tesseract是一个开源的光学字符识别（OCR）引擎，它可以将图像中的文字转换为计算机可读的文本。支持多种语言和书面语言，并且可以在命令行中执行。它是一个流行的开源OCR工具，可以在许多不同的操作系统上运行。
Tess4J是一个基于Tesseract OCR引擎的Java接口，可以用来识别图像中的文本，说白了，就是封装了它的API，让Java可以直接调用。
目录
一、安装 tesseract （OCR）
二、下载训练数据
三、创建spring boot 项目
1、导入依赖
2、编写配置类
3、编写controller
5、编写service
5、运行调试
一、安装 tesseract （OCR）
Index of /tesseract 找到符合自己电脑的安装
二、下载训练数据
https://raw.gitcode.com/gh_mirrors/te/tessdata/blobs/eeb66cfbd9c02b170a6aeeece673910793d8d8c4/chi_sim.traineddata
三、创建spring boot 项目
1、导入依赖
<dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>5.3.0</version></dependency>2、编写配置类
package com.example.config;import net.sourceforge.tess4j.Tesseract;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;@Configuration
public class TesseractOcrConfig {@Value("${tess4j.datapath}")private String dataPath;@Beanpublic Tesseract tesseract() {Tesseract tesseract = new Tesseract();// 设置训练数据文件夹路径tesseract.setDatapath(dataPath);// 设置为中文简体tesseract.setLanguage("chi_sim");return tesseract;}}
3、编写controller
package com.example.controller;import com.example.service.OcrService;
import lombok.extern.slf4j.Slf4j;
import net.sourceforge.tess4j.TesseractException;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.multipart.MultipartFile;import java.io.IOException;@RestController
@RequestMapping("/api")
@Slf4j
public class OcrController {private final OcrService ocrService;public OcrController(OcrService ocrService) {this.ocrService = ocrService;}@PostMapping(value = "/recognize", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)public String recognizeImage(MultipartFile file) throws TesseractException, IOException {log.info(ocrService.recognizeText(file));// 调用OcrService中的方法进行文字识别return ocrService.recognizeText(file);}
}
5、编写service
package com.example.service.impl;import com.example.service.OcrService;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import org.springframework.stereotype.Service;
import org.springframework.web.multipart.MultipartFile;import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;@Service
public class OcrServiceImpl implements OcrService {private final Tesseract tesseract;public OcrServiceImpl(Tesseract tesseract) {this.tesseract = tesseract;}/**** @param imageFile 要识别的图片* @return*/@Overridepublic String recognizeText(MultipartFile imageFile) throws IOException, TesseractException {// 转换InputStream sbs = new ByteArrayInputStream(imageFile.getBytes());BufferedImage bufferedImage = ImageIO.read(sbs);// 对图片进行文字识别return tesseract.doOCR(bufferedImage);}
}
接口
package com.example.service;import net.sourceforge.tess4j.TesseractException;
import org.springframework.web.multipart.MultipartFile;import java.io.IOException;public interface OcrService {public String recognizeText(MultipartFile imageFile) throws IOException, TesseractException;
}
5、运行调试
可以看到识别率还是很棒的
注：图片颜色比较多的时候有有点识别不清楚了以及一些带字体的文本 毕竟是免费的
