1.今天和同事研究如何用java实现图片识别。百度上大部分都是用tesseract去实现的。所以就做了一个demo

（1）。首先下载Tesseract-OCR 3.02，以及中文包chi_sim.traineddata(简体)

（2）以下介绍两种方式

 cmd 方式 和 test4j方式

CMD方式：

（2.1）下载安装后打开cmd命令行，输入 tesseract，如果出现下图说明安装成功

（2.2）、命令行测试使用

接下来就可以使用tesseract进行图片识别了。准备一副待识别的图像，这里用画图工具随便写了一段字，然后定义成1.jpg

$ \4 X2 p" S0 A& Y% a
在命令行中定位到图片路径然后输入命令：

  tesseract 1.jpg result -l eng

     其中result表示输出结果文件txt名称，eng表示用以识别的语言文件为英文。会发现图片当前目录下生成了1个result.txt文件里面结果为

5 g, C/ l. s* h2 V% k& o$ T" p" U

  

4、增加中文语言库

安装目录下的tessdata目录存放的是语言识别包，如果想增加中文识别功能，可以将中文的语言库放到此目录下，下载链接在下面地址：http://pan.baidu.com/s/1hqnGq4c，下载后将解压出的chi_sim.traineddata放到此目录下。然后调用的时候指明语言库即可，例如：tesseract xxx.jpg result -l chi_sim

照样，我们搞一个2.jpg图片，来测试下中文识别下的识别率怎么样。

1 d6 z0 Y1 ^. S

执行后结果

: j0 w) i. J8 y' M- y7 G8 i: ]8 \

，可以看到，识别率并不是十分令人满意。而且这边使用的例子都是十分正规的字体。如果遇到验证码那种不规则的字体，识别率也会大打折扣的。

Java方式：

 利用test4j封装相关的api，直接引用如下jar包

  <dependency>  
            <groupId>net.java.dev.jna</groupId>  
            <artifactId>jna</artifactId>  
            <version>4.1.0</version>  
        </dependency>  
        <dependency>  
            <groupId>net.sourceforge.tess4j</groupId>  
            <artifactId>tess4j</artifactId>  
            <version>2.0.1</version>  
            <exclusions>  
                <exclusion>  
                    <groupId>com.sun.jna</groupId>  
                    <artifactId>jna</artifactId>  
                </exclusion>  
            </exclusions>  
        </dependency> 

java代码：

因为用了中文的语言包 chi_sim,启动遇到一点问题，还好有度娘。

报错：

read_params_file: parameter not found: allow_blob_division

解决方案如下：

在chi_sim.traineddata(注意版本)文件目录下(../Tesseract-OCR/tessdata),使用命令行执行：

 combine_tessdata -e chi_sim.traineddata chi_sim.config

 执行完后，在目录下出现chi_sim.config的文件，打开该文件；
 在allow_blob_division        F这一行的前面加#，注释掉

 即：# allow_blob_division        F    

 然后，在执行命令行：
 combine_tessdata -o chi_sim.traineddata chi_sim.config