Java OCR tesseract 图像智能字符识别技术

Posted wzzkaifa

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Java OCR tesseract 图像智能字符识别技术相关的知识,希望对你有一定的参考价值。

公司有需求啊,所以就得研究哈。近期公司须要读验证码。于是就研究起了图像识别。应该就是传说中的OCR:光学字符识别OCR),以下把今天的收获整理一个给大家做个分享。

本人程序用的tesseract,官方地址:https://code.google.com/p/tesseract-ocr/。不为别的,谁让它支持我们的天朝的文字呢~哈

下载好程序后解压:

技术分享

大概能够看到这样一个文件夹。别见怪楼主里面一堆測试文件。

然后就開始我们的測试之旅:

tesseract的使用方法:

參数1:须要识别的文件

參数2:输出的文件名,输出的是文本文件。里面保存了识别的信息

识别英文这两个參数就能够了。以下做个实验:

技术分享

我们在命令行输入:tesseract 5.jpg 6 ,能够看到程序生成了一个6.txt ,里面保存着识别后的文本,怎么样简单又给力~


上面说道tesseract 是支持中文的,所以么,接下来看看怎样使用tesseract 实现我们中文的识别,以下继续介绍其它參数

參数3:-l

參数4: 使用的语言库

參数3 -l应该是知道參数4所使用的语言库,默认英文,也就是为什么上面识别英文的样例,并没有输入參数3和參数4。也实现了识别。

以下继续我们的实验:

技术分享

我们准备了一张图片,然后使用tesseract zhongwen.jpg  7  -l chi_sim 指明了中文语言,然后效果图上,还是非常不错的,毕竟我们的中文是如此的博大精深。而且tesseract能够经过训练,然后识字的能力就会大幅度提升。

好了,因为一行代码没写,就不上传代码了,大家自己去官网下载。接下来我会使用Java带大家实现这种小程序。


假设这篇文章对你实用。就赞一个~欢迎大家留言,多交流~

















以上是关于Java OCR tesseract 图像智能字符识别技术的主要内容,如果未能解决你的问题,请参考以下文章

OCR(tesseract),图像智能旋转

Windows下命令行及Java+Tesseract-OCR对图像进行(字母+数字+中文)识别,亲测可行

Windows下命令行及Java+Tesseract-OCR对图像进行(字母+数字+中文)识别,亲测可行

使用 Tesseract OCR 进行汉字识别

Tesseract OCR 不会忽略黑名单字符

Windows安装用于OCR的Tesseract及使用命令行参数进行OCR