最近有个需要,小程序端手写中文之后生成图像,后端需识别图片上中文..;刚开始想到第三方收费api试试,先用了百度AI开放平台的通用字体识别的API,后来又找到了Tessearct-OCR,参考了几篇文摘整合了一下
准备:
1.下载Tessearct-COR 3.0以上版本:/download/qq_26161693/10646074
2. 在安装时选择chi_sim.traineddata 语言库;之后在程序中需加载安装目录tessdata下的中文包(chi_sim.traineddata );
maven依赖:
net.sourceforge.tess4j
tess4j
3.2.1
Demo:
/**
*
* @param srImage 图片路径
* @param ZH_CN 是否使用中文训练库,true-是
* @return 识别结果
*/
public static String discernWord(String imagePath) {
try {
File image = new File(imagePath);
BufferedImage textImage = ImageIO.read(image);
Tesseract instance = Tesseract.getInstance();
instance.setDatapath("C:\\Program Files (x86)\\Tesseract-OCR\\tessdata");// 设置语言库
instance.setLanguage("chi_sim");// 中文识别
String words = null;
words = instance.doOCR(textImage);
return words;
}
catch (Exception e) {
e.printStackTrace();
}
}
Test:
public static void main(String[] args) throws Exception {
String words = discernWord("F:/test_used_url/ocr/originalPic/hotkidclub.jpg", true);//需识别的图文件路径
System.out.println(words);
}
ps:
在window开发环境下先安装了tesseract亲测可行,不过没试过不安装exe只加载语言包的情;况
随后在部署到Linux环境下运行会有种种的坑
解决:1)linux安装Tesseract-OCR之后,将.so相关文件复制到/usr/lib目录
2)在项目的根目录(maven的话就是resources)下添加:linux-86-64文件夹
3)配置Linux的语言环境变量
4)若访问量大的情况tomcat也容易崩掉,需设置好线程数或并发量;
详情参考:/zlAurora/p/9266039.html;
