java利用tesseract-OCR对图像进行字符识别

刺骨的言语ヽ痛彻心扉 2022-06-08 14:41 324阅读 0赞

## 1.windows下的Tesseract-OCR安装 ##

Tesseract-OCR下载： [ http://pan.baidu.com/s/1miRU6EG][http_pan.baidu.com_s_1miRU6EG]

识别语言库：  
官网地址： [ https://github.com/tesseract-ocr/langdata][https_github.com_tesseract-ocr_langdata]  
或者网盘：  
[http://pan.baidu.com/s/1kV18iov][http_pan.baidu.com_s_1kV18iov]

安装完后ocr后，将语言库文件到到安装目录~\\Tesseract-OCR\\tessdata\\里(替换)

## 2.linux下的Tesseract-OCR安装 ##

Tesseract-OCR安装：  
下载地址： [ https://github.com/tesseract-ocr/tesseract][https_github.com_tesseract-ocr_tesseract]

或者百度网盘： [ http://pan.baidu.com/s/1i5v69VJ][http_pan.baidu.com_s_1i5v69VJ]

leptonica安装：  
官网： [http://www.leptonica.com/][http_www.leptonica.com] 上下载  
或者网盘下载，下载地址：  
[http://pan.baidu.com/s/1mhTGk4K][http_pan.baidu.com_s_1mhTGk4K]

同样，安装完后ocr后，将语言库文件到到安装目录~\\Tesseract-OCR\\tessdata\\里。

## 3.命令执行 ##

tesseract的用法：

参数1：需要识别的文件

参数2：输出的文件名称，输出的是文本文件，里面保存了识别的信息

识别英文这两个参数就可以了，下面做个实验：

![Center][]

我们在命令行输入：tesseract 5.jpg 6 ，可以看到程序生成了一个6.txt ，里面保存着识别后的文本，怎么样简单又给力~

上面说道tesseract 是支持中文的，所以么，接下来看看如何使用tesseract 实现我们中文的识别，下面继续介绍其他参数

参数3：-l

参数4： 使用的语言库

参数3 -l 应该是知道参数4所使用的语言库，默认英文，也就是为什么上面识别英文的例子，并没有输入参数3和参数4，也实现了识别。

下面继续我们的实验：

![Center 1][]

我们准备了一张图片，然后使用tesseract zhongwen.jpg  7  -l chi\_sim 指明了中文语言，然后效果图上，还是很不错的，毕竟我们的中文是如此的博大精深，并且tesseract可以经过训练，然后识字的能力就会大幅度提升。

有时候会遇到如下错：  
Please make sure the TESSDATA\_PREFIX environment variable is set to the parent directory of your “tessdata” directory.  
需要将安装目录配置到系统路径中，如添加  
TESSDATA\_PREFIX=D:\\Program Files\\Tesseract-OCR\\  
linux 的方法类似。

## 4.利用java执行 ##

try {
                Process  pro = Runtime.getRuntime()
                               .exec(new String[]{"D:/Program Files (x86)/Tesseract-OCR/tesseract.exe", 
                                                  "E:/resImage.jpg", 
                                                  "E:/result"});
                pro.waitFor();
            } catch (IOException e) {
                e.printStackTrace();
            }

运行以上代码后，会在E盘目录中看到result.txt的内容就为resImage.jpg的数字内容。

[http_pan.baidu.com_s_1miRU6EG]: http://pan.baidu.com/s/1miRU6EG
[https_github.com_tesseract-ocr_langdata]: https://github.com/tesseract-ocr/langdata
[http_pan.baidu.com_s_1kV18iov]: http://pan.baidu.com/s/1kV18iov
[https_github.com_tesseract-ocr_tesseract]: https://github.com/tesseract-ocr/tesseract
[http_pan.baidu.com_s_1i5v69VJ]: http://pan.baidu.com/s/1i5v69VJ
[http_www.leptonica.com]: http://www.leptonica.com/
[http_pan.baidu.com_s_1mhTGk4K]: http://pan.baidu.com/s/1mhTGk4K
[Center]: /images/20220608/78c9d894884248ae8834b70007e0d396.png
[Center 1]: /images/20220608/5f15717b135745ed9f9807fd0a6ccfcb.png