简单的OCR识别-java-tesseract

最新推荐文章于 2025-12-02 12:04:07 发布

原创最新推荐文章于 2025-12-02 12:04:07 发布 · 1.6k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#ocr #java #开发语言

本文介绍了TesseractOCR库，一个开源的OCR引擎，以及其Java接口Tess4J的使用。重点讲述了如何使用自带训练模型和自定义训练模型对图像进行文字识别的过程，包括语言模型的下载和使用jTessBoxEditor创建自定义训练库。

Tesseract是一个开源的光学字符识别 (OCR) 引擎,它可以将图像中的文字转换为计算机可读的文本。支持多种语言和书面语言，并且可以在命令行

中执行。它是一一个流行的开源OCR工具,可以在许多不同的操作系统上运行。Tess4J是一个基于Tesseract 0CR字的Java接口，可以用来识别图像中的文本,说白了,就是封装了它的API,让Java可以直接调用。

训练数据：

Tesseract OCR库通过训练数据来学习不同语言和字体的特征，以便更好地识别图片中的文字。在安装Tesseract OCR库时，通常会生成一个包含多个子文件夹的训练数据文件夹，其中每个子文件夹都包含了特定语言或字体的训练数据。

语言模型下载：https://gitcode.net/search?utf8=%E2%9C%93&snippets=false&scope=&repository_ref=&search=tesseract(gitcode) java使用Tess4J实现OCR图片文字识别_java ocr-优快云博客（参考这篇文章，里面有下载的内容百度网盘（可以查看人家博客
java使用Tess4J实现OCR图片文字识别_java ocr-优快云博客））

tess4 jar包

<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.2.1</version>
</dependency>
1.使用自带的训练模型

程序

public class ocr {
    @Test
    public void OcrTest(){
          //指定图片位置
        String path="E:\\idea\\ocr\\Ocr_test\\1.png";
           File file = new File(path);
     //指定语言模型位置
          String languagePath = "E:\\idea\\ocr\\tessdata";
        Tesseract instance = new Tesseract();
//        设置训练库位置
        instance.setDatapath(languagePath);
//        chi_sim 中文  eng 英文
        instance.setLanguage("chi_sim");
        String result= "123";
        try {
            //进行解析
            result   = instance.doOCR(file);
        } catch (TesseractException e) {
            throw new RuntimeException(e);
        }
        System.out.println("result:"+result);
    }
}

2.使用自定义训练模型
        下载 jTessBoxEditor2.0工具，用于调整图片上文字的内容和位置
https://sourceforge.net/projects/vietocr/files/jTessBoxEditor/
安装包解压后打开“jTessBoxEditor.jar”，或者双击该目录下的“train.bat”脚本文件
选择Tools->Merge TIFF  进行要识别的图片进行合并