亚洲乱码中文字幕综合,中国熟女仑乱hd,亚洲精品乱拍国产一区二区三区,一本大道卡一卡二卡三乱码全集资源,又粗又黄又硬又爽的免费视频

Java使用Tesseract-OCR實(shí)戰(zhàn)教程

 更新時(shí)間:2025年02月24日 16:04:57   作者:九轉(zhuǎn)成圣  
本文介紹了如何在Java中使用Tesseract-OCR進(jìn)行文本提取,包括Tesseract-OCR的安裝、中文訓(xùn)練庫(kù)的配置、依賴庫(kù)的引入以及具體的代碼實(shí)現(xiàn),通過(guò)這個(gè)過(guò)程,我們將演示如何從視頻幀中提取文本

Java使用Tesseract-OCR

光學(xué)字符識(shí)別(OCR, Optical Character Recognition)技術(shù)可以將圖像中的文本轉(zhuǎn)換為可編輯的文本。

Tesseract是目前最為流行的開源OCR引擎之一,支持多種語(yǔ)言和高效的文本識(shí)別。

本文將詳細(xì)介紹如何在Java中使用Tesseract-OCR進(jìn)行文本提取,包括Tesseract-OCR的安裝、中文訓(xùn)練庫(kù)的配置、依賴庫(kù)的引入以及具體的代碼實(shí)現(xiàn)。通過(guò)這個(gè)過(guò)程,我們將演示如何從視頻幀中提取文本。

Tesseract-OCR安裝

首先,我們需要在系統(tǒng)上安裝Tesseract-OCR??梢酝ㄟ^(guò)以下鏈接下載適用于Windows的安裝包:

下載Tesseract-OCR安裝包

下載完成后,運(yùn)行安裝程序并選擇安裝目錄,默認(rèn)下一步安裝即可。

配置中文訓(xùn)練庫(kù)

為了使Tesseract能夠識(shí)別中文,我們需要下載中文簡(jiǎn)體的訓(xùn)練庫(kù)文件chi_sim.traineddata,并將其放置在Tesseract的tessdata目錄下。

例如:

makefile
D:\Program Files\Tesseract-OCR\tessdata

可以從以下鏈接下載中文訓(xùn)練庫(kù):

下載中文訓(xùn)練庫(kù)

更多訓(xùn)練庫(kù)可以在Tesseract官方GitHub倉(cāng)庫(kù)找到。

引入依賴

為了在Java中使用Tesseract,我們需要引入tess4j庫(kù)。tess4j是一個(gè)Java的Tesseract API封裝,可以方便地在Java項(xiàng)目中使用Tesseract。此外,為了處理視頻幀,我們還需要javacv庫(kù)。

以下是需要在Maven項(xiàng)目中引入的依賴:

```xml
<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>5.3.0</version>
</dependency>
<!-- JavaCV: Java interface to OpenCV, FFmpeg, and more -->
<dependency>
    <groupId>org.bytedeco</groupId>
    <artifactId>javacv-platform</artifactId>
    <version>1.5.7</version>
</dependency>

代碼實(shí)現(xiàn)

接下來(lái),我們將實(shí)現(xiàn)一個(gè)Java類VideoTextExtractor,該類用于從視頻中提取文本。

完整代碼如下:

```java
import net.sourceforge.tess4j.TesseractException;
import org.bytedeco.javacv.FFmpegFrameGrabber;
import org.bytedeco.javacv.Frame;
import org.bytedeco.javacv.Java2DFrameUtils;

import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.util.ArrayList;
import java.util.LinkedHashSet;
import java.util.Set;

public class VideoTextExtractor {
    // Tesseract-OCR安裝路徑
    public static final String pathToTessdataFolder = "D:\\Program Files\\Tesseract-OCR\\tessdata\\";
    // 加載視頻
    public static final String pathToVideoFile = "C:\\Users\\lixiewen\\Documents\\oCam\\錄制_2023_05_31_09_39_51_172.mp4";
    // 解析結(jié)果
    public static final String resultFile = "E:\\tmp\\tmp.txt";

    public static void main(String[] args) throws TesseractException {
        extracted();
    }

    private static void extracted() {
        // 設(shè)置Tesseract OCR庫(kù)的路徑
        File tessDataFolder = new File(pathToTessdataFolder);
        System.setProperty("TESSDATA_PREFIX", tessDataFolder.getAbsolutePath());
        FFmpegFrameGrabber grabber = new FFmpegFrameGrabber(pathToVideoFile);
        try {
            grabber.start();
            Set<String> set = new LinkedHashSet<>();
            // 遍歷視頻幀
            int lengthInFrames = grabber.getLengthInFrames();
            for (int i = 0; i < lengthInFrames; i++) {
                System.out.println("進(jìn)度 " + i + " / " + lengthInFrames);
                try {
                    Frame frame = grabber.grabImage();
                    if (frame == null) continue;
                    BufferedImage bufferedImage = Java2DFrameUtils.toBufferedImage(frame);

                    // 將幀轉(zhuǎn)換為灰度圖像
                    BufferedImage grayImage = new BufferedImage(bufferedImage.getWidth(), bufferedImage.getHeight(), BufferedImage.TYPE_BYTE_GRAY);
                    Graphics2D graphics = grayImage.createGraphics();
                    graphics.drawImage(bufferedImage, 0, 0, null);
                    graphics.dispose();

                    // 創(chuàng)建臨時(shí)文件保存圖像
                    File tempImageFile = File.createTempFile("frame", ".png");
                    ImageIO.write(grayImage, "png", tempImageFile);

                    Tesseract tesseract = getTesseract(tessDataFolder);
                    String result = tesseract.doOCR(tempImageFile);
                    set.add(result);
                    // 刪除臨時(shí)文件
                    tempImageFile.delete();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
            File file = new File(resultFile);

            FileUtils.write2File(file, new ArrayList<>(set));

            grabber.stop();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    private static Tesseract getTesseract(File tessDataFolder) {
        // 使用Tesseract OCR進(jìn)行文字識(shí)別
        Tesseract tesseract = new Tesseract();
        // 設(shè)置中文訓(xùn)練庫(kù)
        tesseract.setLanguage("chi_sim");
        tesseract.setDatapath(tessDataFolder.getAbsolutePath());
        return tesseract;
    }
}

免安裝方式

如果不希望安裝Tesseract-OCR,可以直接在項(xiàng)目中引入訓(xùn)練庫(kù)。這種方式適合希望更方便地管理依賴的開發(fā)者。

  1. 引入Maven依賴
  2. 在代碼中引入訓(xùn)練庫(kù)
```java
import net.sourceforge.tess4j.Tesseract;

public class OCRUtil {
    public static ITesseract getTesseract() throws Exception {
        // 使用 Tesseract 識(shí)別文本
        ITesseract tesseract = new Tesseract();
        // 設(shè)置訓(xùn)練數(shù)據(jù)文件夾路徑
        tesseract.setDatapath("src/main/resources/traineddata");
        // 設(shè)置為中文簡(jiǎn)體
        tesseract.setLanguage("chi_sim");
        return tesseract;
    }
}

優(yōu)化與提升

在實(shí)際應(yīng)用中,我們可以對(duì)視頻幀的處理和OCR識(shí)別進(jìn)行優(yōu)化,以提高識(shí)別效率和準(zhǔn)確性。以下是一些建議:

  1. 圖像預(yù)處理:在進(jìn)行OCR識(shí)別之前,可以對(duì)圖像進(jìn)行去噪、二值化、旋轉(zhuǎn)校正等預(yù)處理,以提高識(shí)別率。
  2. 多線程處理:對(duì)于長(zhǎng)時(shí)間的視頻處理,可以使用多線程來(lái)提高幀處理速度。
  3. 自定義訓(xùn)練數(shù)據(jù):如果默認(rèn)的訓(xùn)練數(shù)據(jù)效果不理想,可以通過(guò)Tesseract的訓(xùn)練工具自定義訓(xùn)練數(shù)據(jù),以提高特定場(chǎng)景下的識(shí)別準(zhǔn)確率。
  4. 結(jié)果后處理:OCR識(shí)別的文本可能包含一些噪聲字符,可以通過(guò)正則表達(dá)式等方法對(duì)結(jié)果進(jìn)行清洗和校正。

以下是一個(gè)優(yōu)化后的圖像預(yù)處理示例:

```java
    // 轉(zhuǎn)換為灰度圖像
    BufferedImage grayImage = new BufferedImage(image.getWidth(), image.getHeight(), BufferedImage.TYPE_BYTE_GRAY);
    Graphics2D graphics = grayImage.createGraphics();
    graphics.drawImage(image, 0, 0, null);
    graphics.dispose();

    // 二值化處理
    for (int y = 0; y < grayImage.getHeight(); y++) {
        for (int x = 0; x < grayImage.getWidth(); x++) {
            int rgb = grayImage.getRGB(x, y);
            int gray = (rgb & 0xff);
            gray = gray > 128 ? 255 : 0;
            grayImage.setRGB(x, y, (gray << 16) | (gray << 8) | gray);
        }
    }
    return grayImage;
}

總結(jié)

通過(guò)本文的介紹,我們?cè)敿?xì)講解了如何在Java中使用Tesseract-OCR進(jìn)行文本提取的全過(guò)程。包括Tesseract-OCR的安裝、中文訓(xùn)練庫(kù)的配置、依賴庫(kù)的引入以及具體的代碼實(shí)現(xiàn),并提供了一些優(yōu)化建議。

這些內(nèi)容能幫助您在實(shí)際項(xiàng)目中更好地應(yīng)用Tesseract-OCR進(jìn)行文本識(shí)別。

以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。

相關(guān)文章

  • 詳解Kotlin:forEach也能break和continue

    詳解Kotlin:forEach也能break和continue

    這篇文章主要介紹了詳解Kotlin:forEach也能break和continue的相關(guān)資料,需要的朋友可以參考下
    2017-06-06
  • SpringBoot字段注入和構(gòu)造函數(shù)注入的區(qū)別及說(shuō)明

    SpringBoot字段注入和構(gòu)造函數(shù)注入的區(qū)別及說(shuō)明

    這篇文章主要介紹了SpringBoot字段注入和構(gòu)造函數(shù)注入的區(qū)別及說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2025-04-04
  • 詳解SpringMVC中的異常處理機(jī)制

    詳解SpringMVC中的異常處理機(jī)制

    本篇文章將為大家詳細(xì)介紹一下springmvc的異常處理機(jī)制,用到了ControllerAdvice和ExceptionHandler注解,感興趣的小伙伴可以了解一下
    2022-07-07
  • Mybatis的特點(diǎn)及優(yōu)點(diǎn)

    Mybatis的特點(diǎn)及優(yōu)點(diǎn)

    Mybatis 本是apache的一個(gè)開源項(xiàng)目iBatis, 2010年這個(gè)項(xiàng)目由apache software foundation 遷移到了google code,并且改名為MyBatis。mybatis有哪些特點(diǎn)和優(yōu)點(diǎn)呢?通過(guò)本文一起學(xué)習(xí)吧
    2016-12-12
  • icePDF去水印的方法(推薦)

    icePDF去水印的方法(推薦)

    下面小編就為大家?guī)?lái)一篇icePDF去水印的方法(推薦)。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧
    2016-12-12
  • springboot druid數(shù)據(jù)庫(kù)配置密碼加密的實(shí)現(xiàn)

    springboot druid數(shù)據(jù)庫(kù)配置密碼加密的實(shí)現(xiàn)

    Druid是阿里開發(fā)的數(shù)據(jù)庫(kù)連接池,本文主要介紹了springboot druid數(shù)據(jù)庫(kù)配置密碼加密的實(shí)現(xiàn),具有一定的參考價(jià)值,感興趣的可以了解一下
    2024-06-06
  • Spring實(shí)戰(zhàn)之XML與JavaConfig的混合配置詳解

    Spring實(shí)戰(zhàn)之XML與JavaConfig的混合配置詳解

    大家都知道Spring的顯示配置方式有兩種,一種是基于XML配置,一種是基于JavaConfig的方式配置。那么下這篇文章主要給大家分別介紹如何在JavaConfig中引用XML配置的bean以及如何在XML配置中引用JavaConfig,需要的朋友可以參考下。
    2017-07-07
  • Spring注解@RestControllerAdvice原理解析

    Spring注解@RestControllerAdvice原理解析

    這篇文章主要介紹了Spring注解@RestControllerAdvice原理解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下
    2019-11-11
  • 淺談java socket的正確關(guān)閉姿勢(shì)

    淺談java socket的正確關(guān)閉姿勢(shì)

    這篇文章主要介紹了java socket的正確關(guān)閉姿勢(shì),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-06-06
  • JavaWeb ServletConfig作用及原理分析講解

    JavaWeb ServletConfig作用及原理分析講解

    ServletConfig對(duì)象,叫Servlet配置對(duì)象。主要用于加載配置文件的初始化參數(shù)。我們知道一個(gè)Web應(yīng)用里面可以有多個(gè)servlet,如果現(xiàn)在有一份數(shù)據(jù)需要傳給所有的servlet使用,那么我們就可以使用ServletContext對(duì)象了
    2022-10-10

最新評(píng)論