[文字识别-tess4j]java文字识别之tess4j

1、tess4j使用

先说结论，不好用。文字识别还是需要训练。

无法做到单图多语言识别

tess4j依赖语言包文件做OCR，语言选择需要在有语言包文件时在代码中 setLanguage,默认eng ，设置后覆盖上一个。

语言包看起来没人维护了

支持的图片格式

2、实现

使用任意maven构建的工程即可(gradle也行)

官网与依赖

• github项目
  https://github.com/tesseract-ocr
• 官网
  http://tess4j.sourceforge.net/

在官网可以跳转到maven仓库，引入最新依赖

<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.4.0</version>
</dependency>

代码

贴一段官方demo，自己的中文注释

import java.io.File;
import net.sourceforge.tess4j.*;

public class TesseractExample {

    public static void main(String[] args) {
    	// 需要识别的图片
        File imageFile = new File("eurotext.tif");
        // 创建一个实例
        ITesseract instance = new Tesseract();  // JNA Interface Mapping
        // ITesseract instance = new Tesseract1(); // JNA Direct Mapping
        // 需要提供语言包的路径 需要注意，下章节说明
        instance.setDatapath("tessdata"); // path to tessdata directory

        try {
            String result = instance.doOCR(imageFile);
            System.out.println(result);
        } catch (TesseractException e) {
            System.err.println(e.getMessage());
        }
    }
}

代码实现需要注意的事项

• tessdata
  语言包资源，把官方github项目下下来就有语言包了。语言包名字就是文件名去掉后缀。

• tessdata路径
  如果是相对路径或者使用程序默认路径，需要配置环境变量TESSDATA_PREFIX，配置到tessdata文件的上级目录地址就可以了(windows系统)。
  建议使用绝对路径做测试，反正不好用。