tesseract-ocr 实现图片识别功能

admin

不久前因为项目需要，接触了一下关于图像识别的相关内容，比如Tesseract,这里就在这里分享下。

1、Tesserac-ocr简介
* C) ^- G, Y" |* \* ?& F9 g& P

[一个Google支持的开源的OCR图文识别开源项目。去持多语言(当前3.02 版本支持包括英文,简体中文,繁体中文),支持Windows,Linux,Mac OSX 多平台。使用中Tesseract 的识别率非常高。可以在项目网站下载：http://code.google.com/p/tesseract-ocr，新版本支持中文,中文语言包定义http://code.google.com/p/tesseract-ocr/downloads/detail?name=chi_sim.traineddata.gz。]

2、Tesseract安装

这里使用的版本为Tesseract3.02。直接点击上面的链接，下载windows下的安装文件tesseract-ocr-setup-3.02.02.exe。由于上面的链接经常很难打开，因此在这里提供百度云链接：http://pan.baidu.com/s/1mg21nMK

安装tesseract-ocr-setup-3.02.02.exe。安装成功后会在相应磁盘上生成一个Tesseract-OCR目录。如图我是安装到了如下位置

8 ]% b6 T% [/ N) U4 h

安装完成打开命令行，输入tesseract，展现如下图说明已经安装成功

3、命令行测试使用

接下来就可以使用tesseract进行图片识别了。准备一副待识别的图像，这里用画图工具随便写了一段字，然后定义成1.jpg

在命令行中定位到图片路径然后输入命令：

  tesseract 1.jpg result -l eng

     其中result表示输出结果文件txt名称，eng表示用以识别的语言文件为英文。会发现图片当前目录下生成了1个result.txt文件里面结果为

  

4、增加中文语言库

安装目录下的tessdata目录存放的是语言识别包，如果想增加中文识别功能，可以将中文的语言库放到此目录下，下载链接在下面地址：http://pan.baidu.com/s/1hqnGq4c，下载后将解压出的chi_sim.traineddata放到此目录下。然后调用的时候指明语言库即可，例如：tesseract xxx.jpg result -l chi_sim

照样，我们搞一个2.jpg图片，来测试下中文识别下的识别率怎么样。

( u& }# Z$ X8 Y

执行后结果

+ n# }% y& q! x5 F. p* `) m$ t

，可以看到，识别率并不是十分令人满意。而且这边使用的例子都是十分正规的字体。如果遇到验证码那种不规则的字体，识别率也会大打折扣的。

当然可以参考网上的相关资料进行对Tesseract字符识别进行样本训练，通过使用训练后的语言库会提高识别精度。这里就不做演示了。参考地址：

http://blog.csdn.net/yasi_xi/article/details/8763385 。但是遗憾的是使用的工具jTessBoxEditor不支持中文训练。附带jTessBoxEditor1.0 下载地址：http://pan.baidu.com/s/1sjBe5el

5、使用java调用tesseract

那如何使用java程序调用相应的tesseract进行操作呢？

这里介绍2种方式。

一种是使用cmd方式，另外一种就是使用tess4j。tess4j的源码地址 http://sourceforge.jp/projects/sfnet_tess4j/ 中文首页

感兴趣的自己下载查看源代码。

由于范例代码较多就不一一贴出来了，会在文章结尾提供一个下载链接，大概讲下结构，

  

如上图，tess4j包下是使用tess4j调用tesseract，src下的dll文件是需要使用到的。同时，加载的语言库文件也要放到tessdata目录下。而cmd 包下是使用cmd方式调用的范例，额外需要swingx-1.6.1.jar，调用时直接配置使用的安装的路径，并配置语言库即可。

/ d$ J# n! n: G- i$ P2 q) g7 w- X

  

代码下载地址，由于附带了data文件，jar包等，所以会比较大，接近50M。导入到工程即可。各个包下都有测试的Test类，直接右键就可以运行。前提是对应目录下有相应图片。

在cmd包下ClearImageHelper这个类是对图片进行处理的类，比如灰度转换，二值化，缩放等等，对于复杂图片可以先进行处理，来提高图片识别率。而tess4j下也封装了图片处理的工具类，基本都包含这些功能，例子中也给出了部分样例。

Bty，话说使用原生态识别调用，跟tess4j得到的结果还是有所差别的。

# B0 G6 R% W5 @6 ?& A" i+ p

代码下载地址

游客，如果您要查看本帖隐藏内容请回复

如果对图像识别感兴趣的同学可以学习下opencv等

huoyan56789

学习了，正好解决问题

程序猿

哈哈，留着用

asdzxc

学习了，以后留着用

lexluthory

收藏了待用

the_jinx

头好痛，麻烦楼主大发慈悲

小样字

学习了，正好解决问题

小样字

*               *                          
                  * * * *           *      
4 \9 B4 v: b: A7 ~7 z% O       *                                    
                                            
   *****       ***    ********    ****      
  **   **     *** *         **   **  **     
2 D  J; u( t; ]7 H, o     *  **   ****          *** *** *  **   
       **      **          **         **   
     ***       **         **         **     
       **      **        **         **      
7 E) W+ |# I+ W       ***     **       ** *   * * **    *  
4 ]7 S% k. j, h( p& U        **     **   *  **         **        
***   **      **     **         **         
  *******    ******   **        ********   
               *                           
    * *               *                     
                           *               
% D: p0 Z: x4 D4 i0 v& }                                            
[[C@e77781
java.io.IOException: Cannot run program "C://ProgramFiles//Tesseract-OCR//tesseract" (in directory "E:\temp"): CreateProcess error=2, ϵͳÕҲ»μ½ָ¶
        at java.lang.ProcessBuilder.start(ProcessBuilder.java:1041)
8 o4 @+ ^* c  f! k. |+ i3 c4 B        at acts.songer.cmd.OCR.recognizeText(OCR.java:54)
        at acts.songer.cmd.TestOcr.getValCode(TestOcr.java:28)
# z0 R* ]2 M7 T' F" A        at acts.songer.cmd.TestOcr.main(TestOcr.java:22)
Caused by: java.io.IOException: CreateProcess error=2, ϵͳÕҲ»μ½ָ¶
5 s& n. t* v0 ^6 i        at java.lang.ProcessImpl.create(Native Method)
        at java.lang.ProcessImpl.<init>(ProcessImpl.java:385)
6 \5 V, ~' ~0 E) D1 F0 q8 r        at java.lang.ProcessImpl.start(ProcessImpl.java:136)
8 C3 H# x0 a1 _6 F' T        at java.lang.ProcessBuilder.start(ProcessBuilder.java:1022)
3 @( X1 q; p/ O. B% a        ... 3 more

  W) n) W1 `( }/ d1 w( x
我运行报错，这个是怎么回事啊。好像也没输出我想要的

gytmtc

好东西

admin

gytmtc 发表于 2016-1-14 06:30
# e1 b- c0 C1 [0 P1 C$ F好东西

6 h; l" X/ ^2 j1 [哈哈哈 好好学习

匡先生

太棒了  非常好这个