java 图片识别文字思路 java识别图片上的文字

一、使用tesseract-ocr

window64位安装包：tesseract-ocr-w64-setup-v4.1.0.20190314.exe

简体中文训练文件：chi_sim.traineddata 约40M

2.　将训练文件chi_sim.traineddata放入安装目录下的tessdata目录中

3.    配置环境变量，在path变量中加入tesseract安装目录，例如C:\Program Files\Tesseract-OCR

4.　添加系统环境变量TESSDATA_PREFIX，值为训练文件的目录，例如C:\Program Files\Tesseract-OCR\tessdata

5.　使用java调用命令行执行转换，命令格式例如：F:\pic>   tesseract 6.png 66 -l chi_sim 即：在F:\pic目录下使用tesseract命令利用chi_sim训练文件把6.png文件转换成66.txt文件

二、使用tess4j

1.    使用maven下载所需jar包：

net.java.dev.jna

jna

4.1.0

net.sourceforge.tess4j

tess4j

3.4.0

com.sun.jna

jna

2.下载简体中文训练文件：chi_sim.traineddata

3.使用如下代码调用

//加载待读取图片

File imageFile = new File("F://pic.png");

//创建tess对象

ITesseract instance = new Tesseract();

//设置训练文件目录

instance.setDatapath("F://tessdata");

//设置训练语言

instance.setLanguage("chi_sim");

//执行转换

String result = instance.doOCR(imageFile);