java使用开源类库Tesseract实现图片识别

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。

Tess4J则是Tesseract在Java PC上的应用

Tesseract的OCR引擎最先由HP实验室于1985年开始研发，至1995年时已经成为OCR业内最准确的三款识别引擎之一。然而，HP不久便决定放弃OCR业务，Tesseract也从此尘封。

数年以后，HP意识到，与其将Tesseract束之高阁，不如贡献给开源软件业，让其重焕新生－－2005年，Tesseract由美国内华达州信息技术研究所获得，并求诸于Google对Tesseract进行改进、消除Bug、优化工作。

Tesseract目前已作为开源项目发布在Google Project，其项目主页在这里查看。

<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>3.4.0</version>
</dependency>

实现代码开发：

File imageFile = new File("input dir/shuzi.png");
Tesseract tessreact = new Tesseract();
//需要指定训练集训练集到 https://github.com/tesseract-ocr/tessdata 下载。
tessreact.setDatapath("E:\\itcast\\env\\tess4j\\tessdata");
//注意默认是英文识别，如果做中文识别，需要单独设置。
tessreact.setLanguage("chi_sim");
try {
String result = tessreact.doOCR(imageFile);
System.out.println(result);
} catch (TesseractException e) {
System.err.println(e.getMessage());
}