轉自：https://blog.csdn.net/a745233700/article/details/80203340java

java調用tess4j識別圖像文字

Tesseract-OCR支持中文識別，而且開源和提供全套的訓練工具，是快速低成本開發的首選。前面記錄過在java中調用tesseract-orc，該方法的原理是經過在java中調用cmd命令行，來執行tesseract，可是該方式須要下載軟件，在電腦上安裝環境，移植性不高。git

而Tess4J則是Tesseract在Java PC上的應用。若是使用Tess4J只須要下載相關Jar包，導入項目，再把項目封裝好就能夠到處運行了，可移植性比較好。Tess4J在英文和數字識別中性能比較好，可是在中文識別中，不管速度仍是識別率仍是較弱，所以須要針對場景進行訓練，才能得到較好結果。github

這篇博客簡單記錄一下在java中經過調用tess4j的方式識別圖片的文字內容。maven

步驟：工具

(1)下載tess4j源碼包：https://sourceforge.net/projects/tess4j/性能

tessdata下默認為英語庫，中文庫下載地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata測試

其余庫的下載地址：https://github.com/tesseract-ocr/tessdataui

下載完的tess4j資源包目錄以下：.net

(2)新建一個java工程：命令行

使用Build Path -> configure build path導入dist目錄下的tess4j.jar 和 lib目錄下的全部jar包，以下圖：

若是是maven工程則導入如下maven依賴。

net.sourceforge.tess4j

tess4j

3.2.1

(3)把tessdata文件夾復制到項目的根目錄下(與src目錄同級)，以下圖：

若是tessdata目錄沒有配置到根目錄下，就須要在代碼中指定datePath。

(4)編寫測試類：

import java.io.File;

import net.sourceforge.tess4j.ITesseract;

import net.sourceforge.tess4j.Tesseract;

import net.sourceforge.tess4j.TesseractException;

/**

* 類說明 ： tess4j測試類

*/

public class OCRDemo {

public static void main(String[] args) throws TesseractException {

ITesseract instance = new Tesseract();

//若是未將tessdata放在根目錄下須要指定絕對路徑

//instance.setDatapath("the absolute path of tessdata");

//若是須要識別英文以外的語種，須要指定識別語種，而且須要將對應的語言包放進項目中

instance.setLanguage("chi_sim");

// 指定識別圖片

File imgDir = new File("C://Users//1_20180208150251_x4hzz//1.png");

long startTime = System.currentTimeMillis();

String ocrResult = instance.doOCR(imgDir);

// 輸出識別結果

System.out.println("OCR Result: \n" + ocrResult + "\n 耗時：" + (System.currentTimeMillis() - startTime) + "ms");

}

}

(5)圖片素材與識別結果：

能夠看到，tess4j在中文識別時，不管速度仍是識別率仍是較弱，須要針對場景進行訓練，才能得到較好結果。

---------------------

做者：a745233700

來源：CSDN

原文：https://blog.csdn.net/a745233700/article/details/80203340

版權聲明：本文為博主原創文章，轉載請附上博文連接！