Spring Boot 整合开源 Tess4J库实现OCR图片文字识别

在这里插入图片描述

😄 19年之后由于某些原因断更了三年，23年重新扬帆起航，推出更多优质博文，希望大家多多支持～
🌷 古之立大事者，不惟有超世之才，亦必有坚忍不拔之志
🎐 个人CSND主页——Micro麦可乐的博客
🐥《Docker实操教程》专栏以最新的Centos版本为基础进行Docker实操教程，入门到实战
🌺《RabbitMQ》本专栏主要介绍使用JAVA开发RabbitMQ的系列教程，从基础知识到项目实战
🌸《设计模式》专栏以实际的生活场景为案例进行讲解，让大家对设计模式有一个更清晰的理解
💕《Jenkins实战》专栏主要介绍Jenkins+Docker+Git+Maven的实战教程，让你快速掌握项目CI/CD，是2024年最新的实战教程
如果文章能够给大家带来一定的帮助！欢迎关注、评论互动～

Spring Boot整合开源 Tess4J 实现OCR图片文字识别

1、前言

之前在某一个项目中，客户要求根据上传的文档图片系统自动识别图片内容，这就需要到了

OCR

技术，我们公司一般做法通常是使用

阿里云

或

腾讯云

的

OCR

图片识别（大厂的训练量更多更大，识别更精准）无奈客户资金有限，又希望我们满足需求，最后我们决定采用开源

Tesseract

文字识别

OCR

引擎来实现

Tesseract

是一个功能强大的

OCR

引擎，其发展经历了多个版本的迭代。最初由惠普实验室开发，后由 Google 维护和发展。

Tesseract

通过神经网络和图像处理技术，对图像中的文字进行识别和提取。

2、什么是 Tess4J

Tess4J

是一个

Java

的

OCR

（光学字符识别）库，基于

Tesseract OCR

引擎实现。

Tess4J

为 Java 开发者提供了一个便捷的接口，能够在 Java 项目中轻松调用

Tesseract

的 OCR 功能。

温馨提示
Tess4J 只是就是封装了Tesseract OCR的API，让Java可以直接调用，千万不要错误以为是Tess4J实现的

3、项目初始化

3.1 引入Tess4J 依赖

创建 Spring Boot 项目，打开

pom.xml

文件，添加

Tess4J

的依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- tess4j 最新版5.11.0 --><dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>5.11.0</version></dependency><dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-test</artifactId><scope>test</scope></dependency>

3.2 配置 Tesseract 数据文件

Tess4J

依赖

Tesseract

数据文件来识别不同语言的文本。可以从 Tesseract Github仓库下载所需语言的训练数据。
在这里插入图片描述
如上图所示：Tesseract有三个独立的语言模型存储库 tessdata、tessdata-best、tessdata-fast 他们分别都存储了语言模型，主要有以下区别
数据模型存储库描述速度识别精度支持再训练tessdata_best最好（最准确）的训练LSTM模型最慢最高支持tessdata使用“最佳”LSTM模型+遗留模型的快速变体训练模型均衡均衡不支持tessdata_fast训练LSTM模型的快速版本最快最低不支持
博主选择Tesseract最高的

tessdata_best

中文数据文件，下载完成后，将数据文件放在项目的资源目录中，

src/main/resources/tessdata

如果你只是处理中文、英文的文字识别，无需将整个库下载，找到chi_sim.traineddata 和eng.traineddata下载即可

如果整个存储库下载过大，大家根据自己的需求下载对应语言版本或者特殊的模型（如数学公式：equ.traineddata 模型），语言版本参考官方地址：https://tesseract-ocr.github.io/tessdoc/Data-Files.html
在这里插入图片描述

4、代码实现

4.1 创建 OCR 服务类

首先，创建一个 OCR 服务类，用于处理图片文字识别的逻辑

importnet.sourceforge.tess4j.Tesseract;importnet.sourceforge.tess4j.TesseractException;importorg.springframework.stereotype.Service;importjava.io.File;@ServicepublicclassOCRService{publicStringextractTextFromImage(File imageFile){Tesseract instance =newTesseract();//设置 tessdata 目录
        instance.setDatapath("src/main/resources/tessdata");//设置语言 中文
        instance.setLanguage("chi_sim");try{return instance.doOCR(imageFile);}catch(TesseractException e){
            e.printStackTrace();return"读取图像时出错";}}}

4.2 创建OCRController

创建一个控制器，用于处理前端请求并调用 OCR 服务

importorg.springframework.beans.factory.annotation.Autowired;importorg.springframework.http.HttpStatus;importorg.springframework.http.ResponseEntity;importorg.springframework.web.bind.annotation.*;importorg.springframework.web.multipart.MultipartFile;importjava.io.File;importjava.io.IOException;@RestController@RequestMapping("/api/ocr")publicclassOCRController{@AutowiredprivateOCRService ocrService;@PostMapping("/extract-text")publicResponseEntity<String>extractTextFromImage(@RequestParam("file")MultipartFile file){if(file.isEmpty()){returnnewResponseEntity<>("未选择图片!",HttpStatus.BAD_REQUEST);}try{// 将 MultipartFile 转换为 FileFile imageFile =convertMultiPartToFile(file);String result = ocrService.extractTextFromImage(imageFile);returnnewResponseEntity<>(result,HttpStatus.OK);}catch(Exception e){
            e.printStackTrace();returnnewResponseEntity<>("文件处理错误",HttpStatus.INTERNAL_SERVER_ERROR);}}privateFileconvertMultiPartToFile(MultipartFile file)throwsIOException{File convFile =newFile(System.getProperty("java.io.tmpdir")+"/"+ file.getOriginalFilename());
        file.transferTo(convFile);return convFile;}}

4.3 开始调试

准备一张文字图片，就以本篇文章开头文案图片来测试；

前端代码这里就不贴了，我们使用Apifox或Postman进行调试，博主这里使用Apifox测试效果如下：

5、出现 Unable to load library 'tesseract’问题

如果有小伙伴在测试过程中出现了

Unable to load library 'tesseract'

的异常问题，且你也是MacOS系统，原因通常是因为 Tess4J 无法找到或加载 Tesseract OCR 引擎的本地库，需要在Mac上安装Tesseract lib

#使用homebrew安装
brew install tesseract
#或者sudoapt-getinstall tesseract

6、总结

通过以上步骤，我们成功地在 Spring Boot 项目中集成了 Tess4J，实现了图片文字识别功能。本文详细介绍了从项目初始化、服务类和控制器的编写到最终测试，希望对大家有所帮助。如果有更复杂的需求，可以进一步优化和扩展此项目。