Tess4J：基于 Java 的 OCR 解决方案

        在现代软件开发中，图像识别与文本提取已成为许多应用场景中的关键环节。OCR（Optical Character Recognition） 技术使得从图像中提取文字成为可能。Tess4J 是一个基于 Java 的 OCR 开发库，它封装了 Google Tesseract OCR 引擎的本地调用接口，使得 Java 开发者能够轻松地在项目中集成图像文字识别功能。
        Tess4J 的核心优势在于其对原生 Tesseract 库的封装，不仅简化了 API 调用流程，还支持跨平台使用（Windows、Linux、MacOS 等），是 Java 图像识别领域的重要工具之一。

1. OCR 介绍

        OCR（Optical Character Recognition，光学字符识别） 是一种将图像中的文字内容转换为可编辑、可搜索的文本格式的技术。它广泛应用于从扫描文档、照片、PDF 文件等图像中提取文字信息，实现自动化数据处理和分析。其核心是通过图像处理与模式识别算法来检测图像中的字符区域，并将其识别为计算机可理解的文本格式（如 ASCII 或 Unicode）。其主要流程包括：

1. 图像预处理：去噪、二值化、灰度处理等，提高识别准确性。
2. 文字区域检测：定位图像中包含文字的区域。
3. 字符分割：将连在一起的文字或单词拆分为单个字符。
4. 字符识别：使用机器学习模型或模板匹配技术识别每个字符。
5. 后处理与输出：优化识别结果并输出为文本格式。

常见的 OCR 工具与服务：

 2. 简单验证码识别（无干扰项）使用步骤

1. 添加依赖

<dependency>
  <groupId>net.java.dev.jna</groupId>
  <artifactId>jna</artifactId>
  <version>4.2.1</version>
</dependency>
<dependency>
  <groupId>net.sourceforge.tess4j</groupId>
  <artifactId>tess4j</artifactId>
  <version>4.5.1</version>
</dependency>

2. 下载 Tesseract 数据

下载地址：https://github.com/tesseract-ocr/tessdata

这里以放在 resources/tessdata 目录为例：

常见语言包列表及用途说明：

参考文档：Traineddata Files for Version 4.00 + | tessdoc 

3. 编写识别代码

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;

import java.io.File;

public static void main(String[] args) {
    String dataPath = "src/main/resources/tessdata";
    String imagePath = "src/main/resources/image/img.png";
    try {
        // 获取本地图片
        File file = new File(imagePath);
        // 创建Tesseract对象
        ITesseract tesseract = new Tesseract();
        // 设置字体库路径
        tesseract.setDatapath(dataPath);
        // 设置识别语言
        tesseract.setLanguage("eng");
        // 执行ocr识别
        String result = tesseract.doOCR(file);
        System.out.println("识别的结果为：" + result);
    } catch (Exception e) {
        e.printStackTrace();
    }
}

3. 复杂验证码识别（带干扰项）使用步骤

1. 加入maven依赖

<dependency>
    <groupId>org.openpnp</groupId>
    <artifactId>opencv</artifactId>
    <version>4.9.0-0</version>
</dependency>

2. 选择和 maven 依赖相同版本的 opencv下载

 下载地址：https://sourceforge.net/projects/opencvlibrary/files/

以该示例为例，Windows 版本下载如下图所示：

选择下载位置后点击安装即可。 

选择版本说明：

1. 点击 Core.NATIVE_LIBRARY_NAME 常量：

2. 点击 getNativeLibraryName() 方法：

这个就是要找的 dll 文件，即 opencv 的版本。这个常量根据 opencv 版本的不同，常量也随之变化。

3. 带干扰项验证码处理（灰度化、二值化等操作）

import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;

import java.io.File;
import java.io.IOException;

public class CaptchaPreprocessor {
    static {
        //在使用OpenCV前必须加载Core.NATIVE_LIBRARY_NAME类,否则会报错
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) throws IOException {
        String imagePath = "src/main/resources/img.png";
        String outputImagePath = "src/main/resources/img/img.png";
        String tessDataPath = "src/main/resources/tessdata";

        try {
            // 1. 使用 OpenCV 预处理图像
            Mat src = Imgcodecs.imread(imagePath, Imgcodecs.IMREAD_COLOR);
            if (src.empty()) {
                System.err.println("无法加载图像，请检查路径是否正确：" + imagePath);
                return;
            }
            Mat processed = new Mat();

            // 灰度化
            Mat gray = new Mat();
            Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);

            // 对比度增强（CLAHE）
            Mat clahe = new Mat();
            Imgproc.createCLAHE(2.0, new org.opencv.core.Size(8, 8)).apply(gray, clahe);

            // 自适应二值化
            Mat binary = new Mat();
            Imgproc.adaptiveThreshold(clahe, binary, 255, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C,
                    Imgproc.THRESH_BINARY, 11, 2);

            // 形态学操作去干扰线
            Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new org.opencv.core.Size(1, 3));
            Imgproc.morphologyEx(binary, processed, Imgproc.MORPH_OPEN, kernel);

            // 保存处理后的图像
            File destF = new File(outputImagePath).getParentFile();
            if (!destF.exists()) {
                destF.mkdirs();
            }
            boolean success = Imgcodecs.imwrite(outputImagePath, processed);
            if (!success) {
                System.err.println("图像保存失败，请检查路径或 Mat 是否为空");
            }

            // 2. 使用 Tess4J 进行 OCR 识别
            ITesseract tesseract = new Tesseract();
            tesseract.setDatapath(tessDataPath); // 设置 tessdata 路径
            tesseract.setLanguage("eng");         // 英文识别
            tesseract.setPageSegMode(7);          // 单行文本识别

            File imageFile = new File(imagePath);
            String result = tesseract.doOCR(imageFile);

            // 输出识别结果
            System.out.println("识别结果: " + result.trim());

        } catch (Exception e) {
            System.err.println("识别失败: " + e.getMessage());
            e.printStackTrace();
        }
    }
}

4. 配置 VM options，添加 -Djava.library.path=安装位置\opencv\build\java\x64。(如果 java -jar 启动的话，可以直接添加 -Djava.library.path=安装位置\opencv\build\java\x64 或 --java.library.path=安装位置\opencv\build\java\x64）

以配置 VM options 为例，具体操作流程如下图所示：

关于配置 java.library.path 说明：

1. 在未配置 -Djava.library.path 之前启动项目会报如下错误：

2. 点击 ClassLoader.java:1863

从该图可以看出，他读取 java.library.path 和 sun.boot.library.path 这两个路径。所以说 -Djava.library.path 可以替换为 -Dsun.boot.library.path。

4. 执行测试

以下面这个图片为例：

原图片经过去噪、二值化等操作处理后：

识别结果为：