【OCR识别】tess4j图片识别文字

一时失言乱红尘 2024-03-24 21:56 52阅读 0赞

#### 什么是OCR? ####

> OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程

![在这里插入图片描述][e20cb7fe82984ee2aeb10831ea7957f5.png]

#### 项目中集成OCR，有哪些方案 ####

<table> 
 <thead> 
  <tr> 
   <th><strong>方案</strong></th> 
   <th><strong>说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>百度OCR</td> 
   <td>收费</td> 
  </tr> 
  <tr> 
   <td>Tesseract-OCR</td> 
   <td>Google维护的开源OCR引擎，支持Java，Python等语言调用</td> 
  </tr> 
  <tr> 
   <td>Tess4J</td> 
   <td>封装了Tesseract-OCR ，支持Java调用</td> 
  </tr> 
 </tbody> 
</table>

### 1. 添加tess4j依赖 ###

<dependency>
        <groupId>net.sourceforge.tess4j</groupId>
        <artifactId>tess4j</artifactId>
        <version>4.1.1</version>
    	</dependency>

### 2. 配置文件 ###

tess4j:
       #字体库存放位置
      data-path: D:\workspace\tessdata
      #选择的字体库
      language: chi_sim

然后，需要将改字体库放到对应的目录下  
![在这里插入图片描述][833e482db7e140bf8dcea2ecfc1eab76.png]

### 3. 工具类 ###

package com.heima.common.tess4j;
    
    import lombok.Getter;
    import lombok.Setter;
    import net.sourceforge.tess4j.ITesseract;
    import net.sourceforge.tess4j.Tesseract;
    import net.sourceforge.tess4j.TesseractException;
    import org.springframework.boot.context.properties.ConfigurationProperties;
    import org.springframework.stereotype.Component;
    
    import java.awt.image.BufferedImage;
    
    @Getter
    @Setter
    @Component
    @ConfigurationProperties(prefix = "tess4j")
    public class Tess4jClient {
        
    
        private String dataPath;
        private String language;
    
        public String doOCR(BufferedImage image) throws TesseractException {
        
            //创建Tesseract对象
            ITesseract tesseract = new Tesseract();
            //设置字体库路径
            tesseract.setDatapath(dataPath);
            //中文识别
            tesseract.setLanguage(language);
            //执行ocr识别
            String result = tesseract.doOCR(image);
            //替换回车和tal键  使结果为一行
            result = result.replaceAll("\\r|\\n", "-").replaceAll(" ", "");
            return result;
        }
    
    }

[e20cb7fe82984ee2aeb10831ea7957f5.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/5fdd29da5ea24c83a57797ff438ffd2d.png
[833e482db7e140bf8dcea2ecfc1eab76.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/13/ff578675b2884963b086922c1bfe17ac.png