码迷，mamicode.com
首页 > 其他好文 > 详细

tesseract-ocr图片识别开源工具

时间：2016-07-01 06:43:02      阅读：643      评论：0      收藏：0      [点我收藏+]

标签：

tesseract-ocr图片识别开源工具

今天看同事的ppt，提到了图片识别，又tesseract-ocr，觉得不错，试一下，如果效果好可以用来做验证码的识别
http://code.google.com/p/tesseract-ocr/
tesseract是一款开源工具，我安装了Windows版试水先
1、首先登录首页在‘下载’页面下载
Java代码  技术分享
  1. tesseract-ocr-setup-xx.xx.exe       
  2. chi_sim.traineddata.gz   中文语言包  

2、双击即可安装tesserract-ocr,
3、安装中文语言包，将语言包 chi_sim.traineddata.gz   解压到 Tesseract-OCR下
4、写测试代码：
Java代码  技术分享
  1. package com.taobao.voc.tesseract;  
  2.   
  3. import java.io.BufferedReader;  
  4. import java.io.File;  
  5. import java.io.FileInputStream;  
  6. import java.io.InputStreamReader;  
  7. import java.util.ArrayList;  
  8. import java.util.List;  
  9.   
  10. import org.jdesktop.swingx.util.OS;  
  11.   
  12. public class OCR {  
  13.     private final String LANG_OPTION = "-l";  //英文字母小写l，并非数字1  
  14.     private final String EOL = System.getProperty("line.separator");  
  15.     private String tessPath = "D://java_tools//Tesseract-OCR";  
  16.     //private String tessPath = new File("tesseract").getAbsolutePath();  
  17.   
  18.     public String recognizeText(File imageFile,String imageFormat)throws Exception{  
  19.         File tempImage = ImageIOHelper.createImage(imageFile,imageFormat);  
  20.         File outputFile = new File(imageFile.getParentFile(),"output");  
  21.         StringBuffer strB = new StringBuffer();  
  22.         List<String> cmd = new ArrayList<String>();  
  23.         if(OS.isWindowsXP()){  
  24.             cmd.add(tessPath+"//tesseract");  
  25.         }else if(OS.isLinux()){  
  26.             cmd.add("tesseract");  
  27.         }else{  
  28.             cmd.add(tessPath+"//tesseract");  
  29.         }  
  30.         cmd.add("");  
  31.         cmd.add(outputFile.getName());  
  32.         cmd.add(LANG_OPTION);  
  33.         //cmd.add("chi_sim");  
  34.         cmd.add("eng");  
  35.   
  36.         ProcessBuilder pb = new ProcessBuilder();  
  37.         pb.directory(imageFile.getParentFile());  
  38.   
  39.         cmd.set(1, tempImage.getName());  
  40.         pb.command(cmd);  
  41.         pb.redirectErrorStream(true);  
  42.   
  43.         Process process = pb.start();  
  44.         //tesseract.exe 1.jpg 1 -l chi_sim  
  45.         int w = process.waitFor();  
  46.   
  47.         //删除临时正在工作文件  
  48.         tempImage.delete();  
  49.   
  50.         if(w==0){  
  51.             BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile.getAbsolutePath()+".txt"),"UTF-8"));  
  52.   
  53.             String str;  
  54.             while((str = in.readLine())!=null){  
  55.                 strB.append(str).append(EOL);  
  56.             }  
  57.             in.close();  
  58.         }else{  
  59.             String msg;  
  60.             switch(w){  
  61.                 case 1:  
  62.                     msg = "Errors accessing files.There may be spaces in your image‘s filename.";  
  63.                     break;  
  64.                 case 29:  
  65.                     msg = "Cannot recongnize the image or its selected region.";  
  66.                     break;  
  67.                 case 31:  
  68.                     msg = "Unsupported image format.";  
  69.                     break;  
  70.                 default:  
  71.                     msg = "Errors occurred.";  
  72.             }  
  73.             tempImage.delete();  
  74.             throw new RuntimeException(msg);  
  75.         }  
  76.         new File(outputFile.getAbsolutePath()+".txt").delete();  
  77.         return strB.toString();  
  78.     }  
  79. }  


Java代码  技术分享
  1. package com.taobao.voc.tesseract;  
  2.   
  3. import java.awt.image.BufferedImage;  
  4. import java.io.File;  
  5. import java.io.IOException;  
  6. import java.util.Iterator;  
  7. import java.util.Locale;  
  8.   
  9. import javax.imageio.IIOImage;  
  10. import javax.imageio.ImageIO;  
  11. import javax.imageio.ImageReader;  
  12. import javax.imageio.ImageWriteParam;  
  13. import javax.imageio.ImageWriter;  
  14. import javax.imageio.metadata.IIOMetadata;  
  15. import javax.imageio.stream.ImageInputStream;  
  16. import javax.imageio.stream.ImageOutputStream;  
  17.   
  18. import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;  
  19.   
  20. public class ImageIOHelper {  
  21.     /** 
  22.      * 图片文件转换为tif格式 
  23.      * @param imageFile 文件路径 
  24.      * @param imageFormat 文件扩展名 
  25.      * @return 
  26.      */  
  27.     public static File createImage(File imageFile, String imageFormat) {  
  28.         File tempFile = null;  
  29.         try {  
  30.             Iterator<ImageReader> readers = ImageIO.getImageReadersByFormatName(imageFormat);  
  31.             ImageReader reader = readers.next();  
  32.   
  33.             ImageInputStream iis = ImageIO.createImageInputStream(imageFile);  
  34.             reader.setInput(iis);  
  35.             //Read the stream metadata  
  36.             IIOMetadata streamMetadata = reader.getStreamMetadata();  
  37.   
  38.             //Set up the writeParam  
  39.             TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);  
  40.             tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);  
  41.   
  42.             //Get tif writer and set output to file  
  43.             Iterator<ImageWriter> writers = ImageIO.getImageWritersByFormatName("tiff");  
  44.             ImageWriter writer = writers.next();  
  45.   
  46.             BufferedImage bi = reader.read(0);  
  47.             IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));  
  48.             tempFile = tempImageFile(imageFile);  
  49.             ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);  
  50.             writer.setOutput(ios);  
  51.             writer.write(streamMetadata, image, tiffWriteParam);  
  52.             ios.close();  
  53.   
  54.             writer.dispose();  
  55.             reader.dispose();  
  56.   
  57.         } catch (IOException e) {  
  58.             e.printStackTrace();  
  59.         }  
  60.         return tempFile;  
  61.     }  
  62.   
  63.     private static File tempImageFile(File imageFile) {  
  64.         String path = imageFile.getPath();  
  65.         StringBuffer strB = new StringBuffer(path);  
  66.         strB.insert(path.lastIndexOf(‘.‘),0);  
  67.         return new File(strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif"));  
  68.     }  
  69.   
  70. }  

测试代码
Java代码  技术分享
  1. package com.taobao.voc.tesseract;  
  2. import java.io.File;  
  3. import java.io.IOException;  
  4.   
  5. public class TestOCR {  
  6.   
  7.     /** 
  8.      * @param args 
  9.      */  
  10.     public static void main(String[] args) {  
  11.         String path = "d://test4.jpg";  
  12.         try {  
  13.             String valCode = new OCR().recognizeText(new File(path), "jpg");  
  14.             System.out.println(valCode);  
  15.         } catch (IOException e) {  
  16.             e.printStackTrace();  
  17.         } catch (Exception e) {  
  18.             e.printStackTrace();  
  19.         }  
  20.     }  
  21.   
  22. }  

String path = "d://test4.jpg"; 修改为需要测试的图片，最好全中文，如果因为请更换语言包，OCR类中cmd.add("chi_sim");

tesseract-ocr图片识别开源工具

标签：

原文地址：http://www.cnblogs.com/destim/p/4688017.html
踩
(0)
赞
(0)
   
举报
评论 一句话评论（0）
登录后才能评论！
分享档案
更多>
2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)
周排行
mamicode.com排行更多图片
更多
友情链接
兰亭集智   国之画   百度统计   站长统计   阿里云   chrome插件   新版天听网
关于我们 - 联系我们 - 留言反馈
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码！