java使用tesseract-ocr进行文字识别

满小超的代码世界

已于 2023-02-23 15:29:58 修改

阅读量1w

点赞数 4

CC 4.0 BY-SA版权

分类专栏： OCR 文章标签： java 开发语言

于 2023-02-23 15:29:27 首次发布

本文链接：https://blog.youkuaiyun.com/qq_48329942/article/details/129181351

文章介绍了Tesseract-OCR的用途，它是一个开源的OCR项目，支持多种语言。在Windows上安装包括下载安装包，选择所需语言。通过命令行使用tesseract.exe进行识别，并讲解了如何设置全局PATH。此外，文章还展示了如何在Java项目中使用tess4j库进行调用，包括设置识别语言、引擎模式以及处理图片进行OCR识别。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

前言

公司使用AI进行OCR文字识别效果不好，并且提供的服务不稳定，本次查找到使用java也能连接的OCR开源项目进行识别的学习

一、tesseract-ocr是什么？

tesseract-ocr是一个开源的OCR文字识别项目，目前版本已经更新到5.X.X了，并且提供多种环境的安装，本次我们在window进行安装并且使用。

二、使用步骤

1.下载exe安装包

说明：tesseract-ocr目前训练的数据是放在tessdata文件夹下，后缀为traineddata文件，目前支持100多种语言。今天安装的为第三方支持的安装包。

https://github.com/UB-Mannheim/tesseract/wiki

该页面下有支持64位和32位的安装包

tesseract-ocr-w32-setup-5.3.0.20221222.exe (32 bit) and
tesseract-ocr-w64-setup-5.3.0.20221222.exe (64 bit) resp.

2.安装

在软件安装时，默认只会安装英文训练的数据集合，要使用其他文字，需要在安装时，进行勾选。

在这里插入图片描述

3.使用

该exe安装的软件可以直接使用tesseract.exe进行命令行执行文字识别。进入到exe存在的目录下。cmd进入到命命令执行框

//官方
tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]

imagename ：图片的位置

最低0.47元/天解锁文章

200万优质内容无限畅学