图像文字识别（二）：java调用tesseract 识别图片文字

  在JAVA中调用tesseract识别图片的文字内容，主要有两种方式：cmd方式，tess4j方式。在这篇博客中，主要记录一下通过cmd命令行的方式。cmd方式，就是通过在java中调用命令行，来执行tesseract，它的原理就是上篇博客所写的内容。

步骤：

（2）编写ImageIOHelper类，用于创建临时图片文件，防止损坏初始文件

import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.util.Iterator;
import java.util.Locale;import javax.imageio.IIOImage;
import javax.imageio.ImageIO;
import javax.imageio.ImageReader;
import javax.imageio.ImageWriteParam;
import javax.imageio.ImageWriter;
import javax.imageio.metadata.IIOMetadata;
import javax.imageio.stream.ImageInputStream;
import javax.imageio.stream.ImageOutputStream;import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;
/** 
* 类说明 ：创建临时图片文件防止损坏初始文件
*/
public class ImageIOHelper {//设置语言private Locale locale=Locale.CHINESE;//自定义语言构造的方法public ImageIOHelper(Locale locale){this.locale=locale;}//默认构造器Locale.CHINESEpublic ImageIOHelper(){}/*** 创建临时图片文件防止损坏初始文件* @param imageFile* @param imageFormat like png,jps .etc* @return TempFile of Image*/public File createImage(File imageFile, String imageFormat) throws IOException {//读取图片文件Iterator readers = ImageIO.getImageReadersByFormatName(imageFormat);    ImageReader reader = readers.next();//获取文件流ImageInputStream iis = ImageIO.createImageInputStream(imageFile);reader.setInput(iis);IIOMetadata streamMetadata = reader.getStreamMetadata();   //设置writeParamTIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);    tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED); //设置可否压缩 //获得tiffWriter和设置outputIterator writers = ImageIO.getImageWritersByFormatName("tiff");    ImageWriter writer = writers.next();    BufferedImage bi = reader.read(0);    IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));    File tempFile = tempImageFile(imageFile);    ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);    writer.setOutput(ios);    writer.write(streamMetadata, image, tiffWriteParam); ios.close();iis.close();writer.dispose();    reader.dispose();    return tempFile;    }    /*** 给tempfile添加后缀* @param imageFile* @throws IOException */private File tempImageFile(File imageFile) throws IOException {    String path = imageFile.getPath();    StringBuffer strB = new StringBuffer(path);    strB.insert(path.lastIndexOf('.'),"_text_recognize_temp");String s=strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif");Runtime.getRuntime().exec("attrib "+"\""+s+"\""+" +H"); //设置文件隐藏return new File(strB.toString()); }    
}

（3）创建OCRUtil工具类，用于进行图片文字识别：

import java.io.BufferedReader;    
import java.io.File;    
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;    
import java.util.ArrayList;    
import java.util.List;
import java.util.Locale;import org.jdesktop.swingx.util.OS;/** 
* 类说明：OCR工具类
*/
public class OCRUtil {private final String LANG_OPTION = "-l";  //英文字母小写l，并非阿拉伯数字1    private final String EOL = System.getProperty("line.separator");    private String tessPath = "D://Tesseract//Tsseract-OCR//Tesseract-OCR";//ocr的安装路径public OCRUtil(String tessPath,String transFileName){this.tessPath=tessPath;}//OCRUtil的构造方法,默认路径是"C://Program Files (x86)//Tesseract-OCR"public OCRUtil(){     }public String getTessPath() {return tessPath;}public void setTessPath(String tessPath) {this.tessPath = tessPath;}public String getLANG_OPTION() {return LANG_OPTION;}public String getEOL() {return EOL;}/*** @param 需要识别的文件* @param 文件的格式* @return 识别后的文字*/public String recognizeText(File imageFile,String imageFormat)throws Exception{    File tempImage = new ImageIOHelper().createImage(imageFile,imageFormat);    return ocrImages(tempImage, imageFile);   }    //可以自定义语言public String recognizeText(File imageFile,String imageFormat,Locale locale)throws Exception{    File tempImage = new ImageIOHelper(locale).createImage(imageFile,imageFormat);return ocrImages(tempImage, imageFile);}/*** @param 临时文件* @param 需要识别的文件* @return 识别后的内容* @throws IOException* @throws InterruptedException*/private String ocrImages(File tempImage,File imageFile) throws IOException, InterruptedException{//设置输出文件的保存的文件目录,以及文件名File outputFile = new File(imageFile.getParentFile(),"test");StringBuffer strB = new StringBuffer();  //设置命令行内容List cmd = new ArrayList();    if(OS.isWindowsXP()){    cmd.add(tessPath+"//tesseract");    }else if(OS.isLinux()){    cmd.add("tesseract");    }else{    cmd.add(tessPath+"//tesseract");    }    cmd.add("");    cmd.add(outputFile.getName());    cmd.add(LANG_OPTION);    cmd.add("chi_sim");//中文包cmd.add("equ");//常用数学公式包cmd.add("eng");//英语包//创建操作系统进程ProcessBuilder pb = new ProcessBuilder();    pb.directory(imageFile.getParentFile());//设置此进程生成器的工作目录   cmd.set(1, tempImage.getName());    pb.command(cmd);//设置要执行的cmd命令 pb.redirectErrorStream(true);//设置后续子进程生成的错误输出都将与标准输出合并   long startTime = System.currentTimeMillis();System.out.println("开始时间：" + startTime);Process process = pb.start();//开始执行，并返回进程实例 //最终执行命令为：tesseract 1.png test -l chi_sim+equ+engint w = process.waitFor();    tempImage.delete();//删除临时正在工作文件         if(w==0){ // 0代表正常退出BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile.getAbsolutePath()+".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 recongnize the image or its selected region.";    break;    case 31:    msg = "Unsupported image format.";    break;    default:    msg = "Errors occurred.";    }    tempImage.delete();    throw new RuntimeException(msg);    }    new File(outputFile.getAbsolutePath()+".txt");//.delete();    return strB.toString().replaceAll("\\s*", ""); }
}

（4）创建测试类Test：

import java.io.File;
import java.io.IOException;/** 
* @version 创建时间：2018年4月25日 下午5:09:19 
* 类说明:测试类
*/
public class Test {public static void main(String[] args) {try {//图片文件：此图片是需要被识别的图片路径 File file = new File("C://Users//1_20180208150251_x4hzz//1.png");//String recognizeText = new OCRHelper().recognizeText(file);String recognizeText = new OCRUtil().recognizeText(file, "png");System.out.print(recognizeText + "\t");} catch (IOException e) {e.printStackTrace();} catch (Exception e) {e.printStackTrace();}}
}

至此，只要传入需要识别的图片，就可以识别出图片中的文字的内容了。

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！