今天给大家分享一个Java实现OCR（图片转文字）的方法。
具体实现是把tess4j整合到一个SpringBoot项目中。
下面是详细步骤
什么是Tess4j
在实现OCR之前，先要分清楚Tesseract和Tess4j的区别。
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。
Tesseract引擎的下载
根据上面介绍的，Tess4j只是提供OCR的Java接口，真正OCR的Tesseract引擎。所以我们得先下载对应系统的Tesseract引擎（这里我以Windows版本为例）。
下载地址【github.com/UB-Mannheim…】
下载完成之后选择安装路径，默认安装即可。
中文文字训练集下载
Tesseract引擎默认是无法识别中文的，只能识别数字或者英文。如果我们想实现中文的识别就得去下载对应的训练集。
下载地址【github.com/tesseract-o…】
我们可以看到Tesseract提供了很多语言的训练集，这里我们选择简体中文chi_sim。
然后将训练集放到Tesseract引擎对应的目录下，如下所示，tessdata文件夹是专门用来放训练集的。
到此为止，我们的环境准备工作已经完成了。
实现OCR
首先新建一个SpringBoot项目，由于是提供api接口，所以勾选spring web。
添加Maven依赖
net.sourceforge.tess4j
tess4j
4.5.1
service层的实现
代码如下。
ps：如果我们想实现多语言识别，只需要在设置原因的时候将语言类型拼接起来。
@Service
public class OcrService {
private final ITesseract tesseract;
public OcrService() {
this.tesseract = new Tesseract();
//训练集存放的目录
this.tesseract.setDatapath("D:tesseracttessdata");
}
public String recognizeText(BufferedImage image) throws TesseractException {
tesseract.setLanguage("chi_sim");
//如果想要实现简体和繁体的识别，只需要将语言类型拼接起来
//tesseract.setLanguage("chi_sim+chi_tra");
return tesseract.doOCR(image);
}
controller层的实现
接下来我们对外提供一个controller接口，接收参数为MultipartFile
@RestController
@RequestMapping("/api/ocr")
public class OcrController {
@Autowired
private OcrService ocrService;
@PostMapping("/recognize")
public ResponseEntity recognizeText(@RequestParam("file") MultipartFile file) {
try {
String result = ocrService.recognizeText(ImageIO.read(file.getInputStream()));
return ResponseEntity.ok(result);
} catch (IOException | TesseractException e) {
return ResponseEntity.badRequest().body("图片处理出错: " + e.getMessage());
}
}
测试接口
首先启动SpringBoot项目。
这里用postman来做api测试，测试对下面图片中文字识别的准确率
postman中headers和body设置如下，完成之后点击send，可以看出识别的速度还是非常快的，仅用时1秒多，准确率也很高。
是不是很简单，Tessdata不仅能够识别这些标准文字，还能识别很多特殊的字体，甚至可以用自己的笔迹来生成一个训练集来专门识别自己写的字！
更多文章，推荐公众号【程序员老J】
