Java OCR tesseract 图像智能字符识别技术

Posted 2020-09-26 wzzkaifa

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：

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：

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：

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~