　　　　资讯信息

　　　　宝鸡楼市

　　　　二手房行情

　　　　租赁行情

　　　　商品住宅日成交

　　　　预售许可证

　　　　重点房源推介

　　　　政策法律

　　　　全国人大

　　　　国务院

　　　　行政法规

　　　　国发国办文件

　　　　部委规章文件

　　　　住建部规章

　　　　住建部文件

　　　　财政税务局

　　　　其它部委及法院

　　　　省级法规及文件

　　　　市级文件

　　　　市政府文件

　　　　市级部门文件

　　　　专题报道

　　　　经验分享

　　　　资料分享

　　　　股票知识

　　　　健康保健

　　　　加盟八千家

　　　　加盟八千家

　　　　经纪人天地

当前位置--八千家资讯--经验分享--正文

Java文字识别技术

您访问8000j·宝鸡房地产网录入:绿叶时间:2014-5-27 7:41:50 点击数：1605

java文字识别程序的关键是寻找一个可以调用的OCR引擎。tesseract-ocr就是一个这样的OCR引擎，在1985年到1995年由HP实验室开发，现在在Google。tesseract-ocr 3.0发布，支持中文。不过tesseract-ocr 3.0不是图形化界面的客户端，别人写的FreeOCR图形化客户端还不支持导入新的 3.0 traineddata。但这标志着，现在有自由的中文OCR软件了。

java中使用tesseract-ocr3.01的步骤如下：

1.下载安装tesseract-ocr-setup-3.01-1.exe（3.0以上版本才增加了中文识别）

2.在安装向导中可以选择需要下载的语言包。

3.到网上搜索下载java图形处理所需的2个包：jai_imageio-1.1-alpha.jar，swingx-1.6.1.jar

4.java程序清单：

ImageIOHelper 类：

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;

public class ImageIOHelper {

public static File createImage(File imageFile, String imageFormat) {
      File tempFile = null;
      try {
         Iterator readers = ImageIO.getImageReadersByFormatName(imageFormat);
         ImageReader reader = readers.next();

         ImageInputStream iis = ImageIO.createImageInputStream(imageFile);
         reader.setInput(iis);
         //Read the stream metadata
         IIOMetadata streamMetadata = reader.getStreamMetadata();

         //Set up the writeParam
         TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);
         tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);

         //Get tif writer and set output to file
         Iterator writers = ImageIO.getImageWritersByFormatName("tiff");
         ImageWriter writer = writers.next();

         BufferedImage bi = reader.read(0);
         IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));
         tempFile = tempImageFile(imageFile);
         ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);
         writer.setOutput(ios);
         writer.write(streamMetadata, image, tiffWriteParam);
         ios.close();

         writer.dispose();
         reader.dispose();

      } catch (IOException e) {
         e.printStackTrace();
      }
      return tempFile;
}

private static File tempImageFile(File imageFile) {
      String path = imageFile.getPath();
      StringBuffer strB = new StringBuffer(path);
      strB.insert(path.lastIndexOf('.'),0);
      return new File(strB.toString().replaceFirst("(?<=//.)(//w+)$", "tif"));
}

}

OCR 类：

package com.hhp.util;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.ArrayList;
import java.util.List;
import org.jdesktop.swingx.util.OS;

public class OCR {
private final String LANG_OPTION = "-l";  //英文字母小写l，并非数字1
private final String EOL = System.getProperty("line.separator");
private String tessPath = "C://Program Files (x86)//Tesseract-OCR";
//private String tessPath = new File("tesseract").getAbsolutePath();

public String recognizeText(File imageFile,String imageFormat)throws Exception{
      File tempImage = ImageIOHelper.createImage(imageFile,imageFormat);
      File outputFile = new File(imageFile.getParentFile(),"output");
      StringBuffer strB = new StringBuffer();
      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");
      //cmd.add("eng");

      ProcessBuilder pb = new ProcessBuilder();
      pb.directory(imageFile.getParentFile());

      cmd.set(1, tempImage.getName());
      pb.command(cmd);
      pb.redirectErrorStream(true);

      Process process = pb.start();
      //tesseract.exe 1.jpg 1 -l chi_sim
      int w = process.waitFor();

      //删除临时正在工作文件
      tempImage.delete();

      if(w==0){
         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();
      }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();
}
}

测试类TestOCR ：

import java.io.File;
import java.io.IOException;

import com.hhp.util.OCR;

public class OcrTest {

public static void main(String[] args) {
      String path = "C://temp//OCRcode//4.png";
      System.out.println("ORC Test Begin......");
      try {
         String valCode = new OCR().recognizeText(new File(path), "png");
         System.out.println(valCode);
      } catch (IOException e) {
         e.printStackTrace();
      } catch (Exception e) {
         e.printStackTrace();
      }
      System.out.println("ORC Test End......");
}

}

经过测试，tesseract-ocr 3.01的文字识别率很高，对于网站中常见的验证码识别率也很高。

来源：http://www.apkbus.com/android-89703-1-1.html