Java中使用tess4J(Tesseract-OCR)进行图片文字识别(支持中文)

13 篇文章 2 订阅
3 篇文章 0 订阅

Java 版本:至少1.7
java中识别文字比较简单,使用的软件是tesseractocr(使用的版本是3.02,3以后的版本才支持中文),这个软件需要安装在本地电脑中,安装的过程中全部都按照默认进行安装(以便于Java直接调用),建议使用winRAR解压。
winRAR下载地址: http://download.csdn.net/download/wsk1103/10150343

tess4J下载地址
http://download.csdn.net/download/wsk1103/10268441
中文训练库下载地址
http://download.csdn.net/download/wsk1103/10268436
github下载地址
https://github.com/tesseract-ocr/tessdata

该软件默认的识别的是英文,如果相要能识别中文,需要将中文的训练文本chi_sim.traineddata存放到C:\Program Files (x86)\Tesseract-OCR\tessdata中,其中该中文训练文本解压后39M左右,遗憾的是如果想要识别中英文的话,还得继续谷歌搜索一下,在这里就不列出来了。
如果想要识别中英文混合的话,参考—基于百度API图片文字识别:

这个识别率就比较高了———————————————-
http://blog.csdn.net/wsk1103/article/details/79316220

Java中识别的话很简单,只需要下面这几行代码就可以了

File imageFile=new File(path);
if(!imageFile.exists()){
return"图片不存在";
}
Tesseractinstance=Tesseract.getInstance();
instance.setDatapath("C:\\ProgramFiles(x86)\\Tesseract-OCR\\tessdata");//设置训练库的位置
instance.setLanguage("chi_sim");//中文识别
String result=instance.doOCR(imageFile);

我自己封装了一个工具类

package com.wsk.tool;

import net.sourceforge.tess4j.Tesseract;

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

/**
 * Created by WSK on 2017/1/6.
 */
public class OCR {
    /**
     *
     * @param srImage 图片路径
     * @param ZH_CN 是否使用中文训练库,true-是
     * @return 识别结果
     */
    public static String FindOCR(String srImage, boolean ZH_CN) {
        try {
            System.out.println("start");
            double start=System.currentTimeMillis();
            File imageFile = new File(srImage);
            if (!imageFile.exists()) {
                return "图片不存在";
            }
            BufferedImage textImage = ImageIO.read(imageFile);
            Tesseract instance=Tesseract.getInstance();
            instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");//设置训练库
            if (ZH_CN)
                instance.setLanguage("chi_sim");//中文识别
            String result = null;
            result = instance.doOCR(textImage);
            double end=System.currentTimeMillis();
            System.out.println("耗时"+(end-start)/1000+" s");
            return result;
        } catch (Exception e) {
            e.printStackTrace();
            return "发生未知错误";
        }
    }
    public static void main(String[] args) throws Exception {
        String result=FindOCR("D:\\test2.png",true);
        System.out.println(result);
    }
}

英文识别效果还是杠杠的

英文识别图

英文识别---测试

结果

这里写图片描述

中文识别图

这里写图片描述

中文识别结果

这里写图片描述

关于异常
1. Exception in thread “main” java.lang.Error: Invalid memory access
这个异常表示没有设置训练库的位置
2. 不是有效的win32程序
尝试重新安装一下tesseractocr
安装的路径默认就可以了。
3. Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract :
发生该异常的原因是JDK版本低于1.7,使用1.7以上即可解决问题。
其他:
1. 提高识别率:使用百度开发者平台提供的API
http://blog.csdn.net/wsk1103/article/details/79316220

评论 31 您还未登录,请先 登录 后发表或查看评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:精致技术 设计师:CSDN官方博客 返回首页

打赏作者

AceKei

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值