Java-图片文本识别

基于springboot项目

1.添加如下依赖

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

2.下载tess4j源码包：https://sourceforge.net/projects/tess4j/

3.下载中文识别包：https://github.com/tesseract-ocr/tessdata/blob/main/chi_sim.traineddata

4.将下载好的中文识别包放入tessdata包下

5.编码实现

public class Test {
    public static void main(String[] args) throws TesseractException {
        ITesseract instance = new Tesseract();
        // 引入tess4j源码包路径
        // 如果未将tessdata放在根目录下需要指定绝对路径
        instance.setDatapath("/download/Tess4J/tessdata");
        // 指定中文识别包
        instance.setLanguage("chi_sim");
        // 指定识别图片路径
        File imgDir = new File("/Desktop/test.png");
        long startTime = System.currentTimeMillis();
        String ocrResult = instance.doOCR(imgDir);
        // 输出识别结果
        System.out.println("识别结果: \n" + ocrResult + "\n 耗时：" + (System.currentTimeMillis() - startTime) + "ms");
    }
}

测试图片：

测试结果：

6.后续可以优化，将提取的文本输入到Excel中。