Java中文图像识别tesseract-ocr || tif

最新推荐文章于 2024-03-21 08:38:22 发布

SQZHAO

最新推荐文章于 2024-03-21 08:38:22 发布

阅读量2.7k

点赞数

esseract-ocr引擎最初是由惠普开发的，后来开源了然后交给谷歌打理进行优化工作了。3.0版本开始支持中文OCR，对于中文图像的识别。尽管效果并不如人意，但是只要图像够清晰，还是能够凑合着用的。

PS：com.input.ocr下的java类文件是copy网友所写的，感觉只是把它当成工具起辅助作用，就没有深入研究了，大概看了一下作为主体的两个类主要是一些流的操作。

在java中调用tesseract-ocr进行图像识别的三段代码，最后一段mian方法是测试用的。提供完整的OCR Java Web项目下载，在文章末尾。

---------------------------------------------------------------------

[java]view plaincopy 
   
 package com.input.ocr;  
 import java.awt.image.BufferedImage;  
 import java.io.File;  
 import java.io.IOException;  
 import java.util.Iterator;  
 import java.util.Locale;  
   
 import javax.imageio.IIOImage;  
 import javax.imageio.ImageIO;  
 import javax.imageio.ImageReader;  
 import javax.imageio.ImageWriteParam;  
 import javax.imageio.ImageWriter;  
 import javax.imageio.metadata.IIOMetadata;  
 import javax.imageio.stream.ImageInputStream;  
 import javax.imageio.stream.ImageOutputStream;  
   
 import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;  
   
 public class ImageIOHelper {  
     /** 
      * 图片文件转换为tif格式 
      * @param imageFile 文件路径 
      * @param imageFormat 文件扩展名 
      * @return 
      */  
     public static File createImage(File imageFile, String imageFormat) {  
         File tempFile = null;  
         try {  
             Iterator<ImageReader> readers = ImageIO.getImageReadersByFormatName(imageFormat);  
             ImageReader reader = readers.next();  
           
             ImageInputStream iis = ImageIO.createImageInputStream(imageFile);  
             reader.setInput(iis);  
             //Read the stream metadata  
             IIOMetadata streamMetadata = reader.getStreamMetadata();  
               
             //Set up the writeParam  
             TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);  
             tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);  
               
             //Get tif writer and set output to file  
             Iterator<ImageWriter> writers = ImageIO.getImageWritersByFormatName("tiff");  
             ImageWriter writer = writers.next();  
               
             BufferedImage bi = reader.read(0);  
             IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));  
             tempFile = tempImageFile(imageFile);  
             ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);  
             writer.setOutput(ios);  
             writer.write(streamMetadata, image, tiffWriteParam);  
             ios.close();  
               
             writer.dispose();  
             reader.dispose();  
               
         } catch (IOException e) {  
             e.printStackTrace();  
         }  
         return tempFile;  
     }  
   
     private static File tempImageFile(File imageFile) {  
         String path = imageFile.getPath();  
         StringBuffer strB = new StringBuffer(path);  
         strB.insert(path.lastIndexOf('.'),0);  
         return new File(strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif"));  
     }  
   
 }  

[java]view plaincopy 
   
 package com.input.ocr;  
 import java.io.BufferedReader;  
 import java.io.File;  
 import java.io.FileInputStream;  
 import java.io.InputStreamReader;  
 import java.util.ArrayList;  
 import java.util.List;  
   
 import org.jdesktop.swingx.util.OS;  
   
 public class OCR {  
     private final String LANG_OPTION = "-l";  //英文字母小写l，并非数字1  
     private final String EOL = System.getProperty("line.separator");  
     //配置你安装的OCR的路径  
     private String tessPath = "C:\\Program Files\\Tesseract-OCR";  
     //private String tessPath = new File("tesseract").getAbsolutePath();  
       
     public String recognizeText(File imageFile,String imageFormat)throws Exception{  
         File tempImage = ImageIOHelper.createImage(imageFile,imageFormat);  
         File outputFile = new File(imageFile.getParentFile(),"output");  
         StringBuffer strB = new StringBuffer();  
         List<String> cmd = new ArrayList<String>();  
         if(OS.isWindowsXP()){  
             cmd.add(tessPath+"//tesseract");  
         }else if(OS.isLinux()){  
             cmd.add("tesseract");  
         }else{  
             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();  
         pb.directory(imageFile.getParentFile());  
           
         cmd.set(1, tempImage.getName());  
         pb.command(cmd);  
         pb.redirectErrorStream(true);  
           
         Process process = pb.start();  
         //tesseract.exe 1.jpg 1 -l chi_sim  
         int w = process.waitFor();  
           
         //删除临时正在工作文件  
         tempImage.delete();  
           
         if(w==0){  
             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();  
         }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 recongnize the image or its selected region.";  
                     break;  
                 case 31:  
                     msg = "Unsupported image format.";  
                     break;  
                 default:  
                     msg = "Errors occurred.";  
             }  
             tempImage.delete();  
             throw new RuntimeException(msg);  
         }  
         new File(outputFile.getAbsolutePath()+".txt").delete();  
         return strB.toString();  
     }  
 }  

[java]view plaincopy 
   
 package com.input.ocr;  
 import java.io.File;  
 import java.io.IOException;  
   
 public class TestOCR {  
   
     /** 
      * @param args 
      */  
     public static void main(String[] args) {  
         String path = "D:\\image.jpg";     
         try {     
             String valCode = new OCR().recognizeText(new File(path), "jpg");     
             System.out.println(valCode);     
         } catch (IOException e) {     
             e.printStackTrace();     
         } catch (Exception e) {  
             e.printStackTrace();  
         }      
     }  
   
 }  

基于tesseract-ocr JavaWeb项目-下载地址：http://pan.baidu.com/s/1sj1zNGx

SQZHAO

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
Java中文图像识别tesseract-ocr || tif

esseract-ocr引擎最初是由惠普开发的，后来开源了然后交给谷歌打理进行优化工作了。3.0版本开始支持中文OCR，对于中文图像的识别。尽管效果并不如人意，但是只要图像够清晰，还是能够凑合着用的。PS：com.input.ocr下的java类文件是copy网友所写的，感觉只是把它当成工具起辅助作用，就没有深入研究了，大概看了一下作为主体的两个类主要是一些流的操作。在java中调
复制链接

扫一扫