java中識別文字使用的軟件是tesseractocr(使用的版本是3.02,3以後的版本才支持中文),這個軟件需要安裝在本地電腦中,安裝的過程中全部都按照默認進行安裝(以便於Java直接調用)
中文訓練庫下載地址
http://download.csdn.net/download/wsk1103/10268436
該軟件默認的識別的是英文,如果相要能識別中文,需要將中文的訓練文本chi_sim.traineddata存放到C:\Program Files (x86)\Tesseract-OCR\tessdata中,其中該中文訓練文本解壓後39M左右,遺憾的是如果想要識別中英文的話,還得繼續谷歌搜索一下,在這裏就不列出來了。
如果想要識別中英文混合的話,參考—基於百度API圖片文字識別:
這個識別率就比較高了
http://blog.csdn.net/wsk1103/article/details/79316220
import net.sourceforge.tess4j.Tesseract;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
/**
* ZQQ on 2018/6/26.
*/
@SuppressWarnings("all")
public class OCR {
/**
*
* @param srImage 圖片路徑
* @param ZH_CN 是否使用中文訓練庫,true-是
* @return 識別結果
*/
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 "圖片不存在";
}
BufferedImage textImage = ImageIO.read(imageFile);
Tesseract instance=Tesseract.getInstance();
instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");//設置訓練庫
if (ZH_CN)
instance.setLanguage("chi_sim");//中文識別
String result = null;
result = instance.doOCR(textImage);
double end=System.currentTimeMillis();
System.out.println("耗時"+(end-start)/1000+" s");
return result;
} catch (Exception e) {
e.printStackTrace();
return "發生未知錯誤";
}
}
}
異常 處理
1. Exception in thread “main” java.lang.Error: Invalid memory access
這個異常表示沒有設置訓練庫的位置
2. 不是有效的win32程序
嘗試重新安裝一下tesseractocr
安裝的路徑默認就可以了。
3. Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract :
發生該異常的原因是JDK版本低於1.7,使用1.7以上即可解決問題。
其他:
1. 提高識別率:使用百度開發者平臺提供的API
http://blog.csdn.net/wsk1103/article/details/79316220