javacv文字识别系列：

javaCV文字识别之1：基于google的tesserac ocr识别图片中的文字，跨平台支持英文中文简体繁体等各种字符识别

javaCV文字识别之2：视频文字识别和视频提取字幕文字字符

目录

前言

1、添加依赖

2、下载语言包

3、编写代码

下一章

前言

本篇文章属于javacv系列的扩展篇。

本文有且只参考了：https://github.com/bytedeco/javacpp-presets/tree/master/tesseract

在此之前我们已经通过javacv实现了流媒体这块的音视频编解码等等操作，当然还有图像处理。虽然使用opencv也可以实现文字识别，但是识别率不高，所以来试试google开源的tesserac ocr看看效果。

我们分为三步就可以做到实现：

首先，我们要添加依赖；次之，准备资源（需要训练好的语言包以及需要进行识别的图片，这里会提供最新的英文版下载以及中文简繁体下载地址）；最后就开始编写代码。

废话少说，立刻开始吧。

1、添加依赖

（1）gradle方式

dependencies {

compile group: 'org.bytedeco', name: 'tesseract-platform', version: '4.1.1-1.5.3'

}

（2）maven方式

<dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>tesseract-platform</artifactId>
            <version>4.1.1-1.5.3</version>
</dependency>

(3)jar包方式

javacv的包太大，这个不用讲了，建议用上面那两个。

2、下载语言包

英文和简体中文放在同一个压缩包中，免费下载，不要积分。

（1）英文版：https://download.csdn.net/download/eguid_1/12404120

（2）简体中文：https://download.csdn.net/download/eguid_1/12404120

（3）繁体中文：待上传

3、编写代码

导包

import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.lept.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public static  String ocr(String language,String dataPath, String imageUrl) {

        BytePointer outText;

        TessBaseAPI api = new TessBaseAPI();

        // Initialize tesseract-ocr with English, without specifying tessdata path
        if (api.Init(dataPath, language) != 0) {
            System.err.println("Could not initialize tesseract.");
            return null;
        }

        // Open input image with leptonica library
        PIX image = pixRead(imageUrl);
        api.SetImage(image);
        // Get OCR result
        outText = api.GetUTF8Text();
        try {
            return outText.getString();
        }finally{
            // Destroy used object and release memory
            api.End();
            outText.deallocate();
            pixDestroy(image);
        }
    }

public static void main(String[] args) {

//填写语言包eng.traineddata的目录路径以及要识别的图片路径
       String ret= ocr("eng","d:/testdata/", "d:/pictures/test.png");
        System.out.println("OCR output:\n" +ret);
    }

是不是很简单？

下一章

javaCV文字识别之2：基于ffmpeg和tesserac的视频字幕提取和视频文字识别

标签：字符识别,tesseract,String,ocr,跨平台,org,识别,bytedeco
来源： https://blog.51cto.com/u_6329998/2718415