装Tesseract，没什么坑，参考这篇文章就可以了https://www.jianshu.com/p/134a09c5af9e

然后把项目打包成可运行的jar

 

 

在linux上新建目录/home/jar，把打好的包和训练库上传

 

运行

 

aa.png