国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

打開APP
userphoto
未登錄

開通VIP，暢享免費電子書等14項超值服

開通VIP

首頁

好書

留言交流

下載APP

聯(lián)系客服
tesseract-ocr識別驗證碼和中文掃描圖片實例講解

本文參考http://blog.csdn.net/zhoushuyan/archive/2010/10/18/5948289.aspx#1567946實現(xiàn)，在這里感謝該文章的作者。

當我瀏覽http://code.google.com/p/tesseract-ocr并下載了幾個文件下來之后頓時感到一頭霧水，不知該如何下手。網(wǎng)上看到有人在linux操作系統(tǒng)下的實現(xiàn)，

 如：

   利用開源程序（ImageMagick+tesseract-ocr）實現(xiàn)圖像驗證碼識別 

  但卻很少看到在windows下的相關(guān)文章介紹。

  接下來我將一步步講述如何采用tesseract-ocr識別含有中文的圖片。

1、下載tesseract-ocr（注意3.0版本之后才支持中文的識別）

      tesseract-ocr-setup-3.00.exe     

      chi_sim.traineddata.gz   

2、安裝tesseract-ocr

      解壓縮，雙擊 tesseract-ocr-setup-3.00.exe 即可根據(jù)提示一步步安裝，本人安裝的目錄是：D:\Program Files\Tesseract-OCR

      在該目錄下可看到tesseract.exe文件，這就是我們后面程序中會調(diào)用到的運行進程。

3、自定義安裝語言包

      D:\Program Files\Tesseract-OCR目錄下找到\tessdata目錄，其是用來存放語言包，可把 chi_sim.traineddata.gz   解壓縮之后的chi_sim.traineddata文件復(fù)制到該目錄下即可。

4、編寫測試代碼

        在編寫代碼之前下載兩個jar包：jai_imageio-1.1-alpha.jar、swingx-1.0.jar，可在www.findjar.com 網(wǎng)站上去下載。

    

  1. import java.awt.image.BufferedImage;  
  2. import java.io.File;  
  3. import java.io.IOException;  
  4. import java.util.Iterator;  
  5. import java.util.Locale;  
  6.   
  7. import javax.imageio.IIOImage;  
  8. import javax.imageio.ImageIO;  
  9. import javax.imageio.ImageReader;  
  10. import javax.imageio.ImageWriteParam;  
  11. import javax.imageio.ImageWriter;  
  12. import javax.imageio.metadata.IIOMetadata;  
  13. import javax.imageio.stream.ImageInputStream;  
  14. import javax.imageio.stream.ImageOutputStream;  
  15.   
  16. import com.sun.media.imageio.plugins.tiff.TIFFImageWriteParam;  
  17.   
  18. public class ImageIOHelper {  
  19.     /** 
  20.      * 圖片文件轉(zhuǎn)換為tif格式 
  21.      * @param imageFile 文件路徑 
  22.      * @param imageFormat 文件擴展名 
  23.      * @return 
  24.      */  
  25.     public static File createImage(File imageFile, String imageFormat) {  
  26.         File tempFile = null;  
  27.         try {  
  28.             Iterator<ImageReader> readers = ImageIO.getImageReadersByFormatName(imageFormat);  
  29.             ImageReader reader = readers.next();  
  30.           
  31.             ImageInputStream iis = ImageIO.createImageInputStream(imageFile);  
  32.             reader.setInput(iis);  
  33.             //Read the stream metadata  
  34.             IIOMetadata streamMetadata = reader.getStreamMetadata();  
  35.               
  36.             //Set up the writeParam  
  37.             TIFFImageWriteParam tiffWriteParam = new TIFFImageWriteParam(Locale.CHINESE);  
  38.             tiffWriteParam.setCompressionMode(ImageWriteParam.MODE_DISABLED);  
  39.               
  40.             //Get tif writer and set output to file  
  41.             Iterator<ImageWriter> writers = ImageIO.getImageWritersByFormatName("tiff");  
  42.             ImageWriter writer = writers.next();  
  43.               
  44.             BufferedImage bi = reader.read(0);  
  45.             IIOImage image = new IIOImage(bi,null,reader.getImageMetadata(0));  
  46.             tempFile = tempImageFile(imageFile);  
  47.             ImageOutputStream ios = ImageIO.createImageOutputStream(tempFile);  
  48.             writer.setOutput(ios);  
  49.             writer.write(streamMetadata, image, tiffWriteParam);  
  50.             ios.close();  
  51.               
  52.             writer.dispose();  
  53.             reader.dispose();  
  54.               
  55.         } catch (IOException e) {  
  56.             e.printStackTrace();  
  57.         }  
  58.         return tempFile;  
  59.     }  
  60.   
  61.     private static File tempImageFile(File imageFile) {  
  62.         String path = imageFile.getPath();  
  63.         StringBuffer strB = new StringBuffer(path);  
  64.         strB.insert(path.lastIndexOf('.'),0);  
  65.         return new File(strB.toString().replaceFirst("(?<=\\.)(\\w+)$", "tif"));  
  66.     }  
  67.   
  68. }  

 

    

      

  1. import java.io.BufferedReader;  
  2. import java.io.File;  
  3. import java.io.FileInputStream;  
  4. import java.io.InputStreamReader;  
  5. import java.util.ArrayList;  
  6. import java.util.List;  
  7.   
  8. import org.jdesktop.swingx.util.OS;  
  9.   
  10. public class OCR {  
  11.     private final String LANG_OPTION = "-l";  //英文字母小寫l，并非數(shù)字1  
  12.     private final String EOL = System.getProperty("line.separator");  
  13.     private String tessPath = "D:\\Program Files\\Tesseract-OCR";  
  14.     //private String tessPath = new File("tesseract").getAbsolutePath();  
  15.       
  16.     public String recognizeText(File imageFile,String imageFormat)throws Exception{  
  17.         File tempImage = ImageIOHelper.createImage(imageFile,imageFormat);  
  18.         File outputFile = new File(imageFile.getParentFile(),"output");  
  19.         StringBuffer strB = new StringBuffer();  
  20.         List<String> cmd = new ArrayList<String>();  
  21.         if(OS.isWindowsXP()){  
  22.             cmd.add(tessPath+"\\tesseract");  
  23.         }else if(OS.isLinux()){  
  24.             cmd.add("tesseract");  
  25.         }else{  
  26.             cmd.add(tessPath+"\\tesseract");  
  27.         }  
  28.         cmd.add("");  
  29.         cmd.add(outputFile.getName());  
  30.         cmd.add(LANG_OPTION);  
  31.         cmd.add("chi_sim");  
  32.         //cmd.add("eng");  
  33.           
  34.         ProcessBuilder pb = new ProcessBuilder();  
  35.         pb.directory(imageFile.getParentFile());  
  36.           
  37.         cmd.set(1, tempImage.getName());  
  38.         pb.command(cmd);  
  39.         pb.redirectErrorStream(true);  
  40.           
  41.         Process process = pb.start();  
  42.         //tesseract.exe 1.jpg 1 -l chi_sim  
  43.         int w = process.waitFor();  
  44.           
  45.         //刪除臨時正在工作文件  
  46.         tempImage.delete();  
  47.           
  48.         if(w==0){  
  49.             BufferedReader in = new BufferedReader(new InputStreamReader(new FileInputStream(outputFile.getAbsolutePath()+".txt"),"UTF-8"));  
  50.               
  51.             String str;  
  52.             while((str = in.readLine())!=null){  
  53.                 strB.append(str).append(EOL);  
  54.             }  
  55.             in.close();  
  56.         }else{  
  57.             String msg;  
  58.             switch(w){  
  59.                 case 1:  
  60.                     msg = "Errors accessing files.There may be spaces in your image's filename.";  
  61.                     break;  
  62.                 case 29:  
  63.                     msg = "Cannot recongnize the image or its selected region.";  
  64.                     break;  
  65.                 case 31:  
  66.                     msg = "Unsupported image format.";  
  67.                     break;  
  68.                 default:  
  69.                     msg = "Errors occurred.";  
  70.             }  
  71.             tempImage.delete();  
  72.             throw new RuntimeException(msg);  
  73.         }  
  74.         new File(outputFile.getAbsolutePath()+".txt").delete();  
  75.         return strB.toString();  
  76.     }  
  77. }  

 

    

  1. import java.io.File;  
  2. import java.io.IOException;  
  3.   
  4. public class TestOCR {  
  5.   
  6.     /** 
  7.      * @param args 
  8.      */  
  9.     public static void main(String[] args) {  
  10.         String path = "d:\\test\\chi.jpg";     
  11.         try {     
  12.             String valCode = new OCR().recognizeText(new File(path), "jpg");     
  13.             System.out.println(valCode);     
  14.         } catch (IOException e) {     
  15.             e.printStackTrace();     
  16.         } catch (Exception e) {  
  17.             e.printStackTrace();  
  18.         }      
  19.     }  
  20.   
  21. }  
 

 

     

      通過本人的測試對于中文的識別雖然不是很完美，至少其可支持了，但最大的缺點就是速度慢。中文本來就很復(fù)雜，而且其語言包就達到50多M，和英文語言包比起來真是..............

       測試圖片，可右擊“圖片另存為”

      

     解析輸出結(jié)果：

一、 引 孟4
1. 1 從體驗經(jīng)濟到體驗設(shè)計駟
隨著社會生產(chǎn)力發(fā)展水平的提高和人類需求層次的升級, 體驗經(jīng)濟也就成
為了經(jīng)濟發(fā)展的必然趨勢。 體驗經(jīng)濟 日 漸顯現(xiàn), 出現(xiàn)了服務(wù)于它的體驗設(shè)計。 、
設(shè)計是創(chuàng)新的重要組成部分。 茌強調(diào) 目 主創(chuàng)新的六環(huán)i競下, 申國的企業(yè)應(yīng)
該兗分關(guān)注體驗設(shè)計的新趨勢‘。體驗設(shè)計的理論正茌成為現(xiàn)代企業(yè)開發(fā)產(chǎn)品和
服務(wù)頂 目 的重要依據(jù)。 現(xiàn)階段, IT 領(lǐng)域很早就注意到了這一點, 百度、 騰訊、
支付寶、 阿里巴巴等著屬設(shè)有專門的用戶體驗部, 為其產(chǎn)品和服務(wù)增加附加價值,
也更六程度她讓用戶滿意, 最終荻得了最佳企業(yè)效益。 、
同時7 隨看現(xiàn)代產(chǎn)品設(shè)計思想的成熟, 產(chǎn)品設(shè)計也越來越聚焦于人本身一
7人的存茌, 人的需要7 持別是人的情感需要。 設(shè)計與人, 人與設(shè)計, 設(shè)計是
否可以有長遠意義, 是否可以印證人的真買存茌, 是否可以幫助人們理解 目 己,
認識世界。 這個問題己偏 同于哲學(xué), 但卻確買是設(shè)計這種文化形式的 內(nèi)茌訴求。
越來越多的產(chǎn)品遍過設(shè)計, 茌與人交互的過程申7 使人產(chǎn)生愉悅的體驗, 并茌
這個體驗的后期, 讓人產(chǎn)生反思, 遍過反思得以認識自 己7 發(fā)展自 己。 找想這
點是設(shè)計成為一種優(yōu)勢文化, 而所要肩 負 的必要責(zé)任。 ~

測試中發(fā)現(xiàn)的幾個注意點： 

    1、若是一份英文文檔其對英文字母o絕大部分會識別為數(shù)字0。所以若是英文和數(shù)字的文檔，最好不要加入中文語言包，而是引入eng.traineddata語言包到D:\Program Files\Tesseract-OCR\tessdata目錄下。

      看到OCR 類31-32行代碼

       cmd.add("chi_sim");
       //cmd.add("eng");

        去掉  //cmd.add("eng");前的注釋，但記得在cmd.add("chi_sim");前加上注釋哦，不然你就看不到效果了哦。

   2、測試中還發(fā)現(xiàn)一個問題，有時候在目錄下已經(jīng)生成臨時文件并且識別出的文字寫入到output.txt,但是在int w = process.waitFor();則阻塞了停止運行再也沒有反應(yīng)了，以致控制臺始終沒有打印出文字。

       解析（參考）：剛開始想到直接去掉這個語句算了，但是運行的時候會報運行錯誤。最后在 http://www.cnblogs.com/xxpal/articles/824963.html看到下面一段文字說明：在 Windows平臺上，運行被調(diào)用程序的DOS窗口在程序執(zhí)行完畢后往往并不會自動關(guān)閉，從而導(dǎo)致Java應(yīng)用程序阻塞在waitfor()語句。導(dǎo)致該現(xiàn)象的一個可能的原因是，該可執(zhí)行程序的標準輸出比較多，而運行窗口的標準輸出緩沖區(qū)不夠大。解決的辦法是，利用Java中Process類提供的方法讓 Java虛擬機截獲被調(diào)用程序的DOS運行窗口的標準輸出，在waitfor()命令之前讀出窗口的標準輸出緩沖區(qū)中的內(nèi)容。

      解決辦法：在int w = process.waitFor();代碼行前面加上

      String s;
      BufferedReader bufferedReader = new BufferedReader(new InputStreamReader(process.getInputStream()));
      while((s=bufferedReader.readLine()) != null);

      int w = process.waitFor();

      再次運行試試看吧。


本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點擊舉報。
打開APP，閱讀全文并永久保存 查看更多類似文章
猜你喜歡
類似文章
Java OCR 圖像智能字符識別技術(shù)，可識別中文
Pytesseract的安裝與使用
詳解Python安裝tesserocr遇到的各種問題及解決辦法
Python OCR庫：自動化測試驗證碼識別神器！
圖片與二進制之間的轉(zhuǎn)換
抓取一個網(wǎng)站特定的全部圖片（JAVA）
更多類似文章 >>
生活服務(wù)
分享 收藏 導(dǎo)長圖 關(guān)注 下載文章
綁定賬號成功
后續(xù)可登錄賬號暢享VIP特權(quán)！
如果VIP功能使用有故障，
可點擊這里聯(lián)系客服！

聯(lián)系客服