Spring Boot 集成 tess4j 实现图片识别文本

澹台吉星 · 2025-6-29 18:41:36

前言

Tesseract 是世界上最知名、应用最广泛的开源 OCR 引擎。它由 Google 积极维护，功能强大，支持多种语言和平台。虽然它在处理理想条件下的印刷文本时表现出色，但其精度会受到图像质量和复杂性的影响。它通常作为核心引擎被集成到各种应用程序、脚本和更大型的系统中，是许多需要文本提取功能的项目的首选开源解决方案。

一、安装 tesseract （OCR）

安装链接：Index of /tesseract (uni-mannheim.de)

二、下载训练数据

通过网盘分享的文件：tessdata各语言集合包.zip
链接: https://pan.baidu.com/s/13oPR2r7qOE6lt6SgbpWOQA 提取码: uaaw
三、创建springboot项目

1、导入依赖

<dependency>
<groupId>net.sourceforge.tess4j</groupId>
tess4j</artifactId>
<version>5.3.0</version>
</dependency>

复制代码

2、编写配置类

package com.songwp.config;
import net.sourceforge.tess4j.Tesseract;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
/**
* @ClassName：TesseractOcrConfig
* @Description: ocr配置类
* @Author: songwp
* @Date: 2025/6/29 19:24
*/
@Configuration
public class TesseractOcrConfig {
@Value("${tess4j.data-path}")
private String dataPath;
@Value("${tess4j.language}")
private String language;
@Bean
public Tesseract tesseract() {
Tesseract tesseract = new Tesseract();
// 设置训练数据文件夹路径
tesseract.setDatapath(dataPath);
// 设置为中文简体
tesseract.setLanguage(language);
return tesseract;
}
}

复制代码

3、编写controller

package com.songwp.controller;
import com.songwp.service.OcrService;
import lombok.extern.slf4j.Slf4j;
import net.sourceforge.tess4j.TesseractException;
import org.springframework.http.MediaType;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RequestParam;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.multipart.MultipartFile;
import java.io.IOException;
/**
* @ClassName：OcrController
* @Description: ocr识别controller
* @Author: songwp
* @Date: 2025/6/29 18:40
*/
@RestController
@RequestMapping("/ocr")
@Slf4j
public class OcrController {
private final OcrService ocrService;
public OcrController(OcrService ocrService) {
this.ocrService = ocrService;
}
@PostMapping(value = "/recognize", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)
public String recognizeImage(@RequestParam("file") MultipartFile file) throws TesseractException, IOException {
log.info(ocrService.recognizeText(file));
// 调用OcrService中的方法进行文字识别
return ocrService.recognizeText(file);
}
}

复制代码

5、编写service

package com.songwp.service;
import net.sourceforge.tess4j.TesseractException;
import org.springframework.web.multipart.MultipartFile;
import java.io.IOException;
/**
* @ClassName：OcrService
* @Description: ocr识别接口
* @Author: songwp
* @Date: 2025/6/29 19:27
*/
public interface OcrService {
public String recognizeText(MultipartFile imageFile) throws IOException, TesseractException;
}

复制代码

5、编写service实现类

package com.songwp.service.impl;
import com.songwp.service.OcrService;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import org.springframework.stereotype.Service;
import org.springframework.web.multipart.MultipartFile;
import javax.imageio.ImageIO;
import java.awt.image.BufferedImage;
import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.io.InputStream;
/**
* @ClassName：OcrServiceImpl
* @Description: ocr识别实现类
* @Author: songwp
* @Date: 2025/6/29 19:28
*/
@Service
public class OcrServiceImpl implements OcrService {
private final Tesseract tesseract;
public OcrServiceImpl(Tesseract tesseract) {
this.tesseract = tesseract;
}
/**
*
* @param imageFile 要识别的图片
* @return
*/
@Override
public String recognizeText(MultipartFile imageFile) throws IOException, TesseractException {
// 转换
InputStream sbs = new ByteArrayInputStream(imageFile.getBytes());
BufferedImage bufferedImage = ImageIO.read(sbs);
// 对图片进行文字识别
return tesseract.doOCR(bufferedImage);
}
}

复制代码

6、运行调试

注：图片颜色比较多的时候有有点识别不清楚了以及一些带字体的文本
参考链接：Spring Boot 集成 tess4j 实现图片识别文本_springboot tesseract-CSDN博客

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

账号		自动登录	找回密码
密码			立即注册

Spring Boot 集成 tess4j 实现图片识别文本

浏览过的版块

签约作者