Tesseract-OCR安装与使用.获取图片中文字信息

Tesseract-OCR安装

Tesseract-OCR下载地址：https://github.com/UB-Mannheim/tesseract/wiki，下载tesseract安装包

安装tesseract，双击进行运行安装。全部点next就行。自己选择安装的位置

配置tesseract环境变量

系统环境变量–>path，添加Tesseract-OCR的路径位置

系统变量–>新建
变量名：TESSDATA_PREFIX
变量值: D:\java工具\Tesseract-ocr\tessdata 你Tesseract安装的位置我是默认的安装位置
这一步是添加Tesseract-OCR的语言库，语言库地址：https://github.com/tesseract-ocr/tessdata。你还可以根据实际情况去自己训练自己的语言

Tesseract-ORC与java代码结合。截图获取图片中信息。不截屏可以直接换成图片地址。


import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;public class xxx {public static void main(String[] args) {try {jp();//图片文件：此图片是需要被识别的图片File file = new File("D:\\java工具\\Tesseract-ocr\\tessdata\\图片\\test.png");System.out.println("begin.........");String recognizeText1 = new test01().recognizeText(file);System.out.print(recognizeText1+"\t");} catch (IOException e) {e.printStackTrace();} catch (Exception e) {e.printStackTrace();}}//截屏public static void jp(){Dimension screenSize = Toolkit.getDefaultToolkit().getScreenSize();// 创建需要截取的矩形区域Rectangle rect = new Rectangle(0, 0, screenSize.width, screenSize.height);// 截屏操作BufferedImage bufImage = null;try {bufImage = new Robot().createScreenCapture(rect);                   //存入截图if (ImageIO.write(bufImage, "PNG", new File("D:\\java工具\\Tesseract-ocr\\tessdata\\图片\\test.png"))) {System.out.println("截屏成功");}} catch (Exception e) {throw new RuntimeException(e);}}
}

调用下面的test01方法，进行读取数据

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;public class test01 {private final String LANG_OPTION = "-l";private final String EOL = System.getProperty("line.separator");/*** Tesseract-OCR的安装路径*/private String tessPath = "D://java工具//Tesseract-ocr";/*** @param imageFile   传入的图像文* @return 识别后的字符串*/public String recognizeText(File imageFile) throws Exception {/*** 设置输出文件的保存的文件目录，创建output文件夹*/File outputFile = new File(imageFile.getParentFile(), "output");StringBuffer strB = new StringBuffer();List<String> cmd = new ArrayList<String>();cmd.add(tessPath + "\\tesseract");cmd.add("");cmd.add(outputFile+"\\"+outputFile.getName());cmd.add(LANG_OPTION);
//        cmd.add("chi_sim");// 切换中文识别语言或者你自己训练的语言cmd.add("eng");ProcessBuilder pb = new ProcessBuilder();pb.directory(new File(tessPath));cmd.set(1, imageFile.getParentFile()+"\\"+imageFile.getName());pb.command(cmd);pb.redirectErrorStream(true);long startTime = System.currentTimeMillis();System.out.println("开始时间：" + startTime);Process process = pb.start();/**/int w = process.waitFor();if (w == 0)// 0代表正常退出{BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile+"\\"+outputFile.getName()+".txt"),"UTF-8"));String str;while ((str = in.readLine()) != null) {strB.append(str).append(EOL);}in.close();long endTime = System.currentTimeMillis();System.out.println("结束时间：" + endTime);System.out.println("耗时：" + (endTime - startTime) + "毫秒");} else {String msg;switch (w) {case 1:msg = "Errors accessing files. There may be spaces in your image's filename.";break;case 29:msg = "Cannot recognize the image or its selected region.";break;case 31:msg = "Unsupported image format.";break;default:msg = "Errors occurred.";}throw new RuntimeException(msg);}// 删除生成的文件new File(outputFile+"\\"+outputFile.getName()+".txt").delete();return strB.toString().replaceAll("\\s*", "");}
}

结果：

Tesseract-OCR安装与使用.获取图片中文字信息相关推荐

Tesseract OCR与文本智能识别
博主简介博主是一名大二学生,主攻人工智能研究.感谢让我们在CSDN相遇,博主致力于在这里分享关于人工智能,c++,Python,爬虫等方面知识的分享. 如果有需要的小伙伴可以关注博主,博主会继续更新 ...
Tesseract OCR 训练字库
Tesseract OCR是一款由HP实验室开发由Google维护的开源OCR引擎,在字符识别领域发挥着举足轻重的作用.除了使用软件自带的中英文识别库,我们可以使用Tesseract OCR训练属于自 ...
ocr语种识别_利用OCR图文识别，快速帮你提取文字信息
我们在浏览网页.读书的时候,经常找到我们感兴趣的资料,有时候一些纸质文字或图片是无法复制保存的,那么为了方便这类信息的提取.编辑保存,中安未来特研发了OCR图文识别技术: 中安未来OCR图文识别技术是 ...
Java识别获取pdf中文字信息（此方法任意pdf的信息都可以拿到）
一.举例需求(拿较难的发票识别举例) 平时工作或者开发过程中如果遇到需要识别pdf发票中信息的情况,如获取发票代码号码,开票日期,校验码等,比如下面的发票,项目中需要读取发票中信息二.方法原理使用 ...
java提取图片位置信息_实战项目——获取图片中的GPS位置信息和拍摄时间
今天突然看到有人写过获取图片中位置信息的程序.我觉得很有趣,也就自己实践了一下,研究了一下话不多说,先上代码 1 #!/usr/bin/env python3 2 #-*- coding: utf- ...
iOS实践：OpenCV、Tesseract OCR结合识别图片中文字
前言: 前天领导问,类似扫描文件识别图中文字的功能如何实现,找一下第三方的开源库,尝试下,于是有了这篇文章: 分析: 识别场景中,识别身份证信息当属典型,查阅了几篇文章,后续的实现中也多导入了其代码: ...
Tesseract Ocr文字识别实战（新版本，扩展手写文字识别）
目录 1.Tesseract Ocr文字识别 1.1 运行环境 1.2 python模块 1.3 配置tesseract运行文件 1.4 代码识别 2. 手写汉字识别 2.1 下载库 2.2 代码 1 ...
Tesseract OCR简介(三)--安装及参数使用
参考:AI-Tesseract-OCR简介_花熊的博客-CSDN博客_tesseract坐标一.windows 1.1 Tesseract安装适用于Tesseract 3.05和Tesseract ...
用Tesseract OCR识别图片文字
用tesseract ocr识别图片中的文字准备 OCR与Tesseract介绍将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR).可以 ...

Tesseract-OCR安装与使用.获取图片中文字信息

Tesseract-OCR安装

配置tesseract环境变量

Tesseract-ORC与java代码结合。截图获取图片中信息。不截屏可以直接换成图片地址。

Tesseract-OCR安装与使用.获取图片中文字信息相关推荐

最新文章

热门文章