从零开发短视频电商 Tesseract OCR 的 Java 拓展库 javacpp-presets

lakernote2024-01-10 10:59

文章目录

    • 简介
    • 添加依赖
    • 识别示例
      • [示例一 识别本地图片](#示例一 识别本地图片)
      • [示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）](#示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）)
      • [示例三 使用迭代器遍历识别结果及其选择项](#示例三 使用迭代器遍历识别结果及其选择项)
      • [示例四 方向和脚本检测](#示例四 方向和脚本检测)
      • [示例五 结果迭代器](#示例五 结果迭代器)
      • [示例六 设置引擎、页面分割模式、语言](#示例六 设置引擎、页面分割模式、语言)
      • [示例七 识别限制为图像的子矩形](#示例七 识别限制为图像的子矩形)

简介

项目地址：https://github.com/bytedeco/javacpp-presets

JavaCPP:

JavaCPP 是一个用于在 Java 中使用本地库的工具，它允许通过 Java 代码访问本地（C/C++）库，而无需编写过多的本地代码。这种方法可以使 Java 与其他语言编写的库进行集成，提供了对性能关键的原生功能的访问。JavaCPP 使用 Java 注解和本地代码生成，使得在 Java 中调用本地代码变得相对容易。

javacpp-presets:

javacpp-presets 是 JavaCPP 的一个相关项目，它提供了预定义的配置（presets）和原生库绑定，以便在 Java 中使用。这些预定义的配置通常与特定的本地库相关联，允许 Java 开发人员轻松地在其项目中使用这些库。

具体而言，https://github.com/bytedeco/javacpp-presets 存储了由 JavaCPP 团队提供的预定义配置，以支持许多常见的本地库。这些预定义配置文件中包含了与本地库相关的 Java 接口和本地代码，使得 Java 开发者可以方便地在其 Java 项目中集成这些本地库。

一些例子可能包括 OpenCV 、FFmpeg 、tesseract 、TensorFlow 等库的预定义配置，让您能够在 Java 中直接使用它们的功能，而无需深入了解本地代码的细节。

总的来说，javacpp-presets 是一个简化在 Java 中使用本地库的工具，使得开发人员可以更轻松地利用性能强大的本地库功能。

添加依赖

xml 复制代码 
<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>tesseract-platform</artifactId>
    <version>5.3.1-1.5.9</version>
</dependency>

https://central.sonatype.com/artifact/org.bytedeco/tesseract-platform

将下载适用于所有平台的二进制文件，导致打包后的包特别大。

这样会导致我们打出的包特别大，所以要瘦身。

方式一 仅获取某个平台的二进制文件，我们可以将 javacpp.platform系统属性（通过 -D 命令行选项）设置为类似 android-arm、linux-x86_64、macosx-x86_64、windows-x86_64 等。

sh 复制代码 
mvn -Djavacpp.platform=linux-x86_64 ...

我们还可以指定多个平台，要包含 2 个或更多平台的二进制文件，我们可以依赖不同的配置文件集，但始终首先通过设置 javacpp.platform.custom 系统属性来重置 javacpp.platform 的默认值。例如，在主机平台的情况下，加上 Mac 和 Windows，我们可以使用以下命令：

shell 复制代码 
mvn -Djavacpp.platform.custom -Djavacpp.platform.host -Djavacpp.platform.macosx-x86_64 -Djavacpp.platform.windows-x86_64 ...

方式二（推荐 推荐） 如果你只需要 Windows 64 和 Linux 64 的依赖，你可以通过指定这两个平台的依赖来优化你的 Maven 配置。具体来说，你可以使用下面的配置：

xml 复制代码 
<dependencies>
    //<dependency> 不要这个大而全的方式
   //<groupId>org.bytedeco</groupId>
   // <artifactId>tesseract-platform</artifactId>
   // <version>5.3.1-1.5.9</version>
   //</dependency>
    <!-- java代码 -->
    <dependency> 
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
    </dependency>
    <!-- 动态库文件 这里只需要 linux 和 Windows的动态库，会减少打包后的体积 -->
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
        <classifier>windows-x86_64</classifier>
    </dependency>
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>tesseract</artifactId>
        <version>5.3.1-1.5.9</version>
        <classifier>linux-x86_64</classifier>
    </dependency>
    <!-- tesseract 强依赖 leptonica -->
      <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>leptonica</artifactId>
            <version>1.83.0-1.5.9</version>
            <classifier>windows-x86_64</classifier>
        </dependency>
        <dependency>
            <groupId>org.bytedeco</groupId>
            <artifactId>leptonica</artifactId>
            <version>1.83.0-1.5.9</version>
            <classifier>linux-x86_64</classifier>
        </dependency>
    
</dependencies>

这样的配置只会下载和安装 tesseract 的 Windows 64 和 Linux 64 版本的依赖，而不会下载和安装其他平台的依赖。

支持的平台名称列表：

  • android-arm
  • android-arm64
  • android-x86
  • android-x86_64
  • ios-arm64
  • ios-x86_64
  • linux-armhf
  • linux-arm64
  • linux-ppc64le
  • linux-x86
  • linux-x86_64
  • macosx-arm64
  • macosx-x86_64
  • windows-x86
  • windows-x86_64

识别示例

https://tesseract-ocr.github.io/tessdoc/APIExample

https://github.com/tesseract-ocr/tessdoc/tree/main/examples

首先要下载训练数据：

有三个仓库可以下载，但是它们的精度和速度有所不同：

  1. tessdata：这个仓库包含了Tesseract 4.0的原始训练数据，这些数据在精度和速度之间达到了一种平衡。如果你在精度和速度之间都有需求，可以使用这个仓库的数据。
  2. tessdata_best：这个仓库包含了Tesseract 4.0的最高精度训练数据，这些数据的识别精度更高，但是运行速度较慢。如果你的应用场景对识别精度有很高的要求，可以使用这个仓库的数据。
  3. tessdata_fast：这个仓库包含了Tesseract 4.0的快速训练数据，这些数据的运行速度更快，但是识别精度较低。如果你的应用场景对运行速度有很高的要求，可以使用这个仓库的数据。

在选择训练数据时，你需要根据你的应用场景和需求进行权衡。如果你对识别精度和运行速度都有一定的要求，可以尝试使用不同仓库的数据，看看哪种数据最适合你的需求。

我这里只下载了tessdata_best中的eng.traineddata。

示例一 识别本地图片

java 复制代码 
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;

import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class BasicExample {
    public static void main(String[] args) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，不指定 tessdata 路径
        if (api.Init(null, "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        PIX image = pixRead("/usr/src/tesseract/testing/phototest.tif");
        api.SetImage(image);

        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);
    }
}

示例二 识别图像中的各个组件（比如文本行，单词，或单个字符）

GetComponentImages这个功能在许多场景下都可能会用到，以下是一些常见的应用场景：

  1. 文本定位和提取：在图像处理或计算机视觉的应用中，经常需要定位并提取出图像中的文本内容。例如，在车牌识别、名片识别、表格识别等场景中，我们需要找到并读取图像中的文本信息。
  2. 文档分析 ：在处理扫描或拍摄的文档时，我们可能需要分析文档的布局，识别并提取出文档中的标题、段落、表格等各个部分。这时，我们可以使用GetComponentImages方法找到各个部分的位置和大小。
  3. OCR后处理 ：在使用OCR技术识别文本后，我们可能需要对识别结果进行后处理，例如纠正错误、提高识别精度等。在这些场景中，我们可以使用GetComponentImages方法获取每个字符或单词的位置和大小，然后根据这些信息进行后处理。

以上只是一些常见的应用场景，实际上，GetComponentImages这个功能在任何需要分析图像内容、提取图像中的特定部分，或处理图像中的文本的应用中都可能会用到。

java 复制代码 
import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class GetComponentImagesExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，并使用标准 ENV 变量初始化 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://img-blog.csdnimg.cn/direct/37d4f5eac7f442bea2d268982fd6c3d7.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 查找所有组件图像
        int[] blockIds = {};
        // BOXA对象，包含了图像中每一行文本的边界框（即每一行文本的位置和大小）。
        BOXA boxes = api.GetComponentImages(RIL_TEXTLINE, true, null, blockIds);

        for (int i = 0; i < boxes.n(); i++) {
            // 对于每个图像框，OCR 在其区域内进行
            BOX box = boxes.box(i);
            api.SetRectangle(box.x(), box.y(), box.w(), box.h());
            outText = api.GetUTF8Text();
            String ocrResult = outText.getString();
            // 使用MeanTextConf方法计算这个区域的平均置信度。
            int conf = api.MeanTextConf();

            String boxInformation = String.format("Box[%d]: x=%d, y=%d, w=%d, h=%d, confidence: %d, text: %s", i, box.x(), box.y(), box.w(), box.h(), conf, ocrResult);
            System.out.println(boxInformation);

            outText.deallocate();
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

图片为 :

结果为：

ini 复制代码 
Box[0]: x=67, y=85, w=1264, h=160, confidence: 82, text: The Quick Brown

Box[1]: x=71, y=251, w=1168, h=160, confidence: 94, text: Fox Jumps Over

Box[2]: x=67, y=418, w=1049, h=160, confidence: 69, text: lhe Lazy Dog.

Box[3]: x=65, y=582, w=1811, h=71, confidence: 73, text: abcdefghijklmnopqrstuvwxyz0123456789 | | ( ) { } /\ < >

示例三 使用迭代器遍历识别结果及其选择项

使用 Tesseract OCR 对给定的图像进行文本识别，并通过迭代器遍历输出每个识别结果及其选择项（如果有的话）。在处理图像的过程中，它使用 Leptonica 库打开图像，并通过 Tesseract API 进行文本识别。输出包括每个识别到的符号（symbol）以及其对应的置信度，以及针对每个符号的选择项及其置信度。此程序可以用于分析文本中的字符及其置信度，以及可能的替代选择项。

java 复制代码 
import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;


public class IteratorOverClassifierChoicesExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;
        BytePointer choiceText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC recoc = TessMonitorCreate();
        api.Recognize(recoc);

        // 获取结果迭代器
        ResultIterator ri = api.GetIterator();
        int pageIteratorLevel = RIL_SYMBOL;
        if (ri != null) {
            do {
                // 获取当前迭代器位置的文本和置信度
                outText = ri.GetUTF8Text(pageIteratorLevel);
                float conf = ri.Confidence(pageIteratorLevel);
                String symbolInformation = String.format("symbol: '%s';  \tconf: %.2f", outText.getString(), conf);
                System.out.println(symbolInformation);
                
                // 遍历选择项迭代器并输出选择项及其置信度
                boolean indent = false;
                ChoiceIterator ci = TessResultIteratorGetChoiceIterator(ri);
                do {
                    if (indent)
                        System.out.print("\t\t");
                    System.out.print("\t-");
                    choiceText = ci.GetUTF8Text();
                    System.out.println(String.format("%s conf: %f", choiceText.getString(), ci.Confidence()));
                    indent = true;
                    choiceText.deallocate();
                } while (ci.Next());

                outText.deallocate();
            } while (ri.Next(pageIteratorLevel));
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

ini 复制代码 
symbol: 'T';  	conf: 99.22
	-T conf: 99.222244
symbol: 'h';  	conf: 99.54
	-h conf: 99.542496
symbol: 'e';  	conf: 99.54
	-e conf: 99.541702
...

示例四 方向和脚本检测

需要osd.traineddata

使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器分析文本布局，获取图像的方向、脚本、文本行顺序和去倾角度等信息。

适用于需要获取图像文本布局信息的场景，例如自动化文档处理、图像文字分析、以及需要检测和调整文本方向的应用。通过分析文本布局信息，可以更好地理解图像中的文本结构，为后续处理提供有用的信息。

java 复制代码 
import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class OrientationAndScriptDetectionExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());

        // 设置 Tesseract 页面分割模式为自动方向和脚本检测
        api.SetPageSegMode(PSM_AUTO_OSD);
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC reco = TessMonitorCreate();
        api.Recognize(reco);

        // 获取页面迭代器，用于分析布局信息
        PageIterator iterator = api.AnalyseLayout();
        int[] orientation = new int[1];
        int[] writing_direction = new int[1];
        int[] textline_order = new int[1];
        float[] deskew_angle = new float[1];

        // 获取页面布局信息，包括方向、书写方向、文本行顺序和去倾角度
        iterator.Orientation(orientation, writing_direction, textline_order, deskew_angle);
        String osdInformation = String.format("Orientation: %d;\nWritingDirection: %d\nTextlineOrder: %d\nDeskew angle: %.4f\n",
                orientation[0], writing_direction[0], textline_order[0], deskew_angle[0]);
        System.out.println(osdInformation);

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

ini 复制代码 
Orientation: 0;
WritingDirection: 0
TextlineOrder: 2
Deskew angle: 0.0055

Estimating resolution as 1024
Estimating resolution as 1024

-- 页面布局信息：
Orientation（方向）: 0，表示图像方向为正常方向。
WritingDirection（书写方向）: 0，表示水平书写。
TextlineOrder（文本行顺序）: 2，表示文本行的阅读顺序是从上到下。
Deskew angle（去倾角度）: 0.0055，表示需要微小的逆时针旋转图像，以使文本更加水平。
最后，给出了图像分辨率的估计值为 1024。

enum Orientation {
  ORIENTATION_PAGE_UP = 0,       // 页面朝上
  ORIENTATION_PAGE_RIGHT = 1,    // 页面朝右
  ORIENTATION_PAGE_DOWN = 2,     // 页面朝下
  ORIENTATION_PAGE_LEFT = 3,     // 页面朝左
};
enum WritingDirection {
  WRITING_DIRECTION_LEFT_TO_RIGHT = 0,   // 从左到右
  WRITING_DIRECTION_RIGHT_TO_LEFT = 1,   // 从右到左
  WRITING_DIRECTION_TOP_TO_BOTTOM = 2,   // 从上到下
};
enum TextlineOrder {
  TEXTLINE_ORDER_LEFT_TO_RIGHT = 0,   // 从左到右
  TEXTLINE_ORDER_RIGHT_TO_LEFT = 1,   // 从右到左
  TEXTLINE_ORDER_TOP_TO_BOTTOM = 2,   // 从上到下
};

示例五 结果迭代器

此程序使用 Tesseract OCR 对给定图像进行文本识别，并通过迭代器遍历输出每个识别结果的单词、置信度和边界框信息。

适用于需要详细分析文本的应用场景，例如文本布局分析、单词级别的文本处理、或者需要获取文本边界框信息的图像处理任务。通过迭代器遍历，可以获得每个单词的具体位置和识别置信度，为后续处理和分析提供更多信息。

java 复制代码 
import java.io.File;
import java.net.URL;
import org.bytedeco.javacpp.*;
import org.bytedeco.leptonica.*;
import org.bytedeco.tesseract.*;
import static org.bytedeco.leptonica.global.leptonica.*;
import static org.bytedeco.tesseract.global.tesseract.*;

public class ResultIteratorExample {
    public static void main(String[] args) throws Exception {
        BytePointer outText;

        // 创建 Tesseract API 对象
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-OCR，并使用标准的环境变量设置 tessdata 路径
        if (api.Init(System.getenv("TESSDATA_PREFIX") + "/tessdata", "eng") != 0) {
            System.err.println("Could not initialize tesseract.");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        URL url = new URL("https://upload.wikimedia.org/wikipedia/commons/thumb/7/74/Computer_modern_sample.svg/1920px-Computer_modern_sample.svg.png");
        File file = Loader.cacheResource(url);
        PIX image = pixRead(file.getAbsolutePath());
        api.SetImage(image);

        // 创建 Tesseract 文本监视器
        ETEXT_DESC recoc = TessMonitorCreate();
        api.Recognize(recoc);

        // 获取结果迭代器
        ResultIterator ri = api.GetIterator();
        int pageIteratorLevel = RIL_WORD;
        if (ri != null) {
            do {
                // 获取当前迭代器位置的文本、置信度和边界框信息
                outText = ri.GetUTF8Text(pageIteratorLevel);
                float conf = ri.Confidence(pageIteratorLevel);
                int[] x1 = new int[1], y1 = new int[1], x2 = new int[1], y2 = new int[1];
                ri.BoundingBox(pageIteratorLevel, x1, y1, x2, y2);
                String riInformation = String.format("word: '%s';  \tconf: %.2f; BoundingBox: %d,%d,%d,%d;\n", outText.getString(), conf, x1[0], y1[0], x2[0], y2[0]);
                System.out.println(riInformation);

                outText.deallocate();
            } while (ri.Next(pageIteratorLevel));
        }

        // 销毁使用的对象并释放内存
        api.End();
        pixDestroy(image);
    }
}

结果：

ini 复制代码 
word: 'The';  	conf: 94.56; BoundingBox: 67,86,340,211;

word: 'Quick';  	conf: 96.57; BoundingBox: 409,85,818,245;

word: 'Brown';  	conf: 96.79; BoundingBox: 879,88,1331,211;

word: 'Fox';  	conf: 93.97; BoundingBox: 71,254,314,377;

word: 'Jumps';  	conf: 95.90; BoundingBox: 382,254,836,411;

word: 'Over';  	conf: 96.67; BoundingBox: 900,251,1239,379;

word: 'The';  	conf: 94.07; BoundingBox: 67,418,340,543;

word: 'Lazy';  	conf: 96.35; BoundingBox: 410,420,738,578;

word: 'Dog.';  	conf: 92.79; BoundingBox: 807,420,1116,578;

word: 'abcdefghijkmnopqrstuvwxyz0123456789';  	conf: 18.28; BoundingBox: 65,585,1335,650;

word: '[|';  	conf: 66.39; BoundingBox: 1369,582,1415,653;

word: '()';  	conf: 54.27; BoundingBox: 1454,582,1518,653;

word: '{';  	conf: 62.11; BoundingBox: 1560,582,1586,653;

word: '}';  	conf: 62.11; BoundingBox: 1618,582,1643,653;

word: '/\';  	conf: 73.02; BoundingBox: 1675,582,1738,653;

word: '<';  	conf: 86.10; BoundingBox: 1770,606,1804,639;

word: '>';  	conf: 96.04; BoundingBox: 1842,607,1876,639;

示例六 设置引擎、页面分割模式、语言

java 复制代码 
import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;
import org.bytedeco.tesseract.global.tesseract;

import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;
import static org.bytedeco.tesseract.global.tesseract.PSM_AUTO;

public class BasicExample {
    // 执行 OCR 的方法
    public static String doOCR(String dataPath, String fileName) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 tesseract-ocr，指定 tessdata 路径
        // 如果使用的是中文，请使用 tessdata-best/chi_sim 或者 tessdata-best/chi_tra
        // 指定 OCR 引擎为 LSTM_ONLY
        if (api.Init(dataPath, "eng", tesseract.OEM_LSTM_ONLY) != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }
        // 设置页面分割模式
        api.SetPageSegMode(PSM_AUTO);
        // 使用 Leptonica 库打开输入图像
        PIX image = pixRead(fileName);
        api.SetImage(image);

        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);

        return outText.getString();
    }
}

示例七 识别限制为图像的子矩形

java 复制代码 
import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.leptonica.PIX;
import org.bytedeco.tesseract.TessBaseAPI;

import java.io.File;

import static org.bytedeco.leptonica.global.leptonica.pixDestroy;
import static org.bytedeco.leptonica.global.leptonica.pixRead;

public class Main {
    public static void main(String[] args) {
        BytePointer outText;

        // 初始化 Tesseract API
        TessBaseAPI api = new TessBaseAPI();
        // 使用英语初始化 Tesseract-ocr，不指定 tessdata 路径
        if (api.Init(null, "eng") != 0) {
            System.err.println("无法初始化 Tesseract。");
            System.exit(1);
        }

        // 使用 Leptonica 库打开输入图像
        File imageFile = new File("phototest.tif");
        PIX image = pixRead(imageFile.getAbsolutePath());
        api.SetImage(image);
        // 限制识别范围为图像的子矩形
        // SetRectangle(left, top, width, height)
        api.SetRectangle(30, 86, 590, 100);
        // 获取 OCR 结果
        outText = api.GetUTF8Text();
        System.out.println("OCR 输出:\n" + outText.getString());

        // 销毁使用的对象并释放内存
        api.End();
        outText.deallocate();
        pixDestroy(image);
    }
}
相关推荐
儿时可乖了27 分钟前
使用 Java 操作 SQLite 数据库
java·数据库·sqlite
ruleslol29 分钟前
java基础概念37：正则表达式2-爬虫
java
xmh-sxh-13141 小时前
jdk各个版本介绍
java
天天扭码1 小时前
五天SpringCloud计划——DAY2之单体架构和微服务架构的选择和转换原则
java·spring cloud·微服务·架构
程序猿进阶1 小时前
堆外内存泄露排查经历
java·jvm·后端·面试·性能优化·oom·内存泄露
简鹿办公1 小时前
如何提取某站 MV 视频中的音乐为 MP3 音频
音视频·简鹿视频格式转换器·视频提取mp3音频
FIN技术铺1 小时前
Spring Boot框架Starter组件整理
java·spring boot·后端
yufengxinpian1 小时前
集成了高性能ARM Cortex-M0+处理器的一款SimpleLink 2.4 GHz无线模块-RF-BM-2340B1
单片机·嵌入式硬件·音视频·智能硬件
热门推荐
01(欧拉)openEuler系统添加网卡文件配置流程、(欧拉)openEuler系统手动配置ipv6地址流程、(欧拉)openEuler系统网络管理说明02PyTorch机器学习实现液态神经网络03【HarmonyOS】HUAWEI DevEco Studio 下载地址汇总04玄机平台应急响应—webshell查杀05Coze扣子平台完整体验和实践（附国内和国际版对比）06Ubuntu 20.04使用Livox mid 360 测试 FAST_LIO07【目标跟踪】相机运动补偿08Unity中PICO实现 隔空取物 和 接触抓取物体09RAG 实践- Ollama+RagFlow 部署本地知识库10量化方法怎么选？如何评估量化后的大模型LLM？