Java使用Tess4J实现图像识别方式

Java Tess4J实现图像识别

最近需要用Java做一个图像识别的东西，查了一些资料，在此写一个基于Tess4J的教程，方便其他人参考和使用。

其实做图像识别，也可以使用TESSERACT-OCR来实现，但是该方式需要下载软件，在电脑上安装环境，移植性不高，使用Tess4J只需要下载相关Jar包，导入项目，再把项目封装好就可以处处运行了。

首先，下载Tess4J的相关资源（一个压缩包）

官网：http://tess4j.sourceforge.net/codesample.html

解压，其中的目录结构如下：

需要用到其中圈起来的三个文件夹中的东西。lib文件夹下放的是需要用到的Jar包，tessdata下放的是语言库，默认的有英语库，中文库需要另外下载，下载地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata。

新建一个Java项目，将lib文件夹和tessdata文件夹复制到项目的根目录下，找到dist文件夹下的tess4j.jar(名字可能有版本号)，将该文件也复制到项目根目录下的lib文件夹下。

项目的的目录如下

lib中的文件如下（tess4J.jar也在该目录下）

再在eclipse中打开项目

在项目中导入lib文件夹中所有的jar包（Build path --> configure build path）,导入后的结果如下：

这样前期准备工作就完成了，下面就剩下代码了。

Tess4J的代码比较简洁

如下：

Tess4JTest.java

package ocr;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import net.sourceforge.tess4j.util.LoadLibs;
import java.io.File;
import java.io.IOException;

/**
* Tess4J测试类
*/
public class Tess4JTest {
   public static void main(String[] args){
   String path = "D://Java//Tess4J";//我的项目存放路径    
   File file = new File(path + "//photo.jpg");
       ITesseract instance = new Tesseract();

/**
        *  获取项目根路径，例如： D:\IDEAWorkSpace\tess4J
        */
       File directory = new File(path);
       String courseFile = null;
       try {
           courseFile = directory.getCanonicalPath();
       } catch (IOException e) {
           e.printStackTrace();
       }

//设置训练库的位置
       instance.setDatapath(courseFile + "//tessdata");
       instance.setLanguage("eng");//chi_sim ：简体中文， eng根据需求选择语言库
       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);
   }
}

这样就搞定了。

效果如下

原图：

读取结果：

从结果来看准确率还有待提高，l 和 1分不清，0 和 O 也没有分清，汉字的准确率还要低一些，大家可以自行训练字体库优化。

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