整合Tess4J图文识别技术

大家好，欢迎来到IT知识分享网。

1. OCR图文识别介绍

OCR（全称 Optical Character Recognition，直译为光学字符识别）用于图片文字识别，例如 提取图片中车牌号等等。

Java中实现OCR的技术方案有：

• 百度OCR，花米
• Tesseract-OCR，Google维护的开源OCR引擎，支持Java，Python等语言调用
• Tess4J，封装了Tesseract-OCR ，支持Java调用。（使用Tess4J需要不同的词库文件进行支撑（如 汉语词库）
• …

2. Tess4J示例代码

Tess4J是一个Java库，它对谷歌的Tesseract-OCR进行了再封装，使用程度上更简单。

Tesseract OCR是一个开源的光学字符识别（OCR）引擎，它能够识别图像中的文本，并将其转换为可编辑的格式。Tess4J使得开发者可以在Java应用程序中轻松集成OCR功能。

Tess4J官网：https://tess4j.sourceforge.net/usage.html

1、添加依赖坐标

<dependencies> <!--单元测试--> <dependency> <groupId>junit</groupId> <artifactId>junit</artifactId> <version>4.13</version> </dependency> <!--tess4j--> <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.1.1</version> </dependency> </dependencies> 

2、导入中文字体库，将tessdata放到一个没有中文、特殊字符、空格的目录下

下载地址：https://download.csdn.net/download/_/

3、准备一张带文字的图片

4、编写测试

package cn.aopmin.tess4j; import net.sourceforge.tess4j.ITesseract; import net.sourceforge.tess4j.Tesseract; import org.junit.Test; import java.io.File; / * 测试ORC图片文字识别: * 我们这里使用的是Tess4j类库（它封装了谷歌的Tesseract-OCR，也是支持Java调用的） * * @author 白豆五 * @since 2024/5/14 */ public class Tess4jTest { 
       / * 测试图片文字提取 */ @Test public void testScanText() { 
       try { 
       // 获取本地图片 File file = new File("D:/1111/pic1.png"); // 创建Tesseract对象 ITesseract tesseract = new Tesseract(); // 设置字体库路径 tesseract.setDatapath("D:/1111/tessdata"); // 中文识别 tesseract.setLanguage("chi_sim"); // 执行ocr识别 String result = tesseract.doOCR(file); // 替换回车和tal键 ,让结果在一行显示 result = result.replaceAll("\\r|\\n", "").replaceAll(" ", ""); System.out.println("识别的结果为：" + result); } catch (Exception e) { 
       e.printStackTrace(); } } } 

控制台打印结果：

仓库地址：https://gitee.com/z3inc/tess4j-demo.git