Spring和Ocr整合详解

品茗IT

发布于 2019-09-12 09:49:37

1.3K0

发布于 2019-09-12 09:49:37

文章被收录于专栏：品茗IT品茗IT

Spring和Ocr整合详解

官方主页

Spring

Ocr tess4j

概述

Tess4J是对Tesseract OCR API.的Java JNA 封装。使java能够通过调用Tess4J的API来使用Tesseract OCR。支持的格式：TIFF,JPEG,GIF,PNG,BMP,JPEG,and PDF.

这里说整合Spring和Ocr有点勉强，因为Tess4J是脱离spring环境运行的。不过为方便适配到spring环境，这里就强行把它俩弄一块儿了。

tess4j的识别度一般。然而开源易用。

**如果大家正在寻找一个java的学习环境，或者在开发中遇到困难，可以<a

href="https://jq.qq.com/?_wv=1027&k=52sgH1J"

target="_blank">

加入我们的java学习圈，点击即可加入

</a>

，共同学习，节约学习时间，减少很多在学习中遇到的难题。**

开始搭建

依赖Jar包

<dependency>
	<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>4.0.1</version>
</dependency>

Spring-ocr配置

在spring的xml中，按照spring的规范，定义tesseractService，方便调用。

<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
	   xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	   xmlns:aop="http://www.springframework.org/schema/aop"
	   xmlns:context="http://www.springframework.org/schema/context"
	xsi:schemaLocation="
                     http://www.springframework.org/schema/beans
                     http://www.springframework.org/schema/beans/spring-beans-4.0.xsd
                     http://www.springframework.org/schema/aop
                     http://www.springframework.org/schema/aop/spring-aop-4.0.xsd
                     http://www.springframework.org/schema/context
                     http://www.springframework.org/schema/context/spring-context-4.0.xsd ">

	<bean id="annotationPropertyConfigurerOcr"
		  class="org.springframework.beans.factory.config.PropertyPlaceholderConfigurer">
		<property name="order" value="1" />
		<property name="ignoreUnresolvablePlaceholders" value="true" />
		<property name="locations">
			<list>
				<value>classpath:ocr.properties</value>
			</list>
		</property>
	</bean>

	<bean id="tesseractService" class="com.cff.springwork.ocr.service.TesseractService">
		<property name="tessdataPath" value="${tessdata.path}" />
		<property name="tessdataLang" value="${tessdata.language}" />
	</bean>
	
</beans>

这里的xml文件引入配置文件。

ocr.properties：

tessdata.path=/tessdata
tessdata.language=eng

tessdata.path指定了训练数据的路径，训练库比较大，https://github.com/tesseract-ocr/tessdata这里可以下载

调用的service

我们可以编写一个完整的service，方便以后使用。

TesseractService:

import java.awt.image.BufferedImage;
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

import javax.imageio.ImageIO;

import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import net.sourceforge.tess4j.util.ImageHelper;

public class TesseractService {
	private String tessdataPath;
	private String tessdataLang;

	public String ocr(String filePath) {
		try {
			File imageFile = new File(filePath);
			Tesseract instance = new Tesseract();
			// 使用classpath目录下的训练库
			String path = tessdataPath;
			instance.setLanguage(tessdataLang);// 英文库识别数字比较准确

			instance.setDatapath(path);
			String result = instance.doOCR(imageFile);
			return result;
		} catch (TesseractException e) {
			e.printStackTrace();
			return null;
		}
	}

	public static BufferedImage change(File file) {

		// 读取图片字节数组
		BufferedImage textImage = null;
		try {
			InputStream in = new FileInputStream(file);
			BufferedImage image = ImageIO.read(in);
			textImage = ImageHelper
					.convertImageToGrayscale(ImageHelper.getSubImage(image, 0, 0, image.getWidth(), image.getHeight())); // 对图片进行处理
			textImage = ImageHelper.getScaledInstance(image, image.getWidth() * 5, image.getHeight() * 5); // 将图片扩大5倍

		} catch (IOException e) {
			e.printStackTrace();
		}

		return textImage;
	}
}