使用Tesseract-Ocr进行识别数字

Tesseract-Ocr不是一个软件，而是软件包，包含了一个OCR引擎【libtesseract】和一个命令行程序【tesseract】。
Tesseract 4增加了一个基于OCR引擎的新神经网络（LSTM），该引擎专注于行级识别，但仍然支持Tesseract 3的传统.
Tesseract OCR引擎，该引擎通过识别字符模式来工作。
Tesseract支持识别unicode（UTF-8），可以直接识别100多种语言。
Tesseract支持多种输出格式：纯文本，hOCR（HTML），PDF，TSV。主分支还具有ALTO（XML）输出的实验支持。

windows安装tesseract-OCR

首先下载tesseract的exe安装文件 https://github.com/UB-Mannheim/tesseract/wiki
配置环境变量

配置完成后 cmd验证

在Java上使用

Maven

<dependency> 
<groupId>net.sourceforge.tess4j</groupId>
 <artifactId>tess4j</artifactId>
 <version>4.3.1</version> 
</dependency>

Java测试代码示例


public static void main(String[] args) throws TesseractException {
    ITesseract instance = new Tesseract();
//指定学习文件绝对路径 
instance.setDatapath("/Users/tessdata");
//如果需要识别英文之外的语种，需要指定识别语种，并且需要将对应的语言包放进项目中
// instance.setLanguage("chi_sim");
   instance.setLanguage("eng");
// 指定识别图片
 File imgDir = new File("/Users//Downloads/1.png");
long startTime = System.currentTimeMillis();
String ocrResult = instance.doOCR(imgDir);
 // 输出识别结果
System.out.println("OCR Result: \n" + ocrResult + "\n 耗时：" + (System.currentTimeMillis() - startTime) + "ms");

    }