Windows下Java+Tesseract-OCR对图像进行字符识别，亲测可行
1. 下载tesseract-ocr、中文语言包并安装2. 命令行对图片进行识别及效果图3. Java调用Tesseart-OCR3.1 效果图3.2 源码4. 遗留问题4.1 Too many unichars in ambiguity on line 22991608，暂未解决参考这篇博客将介绍Java如何利用Tesseract-OCR对图像进行字符识别；
1. 下载tesseract-ocr、中文语言包并安装
Tesseract-ocr是一款开源工具，可用于OCR(Optical Character Recognition)。默认识别字母+数字，识别中文需要安装相应的中文语言包）。
tesseract-ocr 3.02安装包与中文语言包chi_sim.traineddata 3.02版本-百度网盘链接：/s/1-tmDFZPvOO1GFtwJn50ahA
提取码：3siq
中文语言包chi_sim.traineddata 4.0版本在此下载
假设安装在Tesseart-OCR安装在D盘，
将语言包解压出的chi_sim.traineddata 放到 D:\Tesseract-OCR\tessdata\ 目录下
验证安装成功与否：
2. 命令行对图片进行识别及效果图
切换到安装目录及识别
cd D:\Tesseract-OCRtesseract.exe E:\mat\mvt\java-ocr-demo\ocr\opencv_logo.jpg opencv_logo
默认识别（字母+数字），识别中文需要安装中文语言包，并指定模型 -l chi_sim
参数1：2.jpg 图片全路径参数2：2 识别文本输出文字名，结果将写入2.txt参数3：指定语言包，-l chi_sim表示用简体中文字库，默认eng（识别字母+数字）参数4：-psm 7 表示告诉tesseract 2.jpg图片只有一行文本，从而可以减少识别错误率，默认为3。tesseract 2.jpg 2 -l chi_sim -psm 7
字母成功识别效果图如下：
图过大，字符太小可能无法识别，需要将图片截取下保证图片中字符清晰可见即可正确识别出来；
数字成功识别效果图如下：
中文+字母识别：可以看到文字并没有正确识别；不是特别准确
中文+字母+数字识别，中文不太准确，效果图如下：
3. Java调用Tesseart-OCR
Java调用Tessert-OCR有如下俩种方法：
实质上也是调用的 tesseart.exe执行的ocr识别；调用tess4j jar包内的方法，依赖字体集（需要本地下载好字体集）优化版本—— Java-基于百度API的图片文字识别（支持中文，英文和中英文混合）
3.1 效果图
调用本地exe方式效果图如下：英文比较准确，中文的效果不太好
调用jar加载 eng 模型来识别 效果图如下：多张图片测试，字母+数字的效果要好一些，基本都识别出来，中文识别均乱码；
调用jar加载中文的 chi_sim 模型来识别 效果图如下：多张图片测试，字符字母部分未成功识别，也有识别错的，中文识别效果也不好；
3.2 源码
<!-- /artifact/net.sourceforge.tess4j/tess4j --><dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>3.2.1</version></dependency>
package com;import lombok.extern.slf4j.Slf4j;import net.sourceforge.tess4j.ITesseract;import net.sourceforge.tess4j.Tesseract;import net.sourceforge.tess4j.TesseractException;import mons.io.FileUtils;import org.mons.util.StringUtils;import java.io.BufferedReader;import java.io.File;import java.io.IOException;import java.io.InputStreamReader;/**************************************Class Name: TessertOcr*Description: <java调用tessert-ocr识别>*@author: seminar*@create: /7/8*@since 1.0.0*************************************/public class TessertOcr {/*** 调用tesseart.exe进行OCR识别** @param exePath exe绝对路径* @param jpgPath jpg路径* @param flag 默认false，使用eng只支持字母+数字， True：支持中文+字母+数字* @return*/public static String callTesseartExe(String exePath, String jpgPath, boolean flag) {String res = "";try {Process process = null;if (!flag) {process = Runtime.getRuntime().exec(new String[]{exePath, jpgPath, jpgPath.replaceAll(".jpg", "")});} else {process = Runtime.getRuntime().exec(new String[]{exePath, jpgPath, jpgPath.replaceAll(".jpg", ""), "-l", "chi_sim"});}StringBuilder processOutput = new StringBuilder();try (BufferedReader processOutputReader = new BufferedReader(new InputStreamReader(process.getInputStream()));) {String readLine;while ((readLine = processOutputReader.readLine()) != null) {processOutput.append(readLine + System.lineSeparator());}// 等待执行完成process.waitFor();} catch (IOException e) {e.printStackTrace();} catch (InterruptedException e) {e.printStackTrace();} finally {if (process != null) {process.destroy();}}res = processOutput.toString().trim();res = FileUtils.readFileToString(new File(jpgPath.replaceAll(".jpg", ".txt")));} catch (IOException e) {e.printStackTrace();}return res;}public static void main(String[] args) {// 第一种方法String exePath = "D:/Tesseract-OCR/tesseract.exe";String jpgPath = "E:\\mat\\mvt\\java-ocr-demo\\images\\1622175322109_0.025711_cc.jpg";System.out.println("1622175322109_0.025711_cc.jpg callTesseartExe: " + callTesseartExe(exePath, jpgPath, false));System.out.println("chinese.jpg callTesseartExe: " + callTesseartExe(exePath,"E:\\mat\\mvt\\java-ocr-demo\\images\\chinese.jpg", true));String fileDir = "E:\\mat\\mvt\\java-ocr-demo\\images\\";File[] list = new File(fileDir).listFiles();ITesseract instance = new Tesseract();instance.setDatapath("E:\\mat\\mvt\\java-ocr-demo\\src\\test\\java\\com\\tessdata");// 默认识别英文（字母+英文），如果识别中文（数字+中文）需要设置语言包// instance.setLanguage("chi_sim");for (File file : list) {if (file.getName().endsWith(".jpg")) {try {String result = instance.doOCR(file);if (StringUtils.isNotBlank(result)) {result = result.replaceAll("\n", "");result = result.replaceAll(" ", "");if (result.length() > 30) {System.out.println(file.getName() + ": " + result.substring(result.length() - 30, result.length()));} else {System.out.println(file.getName() + ": " + result);}} else {System.out.println(file.getName() + ": ");}} catch (TesseractException e) {e.printStackTrace();}}}}}
