⭐⭐⭐ Spring Boot 项目实战	⭐⭐⭐ Spring Cloud 项目实战
《Dubbo 实现原理与源码解析 —— 精品合集》	《Netty 实现原理与源码解析 —— 精品合集》
《Spring 实现原理与源码解析 —— 精品合集》	《MyBatis 实现原理与源码解析 —— 精品合集》
《Spring MVC 实现原理与源码解析 —— 精品合集》	《数据库实体设计合集》
《Spring Boot 实现原理与源码解析 —— 精品合集》	《Java 面试题 + Java 学习指南》

摘要: 原创出处 juejin.cn/post/7408619644195766272 「翼飞」欢迎转载，保留摘要，谢谢！

🙂🙂🙂关注微信公众号：【芋道源码】有福利：

RocketMQ / MyCAT / Sharding-JDBC 所有源码分析文章列表

RocketMQ / MyCAT / Sharding-JDBC 中文注释源码 GitHub 地址

您对于源码的疑问每条留言都将得到认真回复。甚至不知道如何读源码也可以请教噢。

新的源码解析文章实时收到通知。每周更新一篇左右。

认真的源码交流微信群。

一、引言

你是否曾遇到过这样的情况：看到一段有用的文本，想要快速复制下来，却只能眼巴巴地盯着屏幕，手动输入？

其实，Java 也可以轻松实现 OCR（光学字符识别）功能，让你轻松识别并提取图片中的文字信息。不需要庞大的外部工具，也不必担心复杂的配置，只需几行代码，Java 就能帮你搞定 OCR！

接下来，我们将带你一步步揭开这项技术的神秘面纱，让你的 Java 项目更加智能、便捷。

二、功能演示

先让我们看看最终效果，再进行实现

三、功能实现

1. 描述

在这部分，我们将使用 SpringBoot 和 Tess4j 来实现 OCR 功能。Tess4j 是一个基于 Tesseract 的 Java 封装库，它让我们能够轻松地在 Java 应用中使用 OCR 技术。

无论你是在处理扫描的文档、识别图片中的文字，还是自动化读取截图内容，Tess4j 都能派上用场。通过与 SpringBoot 结合，我们可以快速搭建一个轻量级的 RESTful 服务，轻松应对各种 OCR 需求。

2. 编码实现

2.1 引入依赖

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

2.2 初始化Tesseract引擎

项目部署:

使用 new ClassPathResource("tess_data").getFile().getAbsolutePath() 可能在项目打成 Jar 包后无法正常访问。为了解决这个问题，可以参考一些开源项目中的 TensorflowUtil 工具类，将 resource 文件进行转存后再加载。
在 Linux 环境中，还需要解决无法初始化 net.sourceforge.tess4j.TessAPI 的问题，确保所有必要的依赖库和系统配置正确。

训练数据:

不同的训练数据和配置会影响识别结果的精度和速度。可以根据实际需求自行训练适合的数据集。
免费的训练数据包括:
- tessdata_best: 主要针对高精度要求的应用场景，虽然识别速度较慢，但结果更准确。
tessdata: 是标准的训练数据集，平衡了识别速度和精度，适合一般的 OCR 应用。
tessdata_fast: 适用于需要快速识别的场景，虽然精度略低，但可以显著提升识别速度。

/**
 * TesseractOcr 模型加载
 *
 * @author : YiFei
 */
@Slf4j
@Getter
@Component
public class TesseractOcrModelService {

    private final Tesseract tesseract = new Tesseract();

    public TesseractOcrModelService() {
        try {
            // 获取训练模型文件夹 （该方法在打包为jar后会有问题，建议使用项目中TensorflowUtil工具类）
            String folderPath = new ClassPathResource("tess_data").getFile().getAbsolutePath();
            /*
             * OEM_TESSERACT_ONLY = 0：表示仅运行Tesseract OCR引擎，不使用LSTM（Long Short-Term Memory）线识别器。Tesseract是一种传统的OCR引擎，适用于一般的文字识别任务。
             * OEM_LSTM_ONLY = 1：表示仅运行LSTM线识别器，不使用Tesseract。LSTM是一种深度学习模型，通常在处理复杂文本或手写文字识别等任务时表现较好。
             * OEM_TESSERACT_LSTM_COMBINED = 2：表示同时运行Tesseract和LSTM识别器，并在遇到困难情况时允许回退到Tesseract。这种组合模式可以在不同情况下灵活地选择最适合的识别引擎。
             * OEM_DEFAULT = 3：当调用 init_*() 方法时指定此模式，表示可以根据语言特定配置、命令行配置等自动推断使用哪种模式。如果没有明确指定，则默认使用 OEM_TESSERACT_ONLY 模式。
             */
            tesseract.setPageSegMode(OEM_TESSERACT_LSTM_COMBINED);
            // 设置Tesseract OCR引擎的训练数据文件夹路径
            /*
             * chi_sim.traineddata: Chinese Simplified（中文简体）
             * chi_sim_vert.traineddata: Chinese Simplified Vertical（中文简体竖排）
             * chi_tra.traineddata: Chinese Traditional（中文繁体）
             * chi_tra_vert.traineddata: Chinese Traditional Vertical（中文繁体竖排）
             */
            tesseract.setDatapath(folderPath);
            tesseract.setPageSegMode(6);
            // 设置为中文简体
            tesseract.setLanguage("chi_sim");
        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    }

}

2.3 编写 RESTful 接口

/**
 * Ocr-控制器
 *
 * @author : YiFei
 */
@RestController
@RequestMapping("ocr")
@RequiredArgsConstructor
public class OcrController {

    private final TesseractOcrModelService tesseractOcrModelService;

    @PostMapping("/detection")
    public Result<String> ocrDetection(MultipartFile file) {
        try {
            /*
            图片调整推荐 :
                二值化：将图像转换为黑白，有助于提高对比度。
                去噪：去除图像中的噪声。
                旋转矫正：确保图像中的文本是水平的。
             */
            Tesseract tesseract = tesseractOcrModelService.getTesseract();
            return Result.success(tesseract.doOCR(ImageIO.read(file.getInputStream())));
        } catch (Exception e) {
            throw new RuntimeException("ImageIO.read(file.getInputStream())) 解析错误");
        }
    }
}

四、源码

https://gitee.com/fateyifei/yf

注意事项 :

平台一人一号，账号可以通过邮箱、第三方平台自动注册。用户名密码方式登录请联系管理员手动添加、手机号不可用。（敏感数据以做信息脱敏）
在线聊天功能（消息已做脏词过滤，群发、系统、AI消息不会被平台记录）

五、结束语

Tess4j 在识别身份证号、手机号和英文单词方面表现不错，但在使用免费训练数据时，识别中文的效果相对较差。如果您对识别质量有更高的要求，可以考虑以下几种方案：

专项训练： 通过自定义数据集进行专项训练，提升对特定文本类型或语言的识别精度。
调用第三方 API： 利用专业的 OCR 服务提供商，如 Google Cloud Vision、Microsoft Azure OCR 或 Amazon Textract，这些平台通常能提供更高的识别准确性和更多的功能。

此外，Tess4j 也可以应用于其他场景：

文档数字化： 将纸质文档转换为可编辑的电子文本。
自动数据录入： 自动从扫描的表格、账单等文件中提取数据。
车牌识别： 从交通摄像头捕捉的图像中自动识别车牌号码。
手写识别： 将手写内容转换为数字文本。

尽管这些方法可能需要额外的成本和设置，但它们能显著提升识别效果，帮助您满足更高的需求。

芋道源码 —— 纯源码解析博客

SpringBoot+Tess4j ：轻松实现OCR功能