基本概念

Tesseract Open Source OCR Engine ：包含一個OCR引擎?-?libtesseract和一個命令行程序?-?tesseract。Tesseract 4添加了一個新的基于LSTM的OCR引擎，該引擎專注于行識別，但仍支持Tesseract 3的傳統Tesseract OCR引擎，該引擎通過識別字符模式進行工作。通過使用傳統OCR引擎模式（--oem 0），可以與Tesseract 3兼容。它還需要訓練有素的數據文件來支持舊式引擎，例如tessdata存儲庫中的文件。

Tess4J：Tesseract OCR API的?Java JNA包裝器。

Maven

<dependencies><dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>4.4.0</version></dependency></dependencies>

GitHub?

Tesseract Open Source OCR Engine ：https://github.com/tesseract-ocr/tesseract

Tess4J項目：https://github.com/nguyenq/tess4j

語言庫：https://github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata

DEMO

1、首先創建一個新的maven項目，將所需jar包引入pom.xml

2、在任意地方創建一個文件夾tessdata，將下載的chi_sim.traineddata 和 eng.traineddata語言包存放在該目錄下，也可以直接存放到自己項目的resources/tessdata目錄下。

?

3、編寫代碼

// 識別圖片的路徑（修改為自己的圖片路徑）String path = "D:\\test.jpg";// 語言庫位置（修改為跟自己語言庫文件夾的路徑）String lagnguagePath = "D:\\tessdata";File file = new File(path);ITesseract instance = new Tesseract();//設置訓練庫的位置instance.setDatapath(lagnguagePath);//chi_sim ：簡體中文， eng 根據需求選擇語言庫instance.setLanguage("eng");String result = null;try {long startTime = System.currentTimeMillis();result = instance.doOCR(file);long endTime = System.currentTimeMillis();System.out.println("Time is：" + (endTime - startTime) + " 毫秒");} catch (TesseractException e) {e.printStackTrace();}System.out.println("result: ");System.out.println(result);

?

5、可選步驟：配置環境變量（TESSDATA_PREFIX）

環境變量地址指向你存放語言包的文件夾路徑，如：我的語言包路徑在 D:\tessdata

?

?

運行結果

以一張簡單的圖片為例：圖片放置在D:\test.png根目錄下，因此使用代碼測試前需要修改代碼中指定的兩個路徑！！！

識別圖片：

運行代碼后：

常見問題?

解決chi_sim.traineddata報read_params_file: parameter not found: allow_blob_division

Warning: Invalid resolution 0 dpi. Using 70 instead.

關于tesseract 出錯信息：read_params_file: Can't open chi_sim

擴展學習

提高識別率

1.對稱近鄰均值濾波

參考：

http://blog.csdn.net/fangbinwei93/article/details/50562449

2.指定config為digits，并修改tessdata\configs\digits文件，將白名單中設置需要識別的內容。如只需要識別數字，則指定whitelist為0123456789即可。

也可在程序中指定：

參考：

http://blog.csdn.net/hellousb2010/article/details/39477859

3.盡量指定圖像的一塊區域識別。比如驗證碼起始位置和結束位置很多空白的，可以去掉，只對驗證碼區域做識別。

4.訓練字庫，提升識別率

參考：

http://blog.csdn.net/white0blue/article/details/47972405

http://blog.csdn.net/tuling_research/article/details/41091163

其他參考

tesseract-ocr參數：http://www.sk-spell.sk.cx/tesseract-ocr-parameters-in-302-version

參考文章

https://www.jianshu.com/p/ef60ef5395c5

https://www.cnblogs.com/asker009/p/11098220.html

https://blog.csdn.net/qincidong/article/details/82781361

https://blog.csdn.net/zai_xia/article/details/80003778

總結

以上是生活随笔為你收集整理的JAVA——Tess4J简单的图像识别DEMO的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。