基本概念

Tesseract Open Source OCR Engine ：包含一个OCR引擎 – libtesseract和一个命令行程序 – tesseract。Tesseract 4添加了一个新的基于LSTM的OCR引擎，该引擎专注于行识别，但仍支持Tesseract 3的传统Tesseract OCR引擎，该引擎通过识别字符模式进行工作。通过使用传统OCR引擎模式（–oem 0），可以与Tesseract 3兼容。它还需要训练有素的数据文件来支持旧式引擎，例如tessdata存储库中的文件。

Tess4J：Tesseract OCR API的 Java JNA包装器。

Maven

<dependencies>
        <dependency>
            <groupId>net.sourceforge.tess4j</groupId>
            <artifactId>tess4j</artifactId>
            <version>4.4.0</version>
        </dependency>
 </dependencies>

GitHub

Tesseract Open Source OCR Engine ：https://github.com/tesseract-ocr/tesseract

Tess4J项目：https://github.com/nguyenq/tess4j

语言库：https://github.com/tesseract-ocr/tessdata/blob/master/eng.traineddata

DEMO

1、首先创建一个新的maven项目，将所需jar包引入pom.xml

2、在任意地方创建一个文件夹tessdata，将下载的chi_sim.traineddata 和 eng.traineddata语言包存放在该目录下，也可以直接存放到自己项目的resources/tessdata目录下。

JAVA——Tess4J简单的图像识别DEMO

3、编写代码

         // 识别图片的路径（修改为自己的图片路径）
        String path = "D:\\test.jpg";

        // 语言库位置（修改为跟自己语言库文件夹的路径）
        String lagnguagePath = "D:\\tessdata";

        File file = new File(path);
        ITesseract instance = new Tesseract();

        //设置训练库的位置
        instance.setDatapath(lagnguagePath);

        //chi_sim ：简体中文， eng    根据需求选择语言库
        instance.setLanguage("eng");
        String result = null;
        try {
            long startTime = System.currentTimeMillis();
            result =  instance.doOCR(file);
            long endTime = System.currentTimeMillis();
            System.out.println("Time is：" + (endTime - startTime) + " 毫秒");
        } catch (TesseractException e) {
            e.printStackTrace();
        }

        System.out.println("result: ");
        System.out.println(result);