Java ORC圖片識別

背景

最近公司需要將一批登記表的圖片，手動更名為編碼 .jpg,而這個編碼號可以在登記表中找到。于是，上網調研，發現具有現成簡單的技術來做圖片識別。

使用技術

java + tess4j + Tesseract-OCR

gitee 代碼地址

實現步驟

步驟1：
首先安裝 Tesseract-OCR 客戶端。

客戶端下載地址：https://digi.bib.uni-mannheim.de/tesseract/ <博主使用這個下載的客戶端 使用版本為[v4.0.0-beta.4.20180912.exe]>

github項目地址：https://github.com/tesseract-ocr/ <博主使用這個查看的資料>

安裝完成后的目錄結構

其中重要的2個程序為 當前目錄下的tesseract.exe

使用cmd可以直接使用 tesseract.exe 程序

tessdata/ 識別的語言庫

步驟2：

新建一個java項目，引入依賴

<dependencies><dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>4.0.1</version></dependency></dependencies>

tess4j 盡量和 Tesseract-OCR 版本相匹配。 <博主遇到一次問題，版本不匹配，tess4J 輸出日志也十分簡短，后來提高版本解決>

步驟3:

代碼實現：

File srcFile = new File("C:\\Users\\a9747\\Desktop\\jpg2\\Y0523-0631\\Y0523-0631\\Image_00056.jpg");BufferedImage bufferedImage = ImageIO.read(srcFile);ITesseract instance =new Tesseract();//設置安裝Tesseract-OCR目錄下的 tessdata文件夾instance.setDatapath("D:\\orc5\\Tesseract-OCR\\tessdata");//選擇語言instance.setLanguage("chi_sim");try{System.out.println("開始識別");//Rectangle 為識別圖片的范圍，可以不傳這個參數String result = instance.doOCR(bufferedImage,new Rectangle(471,359,430,85));//識別到的文本內容System.out.println(result);Pattern pattern =Pattern.compile("(01[0-9]{10}|320[0-9]{9})");Matcher matcher = pattern.matcher(result);if(matcher.find()){String number = matcher.group();System.out.println("識別到編號："+number);}}catch (Exception e){e.printStackTrace();}}

后記

? github項目地址中有各國語言的訓練數據，可以下載到本地。

? 如果發現識別出來的效果達不到自己需要的效果，可以選擇：

* 切換使用語言庫 * 更加精準的定義需要識別的區域 * 網上尋找更好的訓練數據 * 自己訓練語言數據

總結

以上是生活随笔為你收集整理的Java ORC图片识别的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。