Java 使用 Tess4J 实现图像识别

小鱼儿 2021-05-12 11:55 592阅读 0赞

最近需要用Java做一个图像识别的东西，查了一些资料，在此写一个基于Tess4J的教程，方便其他人参考和使用。

其实做图像识别，也可以使用TESSERACT-OCR来实现，但是该方式需要下载软件，在电脑上安装环境，移植性不高，使用Tess4J只需要下载相关Jar包，导入项目，再把项目封装好就可以处处运行了。

首先，下载Tess4J的相关资源（一个压缩包），官网：[http://tess4j.sourceforge.net/codesample.html][http_tess4j.sourceforge.net_codesample.html]。

解压，其中的目录结构如下：

![70][]

需要用到其中圈起来的三个文件夹中的东西。lib文件夹下放的是需要用到的Jar包，tessdata下放的是语言库，默认的有英语库，中文库需要另外下载，下载地址：https://github.com/tesseract-ocr/tessdata/blob/master/chi\_sim.traineddata。

新建一个Java项目，将lib文件夹和tessdata文件夹复制到项目的根目录下，找到dist文件夹下的tess4j.jar(名字可能有版本号)，将该文件也复制到项目根目录下的lib文件夹下。

项目的的目录如下：

![70 1][]

lib中的文件如下（tess4J.jar也在该目录下）：

![70 2][]

再在eclipse中打开项目，在项目中导入lib文件夹中所有的jar包（Build path --> configure build path）,导入后的结果如下：

![70 3][]

这样前期准备工作就完成了，下面就剩下代码了。Tess4J的代码比较简洁，如下：

Tess4JTest.java

package ocr;
    
    import net.sourceforge.tess4j.ITesseract;
    import net.sourceforge.tess4j.Tesseract;
    import net.sourceforge.tess4j.TesseractException;
    import net.sourceforge.tess4j.util.LoadLibs;
    
    import java.io.File;
    import java.io.IOException;
    
    /**
     * Tess4J测试类
     */
    public class Tess4JTest {
    
        public static void main(String[] args){
    
        	String path = "D://Java//Tess4J";		//我的项目存放路径
        	
        	File file = new File(path + "//photo.jpg");
            ITesseract instance = new Tesseract();
    
            /**
             *  获取项目根路径，例如： D:\IDEAWorkSpace\tess4J
             */
            File directory = new File(path);
            String courseFile = null;
            try {
                courseFile = directory.getCanonicalPath();
            } catch (IOException e) {
                e.printStackTrace();
            }
    
            //设置训练库的位置
            instance.setDatapath(courseFile + "//tessdata");
    
            instance.setLanguage("eng");//chi_sim ：简体中文， eng	根据需求选择语言库
            String result = null;
            try {
                long startTime = System.currentTimeMillis();
                 result =  instance.doOCR(file);
                long endTime = System.currentTimeMillis();
                System.out.println("Time is：" + (endTime - startTime) + " 毫秒");
            } catch (TesseractException e) {
                e.printStackTrace();
            }
            
            System.out.println("result: ");
            System.out.println(result);
        }
    
    }

这样就搞定了。

效果如下：

原图：

![70 4][]

读取结果：

![70 5][]

从结果来看准确率还有待提高，l 和 1分不清，0 和 O 也没有分清，汉字的准确率还要低一些，大家可以自行训练字体库优化。

[http_tess4j.sourceforge.net_codesample.html]: http://tess4j.sourceforge.net/codesample.html
[70]: /images/20210511/3740a1254d29418aa1a22e895c10b93c.png
[70 1]: /images/20210511/edb6a081f69948c09f269d1248c87a6c.png
[70 2]: /images/20210511/8dd610686a3e46d6840ab914d077169e.png
[70 3]: /images/20210511/d2394956629a48d59913bc41bd103f26.png
[70 4]: /images/20210511/859c116953894359ab9410e8dd280239.png
[70 5]: /images/20210511/57ec6c03231a44c89b61029cfc24d8f1.png