Java 集成使用OCR 实现文字识别

Java集成Tesserac

目前项目中需要使用到图文识别，查了很多博客，发现了很多很多tesserac的，今天实现出来，有以下几点需要注意
首先 确定自己使用的 tesserac 是正确的
查看自己 tesserac 的环境

tesseract -v

查看自己的tesseract 是否安装成功，如果没有下面链接有还有 chi_sim 语言包
链接：https://pan.baidu.com/s/1PAGr3qsBL8AtqlyA0LecUg
提取码：9mp6
chi_sim 是tesseract 的语言包 在tessdata 中设置就可以

以上步骤完成之后 差不多就完成了 下面就是一个测试Demo

    package com.example.ocr.controller.OCR;


    import java.io.*;
    import java.util.ArrayList;
    import java.util.List;
    
    public class OCRHelper {

        private final String LANG_OPTION = "-l";
        private final String EOL = System.getProperty("line.separator");

        /**
         *  Tesseract-OCR的安装路径
         */
        private String tessPath = "D://ocr//Tesseract-OCR";

        /**
         * @param imageFile   传入的图像文件
         * @return 识别后的字符串
         */
        public String recognizeText(File imageFile) throws Exception {
            /**
             * 设置输出文件的保存的文件目录
             */
            File outputFile = new File(imageFile.getParentFile(), "output");

            StringBuffer strB = new StringBuffer();
            List<String> cmd = new ArrayList<String>();

            cmd.add(tessPath + "\\tesseract");

            cmd.add("");
            cmd.add(outputFile.getName());
            cmd.add(LANG_OPTION);
            cmd.add("chi_sim");
            //cmd.add("eng");

            ProcessBuilder pb = new ProcessBuilder();
            pb.directory(imageFile.getParentFile());
            cmd.set(1, imageFile.getName());
            pb.command(cmd);
            pb.redirectErrorStream(true);
            Process process = pb.start();
            int w = process.waitFor();
            if (w == 0)// 0代表正常退出
            {
                BufferedReader in = new BufferedReader(new InputStreamReader(
                        new FileInputStream(outputFile.getAbsolutePath() + ".txt"),
                        "UTF-8"));
                String str;

                while ((str = in.readLine()) != null) {
                    strB.append(str).append(EOL);
                }
                in.close();
            } else {
                String msg;
                switch (w) {
                    case 1:
                        msg = "错误  Errors accessing files. There may be spaces in your image's filename.";
                        break;
                    case 29:
                        msg = "Cannot recognize the image or its selected region.";
                        break;
                    case 31:
                        msg = "Unsupported image format.";
                        break;
                    default:
                        msg = "Errors occurred.";
                }
                throw new RuntimeException(msg);
            }
            new File(outputFile.getAbsolutePath() + ".txt").delete();
            return strB.toString().replaceAll("\\s*", "");
        }
    }

test类

package com.example.ocr.controller.OCR;

import java.io.File;
import java.io.IOException;
import java.util.Scanner;


/**
 * 测试主类
 */

public class Test {
    public static void main(String[] args) {
        System.out.println("输入你识别的图片");
        Scanner scanner = new Scanner(System.in);
        String next = scanner.next();
        try {
            //图片文件：此图片是需要被识别的图片
            File imageFile = new File(next);
            String recognizeText = new OCRHelper().recognizeText(imageFile);
            System.out.print(recognizeText + "\t");

        } catch (IOException e) {
            e.printStackTrace();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

}

代码已经简化过，只要按照配置一部一部来，cp直接能用