Tesseract-OCR引擎

简介

Tesseract是一个开源的光学字符识别（OCR）引擎，它可以将图像中的文字转换为计算机可读的文本。支持多种语言和书面语言，并且可以在命令行中执行。它是一个流行的开源OCR工具，可以在许多不同的操作系统上运行。

Tess4J是一个基于Tesseract OCR引擎的Java接口，可以用来识别图像中的文本，说白了，就是封装了它的API，让Java可以直接调用。

Github

支持语言

比较快的下载地址--训练用

训练好的数据文件下载

• .traineddata 后缀的文件都是训练好的文件
• 下面以chi_sim.traineddata为例

Tess4J

依赖

<!-- tess4j -->
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>4.5.4</version>
</dependency>

配置

• 训练数据文件夹的路径放在classpath路径下

server:
  port: 8888

# 训练数据文件夹的路径
tess4j:
  datapath: D:/tessdata

@Configuration
public class TesseractOcrConfiguration {

   @Value("${tess4j.datapath}")
   private String dataPath;

   @Bean
   public Tesseract tesseract() {

      Tesseract tesseract = new Tesseract();
      // 设置训练数据文件夹路径
      tesseract.setDatapath(dataPath);
      // 设置为中文简体
      tesseract.setLanguage("chi_sim");
      return tesseract;
   }
}

使用

service

public interface OCRService {

    String recognizeText(MultipartFile imageFile) throws TesseractException, IOException;
}


@Service
public class OCRServiceImpl implements OCRService {


    @Autowired
    private Tesseract tesseract;

    /**
     * 识别图片中的文字
     * @param imageFile 图片文件
     * @return 文字信息
     */
    @Override
    public String recognizeText(MultipartFile imageFile) throws TesseractException, IOException {

        // 转换
        InputStream sbs = new ByteArrayInputStream(imageFile.getBytes());
        BufferedImage bufferedImage = ImageIO.read(sbs);

        // 对图片进行文字识别
        return tesseract.doOCR(bufferedImage);
    }
}

controller

@RestController
@RequestMapping("/api")
public class OCRController {

    @Autowired
    private OCRService ocrService;

    @RequestMapping("/ocr")
    public String ocr(MultipartFile file) {
        try {
            return ocrService.recognizeText(file);
        } catch (Exception e) {
            return null;
        }
    }


    public static void main(String[] args) {
        Tesseract tesseract = new Tesseract();
        // 设置训练数据文件夹路径
        tesseract.setDatapath("C:\\Users\\Administrator\\IdeaProjects\\spring-boot-test\\JAVA-OCR\\src\\main\\resources\\tessdata");
        // 设置为中文简体
        tesseract.setLanguage("chi_sim");
        try {
            String result = tesseract.doOCR(new File("D:\\Desktop\\222.png"));
            System.out.println(result);
        } catch (TesseractException e) {
            e.printStackTrace();
        }
    }
}