java图片文字识别--SpringBoot实战电商项目mall4j

摘要

Java + OCR 提取图片文字。在电商平台中，平台可能需要对商家一些营业执照，身份证件件进行审核，我们可能需要证件中的编号进行提取。当少量商家的时候，可以人工审核，把证件中的编号提取出来；当商家数量变多的时候，平台审核就很耗费人工。这个时候我们就自然而然想到能不能把图片中的文字提取出来。下面我们就来了解一下OCR图片文字提取。

SpringBoot实战电商项目mall4j 地址 : https://gitee.com/gz-yami/mall4j

Java+Tesseract_OCR 图片文字提取初次入门

可以调用第三放接口，进行图片文字提取，例如：百度API

这里我们自己在本地来做一个图片文字提取，使用Java+Tesseract的方式

环境准备
win10，jdk1.8, idea,maven

下载tesseract3.02,中文词库
首先必须要有Java环境JDK

1.下载安装tesseract3.02

2.下载中文词库chi_sim.traineddata

百度网盘:
链接：https://pan.baidu.com/s/1VYx6zbKAacYkiUY5UvogEQ
提取码：hsr7

3.将chi_sim.traineddata放在tessdata目录下

4.打开\tessdata\configs目录下的digits文件，将
tessedit_char_whitelist 0123456789-. 改为 tessedit_char_whitelist 0123456789x.

5.配置环境变量(tesseract3.02的安装目录)

6.测试是否安装完成

WIN+R打开cmd命令

输入tesseract

出现表示安装完成

Usage:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile…]

pagesegmode values are:

0 = Orientation and script detection (OSD) only.

1 = Automatic page segmentation with OSD.

2 = Automatic page segmentation, but no OSD, or OCR

3 = Fully automatic page segmentation, but no OSD. (Default)

4 = Assume a single column of text of variable sizes.

5 = Assume a single uniform block of vertically aligned text.

6 = Assume a single uniform block of text.

7 = Treat the image as a single text line.

8 = Treat the image as a single word.

9 = Treat the image as a single word in a circle.

10 = Treat the image as a single character.

-l lang and/or -psm pagesegmode must occur before anyconfigfile.

Single options:

-v --version: version info

–list-langs: list available languages for tesseract engine

提取文字

tesseract C:/pic/1.png C:/pic/1 -l chi_sim

c盘的图片，生成1.txt（提取到的文字内容）

-l ：不是1 是英文字母L对应的小写字母l

chi_sim 中文词库

java 项目中导入依赖

 <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>3.2.1</version>
            <exclusions>
                <exclusion>
                    <groupId>com.sun.jna</groupId>
                    <artifactId>jna</artifactId>
                </exclusion>
            </exclusions>
        </dependency>
        <dependency>
            <groupId>net.java.dev.jna</groupId>
            <artifactId>jna</artifactId>
            <version>4.1.0</version>
        </dependency>
        <!-- https://mvnrepository.com/artifact/javax.media/jai_imageio -->
        <dependency>
            <groupId>javax.media</groupId>
            <artifactId>jai_imageio</artifactId>
            <version>1.1.1</version>
        </dependency>

        <!-- https://mvnrepository.com/artifact/org.swinglabs/swingx -->
        <dependency>
            <groupId>org.swinglabs</groupId>
            <artifactId>swingx</artifactId>
            <version>1.6.1</version>
        </dependency>

代码
ImageIOHelper.class

package com.example.excel.excelexportodb.Utils;

import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.util.Iterator;
import java.util.Locale;

import javax