java做图文识别

现在的世界，什么都需要人工智能AI进行处理，那么，对于Java程序猿来说，是不是有些工作是不是就不能胜任呢，答案是显然是不一定的，对于图片识别来说，这个任务就可以使用Java进行开发，虽然效率可能不是最好的，但是，结果是一致的。
下面我就开始出大招了
第一步，添加技能点
如果需要进行图片识别，那么肯定需要识别的插件或者是一个库呀，不然程序怎么清楚是识别那些东西，识别是中文还是英文，对不对，这个时候呢，就出现了“野怪”——ocr，给我们提供支持，从而进行升级添加技能点
什么事OCR，这个大家可以自行百度，其主要作用就是为我们进行识别图片中的文字的一个重要角色，下载方式直接百度tesseract下载就行
下载完成后，需要进行配置环境变量，我这也不进行过多描述，可以自行百度，如果需要，可后续追加一篇配置下载的博客说明
那么野怪位置找到了，我们就需要开始刷怪升级了
第二步，添加词库
需要识别文字，那么武器必不可少，如果没有装备，野怪也是能秒人的，所以，我们需要去下载一些词库，例如中文词库：chi_sim.traineddata，下载方式也可在百度上进行下载下来，下载完成后，在刚刚安装的tesseract下找到tessdata文件夹，将其复制过来就可以了，我的是D盘下，所以位置如下图

移动过来后，我们就有武器了，开始刷怪
第三步，开大，结束战斗（前方高能）

    public static String IdentifyThePicture(){
        //识别图片
        System.out.println("开始识别");
        long starttime = System.currentTimeMillis();
        //获取当前程序执行绝对路径。
        String text = orcde("normal", "D:\\tesseract-ocr\\tessdata", "D://JT//1.png");
        System.out.println("discriminate interval:" + (System.currentTimeMillis() - starttime) + ",ocr text:" + text);
        return text;
    }

public static String orcde(String lang, String langpath, String imageurl){
        // 识别图片的路径（修改为自己的图片路径）
        String path = imageurl;

        // 语言库位置（修改为跟自己语言库文件夹的路径）
        String lagnguagePath = langpath;

        File file = new File(path);
        ITesseract instance = new Tesseract();

        //设置训练库的位置
        instance.setDatapath(lagnguagePath);

        //chi_sim ：简体中文， eng    根据需求选择语言库
        instance.setLanguage(lang);
        String result = null;
        try {
            long startTime = System.currentTimeMillis();
            result =  instance.doOCR(file);
            long endTime = System.currentTimeMillis();
            System.out.println("Time is：" + (endTime - startTime) + " 毫秒");
        } catch (TesseractException e) {
            e.printStackTrace();
        }

        System.out.println("result: ");
        System.out.println(result);
       return result;
    }

运行结果如下：

图片中的内容如下：

你是不是发现有两个字不对，这个咱暂时不告诉你，请继续往下看
代码看起来是不是很简单，（你心里觉得是这样想的）因为这是有野怪，如果没有野怪怎么办，或者等级不够怎么办（1级单挑100级？）显然是不可以的，这个时候就需要进行训练了，训练啥，训练词库，怎么训练，如下：
第一步，下载jTessBoxEditor_jb51（找到新手训练营）
jTessBoxEditor_jb51这是啥东西，我告诉你，这个是训练词库必须要用的一个jar包，但是呢，他不是在项目里面使用的，而是独立运行的，怎么使用，待会就来
第二步，生产词条（找到野怪）
怎么生产词条，也就将你需要识别的一些文字，做成一个jpg的图片，怎么做，直接截图呗，然后保存为jpg就行了
是不是说好简单，还没完呢！
有了jpg图片后，需要对其改变格式，不能手动改变后缀，需要通过格式工厂，或者在线转换插件进行转换，将jpg的图片转换为tif的文件格式，然后启动我们的新手训练营jTessBoxEditor_jb51，（里面有一个启动脚本的了）

就是上面圈住的这个bat脚本，启动后，会出来一个Java窗口

先过去将刚刚的图片更改图片名字，这个是有要求的

tif文面命名格式[lang].[fontname].exp[num].tif
lang是语言           fontname是字体
比如我们要训练自定义字库myfontlab      字体名normal
那么我们把图片文件重命名 myfontlab.normal.exp0.jpg在转tif。

这个时候呢，我们需要打开黑命令框（CMD）输入命令生成box文件

tesseract myfontlab.normal.exp0.jpg myfontlab.normal.exp0 -l chi_sim batch.nochop makebox

运行结果如图

然后就会产生一个新的文件在该文件夹下

这个时候就需要用的我们的jTessBoxEditor_jb51了，点击open，选择刚刚处理过得tif文件图片得到下面结果数据

然后开始修改我们不对的字第5行的窝应该是我，所以需要进修改，选择改行，

然后点击save进保存，这个时候就词条就生产完毕了需要导入到我们的词库中去

第三步，词条添加到词库中（捡装备了）
cmd中输入命令，生成.tr文件

tesseract  myfontlab.normal.exp0.jpg  myfontlab.normal.exp0  nobatch box.train

再输入命令，生成unicharset文件

unicharset_extractor myfontlab.normal.exp0.box

新建一个font_properties.txt文件
里面内容写入 normal 0 0 0 0 0 表示默认普通字体
运行命令

shapeclustering -F font_properties.txt -U unicharset myfontlab.normal.exp0.tr

mftraining -F font_properties.txt -U unicharset -O unicharset myfontlab.normal.exp0.tr

cntraining myfontlab.normal.exp0.tr

目录下会生成对应下列五个文件，在这五个文件前加上normal.进行重命名

合并五个文件，此时目录下的normal.traineddata 就是训练好的字库文件
执行 命令

combine_tessdata normal. 

最后就产生了一个新的文件，这就是刚刚训练出来的词库

最后将新的词库放人的OCR中就行了，怎么放，教你
把normal.traineddata 复制到Tesseract-OCRt程序目录下的“tessdata”目录,
在Tesseract-OCRt程序目录下执行

tesseract.exe myfontlab.normal.exp0.jpg out –l normal

这个时候，词库就好了，再运行一下试试

完美，图文识别成功

疯狂打架去吧，再也不用担心打不过了 ^_^

以上内容可能有不正确的地方，望大佬指正，如果需要下载配置介绍，欢迎评论去留言哦
附上pom文件依赖

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.5.4</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.play</groupId>
    <artifactId>play</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>play</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
    </properties>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>

        <!--tesseract-platform里面包含了所有tesseract所需要的jar-->
        <dependency>
            <groupId>org.bytedeco.javacpp-presets</groupId>
            <artifactId>tesseract-platform</artifactId>
            <version>3.04.01-1.3</version>
        </dependency>

        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.4.0</version>
        </dependency>

    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
            </plugin>
        </plugins>
    </build>

</project>