tesseract-ocr java开发

今天看同事的ppt，提到了图片识别，又tesseract-ocr，觉得不错，试一下，如果效果好可以用来做验证码的识别 
http://code.google.com/p/tesseract-ocr/ 
tesseract是一款开源工具，我安装了Windows版试水先 
1、首先登录首页在‘下载’页面下载 

Java代码  

1. tesseract-ocr-setup-xx.xx.exe       
2. chi_sim.traineddata.gz   中文语言包  

2、双击即可安装tesserract-ocr, 
3、安装中文语言包，将语言包 chi_sim.traineddata.gz   解压到 Tesseract-OCR下 
4、写测试代码： 

Java代码  

1. package com.taobao.voc.tesseract;  
2.   
3. import java.io.BufferedReader;  
4. import java.io.File;  
5. import java.io.FileInputStream;  
6. import java.io.InputStreamReader;  
7. import java.util.ArrayList;  
8. import java.util.List;  
9.   
10. import org.jdesktop.swingx.util.OS;  
11.   
12. public class OCR {  
13.     private final String LANG_OPTION = "-l";  //英文字母小写l，并非数字1  
14.     private final String EOL = System.getProperty("line.separator");  
15.     private String tessPath = "D://java_tools//Tesseract-OCR";  
16.     //private String tessPath = new File("tesseract").getAbsolutePath();  
17.   
18.     public String recognizeText(File imageFile,String imageFormat)throws Exception{  
19.         File tempImage = ImageIOHelper.createImage(imageFile,imageFormat);  
20.         File outputFile = new File(imageFile.getParentFile(),"output");  
21.         StringBuffer strB = new StringBuffer();  
22.         List<String> cmd = new ArrayList<String>();  
23.         if(OS.isWindowsXP()){  
24.             cmd.add(tessPath+"//tesseract");  
25.         }else if(OS.isLinux()){  
26.             cmd.add("tesseract");  
27.         }else{  
28.             cmd.add(tessPath+"//tesseract");  
29.         }  
30.         cmd.add("");  
31.         cmd.add(outputFile.getName());  
32.         cmd.add(LANG_OPTION);  
33.         //cmd.add("chi_sim");  
34.         cmd.add("eng");  
35.   
36.         ProcessBuilder pb = new ProcessBuilder();  
37.         pb.directory(imageFile.getParentFile());  
38.   
39.         cmd.set(1, tempImage.getName());  
40.         pb.command(cmd);  
41.         pb.redirectErrorStream(true);  
42.   
43.         Process process = pb.start();  
44.         //tesseract.exe 1.jpg 1 -l chi_sim  
45.         int w = process.waitFor();  
46.   
47.         //删除临时正在工作文件  
48.         tempImage.delete();  
49.   
50.         if(w==0){  
51.             BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile.getAbsolutePath()+".txt"),"UTF-8"));  
52.   
53.             String str;  
54.             while((str = in.readLine())!=null){  
55.                 strB.append(str).append(EOL);  
56.             }  
57.             in.close();  
58.         }else{  
59.             String msg;  
60.             switch(w){  
61.                 case 1:  
62.                     msg = "Errors accessing files.There may be spaces in your image's filename.";  
63.                     break;  
64.                 case 29:  
65.                     msg = "Cannot recongnize the image or its selected region.";  
66.                     break;  
67.                 case 31:  
68.                     msg = "Unsupported image format.";  
69.                     break;  
70.                 default:  
71.                     msg = "Errors occurred.";  
72.             }  
73.             tempImage.delete();  
74.             throw new RuntimeException(msg);  
75.         }  
76.         new File(outputFile.getAbsolutePath()+".txt").delete();  
77.         return strB.toString();  
78.     }  
79. }  

Java代码  

1. package com.taobao.voc.tesseract;  
2.   
3. import java.awt.image.BufferedImage;  
4. import java.io.File;  
5. import java.io.IOException;  
6. import java.util.Iterator;  
7. import java.util.Locale;  
8.   
9. import javax.imageio.IIOImage;  
10. import javax.imageio.ImageIO;  
11. import javax.imageio.ImageReader;  
12. import javax.imageio.ImageWriteParam;  
13. import javax.imageio.ImageWriter;  
14. import javax.imageio.metadata.IIOMetadata;  
15. import javax.imageio.stream.ImageInputStream;  
16. import javax.imageio.stream.ImageOutputStream;  
17.   
18. import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;  
19.   
20. public class ImageIOHelper {  
21.     /** 
22.      * 图片文件转换为tif格式 
23.      * @param imageFile 文件路径 
24.      * @param imageFormat 文件扩展名 
25.      * @return 
26.      */  
27.     public static File createImage(File imageFile, String imageFormat) {  
28.         File tempFile = null;  
29.         try {  
30.             Iterator<ImageReader> readers = ImageIO.getImageReadersByFormatName(imageFormat);  
31.             ImageReader reader = readers.next();  
32.   
33.             ImageInputStream iis = ImageIO.createImageInputStream(imageFile);  
34.             reader.setInput(iis);  
35.             //Read the stream metadata  
36.             IIOMetadata streamMetadata = reader.getStreamMetadata();  
37.   
38.             //Set up the writeParam  
39.             TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);  
40.             tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);  
41.   
42.             //Get tif writer and set output to file  
43.             Iterator<ImageWriter> writers = ImageIO.getImageWritersByFormatName("tiff");  
44.             ImageWriter writer = writers.next();  
45.   
46.             BufferedImage bi = reader.read(0);  
47.             IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));  
48.             tempFile = tempImageFile(imageFile);  
49.             ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);  
50.             writer.setOutput(ios);  
51.             writer.write(streamMetadata, image, tiffWriteParam);  
52.             ios.close();  
53.   
54.             writer.dispose();  
55.             reader.dispose();  
56.   
57.         } catch (IOException e) {  
58.             e.printStackTrace();  
59.         }  
60.         return tempFile;  
61.     }  
62.   
63.     private static File tempImageFile(File imageFile) {  
64.         String path = imageFile.getPath();  
65.         StringBuffer strB = new StringBuffer(path);  
66.         strB.insert(path.lastIndexOf('.'),0);  
67.         return new File(strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif"));  
68.     }  
69.   
70. }  

测试代码 

Java代码  

1. package com.taobao.voc.tesseract;  
2. import java.io.File;  
3. import java.io.IOException;  
4.   
5. public class TestOCR {  
6.   
7.     /** 
8.      * @param args 
9.      */  
10.     public static void main(String[] args) {  
11.         String path = "d://test4.jpg";  
12.         try {  
13.             String valCode = new OCR().recognizeText(new File(path), "jpg");  
14.             System.out.println(valCode);  
15.         } catch (IOException e) {  
16.             e.printStackTrace();  
17.         } catch (Exception e) {  
18.             e.printStackTrace();  
19.         }  
20.     }  
21.   
22. }  

String path = "d://test4.jpg"; 修改为需要测试的图片，最好全中文，如果因为请更换语言包，OCR类中cmd.add("chi_sim");