java實現圖片文字識別的兩種方法

一、使用tesseract-ocr

　　1.    https://github.com/tesseract-ocr/tesseract/wiki上下載安裝包安裝和簡體中文訓練文件

　　　　window64位安裝包：tesseract-ocr-w64-setup-v4.1.0.20190314.exe

　　　　簡體中文訓練文件：chi_sim.traineddata 約40M

　　2.　將訓練文件chi_sim.traineddata放入安裝目錄下的tessdata目錄中

　　3.    配置環境變量，在path變量中加入tesseract安裝目錄，例如C:\Program Files\Tesseract-OCR

　　4.　添加系統環境變量TESSDATA_PREFIX，值為訓練文件的目錄，例如C:\Program Files\Tesseract-OCR\tessdata

　　5.　使用java調用命令行執行轉換，命令格式例如：F:\pic>   tesseract 6.png 66 -l chi_sim 即：在F:\pic目錄下使用tesseract命令利用chi_sim訓練文件把6.png文件轉換成66.txt文件

 

二、使用tess4j

　　1.    使用maven下載所需jar包：

　　　　

<dependency>
<groupId>net.java.dev.jna</groupId>
<artifactId>jna</artifactId>
<version>4.1.0</version>
</dependency>

<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>3.4.0</version>
<exclusions>
<exclusion>
<groupId>com.sun.jna</groupId>
<artifactId>jna</artifactId>
</exclusion>
</exclusions>
</dependency>

　　2.下載簡體中文訓練文件：chi_sim.traineddata

　　3.使用如下代碼調用

　　

        //加載待讀取圖片
        File imageFile = new File("F://pic.png");
        //創建tess對象
        ITesseract instance = new Tesseract();
        //設置訓練文件目錄
        instance.setDatapath("F://tessdata");
        //設置訓練語言
        instance.setLanguage("chi_sim");
        //執行轉換
        String result = instance.doOCR(imageFile);