最近需要用Java做一个图像识别的东西,查了一些资料,在此写一个基于Tess4J的教程,方便其他人参考和使用。
其实做图像识别,也可以使用TESSERACT-OCR来实现,但是该方式需要下载软件,在电脑上安装环境,移植性不高,使用Tess4J只需要下载相关Jar包,导入项目,再把项目封装好就可以处处运行了。
首先,下载Tess4J的相关资源(一个压缩包),官网:/codesample.html。
解压,其中的目录结构如下:
需要用到其中圈起来的三个文件夹中的东西。lib文件夹下放的是需要用到的Jar包,tessdata下放的是语言库,默认的有英语库,中文库需要另外下载,下载地址:/tesseract-ocr/tessdata/blob/master/chi_sim.traineddata。
新建一个Java项目,将lib文件夹和tessdata文件夹复制到项目的根目录下,找到dist文件夹下的tess4j.jar(名字可能有版本号),将该文件也复制到项目根目录下的lib文件夹下。
项目的的目录如下:
lib中的文件如下(tess4J.jar也在该目录下):
再在eclipse中打开项目,在项目中导入lib文件夹中所有的jar包(Build path --> configure build path),导入后的结果如下:
这样前期准备工作就完成了,下面就剩下代码了。Tess4J的代码比较简洁,如下:
Tess4JTest.java
package ocr;import net.sourceforge.tess4j.ITesseract;import net.sourceforge.tess4j.Tesseract;import net.sourceforge.tess4j.TesseractException;import net.sourceforge.tess4j.util.LoadLibs;import java.io.File;import java.io.IOException;/*** Tess4J测试类*/public class Tess4JTest {public static void main(String[] args){String path = "D://Java//Tess4J";//我的项目存放路径File file = new File(path + "//photo.jpg");ITesseract instance = new Tesseract();/*** 获取项目根路径,例如: D:\IDEAWorkSpace\tess4J*/File directory = new File(path);String courseFile = null;try {courseFile = directory.getCanonicalPath();} catch (IOException e) {e.printStackTrace();}//设置训练库的位置instance.setDatapath(courseFile + "//tessdata");instance.setLanguage("eng");//chi_sim :简体中文, eng根据需求选择语言库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);}}
这样就搞定了。
效果如下:
原图:
读取结果:
从结果来看准确率还有待提高,l 和 1分不清,0 和 O 也没有分清,汉字的准确率还要低一些,大家可以自行训练字体库优化。