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

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!