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

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);
    }
}


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