Java OCR tesseract 圖像智能字符識別技術

公司有需求啊，所以就得研究哈，最近公司需要讀驗證碼，于是就研究起了圖像識別，應該就是傳說中的（OCR：光學字符識別OCR），下面把今天的收獲整理一個給大家做個分享。

本人程序用的tesseract，官方地址：https://code.google.com/p/tesseract-ocr/，不為別的，誰讓它支持我們的天朝的文字呢~哈

下載好程序后解壓：

大概可以看到這樣一個目錄，別見怪樓主里面一堆測試文件。

然后就開始我們的測試之旅：

tesseract的用法：

參數1：需要識別的文件

參數2：輸出的文件名稱，輸出的是文本文件，里面保存了識別的信息

識別英文這兩個參數就可以了，下面做個實驗：

我們在命令行輸入：tesseract 5.jpg 6 ，可以看到程序生成了一個6.txt ，里面保存著識別后的文本，怎么樣簡單又給力~

上面說道tesseract 是支持中文的，所以么，接下來看看如何使用tesseract 實現我們中文的識別，下面繼續介紹其他參數

參數3：-l

參數4： 使用的語言庫

參數3 -l應該是知道參數4所使用的語言庫，默認英文，也就是為什么上面識別英文的例子，并沒有輸入參數3和參數4，也實現了識別。

下面繼續我們的實驗：

我們準備了一張圖片，然后使用tesseract zhongwen.jpg  7  -l chi_sim 指明了中文語言，然后效果圖上，還是很不錯的，畢竟我們的中文是如此的博大精深，并且tesseract可以經過訓練，然后識字的能力就會大幅度提升。

好了，由于一行代碼沒寫，就不上傳代碼了，大家自己去官網下載。接下來我會使用Java帶大家實現這樣的小程序。

如果這篇文章對你有用，就贊一個~歡迎大家留言，多交流~

來自： http://blog.csdn.net//lmj623565791/article/details/23955883