java使用Tess4j 识别图片文字

最近在搞图片识别的功能，这里记录下进度

公司是希望自己做，不使用商业化的图片识别，于是我找到了开源的  tessreact ,目前只有它支持中文

经过几天的研究，发现这个东西基本都是通过安装软件，然后调用cmd 命令实现的，很是麻烦

我找到了tess4j ,tess4j 整合了tessreact的dll，只需要简单的几句话就可以运行了

如果你 打不开 tess4j 官网，那你就需要vpn了，目前国内的vpn服务都挂了，我给大家推荐 蓝灯(*)

下载好 tess4j 后 解压

创建maven项目 ,将tessdata放到项目根目录

在pom.xml 中引用

<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>3.2.1</version>
</dependency>

有点耐心，可能会很慢，tess4j 要引用的依赖包 很多

要识别中文，你还需要 下载中文语言包 ，chi_sim.traineddata

来这找吧，都是语言包

准备工作做完，创建一个java类，测试

 File imageFile = new File("C:\\Users\\1\\Desktop\\其他\\IMG_1345.JPG");    
        ITesseract instance = new Tesseract();  // JNA Interface Mapping    
//         ITesseract instance = new Tesseract1(); // JNA Direct Mapping    
        instance.setLanguage("chi_sim");//添加中文字库  
        try {    
            String result = instance.doOCR(imageFile);    
            System.out.println(result);    
        } catch (TesseractException e) {    
            System.err.println(e.getMessage());    
        } 

运行成功，但是 识别的好慢，要10多秒

有些人会出现下面的异常，其实我也出现了

Exception in thread "main" java.lang.UnsatisfiedLinkError: 找不到指定的模块。

	at com.sun.jna.Native.open(Native Method)
	at com.sun.jna.Native.open(Native.java:1759)
	at com.sun.jna.NativeLibrary.loadLibrary(NativeLibrary.java:260)
	at com.sun.jna.NativeLibrary.getInstance(NativeLibrary.java:398)
	at com.sun.jna.Library$Handler.<init>(Library.java:147)
	at com.sun.jna.Native.loadLibrary(Native.java:412)
	at com.sun.jna.Native.loadLibrary(Native.java:391)
	at net.sourceforge.tess4j.util.LoadLibs.getTessAPIInstance(LoadLibs.java:81)
	at net.sourceforge.tess4j.TessAPI.<clinit>(TessAPI.java:42)
	at net.sourceforge.tess4j.Tesseract.init(Tesseract.java:367)
	at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:280)
	at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:212)
	at net.sourceforge.tess4j.Tesseract.doOCR(Tesseract.java:196)
	at com.xueyou.orc.Identify.main(Identify.java:13)

对于这个异常，我查找了好半天，最终发现 是 tess4j包 的引用版本问题，我之前 引用的是 3.4.0 版本，后来才改成 3.2.1版本

还有一种说法，tesseract-orc 中的 dll 在windos下是通过vc2013 编译的,需要你安装相应的工具包

我安了，没什么卵用

现在最大的问题是两个 

1.中文训练好麻烦

2.识别时间太长