Tess4J 图片文字识别

什么是OCR?

**OCR （Optical Character Recognition，光学字符识别）**是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程

方案	说明
百度OCR	收费
Tesseract-OCR	Google维护的开源OCR引擎，支持Java，Python等语言调用
Tess4J	封装了Tesseract-OCR ，支持Java调用

Tess4j案例

①：创建项目导入tess4j对应的依赖

   <dependency>
        <groupId>net.sourceforge.tess4j</groupId>
        <artifactId>tess4j</artifactId>
        <version>4.1.1</version>
    </dependency>

②：导入中文字体库， 把tessdata文件夹拷贝到自己的工作空间下

https://github.com/tesseract-ocr/tessdata

③：编写测试类进行测试

package com.test.tess4j;

public class Application {
    

    public static void main(String[] args) {
    
        try {
    
            //获取本地图片
            File file = new File("D:\\26.png");
            //创建Tesseract对象
            ITesseract tesseract = new Tesseract();
            //设置字体库路径
            tesseract.setDatapath("D:\\workspace\\tessdata");
            //中文识别
            tesseract.setLanguage("chi_sim");
            //执行ocr识别
            String result = tesseract.doOCR(file);
            //替换回车和tal键 使结果为一行
            result = result.replaceAll("\\r|\\n","-").replaceAll(" ","");
            System.out.println("识别的结果为："+result);
        } catch (Exception e) {
    
            e.printStackTrace();
        }
    }
}