java ocr识别中文_java零碎要点—Tesseract 3.0,Java OCR 图像智能字符识别技术，可识别中文 | 学步园...

2.Java OCR 图像智能字符识别技术，可识别中文

几天一直在研究OCR技术，据我了解的情况，国内最专业的OCR软件只有2家，清华TH-OCR和汉王OCR，看了很多的OCR

技术发现好多对英文与数字的支持都很好，可惜很多都不支持中文字符。Asprise-OCR，Tesseract 3.0以前的版本

，都不支持中文，其实我用了下Asprise-OCR算是速度比较的快了，可惜他鄙视中文，这个没有办法，正好这段时间

知名的开源OCR引擎Tesseract 3.0版本发布了，他给我们带来的好消息就是支持中文，相关的下载项目网站是：

http://code.google.com/p/tesseract-ocr

虽然速度不是很客观可是毕竟人家开始支持中文也算是不错的，一个英文的语言包大概是1.8M,中文简体的语言包是

39.5M,中文繁体的语言包是53M，这样就知道为什么识别中文慢的原因了

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

利用开源程序(ImageMagick+tesseract-ocr)实现图像验证码识别

但却很少看到在windows下的相关文章介绍。

接下来我将一步步讲述如何采用tesseract-ocr识别含有中文的图片。

1、下载tesseract-ocr(注意3.0版本之后才支持中文的识别)

tesseract-ocr-setup-3.00.exe

chi_sim.traineddata.gz

2、安装tesseract-ocr

解压缩，双击 tesseract-ocr-setup-3.00.exe 即可根据提示一步步安装，本人安装的目录是：D:/Program

Files/Tesseract-OCR

在该目录下可看到tesseract.exe文件，这就是我们后面程序中会调用到的运行进程。

3、自定义安装语言包

D:/Program Files/Tesseract-OCR目录下找到/tessdata目录，其是用来存放语言包，可把

chi_sim.traineddata.gz   解压缩之后的chi_sim.traineddata文件复制到该目录下即可。

4、编写测试代码

在编写代码之前下载两个jar包：jai_imageio-1.1-alpha.jar、swingx-1.0.jar，可在www.findjar.com

网站上去下载。

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

下面是自己测试用的所有代码:

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

1.新建项目:javaocr2

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

/javaocr2/src/com/credream/ocr/ImageFilter.java

package com.credream.ocr;

import java.awt.Graphics2D;

import java.awt.color.ColorSpace;

import java.awt.geom.AffineTransform;

import java.awt.image.AffineTransformOp;

import java.awt.image.BufferedImage;

import java.awt.image.ColorConvertOp;

import java.awt.image.ColorModel;

import java.awt.image.MemoryImageSource;

import java.awt.image.PixelGrabber;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

/**

*

* 图像过滤,增强OCR识别成功率

*

*/

public class ImageFilter {

protected transient final Logger logger = LoggerFactory.getLogger(this.getClass());

private BufferedImage image;

private int iw, ih;

private int[] pixels;

public ImageFilter(BufferedImage image) {

this.image = image;

iw = image.getWidth();

ih = image.getHeight();

pixels = new int[iw * ih];

}

/** 图像二值化 */

public BufferedImage changeGrey() {

PixelGrabber pg = new PixelGrabber(image.getSource(), 0, 0, iw, ih, pixels, 0, iw);

try {

pg.grabPixels();

} catch (InterruptedException e) {

logger.error("异常:", e);

}

// 设定二值化的域值，默认值为100

int grey = 100;

// 对图像进行二值化处理，Alpha值保持不变

ColorModel cm = ColorModel.getRGBdefault();

for (int i = 0; i < iw * ih; i++) {

int red, green, blue;

int alpha = cm.getAlpha(pixels[i]);

if (cm.getRed(pixels[i]) > grey) {

red = 255;

} else {

red = 0;

}

if (cm.getGreen(pixels[i]) > grey) {

green = 255;

} else {

green = 0;

}

if (cm.getBlue(pixels[i]) > grey) {

blue = 255;

} else {

blue = 0;

}

pixels[i] = alpha << 24 | red << 16 | green << 8 | blue;

}

// 将数组中的象素产生一个图像

return ImageIOHelper.imageProducerToBufferedImage(new MemoryImageSource(iw, ih,

pixels, 0, iw));

}

/** 提升清晰度,进行锐化 */

public BufferedImage sharp() {

PixelGrabber pg = new PixelGrabber(image.getSource(), 0, 0, iw, ih, pixels, 0, iw);

try {

pg.grabPixels();

} catch (InterruptedException e) {

logger.error("异常:", e);

}

// 象素的中间变量

int tempPixels[] = new int[iw * ih];

for (int i = 0; i < iw * ih; i++) {

tempPixels[i] = pixels[i];

}

// 对图像进行尖锐化处理，Alpha值保持不变

ColorModel cm = ColorModel.getRGBdefault();

for (int i = 1; i < ih - 1; i+