java 使用tess4J（Tesseract-OCR）进行图片文字识别
java中识别文字使用的软件是tesseractocr（使用的版本是3.02，3以后的版本才支持中文），这个软件需要安装在本地电脑中，安装的过程中全部都按照默认进行安装（以便于Java直接调用）
中文训练库下载地址
http://download.csdn.net/download/wsk1103/10268436
该软件默认的识别的是英文，如果相要能识别中文，需要将中文的训练文本chi_sim.traineddata存放到C:\Program Files (x86)\Tesseract-OCR\tessdata中，其中该中文训练文本解压后39M左右，遗憾的是如果想要识别中英文的话，还得继续谷歌搜索一下，在这里就不列出来了。
如果想要识别中英文混合的话，参考—基于百度API图片文字识别：
这个识别率就比较高了
http://blog.csdn.net/wsk1103/article/details/79316220
import net.sourceforge.tess4j.Tesseract;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.File;
/**
* ZQQ on 2018/6/26.
*/
@SuppressWarnings("all")
public class OCR {
/**
*
* @param srImage 图片路径
* @param ZH_CN 是否使用中文训练库,true-是
* @return 识别结果
*/
public static String FindOCR(String srImage, boolean ZH_CN) {
try {
System.out.println("start");
double start=System.currentTimeMillis();
File imageFile = new File(srImage);
if (!imageFile.exists()) {
return "图片不存在";
}
BufferedImage textImage = ImageIO.read(imageFile);
Tesseract instance=Tesseract.getInstance();
instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");//设置训练库
if (ZH_CN)
instance.setLanguage("chi_sim");//中文识别
String result = null;
result = instance.doOCR(textImage);
double end=System.currentTimeMillis();
System.out.println("耗时"+(end-start)/1000+" s");
return result;
} catch (Exception e) {
e.printStackTrace();
return "发生未知错误";
}
}
}
异常 处理
1. Exception in thread “main” java.lang.Error: Invalid memory access
这个异常表示没有设置训练库的位置
2. 不是有效的win32程序
尝试重新安装一下tesseractocr
安装的路径默认就可以了。
3. Exception in thread “main” java.lang.UnsupportedClassVersionError: net/sourceforge/tess4j/Tesseract :
发生该异常的原因是JDK版本低于1.7，使用1.7以上即可解决问题。
其他：
1. 提高识别率：使用百度开发者平台提供的API
http://blog.csdn.net/wsk1103/article/details/79316220