java语言下利用tess4j开源库进行图片中的文本提取

最新推荐文章于 2024-06-03 21:54:08 发布
最新推荐文章于 2024-06-03 21:54:08 发布
阅读量1.9k 收藏 13
点赞数 1
分类专栏： ocr 文章标签： tess4j 图片识别 文字识别 OCR
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36940806/article/details/86299606
版权
本文介绍了如何在Java环境下利用Tess4J库进行图片中的文本提取。首先，简单阐述了Tess4J是Tesseract OCR API的Java封装。接着，详细讲解了Tess4J的环境配置，包括下载jar包、引入中文字库。最后，提到了在Eclipse IDE中的具体代码实现步骤，包括项目结构设置和Tess4JHelper类的创建。同时，文中还对比展示了中文和英文识别的效果。
摘要由CSDN通过智能技术生成

一，tess4j 简单介绍

Tess4J是对tesseract -OCR API.的Java JNA 封装，使java能够通过调用Tess4J的API来使用tesseract -OCR

我有一篇博客也介绍了tesseract -OCR如何使用tesseract -OCR进行图片识别 

java代码实现DOS命令使用tesseract -OCR开源引擎实现图片文字识别

 

二，tess4j环境准备

官网下载tess4j的jar包 https://sourceforge.net/projects/tess4j  解压之后目录结构如下，tess4j的iar包在dist目录里面

如果要进行中文字符识别，需要下载中文字库，可自行百度，我也提供了百度网盘链接https://pan.baidu.com/s/1dmpqQ8Cm7Cd5zaLC0ZOZaw

 

三，Eclipse IDE下的代码实现

1. 新建一个java项目

2.导入tess4j的dist文件夹下的tess4j jar包和lib文件夹下的全部jar包，

最低0.47元/天 解锁文章
赴前尘
关注
  • 1
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
tess4j-4.5.1.jar中文-英文对照文档.zip
03-04
注：下文中的 *** 代表文件名中的组件名称。 # 包含： 中文-英文对照文档：【***-javadoc-API文档-中文(简体)-英语-对照版.zip】 jar包下载地址：【***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖：【***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖：【***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址：【***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字： 中文-英文对照文档,中英对照文档,java,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法： 解压 【***.jar中文文档.zip】，再解压其中的 【***-javadoc-API文档-中文(简体)版.zip】，双击 【index.html】 文件，即可用浏览器打开、进行查看。 # 特殊说明： ·本文档为人性化翻译，精心制作，请放心使用。 ·本文档为双语同时展示，一行原文、一行译文，可逐行对照，避免了原文/译文来回切换的麻烦； ·有原文可参照，不再担心翻译偏差误导； ·边学技术、边学英语。 ·只翻译了该翻译的内容，如：注释、说明、描述、用法讲解 等； ·不该翻译的内容保持原样，如：类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示： （1）为了防止解压后路径太长导致浏览器无法打开，推荐在解压时选择“解压到当前文件夹”（放心，自带文件夹，文件不会散落一地）； （2）有时，一套Java组件会有多个jar，所以在下载前，请仔细阅读本篇描述，以确保这就是你需要的文件；
java文字、图片识别之tess4j Tesseract-OCR
csl12919的博客
12-03 2422
Tesseract， 一款由HP实验室开发由Google维护的开源 OCR（Optical Character Recognition , 光学字符识别）引擎， 与Microsoft Office Document Imaging（MODI）相比， 我们可以不断的训练的库，使图像转换文本的能力不断增强； 如果团队深度需要，还可以以它为模板，开发出符合自身需求的OCR引擎。 Tess4J 是Java （JNA） 对 Tesseract OCR API 的封装。 1.使用 创建java项目。引入mave
Spring Boot 整合开源 Tess4J库 实现OCR图片文字识别
最新发布
傲泣龙腾的博客
06-03 4524
之前在某一个项目中，客户要求根据上传的文档图片系统自动识别图片内容，这就需要到了OCR技术，我们公司一般做法通常是使用阿里云或腾讯云的OCR图片识别（大厂的训练量更多更大，识别更精准）无奈客户资金有限，又希望我们满足需求，最后我们决定采用开源Tesseract文字识别OCR引擎来实现Tesseract是一个功能强大的OCR引擎，其发展经历了多个版本的迭代。最初由惠普实验室开发，后由 Google 维护和发展。Tesseract通过神经网络和图像处理技术，对图像中的文字进行识别和提取。Tess4J是一个。
Tess4J 安装及使用介绍
justlpf的专栏
11-17 7964
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。而Tess4J则是Tesseract在Java PC上的应用。在英文和数字识别中性能还是不错的，但是在中文识别中，无论速度还是识别率还是较弱，建议有条件的话，针对场景进行训练，会获得较好结果，本文仅对目前Tess4J的用法进行介绍。这里要把dist下的jar包和lib下的jar包都要导入Java项目中。2.2 创建Java项目并配置Tess4J。2.1 Tess4J官网下载最新的源码包。我们现在最新的是3.4.8。
开源OCR识别框架Tess4j简单使用
river106的博客
08-31 7836
1、简介 Tesseract的OCR引擎最先由HP实验室于1985年开始研发,至1995年时已经成为OCR业内最准确的三款识别引擎之一。Tesseract目前已作为开源顶目发布在GoogleProject,它与Leptonica图片处理库结合,可以读取各种格式的图像并将它们转化成超过60种语言的文本,我们还可以不断训 练自己的库,使图像转换文本的能力不断增强,如果团队深度需要,还可以以它为模板,开发出等合自身需求的OCR引擎。 Tess4J 是Java （JNA） 对 Tesseract OCR API
java使用tess4j进行图片文字识别
冰之杍的博客
03-22 1355
Tess4J 是Java （JNA） 对 Tesseract OCR API 的封装。很久之前需要做一个自动登陆并对网页上的未处理的数据进行按钮点击，其中需要登陆的验证码校验，因此用了一下Tess4J，能识别一些简单的文字和数字等，识别率好像一般，但出错了就重新换一个验证码再试，多试几次也能成功。现将之前的简单使用过程记录，备查。
SpringBoot + Tess4J 实现本地与远程图片的文字识别
良月柒
02-09 23
程序员的成长之路互联网/程序员/技术/资料共享关注阅读本文大概需要 2.8 分钟。来自：blog.csdn.net/m0_53127626/article/details/135872838概要在本文中，我们将探讨如何在Spring Boot应用程序里集成Tess4J来实现OCR（光学字符识别），以识别出本地和远程图片中的文字。我们将从添加依赖说起，然后创建服务类以实现OCR，最后展示如...
tess4J中文库.rar
08-31
今天我们将深入探讨一个专注于中文识别的库——tess4J，以及如何结合它来实现图片中的中文识别。 tess4J是一个Java封装的OCR接口，它是基于开源项目Tesseract OCR引擎开发的。Tesseract OCR由Google维护，历史悠久...
tess4j语言识别库
06-30
总的来说，tess4j作为Java平台上的OCR解决方案，为开发者提供了强大的文本识别能力，使得在Windows环境下进行图像处理和文本提取变得更加便捷。通过深入了解和熟练掌握tess4j，开发者可以有效地利用这一工具，为各种...
tess4简体中语言库免费下载.zip
01-05
"tess4j"是Tesseract OCR在Java平台上的接口，它使得Java开发者可以利用Tesseract的强大功能，例如识别和提取图像中的文本。 在Tesseract OCR中，"traineddata"文件是一种特殊的二进制文件，包含了字符形状的模板和...
tess4j语言库.rar
07-31
Tess4J是一个Java库，它为开发者提供了一种简单的方式，利用Tesseract OCR（光学字符识别）引擎来识别图像中的文本。Tesseract是一款开源的OCR引擎，由Google维护，具有高度可定制性和强大的文本识别能力。Tess4J...
tess4J数字库.rar
08-31
tess4J数字库，可ocr识别图片中金额、数字、英文，需配合tess4j使用
tess4j 图片 文字
02-05
Tess4J是一个Java库，它是用于集成Tesseract OCR（Optical Character Recognition，光学字符识别）引擎的工具。OCR技术允许计算机程序从图像中识别并提取文本，这在处理扫描文档、图片中的文字或者需要自动读取屏幕...
OCR，使用Tess4J对图片文字的识别，附带了全字体库下载--黑马程序员笔记
qq_62357662的博客
08-22 891
​，Google维护的开源OCR引擎，支持Java，Python等语言调用。而Tess4J封装了Tesseract-OCR ，支持Java调用​Tesseract支持UTF-8编码格式，并且可以“开箱即用”地识别100多种语言。Tesseract支持多种输出格式:纯文本，hOCR (HTML)，PDF等官方建议，为了获得更好的OCR结果，最好提供给高质量的图像。Tesseract进行识别其他语言的训练。
java tess4j训练库_java语言下利用tess4j开源库进行图片中的文本提取
weixin_29405101的博客
02-25 940
一，tess4j 简单介绍 Tess4J是对tesseract -OCR API.的Java JNA 封装，使java能够通过调用Tess4J的API来使用tesseract -OCR我有一篇博客也介绍了tesseract -OCR如何使用tesseract -OCR进行图片识别java代码实现DOS命令使用tesseract -OCR开源引擎实现图片文字识别二，tess4j环境准备 官网下载te...
java使用tess4j实现图片上的文字识别
a759681304的博客
09-06 1050
最近在研究tesseract实现文字识别，废话不多说，研究新技术，首先要百度。百度一下相关的文章还不少，基本都是这样的 代码很简单，也没有什么注意事项，然后我建了测试项目，抄了代码，然后...... 运行结果是这样的 还有这样的没事，意料之中，写了这么久代码，早有这种觉悟。百度解决方法吧，有说是少了什么dll的，把dll复制到系统目录下，不行。有说是没安装vc++，好吧，那安装，结果意料之中，还是不行，继续百度，说是vc++版本不对，要2019版，不能2015版，可是 人家...
tess4j训练字库
okludawei的博客
11-24 2202
Tessract训练中文字库 1 样本准备。图片格式转为.tif格式； 2 合并样本图片。用jTessBoxEditor工具，将所有的样本合并为一个或多个tif文件，文件名为chi.xikai.exp0.tif [lang].[font].exp[序号].tif; 3 生成box file文件。命令行： tesseract.exe chi.xihei.exp19.tif chi.xihei.exp19 -l chi_sim batch.nochop makebox 4 文字矫正。用jTessBoxEdito
JAVA用tess4j识别复杂的验证码，自定义字库，计算题验证码，jTessBoxEditor，tess4j，验证码识别
daiyi666的博客
06-03 5183
代码：(verification-code为刚才训练所得的)/**//要是别的验证码图片 File captchaImageFile = new File("C:/Files/images/captcha/test/captcha.png");//创建tesseract对象 Tesseract tesseract = new Tesseract();
Tess4J 图片文字识别
qq_45228323的博客
07-25 541
*OCR（OpticalCharacterRecognition，光学字符识别）**是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。.........
tess4j获取图片中某个文字的坐标，引用库和代码
06-08
要使用Tess4J获取图片中某个文字的坐标，你需要使用以下代码： 首先，你需要引用Tess4J库。具体方法请参考Tess4J的官方文档。 然后，你可以使用以下代码来获取图片中某个文字的坐标： ```java import java.awt.Rectangle; import java.awt.image.BufferedImage; import java.io.File; import javax.imageio.ImageIO; import net.sourceforge.tess4j.ITesseract; import net.sourceforge.tess4j.ITesseract.RenderedFormat; import net.sourceforge.tess4j.Tesseract; import net.sourceforge.tess4j.util.ImageHelper; public class Tess4JTest { public static void main(String[] args) throws Exception { File imageFile = new File("image.png"); BufferedImage bufferedImage = ImageIO.read(imageFile); ITesseract tesseract = new Tesseract(); tesseract.setDatapath("tessdata"); tesseract.setLanguage("eng"); String result = tesseract.doOCR(bufferedImage); System.out.println(result); Rectangle rect = new Rectangle(0, 0, bufferedImage.getWidth(), bufferedImage.getHeight()); String hocr = tesseract.getHOCRText(bufferedImage, rect); System.out.println(hocr); } } ``` 在上面的代码中，我们首先使用`ImageIO`类读取了一张图片，并将其转换为`BufferedImage`对象。然后，我们使用Tess4J的`ITesseract`接口创建了一个Tesseract对象，并设置了Tesseract的数据路径和语言。接下来，我们调用`doOCR`方法来识别图片中的文字，并将识别结果打印出来。 最后，我们使用`getHOCRText`方法来获取HOCR格式的识别结果，并将其打印出来。HOCR格式的识别结果包含了每个文字的坐标信息，你可以从中提取出你需要的文字的坐标。 注意：如果你使用的是非英文语言，你需要下载对应的语言包，并将其放置在Tesseract的数据目录中。另外，你还需要修改代码中的语言设置。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

赴前尘

喜欢我的文章？请我喝杯咖啡吧！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值