tess4j 光學字符識別，即圖片識別

補充：

Tesseract-OCR 安裝、中文識別與訓練字庫

如何用YOLO+Tesseract實現定制OCR系統?

Tess4j OCR圖像識別框架集成

Tesseract，
一款由HP實驗室開發由Google維護的開源
OCR（Optical Character Recognition , 光學字符識別）引擎，
與Microsoft Office Document Imaging（MODI）相比，
我們可以不斷的訓練的庫，使圖像轉換文本的能力不斷增強；
如果團隊深度需要，還可以以它為模板，開發出符合自身需求的OCR引擎。

Tess4J 是Java （JNA） 對 Tesseract OCR API 的封裝。

下載Tess4J的相關資源（一個壓縮包），官網：http://tess4j.sourceforge.net/codesample.html

 

 lib文件夾下放的是需要用到的Jar包，

tessdata下放的是語言庫，默認的有英語庫，

中文庫需要另外下載，下載地址

tessdata中的一個文件：osd.traineddata
文字的方向檢測 Orientation and script detection (OSD)

簡單構建一個tess4j項目

新建一個Java項目，
將lib文件夾和tessdata文件夾復制到項目的根目錄下，
找到dist文件夾下的tess4j.jar(名字可能有版本號)，
將該文件也復制到項目根目錄下的lib文件夾下。

maven構建jess4j項目

各個版本下載地址

1,將所需jar包引入pom.xml

<dependencies>
        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.4.0</version>
        </dependency>
 </dependencies>

2，引用語言包

在任意地方創建一個文件夾tessdata，
將下載的chi_sim.traineddata（中文） 和 eng.traineddata（英文）語言包存放在該目錄下，
也可以直接存放到自己項目的resources/tessdata目錄下。

語言庫下載地址：https://github.com/tesseract-ocr/tessdata

3，例子：

         // 識別圖片的路徑（修改為自己的圖片路徑）
        String path = "D:\\test.jpg";

        // 語言庫位置（修改為跟自己語言庫文件夾的路徑）
        String lagnguagePath = "D:\\tessdata";

        File file = new File(path);
        ITesseract instance = new Tesseract();

        //設置訓練庫的位置
        instance.setDatapath(lagnguagePath);

        //chi_sim ：簡體中文， eng    根據需求選擇語言庫
        instance.setLanguage("eng");
        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);

 

補充：可選步驟：配置環境變量（TESSDATA_PREFIX）

環境變量地址指向你存放語言包的文件夾路徑，如：我的語言包路徑在 D:\tessdata