最近公司需要将一批登记表的图片，手动更名为编码 .jpg,而这个编码号可以在登记表中找到。于是，上网调研，发现具有现成简单的技术来做图片识别。
使用技术java + tess4j + Tesseract-OCR
gitee 代码地址
实现步骤步骤1：
首先安装 Tesseract-OCR 客户端。
客户端下载地址：https://digi.bib.uni-mannheim.de/tesseract/ <博主使用这个下载的客户端 使用版本为[v4.0.0-beta.4.20180912.exe]>
github项目地址：https://github.com/tesseract-ocr/ <博主使用这个查看的资料>
安装完成后的目录结构
其中重要的2个程序为 当前目录下的tesseract.exe
使用cmd可以直接使用 tesseract.exe 程序
tessdata/ 识别的语言库
步骤2：
新建一个java项目，引入依赖
net.sourceforge.tess4j tess4j 4.0.1
tess4j 尽量和 Tesseract-OCR 版本相匹配。 <博主遇到一次问题，版本不匹配，tess4J 输出日志也十分简短，后来提高版本解决>
步骤3:
代码实现：
File srcFile = new File("C:\Users\a9747\Desktop\jpg2\Y0523-0631\Y0523-0631\Image_00056.jpg");
BufferedImage bufferedImage = ImageIO.read(srcFile);
ITesseract instance =new Tesseract();
//设置安装Tesseract-OCR目录下的 tessdata文件夹
instance.setDatapath("D:\orc5\Tesseract-OCR\tessdata");
//选择语言
instance.setLanguage("chi_sim");
try{
System.out.println("开始识别");
//Rectangle 为识别图片的范围，可以不传这个参数
String result = instance.doOCR(bufferedImage,new Rectangle(471,359,430,85));
//识别到的文本内容
System.out.println(result);
Pattern pattern =Pattern.compile("(01[0-9]{10}|320[0-9]{9})");
Matcher matcher = pattern.matcher(result);
if(matcher.find()){
String number = matcher.group();
System.out.println("识别到编号："+number);
}
}catch (Exception e){
e.printStackTrace();
}
}
后记
github项目地址中有各国语言的训练数据，可以下载到本地。
如果发现识别出来的效果达不到自己需要的效果，可以选择：
* 切换使用语言库 * 更加精准的定义需要识别的区域 * 网上寻找更好的训练数据 * 自己训练语言数据
