java使用tess4j進行圖片文字識別功能

更新時間：2023年04月04日 10:08:01 作者：冰之杍

Tess4J?是Java?（JNA）?對?Tesseract?OCR?API?的封裝，Tess4J是java直接可使用的jar包，而Tesseract?OCR是支持Tess4J進文件文字識別的基礎，Tess4J可直接使用Maven方式引入，這篇文章主要介紹了java使用tess4j進行圖片文字識別,需要的朋友可以參考下

java使用tess4j進行圖片文字識別

一、簡介

Tess4J 是Java （JNA）對 Tesseract OCR API 的封裝。
很久之前需要做一個自動登陸并對網(wǎng)頁上的未處理的數(shù)據(jù)進行按鈕點擊，其中需要登陸的驗證碼校驗，因此用了一下Tess4J，能識別一些簡單的文字和數(shù)字等，識別率好像一般，但出錯了就重新?lián)Q一個驗證碼再試，多試幾次也能成功?，F(xiàn)將之前的簡單使用過程記錄，備查。

Tess4J是對Tesseract OCR API 的Java JNA 封裝。使java能夠通過調(diào)用Tess4J的API來使用Tesseract OCR。支持的格式包括TIFF、JPEG、GIF、PNG、BMP、JPEG、PDF。這個開始接觸的時候，我對這兩個東西還搞混淆了。明確說一下，Tess4J是java直接可使用的jar包，而Tesseract OCR是支持Tess4J進文件文字識別的基礎，Tess4J可直接使用Maven方式引入。

tesseract：https://tesseract-ocr.github.io/
官網(wǎng)：http://tess4j.sourceforge.net/codesample.html

語言庫：
https://github.com/tesseract-ocr/tessdata
https://codechina.csdn.net/mirrors/tesseract-ocr/tessdata

二、使用過程

1.maven依賴引入pom.xml

		<!-- tess4j start -->
		<dependency>
		    <groupId>net.sourceforge.tess4j</groupId>
		    <artifactId>tess4j</artifactId>
		    <version>5.6.0</version>
		</dependency>
		<!-- tess4j end -->

2.準備好tessdata目錄下的語言庫文件

需要提前下載好相關的語言庫文件，這里我下了chi_sim.traineddata和eng.traineddata兩個
下載地址：https://codechina.csdn.net/mirrors/tesseract-ocr/tessdata
下載好后放在代碼里面的目錄下

在這里插入圖片描述

3.寫測試代碼進行測試

準備好兩張圖片放置在代碼的資源目錄下，方便程序讀取，

圖片1

在這里插入圖片描述

圖片2

在這里插入圖片描述

兩張圖片放在資源目錄下

在這里插入圖片描述

代碼如下：

package cn.ljhua;

import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.io.InputStream;

import javax.imageio.ImageIO;

import lombok.extern.slf4j.Slf4j;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

/**
 * Tess4jOcr測試示例
 * @author liujh
 */
@Slf4j
public class Tess4jOcrTest {
	
	public static void main(String[] args) {
		
		Tess4jOcrTest test = new Tess4jOcrTest();
		test.ocrTest();
		
	}
	
	public void ocrTest() {
		
		log.info("ocrTest start....");
		long startMs = System.currentTimeMillis();
		
		 //Tesseract的代碼開始---------------------->>>>
		ITesseract instance = new Tesseract();
		
		/**
		 * 組裝接好tessdata目錄的路徑字符串
		 */
		String filePathPre = System.getProperty("user.dir");
    	String dataPath = filePathPre + File.separator + "tessdata";
    	
    	/**
		 * 設置目錄datapath the tessdata path to set
		 * 否則會報Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.錯誤
		 */
    	instance.setDatapath(dataPath);
    	//instance.setLanguage("eng");//默認，可以不寫
    	instance.setLanguage("chi_sim");//設置中文識別
		
    	String imageName = "verifyCode.png";
        try (InputStream inStream = this.getClass().getResourceAsStream("/" + imageName)) {
            
        	BufferedImage bImage = ImageIO.read(inStream);
        	//doOCR也可以傳參為File，我這里傳的BufferedImage
        	String result = instance.doOCR(bImage);
        	//識別的結果回來可能會帶回車，處理掉
        	result = result.replaceAll("\n", "");
        	log.info("圖片名：" + imageName +" 識別結果："+ result);
        	
        } catch (IOException e) {
            log.error(e.getMessage(),e);
        } catch (TesseractException e) {
        	log.error(e.getMessage(),e);
		}
        
        imageName = "vCode2.jpg";
        try (InputStream inStream = this.getClass().getResourceAsStream("/" + imageName)) {
            
        	BufferedImage bImage = ImageIO.read(inStream);
        	//doOCR也可以傳參為File，我這里傳的BufferedImage
        	String result = instance.doOCR(bImage);
        	//識別的結果回來可能會帶回車，處理掉
        	result = result.replaceAll("\n", "");
        	log.info("圖片名：" + imageName +" 識別結果："+ result);
        	
        } catch (IOException e) {
            log.error(e.getMessage(),e);
        } catch (TesseractException e) {
        	log.error(e.getMessage(),e);
		}
		//Tesseract的代碼結束--------------------->>>>
        
		log.info("ocrTest success. spend time :{} ms.", (System.currentTimeMillis() - startMs));
		
	}
}

測試結果截圖如：

在這里插入圖片描述