使用Tess4j进行中英文识别。OCR识别。图片转文字。

Tess4jUtils.java

共三步：

1. springboot-maven项目，引入依赖：
<dependency>
    <groupId>com.github.jai-imageio</groupId>
    <artifactId>jai-imageio-core</artifactId>
    <version>1.4.0</version>
</dependency>
<dependency>
    <groupId>net.java.dev.jna</groupId>
    <artifactId>jna</artifactId>
    <version>5.3.1</version>
</dependency>
<!-- https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>4.4.0</version>
    <exclusions>
        <exclusion>
            <groupId>net.java.dev.jna</groupId>
            <artifactId>jna</artifactId>
        </exclusion>
    </exclusions>
</dependency>

//2. 如果要识别中文，则需要该步骤。在项目根目录下创建tessdata文件夹（与src同级），文件夹下放入chi_sim.traineddata文件（可从https://github.com/qlong8807/tessdata获取）即可。

//3. java代码
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.Tesseract1;
import net.sourceforge.tess4j.TesseractException;
import net.sourceforge.tess4j.util.LoadLibs;

import java.io.*;

public class Tess4jUtils {
    /**
     * 识别英文和数字
     * @param path 图片路径
     * @return 识别后的结果
     */
    public static String readChar(String path){
        // JNA Interface Mapping
//        ITesseract instance = new Tesseract();
        // JNA Direct Mapping 这两个实例都可以使用
         ITesseract instance = new Tesseract1();
        File imageFile = new File(path);
        //这样就能使用classpath目录下的训练库了
        File tessDataFolder = LoadLibs.extractTessResources("tessdata");
        //Set the tessdata path
        instance.setDatapath(tessDataFolder.getAbsolutePath());
        //英文库识别数字比较准确
        instance.setLanguage(Const.ENG);
        return getOCRText(instance, imageFile);
    }

    /**
     * 识别中文和数字，混合的中英文识别不是很准确
     * @param path 图片路径
     * @param dataPath 训练库路径
     * @param language 语言字库
     * @return 识别结果
     */
    public static String readChar(String path, String dataPath, String language){
        File imageFile = new File(path);
        ITesseract instance = new Tesseract();
        instance.setDatapath(dataPath);
        //英文库识别数字比较准确
        instance.setLanguage(language);
        return getOCRText(instance, imageFile);
    }

    /**
     * 识别图片文件中的文字
     * @param instance
     * @param imageFile
     * @return
     */
    private static String getOCRText(ITesseract instance, File imageFile){
        String result = null;
        try {
            result = instance.doOCR(imageFile);
        } catch (TesseractException e) {
            e.printStackTrace();
        }
        return result;
    }

    public static void main(String[] args) {
        long start = System.currentTimeMillis();
//        String filePath = "E:\\idea_workspace\\plb\\plbbr\\src\\main\\resources\\image\\w.png";
//        System.out.println(readChar(filePath));
//        System.err.println(System.currentTimeMillis() - start);
        String filePath2 = "E:\\idea_workspace\\plb\\plbbr\\src\\main\\resources\\image\\cen.png";
        String trainedDataPath2 = "E:\\idea_workspace\\plb\\plbbr\\tessdata";//该目录下只有chi_sim.traineddata
        System.out.println(readChar(filePath2, trainedDataPath2, Const.CHI_SIM));
        System.err.println("中文识别：\n"+(System.currentTimeMillis() - start));
    }
}

class Const{
    public static final String CHI_SIM = "chi_sim";
    public static final String ENG = "eng";
}