简单的OCR识别-java-tesseract

Tesseract是一个开源的光学字符识别 (OCR) 引擎,它可以将图像中的文字转换为计算机可读的文本。支持多种语言和书面语言，并且可以在命令行

中执行。它是一一个流行的开源OCR工具,可以在许多不同的操作系统上运行。Tess4J是一个基于Tesseract 0CR字的Java接口，可以用来识别图像中的文本,说白了,就是封装了它的API,让Java可以直接调用。

训练数据：

Tesseract OCR库通过训练数据来学习不同语言和字体的特征，以便更好地识别图片中的文字。在安装Tesseract OCR库时，通常会生成一个包含多个子文件夹的训练数据文件夹，其中每个子文件夹都包含了特定语言或字体的训练数据。

语言模型下载：https://gitcode.net/search?utf8=%E2%9C%93&snippets=false&scope=&repository_ref=&search=tesseract(gitcode) java使用Tess4J实现OCR图片文字识别_java ocr-CSDN博客（参考这篇文章，里面有下载的内容百度网盘 （可以查看人家博客   
  java使用Tess4J实现OCR图片文字识别_java ocr-CSDN博客））

tess4 jar包

<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.2.1</version>
</dependency>
1.使用自带的训练模型

程序 

public class ocr {
    @Test
    public void OcrTest(){
          //指定图片位置
        String path="E:\\idea\\ocr\\Ocr_test\\1.png";
           File file = new File(path);
     //指定语言模型位置
          String languagePath = "E:\\idea\\ocr\\tessdata";
        Tesseract instance = new Tesseract();
//        设置训练库位置
        instance.setDatapath(languagePath);
//        chi_sim 中文  eng 英文
        instance.setLanguage("chi_sim");
        String result= "123";
        try {
            //进行解析
            result   = instance.doOCR(file);
        } catch (TesseractException e) {
            throw new RuntimeException(e);
        }
        System.out.println("result:"+result);
    }
}

2.使用自定义训练模型
        下载 jTessBoxEditor2.0工具，用于调整图片上文字的内容和位置
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
安装包解压后打开“jTessBoxEditor.jar”，或者双击该目录下的“train.bat”脚本文件
选择Tools->Merge TIFF  进行要识别的图片进行合并

     

将所有的图片进行合并成一个盒子

 选择生成的盒子调整识别内容

进行生成自定义语言库