Java使用Tess4J实现图像识别方式

java tess4j实现图像识别

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：http://tess4j.sourceforge.net/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：https://github.com/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。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持。