1.pom文件添加依賴
<!-- 圖形驗證碼識別https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j -->
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>4.5.4</version>
</dependency>
2.下載文件配置
鏈接：https://pan.baidu.com/s/1BsFJ7uTl-AEzcUEfuV9ESw
提取碼：4wzp
解壓后顯示
3.進入dist文件，拷貝文件tess4j-3.4.8.jar到lib文件下
4.將lib文件和tessdata文件方到項目根目錄
5.進入項目編碼軟件刷新項目目錄
6.testdata可以放到項目文件目錄下
7.被識別的圖片存放位置
新建目錄，放在項目路徑下
8.編寫識別代碼
package com.app.ocr;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import java.io.File;
import java.io.IOException;
public class Main {
public static void main(String[] args) {
// 當前項目存放路徑
String path = "E://heduijiang//APP-test//APP-test//src//test//resources";
// 要識別的圖片
File file = new File("E://heduijiang//APP-test//APP-test//src//test//resources//tupian//9188.png");
ITesseract instance = new Tesseract();
/**
* 獲取項目根路徑，
*/
File directory = new File(path);
String courseFile = null;
try {
courseFile = directory.getCanonicalPath();
} catch (IOException e) {
e.printStackTrace();
}
//設置訓練庫的位置
instance.setDatapath(courseFile + "/tessdata");
//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) + "ms");
} catch (TesseractException e) {
e.printStackTrace();
}
System.out.println("result: "+ result+"");
}
}
9.在圖片文件下放入要識別的圖片
10.代碼路徑指定圖片的絕對路徑輸入圖片名稱，進行識別
訓練語言庫適合自己的項目，自己編輯訓練一個
1.截圖自己的項目的圖片
2.下載軟件 jTessBoxEditorFX-2.3.1 和 tesseract-ocr-w64-setup-v5.0.0
鏈接：https://pan.baidu.com/s/1PUlfRKC5Xt4SWeBjfGKVUA
提取碼：ad1q 
esseract-ocr-w64-setup-v5.0.0安裝后配置環境變量，找到自己的安裝的位置
從https://digi.bib.uni-mannheim.de/tesseract/下載tesseract版本完成安裝。配置好環境變量，打開命令行窗口執行tesseract -v 看到相關版本信息，則表示安裝配置成功。
jTessBoxEditorFX-2.3.1 解壓后顯示
雙擊啟動 train.bat
把圖片文件夾放在此目錄下，也可以在其它位置，這里我放到這個文件夾下
1、生成tif和box文件
可參照第一種方法生成。但這里介紹通過自定義圖片使用jTessBoxEditor 合並tif
全選圖片
輸入名字num.font.exp0.tif
生成了文件
2、生成box文件
在生成圖片文件夾下，打開cmd命令框
打開命令行執行命令tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox生成box文件，執行命令后輸出如下：
D:\wspace\tess4j-demo2\test-data\num>tesseract num.font.exp0.tif num.font.exp0 batch.nochop makebox
Tesseract Open Source OCR Engine v4.0.0.20181030 with Leptonica
Page 1
Page 2
Page 3
Page 4
生成文件 box
3、字符配置文件font_properties
在文件夾文件夾內，新建一個文本文件，名為font_properties，刪掉.txt，用記事本打開，寫入內容為：
font 0 0 0 0 0
准備環節
- 將5個tif文件，num.font.exp0.tif，生成的num.font.exp0.box文件，還有font_properties文件放在同一個目錄下，如上面已經在一個目錄下了
字符矯正
- 打開 jTessBoxEditor>【BOX Editor】> 【Open】，打開num.font.exp0.tif；矯正【Char】上的字符
- 操作截圖：
開始進行編寫識別
insert 添加
delete 刪除
merge 合並
split 分離 幾乎不用此按鈕
只選擇x值調
依次循環，第一張完成后，切換第二張 最后點擊保存
所有圖片編輯完后，點擊 Save 保存即可
8.執行批處理文件
- 【注意】：執行該批處理文件前，先要目錄下創建font_properties文件 ，也就是滴 5 步
- 在目標目錄下，新建一個txt文件，復制代碼，重命名為 do.bat，直接更改后綴名就可以
- 代碼如下
打開復制代碼-保存
echo Run Tesseract for Training..
tesseract.exe num.font.exp0.tif num.font.exp0 nobatch box.train
echo Compute the Character Set..
unicharset_extractor.exe num.font.exp0.box
mftraining -F font_properties -U unicharset -O num.unicharset num.font.exp0.tr
echo Clustering..
cntraining.exe num.font.exp0.tr
echo Rename Files..
rename normproto num.normproto
rename inttemp num.inttemp
rename pffmtable num.pffmtable
rename shapetable num.shapetable
echo Create Tessdata..
combine_tessdata.exe num.
echo. & pause
修改為 .bat文件
雙擊do.bat文件前
雙擊do.bat文件后
9.拷貝 num.trainddata 文件
- 最后將 num.trainddata 復制到 Tesseract-OCR 安裝目錄下的 tessdata 文件夾
- 【注意】：這里是【Tesseract-OCR 安裝目錄下的 tessdata 文件夾】
在圖片文件下 輸入cmd
再次輸入命令 tesseract num1.jpg num01 -l num
num1.jpg 換成自己的圖片
遇到問題 mftraining.exe 停止運行
解決方法 替換此文件就可以
用上面安裝的軟件，找到此路徑下這個文件直接替換就可
找到本地文件位置
下載可以啟動的文件
鏈接：https://pan.baidu.com/s/1NklBXlIi3W4D30O20lvXdw
提取碼：d2pb
地址只把替換的文件拿出來了
然后在執行 do.bat 就不報錯了
其他
基於圖片識別的識別率不高，所以我們一般先做圖片的處理再進行識別。這個時候我們可以用到Tess4J專門提供的ImageHelper。里面分別有如下方法：
getScaledInstance 放大圖片
getSubImage 截取圖片
convertImageToBinary 轉二進制
convertImageToGrayscale 將圖像轉換為灰度
invertImageColor 反轉圖像顏色
rotateImage 旋轉影像
//圖片轉圖片流
BufferedImage img = ImageIO.read(file);
// 這里對圖片黑白處理,增強識別率.這里先通過截圖,截取圖片中需要識別的部分
img = ImageHelper.convertImageToGrayscale(img);
// 圖片銳化,自己使用中影響識別率的主要因素是針式打印機字跡不連貫,所以銳化反而降低識別率
// img = ImageHelper.convertImageToBinary(img);
// 圖片放大5倍,增強識別率(很多圖片本身無法識別,放大7倍時就可以輕易識,但是考濾到客戶電腦配置低,針式打印機打印不連貫的問題,這里就放大7倍)
img = ImageHelper.getScaledInstance(img, img.getWidth() * 7, img.getHeight() * 7);
package com.app.ocr;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import javax.imageio.ImageIO;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import net.sourceforge.tess4j.util.ImageHelper;
public class Tess4jmain {
public static void main(String[] args) throws IOException {
// 識別圖片的文件（修改為自己的圖片路徑）
String imagePath = ClassLoader.getSystemResource("tupian/9188.png").getPath();
if (imagePath.length()>0){
imagePath = imagePath.substring(1);
}
System.out.println("imagePath:"+imagePath);
File file = new File(imagePath);
//圖片轉圖片流
BufferedImage img = ImageIO.read(file);
// 這里對圖片黑白處理,增強識別率.這里先通過截圖,截取圖片中需要識別的部分
img = ImageHelper.convertImageToGrayscale(img);
// 圖片銳化,自己使用中影響識別率的主要因素是針式打印機字跡不連貫,所以銳化反而降低識別率
img = ImageHelper.convertImageToBinary(img);
// 圖片放大5倍,增強識別率(很多圖片本身無法識別,放大7倍時就可以輕易識,但是考濾到客戶電腦配置低,針式打印機打印不連貫的問題,這里就放大7倍)
img = ImageHelper.getScaledInstance(img, img.getWidth() * 7, img.getHeight() * 7);
// 創建ITesseract對象
ITesseract instance = new Tesseract();
//設置訓練庫的位置
String path = ClassLoader.getSystemResource("tessdata").getPath();
if (path.length()>0){
path = path.substring(1);
}
//打印一下路徑，看有沒有問題
System.out.println("tessdata:"+path);
instance.setDatapath(path);
//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: "+result);
}
}
