tess4jを使用してJavaで画像テキスト認識機能を実装するにはどうすればよいですか?

java は画像テキスト認識に tess4j を使用します

1. はじめに

Tess4J は、Tesseract OCR API の Java (JNA) カプセル化です。 。
昔、自動ログインを行ってWebページ上の未処理データのボタンをクリックする必要があり、ログイン確認コードの検証が必要だったので、簡単な単語や数字を認識できるTess4Jを使用していました。 , 等、認識率は正常のようですが、エラーが出た場合は認証コードを変更して再試行すれば、あと何回か試しても成功します。ここで、将来の参照のために、以前の簡単な使用プロセスを記録します。

Tess4J は、Tesseract OCR API の Java JNA パッケージです。 Tess4J の API を呼び出して、Java が Tesseract OCR を使用できるようにします。サポートされている形式には、TIFF、JPEG、GIF、PNG、BMP、JPEG、PDF が含まれます。初めてこれに接したとき、私はまだこの 2 つのことの間で混乱していました。明確に言うと、Tess4J は Java で直接使用できる jar パッケージであり、Tesseract OCR は Tess4J をファイル テキスト認識にサポートするための基礎です。 ##Tess4JMaven を使用して直接インポートできます。

2. 使用プロセス

1. Maven の依存関係を pom.xml

		<!-- tess4j start -->
		<dependency>
		    <groupId>net.sourceforge.tess4j</groupId>
		    <artifactId>tess4j</artifactId>
		    <version>5.6.0</version>
		</dependency>
		<!-- tess4j end -->

に導入します

2. 言語ライブラリ ファイルを tessdata ディレクトリに準備します

関連する言語ライブラリ ファイルを事前にダウンロードする必要があります。ここでは 2 つの chi_sim.traineddata と eng.traineddata をダウンロードしました ダウンロード アドレス: https://codechina.csdn.net/mirrors/tesseract-ocr /tessdata
ダウンロード後、コード内のディレクトリに配置します

3. テスト用のテストコードを記述します

画像を2枚用意して配置しますこれらはコード内にあります。 リソース ディレクトリでは、プログラムが読み取るのに便利です。

#図 1

画像 2

#2 つの画像はリソース ディレクトリに配置されます

コードは次のとおりです:

package cn.ljhua;

import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.io.InputStream;

import javax.imageio.ImageIO;

import lombok.extern.slf4j.Slf4j;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

/**
 * Tess4jOcr测试示例
 * @author liujh
 */
@Slf4j
public class Tess4jOcrTest {
	
	public static void main(String[] args) {
		
		Tess4jOcrTest test = new Tess4jOcrTest();
		test.ocrTest();
		
	}
	
	public void ocrTest() {
		
		log.info("ocrTest start....");
		long startMs = System.currentTimeMillis();
		
		 //Tesseract的代码开始---------------------->>>>
		ITesseract instance = new Tesseract();
		
		/**
		 * 组装接好tessdata目录的路径字符串
		 */
		String filePathPre = System.getProperty("user.dir");
    	String dataPath = filePathPre + File.separator + "tessdata";
    	
    	/**
		 * 设置目录datapath the tessdata path to set
		 * 否则会报Please make sure the TESSDATA_PREFIX environment variable is set to your "tessdata" directory.错误
		 */
    	instance.setDatapath(dataPath);
    	//instance.setLanguage("eng");//默认，可以不写
    	instance.setLanguage("chi_sim");//设置中文识别
		
    	String imageName = "verifyCode.png";
        try (InputStream inStream = this.getClass().getResourceAsStream("/" + imageName)) {
            
        	BufferedImage bImage = ImageIO.read(inStream);
        	//doOCR也可以传参为File，我这里传的BufferedImage
        	String result = instance.doOCR(bImage);
        	//识别的结果回来可能会带回车，处理掉
        	result = result.replaceAll("\n", "");
        	log.info("图片名：" + imageName +" 识别结果："+ result);
        	
        } catch (IOException e) {
            log.error(e.getMessage(),e);
        } catch (TesseractException e) {
        	log.error(e.getMessage(),e);
		}
        
        imageName = "vCode2.jpg";
        try (InputStream inStream = this.getClass().getResourceAsStream("/" + imageName)) {
            
        	BufferedImage bImage = ImageIO.read(inStream);
        	//doOCR也可以传参为File，我这里传的BufferedImage
        	String result = instance.doOCR(bImage);
        	//识别的结果回来可能会带回车，处理掉
        	result = result.replaceAll("\n", "");
        	log.info("图片名：" + imageName +" 识别结果："+ result);
        	
        } catch (IOException e) {
            log.error(e.getMessage(),e);
        } catch (TesseractException e) {
        	log.error(e.getMessage(),e);
		}
		//Tesseract的代码结束--------------------->>>>
        
		log.info("ocrTest success. spend time :{} ms.", (System.currentTimeMillis() - startMs));
		
	}
}

テスト結果のスクリーンショットは次のとおりです:

英語の認識は比較的正常であり、中国語の認識にはスペースが含まれていますが、必要に応じて、コードを通じてスペースをさらに削除することができます。この時点で、tess4j の簡単な使用テストは完了です。

以上がtess4jを使用してJavaで画像テキスト認識機能を実装するにはどうすればよいですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。