Java 實現OCR 識別圖像文字(手寫中文)----tess4j

 

最近有個需要,小程序端手寫中文之後生成圖像,後端需識別圖片上中文..;剛開始想到第三方收費api試試,先用了百度AI開放平臺的通用字體識別的API,但對於手寫字的識別不太高,通用字體還挺好的;於是找到了Tessearct-OCR,參考了幾篇文摘整合了一下

準備:

1.下載Tessearct-COR 3.0以上版本:https://download.csdn.net/download/qq_26161693/10646074

2. 在安裝時選擇chi_sim.traineddata 語言庫;之後在程序中需加載安裝目錄tessdata下的中文包(chi_sim.traineddata );

maven依賴:

        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>3.2.1</version>
        </dependency>

 

Demo:

    /**
     * 
     * @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 discernWord(String imagePath) {
        try {
            File image = new File(imagePath);
            BufferedImage textImage = ImageIO.read(image);
            Tesseract instance = Tesseract.getInstance();
            instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");// 設置語言庫
            instance.setLanguage("chi_sim");// 中文識別
            String words = null;
            words = instance.doOCR(textImage);
            return words;
        }
        catch (Exception e) {
            e.printStackTrace();
        }
    }

Test:

 public static void main(String[] args) throws Exception {
        String words = discernWord("F:/test_used_url/ocr/originalPic/hotkidclub.jpg", true);//需識別的圖文件路徑
        System.out.println(words);
    }

ps:

在window開發環境下先安裝了tesseract親測可行,不過沒試過不安裝exe只加載語言包的情況;