SpringBoot+Tess4j实现牛逼的OCR识别工具

前言

“
等不到风中你的脸颊

眼泪都美到很融洽

等不到掩饰的雨落下

我的眼泪被你察觉
”

听着循环的歌曲，写着久违的bug。好吧，还是一天。正好一个小伙伴说，要不要做个工具站玩一下。我就随意的找了个工具站，看了下，发现很多都有文字的OCR识别功能。因此，我想起来之前了解的非常流行的开源的OCR大神级别的项目，Tesseract OCR。

简单介绍

官网如下所示

https://tesseract-ocr.github.io/

简洁明了，挂在github上的网站。

详细的不再介绍，感兴趣的，可以进入同志网站：https://github.com/tesseract-ocr/tesseract ，观摩学习。

实操准备

要想在开发中使用，还是需要接入对应的API。

对于开发者来说，提供了众多的Wrapper，来实现Api调用。

对于Java一名小开发，来讲，还是使用tess4j，作为Api来使用。官网如下：

http://tess4j.sourceforge.net/

可以直接下载jar包，或者采用Maven依赖下载。

<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
<dependency>
   <groupId>net.sourceforge.tess4j</groupId>
   <artifactId>tess4j</artifactId>
   <version>4.5.3</version>
</dependency>

开发实现

First 创建工程

Second 添加依赖

<?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 http://maven.apache.org/xsd/maven-4.0.0.xsd">
   <modelVersion>4.0.0</modelVersion>

   <groupId>org.example</groupId>
   <artifactId>test-textocr</artifactId>
   <version>1.0-SNAPSHOT</version>
   <dependencies>
       <!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
       <dependency>
           <groupId>net.sourceforge.tess4j</groupId>
           <artifactId>tess4j</artifactId>
           <version>4.5.3</version>
       </dependency>

   </dependencies>

</project>

Third 填写类文件

package ocr;

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.IOException;


/**
* ocr测试.
*
* @author huc_逆天
* @since 2021/1/12 17:42
*/
public class TestTextOcr {

   public static void main(String[] args) throws IOException {
        // 创建实例
       ITesseract instance = new Tesseract();

        // 设置识别语言

       instance.setLanguage("chi_sim");

        // 设置识别引擎

       instance.setOcrEngineMode(1);

        // 读取文件

       BufferedImage image = ImageIO.read(TestTextOcr.class.getResourceAsStream("/2.jpg"));
       try {

            // 识别

           String result = instance.doOCR(image);
           System.out.println(result);
      } catch (TesseractException e) {
           System.err.println(e.getMessage());
      }


  }
}

Fifth 添加训练语言环境配置

TESSDATA_PREFIX=F:\tessdata ，变量名，固定，值为官网下载文件 https://github.com/tesseract-ocr/tessdata

Sixth 运行

结果如下：

可能识别模式，不是很合适，切换下

instance.setOcrEngineMode(0);

是不是舒服多了，哈哈。识别率瞬间上涨。

大家可以自行测试。

总结

好了，今天就到这了。技术在于折腾。多学习，让自己武装起来，变强大。