图像文字识别：java调用tess4j识别图像文字

 Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。前面记录过在java中调用tesseract-orc，该方法的原理是通过在java中调用cmd命令行，来执行tesseract，但是该方式需要下载软件，在电脑上安装环境，移植性不高。

  而Tess4J则是Tesseract在Java PC上的应用。如果使用Tess4J只需要下载相关Jar包，导入项目，再把项目封装好就可以处处运行了，可移植性比较好。Tess4J在英文和数字识别中性能比较好，但是在中文识别中，无论速度还是识别率还是较弱，因此需要针对场景进行训练，才能获得较好结果。

  这篇博客简单记录一下在java中通过调用tess4j的方式识别图片的文字内容。

步骤：

（1）下载tess4j源码包：https://sourceforge.net/projects/tess4j/

tessdata下默认为英语库，中文库下载地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata

其他库的下载地址：https://github.com/tesseract-ocr/tessdata

下载完的tess4j资源包目录如下：

（2）新建一个java工程：

使用Build Path -> configure build path导入dist目录下的tess4j.jar 和 lib目录下的所有jar包，如下图：

如果是maven工程则导入以下maven依赖。

 <dependency>
     <grou