Java中使用tess4J（Tesseract-OCR）进行图片文字识别（支持中文）

迷南。 2022-07-13 11:23 228阅读 0赞

Java 版本：至少1.7  
java中识别文字比较简单，使用的软件是tesseractocr（使用的版本是3.02，3以后的版本才支持中文），这个软件需要安装在本地电脑中，安装的过程中全部都按照默认进行安装（以便于Java直接调用），建议使用winRAR解压。  
winRAR下载地址： [http://download.csdn.net/download/wsk1103/10150343][http_download.csdn.net_download_wsk1103_10150343]

tess4J下载地址  
[http://download.csdn.net/download/wsk1103/10268441][http_download.csdn.net_download_wsk1103_10268441]  
中文训练库下载地址  
[http://download.csdn.net/download/wsk1103/10268436][http_download.csdn.net_download_wsk1103_10268436]  
github下载地址  
[https://github.com/tesseract-ocr/tessdata][https_github.com_tesseract-ocr_tessdata]

该软件默认的识别的是英文，如果相要能识别中文，需要将中文的训练文本chi\_sim.traineddata存放到C:\\Program Files (x86)\\Tesseract-OCR\\tessdata中，其中该中文训练文本解压后39M左右，遗憾的是如果想要识别中英文的话，还得继续谷歌搜索一下，在这里就不列出来了。  
如果想要识别中英文混合的话，参考—基于百度API图片文字识别：

这个识别率就比较高了———————————————-  
[http://blog.csdn.net/wsk1103/article/details/79316220][http_blog.csdn.net_wsk1103_article_details_79316220]

Java中识别的话很简单，只需要下面这几行代码就可以了

File imageFile=new File(path);
    if(!imageFile.exists()){
    return"图片不存在";
    }
    Tesseractinstance=Tesseract.getInstance();
    instance.setDatapath("C:\\ProgramFiles(x86)\\Tesseract-OCR\\tessdata");//设置训练库的位置
    instance.setLanguage("chi_sim");//中文识别
    String result=instance.doOCR(imageFile);

#### 我自己封装了一个工具类 ####

package com.wsk.tool;
    
    import net.sourceforge.tess4j.Tesseract;
    
    import javax.imageio.ImageIO;
    import java.awt.image.BufferedImage;
    import java.io.File;
    import java.io.IOException;
    
    /** * Created by WSK on 2017/1/6. */
    public class OCR { 
        /** * * @param srImage 图片路径 * @param ZH_CN 是否使用中文训练库,true-是 * @return 识别结果 */
        public static String FindOCR(String srImage, boolean ZH_CN) {
            try {
                System.out.println("start");
                double start=System.currentTimeMillis();
                File imageFile = new File(srImage);
                if (!imageFile.exists()) {
                    return "图片不存在";
                }
                BufferedImage textImage = ImageIO.read(imageFile);
                Tesseract instance=Tesseract.getInstance();
                instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");//设置训练库
                if (ZH_CN)
                    instance.setLanguage("chi_sim");//中文识别
                String result = null;
                result = instance.doOCR(textImage);
                double end=System.currentTimeMillis();
                System.out.println("耗时"+(end-start)/1000+" s");
                return result;
            } catch (Exception e) {
                e.printStackTrace();
                return "发生未知错误";
            }
        }
        public static void main(String[] args) throws Exception {
            String result=FindOCR("D:\\test2.png",true);
            System.out.println(result);
        }
    }

## 英文识别效果还是杠杠的 ##

### 英文识别图 ###

![英文识别---测试][---]

### 结果 ###

![这里写图片描述][SouthEast]

### 中文识别图 ###

![这里写图片描述][SouthEast 1]

### 中文识别结果 ###

![这里写图片描述][SouthEast 2]

关于异常  
1. Exception in thread “main” java.lang.Error: Invalid memory access  
这个异常表示没有设置训练库的位置  
2. 不是有效的win32程序  
尝试重新安装一下tesseractocr  
安装的路径默认就可以了。  
3. Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract :  
发生该异常的原因是JDK版本低于1.7，使用1.7以上即可解决问题。  
其他：  
1. 提高识别率：使用百度开发者平台提供的API  
[http://blog.csdn.net/wsk1103/article/details/79316220][http_blog.csdn.net_wsk1103_article_details_79316220]

[http_download.csdn.net_download_wsk1103_10150343]: http://download.csdn.net/download/wsk1103/10150343
[http_download.csdn.net_download_wsk1103_10268441]: http://download.csdn.net/download/wsk1103/10268441
[http_download.csdn.net_download_wsk1103_10268436]: http://download.csdn.net/download/wsk1103/10268436
[https_github.com_tesseract-ocr_tessdata]: https://github.com/tesseract-ocr/tessdata
[http_blog.csdn.net_wsk1103_article_details_79316220]: http://blog.csdn.net/wsk1103/article/details/79316220
[---]: /images/20220713/922058b8fc8d47a9963173a784b9ba57.png
[SouthEast]: /images/20220713/7bf09805bc6d4b2e840232099eeac9ba.png
[SouthEast 1]: /images/20220713/c8b23e506b354ac98f912844248d82b4.png
[SouthEast 2]: /images/20220713/f79244e31d394df9b31e1c3551ed7eb8.png