Spring Boot+Tess4j实现OCR接口

OCR部分

OCR，即光学字符识别，是一种将纸质文档上的文字转化为计算机可编辑文本的技术。它利用图像处理技术和模式识别算法，对扫描或拍摄的文档图片进行分析，提取出其中的文字信息。OCR技术广泛应用于文档数字化、自动化数据录入等领域，极大地提高了工作效率和准确性。随着深度学习等人工智能技术的发展，OCR技术的识别精度和效率也在不断提升，为各行业的数字化转型提供了有力支持

Tess4j部分

引入Tess4j的依赖

Tess4j是一个Java的OCR接口，可以实现识别图片中的文字的功能。使用Tess4j，需要先引入依赖：

• Gradle-Groovy：在build.gradle的dependencies下写入如下代码： 

implementation 'net.sourceforge.tess4j:tess4j:5.8.0'

• Gradle-Kotlin：在build.gradle.kts的dependencies下写入如下代码：

implementation("net.sourceforge.tess4j:tess4j:5.8.0")

• Maven：在pom.xml的dependencies下写入如下代码：

<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.8.0</version>
</dependency>

注意，Tess4j的最新版本是5.8.0，建议使用最新版本，因为老版本的识别准确率较低

下载语言包

想要让Tess4j支持中文，需要下载中文的语言包：

tessdata/chi_sim.traineddata at main · tesseract-ocr/tessdata · GitHub

使用方法

使用Tess4j实现OCR，需要先进行以下操作：

1. 创建Tesseract对象
2. 设置语言包的路径（目录的路径）
3. 设置识别语言（中文是字符串"chi_sim"）
4. 调用doOCR方法执行OCR

val instance = Tesseract()
instance.setDatapath("./src/main/resources/traineddata")
instance.setLanguage("chi_sim")
val con = instance.doOCR(File("./src/main/resources/static/t1.png"))

来看一下执行结果：

测试图片

识别效果： 

从 jdk10 到 jdk17 , 能 不 能 说 Java 是 一 个 不 思 进 取 的 缩 程 语 言 ?
髓 godot
例 江 网 站 , 证 荫 , 现 在 体 洁 成
146 人 贾 同 了 诗 @
90 没 火 之 前 技 不 到 对 手 , 的 确 是 不 思 进 职 , 前 进 的 动 力 不 足 .
g 火 了 过 后 大 大 刺 激 了 Java, 下 个 版 本 的 Spring 直 接 冉 何 版 本 lava 17, 这 个 是 非 常 漱 进 的
纠 反 整 个 Java 生 忘 , 最 近 一 殴 时 间 步 失 然 觉 醒 了
1 应 对 go 的 容 霸 快 速 启 动 , 诶 步 引 入 Spring native, 快 速 启 动 , 提 高 峰 值 性 能 以 及 降 低 内 存 消 耗
2, 应 对 go 的 协 程 , 官 方 的 Loom 相 信 不 久 就 可 以 正 式 发 市
3 应 对 go 的 伽 延 近 ,zgc, 佑 延 泉 坪 坂 回 收 躁
现 在 我 与 的 开 深 页 目 基 于 5pring 的 MVC 式 用 法 的 万 能 RPC 桂 梢 最 佑 版 本 是 Java 11:
githubcoryzfoo-project.
Spring native 什 么 时 候 正 式 版 发 出 来 , 我 第 一 的 间 支 持 , 有 站 争 才 有 动 力 , 这 是 好 事
编睬 于 2021-11-08 13.51
少 修 改

 可以看到，它的识别效果还是不错的，但是仍然有些错误。当然可以通过提高图片的清晰度解决

Spring Boot部分

我们先来理一下思路：

• 控制器：提供一个接口，接收一个文件，返回一个字符串，为图片的识别结果
• 配置类：提供一个初始化过的Tesseract的Bean
• 服务：提供OCR服务，接收一个文件，返回一个字符串，为图片的识别结果

那么就开始吧，注意要引入依赖：

OCRConfig

package com.example.ocr.config

import net.sourceforge.tess4j.Tesseract
import org.springframework.beans.factory.annotation.Autowired
import org.springframework.context.annotation.Bean
import org.springframework.context.annotation.Configuration
import org.springframework.core.io.ResourceLoader

@Configuration
class OCRConfig {

    @Autowired
    lateinit var resourceLoader: ResourceLoader

    @Bean
    fun getTess(): Tesseract {
        val path = resourceLoader.getResource("classpath:/traineddata").file.path
        val tesseract = Tesseract()
        tesseract.setDatapath(path)
        tesseract.setLanguage("chi_sim")
        return tesseract
    }

}

代码中我们创建了一个tess的Bean，构造了一个tesseract对象，并设置其语言包路径和识别语言。注意path是你存储语言包的路径。这里面我将语言包存储在了resources的traineddata包下，并使用resourceLoader.getResource()方法读取了这个路径

OCRService

package com.example.ocr.service

import net.sourceforge.tess4j.Tesseract
import org.springframework.beans.factory.annotation.Autowired
import org.springframework.stereotype.Service
import org.springframework.web.multipart.MultipartFile
import javax.imageio.ImageIO

@Service
class OCRService {

    @Autowired
    lateinit var tesseract: Tesseract

    fun doOCR(file: MultipartFile): String{
        val image = ImageIO.read(file.inputStream)
        return tesseract.doOCR(image)
    }

}

代码中我们先自动注入的一个tesseract实例（我们刚才配置的），然后定义doOCR方法，接受一个图片，返回识别结果的字符串。这个方法先通过ImageIO将MultipartFile对象转换为BufferedImage对象，并将其传入到tesseract.doOCR()方法中，返回结果

OCRController

package com.example.ocr.controller

import com.example.ocr.service.OCRService
import org.springframework.beans.factory.annotation.Autowired
import org.springframework.web.bind.annotation.RequestMapping
import org.springframework.web.bind.annotation.RestController
import org.springframework.web.multipart.MultipartFile

@RestController
class OCRController {
    
    @Autowired
    lateinit var ocrService: OCRService
    
    @RequestMapping("/ocr")
    fun ocr(@RequestBody file: MultipartFile): String{
        return ocrService.doOCR(file)
    }
    
}

控制器中直接调用写好的服务即可

测试结果

用postman调用接口：

可以看到，这个接口没有问题