java识别图片上的文字

一、需要用到Tesseract-OCR所以先下载，并安装

二、配置环境变量，在系统环境变量中，Path添加C:\Program Files (x86)\Tesseract-OCR；新建变量TESSDATA_PREFIX，变量值为C:\Program Files (x86)\Tesseract-OCR\tessdata

三、开始识别

（1）例如C:\Users\dell\Desktop\test\test.jpg的图片

 

（2）测试识别效果

识别图片命令

tesseract 图片名称 生成的结果文件的名称 字库

cmd命令行进入图片所在文件夹位置，输入命令（其中chi_sim是中文的字库），result是在当前文件夹下生产一个result.txt文件并写入识别的内容

tesseract test.jpg result -l chi_sim

（3）打开result.txt文件，识别的不是很准确，可以对字库进行训练

四、训练字库

（1）需要下载jTessBoxEditor工具，jTessBoxEditor是java写的，所以需要安装jdk

（2）修改图片名字，不能随意命名，有固定的格式，这里我把图片名字改成cs.roy.ex