Tesseract-OCR安装及Java代码识别文字

1.先去下载 Tesseract-OCR 

点击打开链接

你也可以去其他网站下载3.0以上版本即可

2.下载后就进行安装，这里需要注意的是安装时有个步骤时需要选择语言的，默认的是英文语言包，安装是我们还需要选择一个中文的简体语言包（你也可以勾选多个语言包，我安装时勾选多个出错了，所以只选择了一个中文简体），然后下一步知道安装结束。

3.配置环境变量

4.配置好后检查是否安装成功

进入cmd窗口 ——   执行命令 tessercate -version  或者直接 tessercate  没报错就说明安装成功了

5.安装成功后我们需要去安装目录下查看语言包是否下载成功了（语言包必须要和安装的tesseract ocr 一致否则在识别中文字体时会报错：actual_tessdata_num_entries_ <= TESSDATA_NUM_ENTRIES - Stack Overflow）

这个就是中文简体语言包

6.现在可以找些简单的英文图片试着识别一下

命令为：tesseract  图片名称  要保存的名称 

 

这个其实报错了说是空页，这个说明执行的字体无法识别

这个表示执行成功

执行成功后去放图片的目录下找到一个叫1.txt的文件

原图片识别后文字

大家可以看到我的是I have  但是识别后却是have 这是大概因为我的I是大写的在字体库里面找不到大写的I所以就只识别了have(这里就需要我们自己训练字体库了)

对于一般的英文而言没什么大问题，但是中文的话就不行了

中文的执行代码是：tesseract 2.jpg 2 -l chi_sim

  —————— 看南和封有问题是吧!所以这里就需要我们自己训练字体库了

7.下载jTessBoxEditor

点击打开链接

下载后将这个文件解压放在这个目录下面

下载好后就可以通过这个去训练字体了，后面这步我还没完全学会，等我学会了再来更新。

java 代码

package test;


import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;


public class OcrTest {


	 private final String LANG_OPTION = "-l";
	    private final String EOL = System.getProperty("line.separator");


	    /**
	     *  Tesseract-OCR的安装路径
	     */
	    private String tessPath = "Z:\\Software\\Tool\\Tesseract-OCR";


	    /**
	     * @param imageFile   传入的图像文件
	     * @param imageFormat 传入的图像格式
	     * @return 识别后的字符串
	     */
	    public String recognizeText(File imageFile) throws Exception {
	        /**
	         * 设置输出文件的保存的文件目录
	         */
	        File outputFile = new File(imageFile.getParentFile(), "2");


	        StringBuffer strB = new StringBuffer();
	        List<String> cmd = new ArrayList<String>();


	        cmd.add(tessPath + "//tesseract");
	        cmd.add("");
	        cmd.add(outputFile.getName());
	        cmd.add(LANG_OPTION);
	        cmd.add("chi_sim");
	        //cmd.add("eng");


	        ProcessBuilder pb = new ProcessBuilder();
	        /**
	         *Sets this process builder's working directory.
	         */
	        pb.directory(imageFile.getParentFile());
	        cmd.set(1, imageFile.getName());
	        pb.command(cmd);
	        pb.redirectErrorStream(true);
	        long startTime = System.currentTimeMillis();
	        System.out.println("开始时间：" + startTime);
	        Process process = pb.start();
	        // tesseract.exe 1.jpg 1 -l chi_sim
	        //不习惯使用ProcessBuilder的，也可以使用Runtime，效果一致
	        // Runtime.getRuntime().exec("tesseract.exe 1.jpg 1 -l chi_sim");
	        /**
	         * the exit value of the process. By convention, 0 indicates normal
	         * termination.
	         */
//	      System.out.println(cmd.toString());
	        int w = process.waitFor();
	        if (w == 0)// 0代表正常退出
	        {
	            BufferedReader in = new BufferedReader(new InputStreamReader(
	                    new FileInputStream(outputFile.getAbsolutePath() + ".txt"),
	                    "UTF-8"));
	            String str;


	            while ((str = in.readLine()) != null) {
	                strB.append(str).append(EOL);
	            }
	            in.close();


	            long endTime = System.currentTimeMillis();
	            System.out.println("结束时间：" + endTime);
	            System.out.println("耗时：" + (endTime - startTime) + "毫秒");
	        } else {
	            String msg;
	            switch (w) {
	                case 1:
	                    msg = "Errors accessing files. There may be spaces in your image's filename.";
	                    break;
	                case 29:
	                    msg = "Cannot recognize the image or its selected region.";
	                    break;
	                case 31:
	                    msg = "Unsupported image format.";
	                    break;
	                default:
	                    msg = "Errors occurred.";
	            }
	            throw new RuntimeException(msg);
	        }
	        new File(outputFile.getAbsolutePath() + ".txt").delete();
	        return strB.toString().replaceAll("\\s*", "");
	    }
	
  
	    

}

测试

package test;


import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;


public class OcrTest {


	 private final String LANG_OPTION = "-l";
	    private final String EOL = System.getProperty("line.separator");


	    /**
	     *  Tesseract-OCR的安装路径
	     */
	    private String tessPath = "Z:\\Software\\Tool\\Tesseract-OCR";


	    /**
	     * @param imageFile   传入的图像文件
	     * @param imageFormat 传入的图像格式
	     * @return 识别后的字符串
	     */
	    public String recognizeText(File imageFile) throws Exception {
	        /**
	         * 设置输出文件的保存的文件目录
	         */
	        File outputFile = new File(imageFile.getParentFile(), "2");


	        StringBuffer strB = new StringBuffer();
	        List<String> cmd = new ArrayList<String>();


	        cmd.add(tessPath + "//tesseract");
	        cmd.add("");
	        cmd.add(outputFile.getName());
	        cmd.add(LANG_OPTION);
	        cmd.add("chi_sim");
	        //cmd.add("eng");


	        ProcessBuilder pb = new ProcessBuilder();
	        /**
	         *Sets this process builder's working directory.
	         */
	        pb.directory(imageFile.getParentFile());
	        cmd.set(1, imageFile.getName());
	        pb.command(cmd);
	        pb.redirectErrorStream(true);
	        long startTime = System.currentTimeMillis();
	        System.out.println("开始时间：" + startTime);
	        Process process = pb.start();
	        // tesseract.exe 1.jpg 1 -l chi_sim
	        //不习惯使用ProcessBuilder的，也可以使用Runtime，效果一致
	        // Runtime.getRuntime().exec("tesseract.exe 1.jpg 1 -l chi_sim");
	        /**
	         * the exit value of the process. By convention, 0 indicates normal
	         * termination.
	         */
//	      System.out.println(cmd.toString());
	        int w = process.waitFor();
	        if (w == 0)// 0代表正常退出
	        {
	            BufferedReader in = new BufferedReader(new InputStreamReader(
	                    new FileInputStream(outputFile.getAbsolutePath() + ".txt"),
	                    "UTF-8"));
	            String str;


	            while ((str = in.readLine()) != null) {
	                strB.append(str).append(EOL);
	            }
	            in.close();


	            long endTime = System.currentTimeMillis();
	            System.out.println("结束时间：" + endTime);
	            System.out.println("耗时：" + (endTime - startTime) + "毫秒");
	        } else {
	            String msg;
	            switch (w) {
	                case 1:
	                    msg = "Errors accessing files. There may be spaces in your image's filename.";
	                    break;
	                case 29:
	                    msg = "Cannot recognize the image or its selected region.";
	                    break;
	                case 31:
	                    msg = "Unsupported image format.";
	                    break;
	                default:
	                    msg = "Errors occurred.";
	            }
	            throw new RuntimeException(msg);
	        }
	        new File(outputFile.getAbsolutePath() + ".txt").delete();
	        return strB.toString().replaceAll("\\s*", "");
	    }
	
  
	    

}