1、引入依赖
<dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>4.5.4</version>
</dependency>
2、config
@Configuration
public class TessOcrConfiguration {@Beanpublic Tesseract tesseract() {Tesseract tesseract = new Tesseract();// 设置训练数据文件夹路径tesseract.setDatapath("D:/tessdata");// 设置为中文简体tesseract.setLanguage("chi_sim");return tesseract;}
}
3、定义api
@PostMapping(value = "/ocr", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)
public String ocr(@RequestParam("file") MultipartFile file) throws TesseractException, IOException {return weChatService.ocr(file);
}
4、定义service
@Resource
private Tesseract tesseract;@Override
public String ocr(MultipartFile file) throws TesseractException, IOException {InputStream sbs = new ByteArrayInputStream(file.getBytes());BufferedImage bufferedImage = ImageIO.read(sbs);return tesseract.doOCR(bufferedImage);
}
5、将官方的简体中文训练数据(后缀为.traineddata的文件)放到配置的目录(D:/tessdata)下
下边是官方训练数据的下载地址,打开后可以找到简体中文的文件 chi_sim.traineddata,下载下来放到指定位置就可以了
tess4j官方训练数据下载https://digi.bib.uni-mannheim.de/tesseract/tessdata_fast/6、测试效果
测试图片
postman调用
可以发现【霜】被识别成了【需】,说明还是有一定的误差