SpringBoot实现图片识别文字的四种方式小结
SpringBoot 整合 Tess4J 实现
Tesseract是一个开源的光学字符识别(OCR)引擎,它可以将图像中的文字转换为计算机可读的文本。支持多种语言和书面语言,并且可以在命令行中执行。它是一个流行的开源OCR工具,可以在许多不同的操作系统上运行。
Tess4J是一个基于Tesseract OCR引擎的Java接口,可以用来识别图像中的文本,说白了,就是封装了它的API,让Java可以直接调用。
1、引入tess4j依赖
<!-- tess4j --> <dependency> <groupId>net.sourceforge.tess4j</groupId> <artifactId>tess4j</artifactId> <version>4.5.4</version> </dependency>
2、yml配置
把训练数据的目录路径配置在yml里,后续可以扩展到配置中心。
server: port: 8888 # 训练数据文件夹的路径 tess4j: datapath: E:/gitee/OCR/tess4j_data
Tesseract OCR库通过训练数据来学习不同语言和字体的特征,以便更好地识别图片中的文字。
在安装Tesseract OCR库时,通常会生成一个包含多个子文件夹的训练数据文件夹,其中每个子文件夹都包含了特定语言或字体的训练数据。
比如我这里是下载后放到了D盘的tessdata目录下,如图所示,其实就是一个.traineddata为后缀的文件,大小约2M多。
训练数据,官方下载地址:https://digi.bib.uni-mannheim.de/tesseract/
GitHub官网地址:https://github.com/tesseract-o
3、编写配置类
@Configuration public class TesseractOcrConfig { @Value("${tess4j.dataPath}") private String dataPath; @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("chi_sim"); return tesseract; } }
4、编写业务实现类
@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); } }
5、编写测试接口
@RestController @RequestMapping("/api") @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); } }
postman配置:
效果:
此方法的识别精准度差,不建议使用。
整合百度智能云实现
官网文档:https://ai.baidu.com/ai-doc/OCR/dk3iqnq51
1、根据官方文档创建应用
2、引入依赖
<!--百度ocr--> <dependency> <groupId>com.baidu.aip</groupId> <artifactId>java-sdk</artifactId> <version>4.16.10</version> </dependency>
3、编写yml配置文件
server: port: 8090 baidu: APP_ID: #应用的appid API_KEY: #你的app_key SECRET_KEY: #你的secret_key
4、创建一个配置类来初始化百度OCR的客户端
@Setter @Configuration @ConfigurationProperties(prefix = "baidu") public class baiduOcrConfig { private String APP_ID; private String API_KEY; private String SECRET_KEY; @Bean public AipOcr aipOcr() { return new AipOcr(APP_ID, API_KEY, SECRET_KEY); } }
5、编写controller
@RestController @Slf4j @RequestMapping("/api") public class BaiduOcrController { @Autowired private AipOcr aipOcr; @PostMapping(value = "/process",consumes = MediaType.MULTIPART_FORM_DATA_VALUE) public String processImage(@RequestParam("file") MultipartFile file) { HashMap<String, String> options = new HashMap<String, String>(); options.put("detect_direction", "true"); options.put("probability", "true"); try { byte[] imageBytes = file.getBytes(); JSONObject result = aipOcr.basicGeneral(imageBytes, options); // 解析百度OCR的识别结果 StringBuilder sb = new StringBuilder(); result.getJSONArray("words_result").forEach(item -> { JSONObject word = (JSONObject) item; sb.append(word.getString("words")).append("\n"); }); return sb.toString(); } catch (IOException e) { e.printStackTrace(); return "Error processing image"; } } }
6、使用postm测试
效果:
精准度很高,推荐使用,而且还有很多的精准度选择
常用API:
https://ai.baidu.com/ai-doc/OCR/Nkibizxlf
通用文字识别
官网文档:https://ai.baidu.com/ai-doc/OCR/Nkibizxlf#%E9%80%9A%E7%94%A8%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB
//image为图片的二进制字节数组,options为传入可选参数调用接口 basicGeneral(byte[] image, HashMap<String, String> options)
//image为图片的存放路径,options为传入可选参数调用接口 basicGeneral(String image, HashMap<String, String> options)
//image为图片的存放在服务器的路径,options为传入可选参数调用接口 basicGeneralUrl(String url, HashMap<String, String> options)
通用文字识别(高精度版)
官网文档:https://ai.baidu.com/ai-doc/OCR/Nkibizxlf#%E9%80%9A%E7%94%A8%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB%EF%BC%88%E9%AB%98%E7%B2%BE%E5%BA%A6%E7%89%88%EF%BC%89
//image为图片的二进制字节数组,options为传入可选参数调用接口 basicAccurateGeneral(byte[] image, HashMap<String, String> options)
//image为本地图片的存放路径,options为传入可选参数调用接口 basicAccurateGeneral(String image, HashMap<String, String> options)
通用文字识别(含位置信息版)
官网文档:https://ai.baidu.com/ai-doc/OCR/Nkibizxlf#%E9%80%9A%E7%94%A8%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB%EF%BC%88%E5%90%AB%E4%BD%8D%E7%BD%AE%E4%BF%A1%E6%81%AF%E7%89%88%EF%BC%89
//image为图片的二进制字节数组,options为传入可选参数调用接口 general(byte[] image, HashMap<String, String> options)
//image为图片的存放路径,options为传入可选参数调用接口 general(String image, HashMap<String, String> options)
//image为图片的存放在服务器的路径,options为传入可选参数调用接口 generalUrl(String url, HashMap<String, String> options)
通用文字识别(含位置高精度版)
官网文档:https://ai.baidu.com/ai-doc/OCR/Nkibizxlf#%E9%80%9A%E7%94%A8%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB%EF%BC%88%E5%90%AB%E4%BD%8D%E7%BD%AE%E9%AB%98%E7%B2%BE%E5%BA%A6%E7%89%88%EF%BC%89
//image为图片的二进制字节数组,options为传入可选参数调用接口 accurateGeneral(byte[] image, HashMap<String, String> options)
//image为图片的存放路径,options为传入可选参数调用接口 accurateGeneral(String image, HashMap<String, String> options)
通用文字识别(含生僻字版)
官网文档:https://ai.baidu.com/ai-doc/OCR/Nkibizxlf#%E9%80%9A%E7%94%A8%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB%EF%BC%88%E5%90%AB%E7%94%9F%E5%83%BB%E5%AD%97%E7%89%88%EF%BC%89
enhancedGeneral(byte[] image, HashMap<String, String> options)
enhancedGeneral(String image, HashMap<String, String> options)
enhancedGeneralUrl(String url, HashMap<String, String> options)
整合阿里云
官方文档:https://next.api.aliyun.com/api-tools/sdk/ocr-api?spm=a2c4g.442247.0.0.40933e8eQ3GZIX&version=2021-07-07&language=java-tea&tab=primer-doc
https://next.api.aliyun.com/api/ocr-api/2021-07-07/RecognizeAdvanced?spm=api-workbench.SDK%20Document.0.0.2e7652e95jnhKE&tab=DOC&sdkStyle=dara&lang=JAVA
1、引入依赖
<dependency> <groupId>com.aliyun</groupId> <artifactId>ocr_api20210707</artifactId> <version>1.2.0</version> </dependency>
2、编写yml配置文件
server: port: 8099 aliyun: KeyId: #你的KeyId KeySecret: #你的KeySecret endpoint: ocr-api.cn-hangzhou.aliyuncs.com
3、编写配置类
@Setter @Component @ConfigurationProperties(prefix = "aliyun") public class AliyunOcrConfig { private String KeyId; private String KeySecret; private String endpoint; @Bean public Client ocrClient(){ try { Client client = new Client(new Config().setAccessKeyId(KeyId).setAccessKeySecret(KeySecret).setEndpoint(endpoint)); return client; } catch (Exception e) { throw new RuntimeException(e); } } }
4、编写测试接口
@RestController @RequestMapping("/api") @Slf4j public class AliyunOcrController { @Resource private Client client; @PostMapping(value = "ocr",consumes = MediaType.MULTIPART_FORM_DATA_VALUE) public String OcrTest(@RequestParam("file")MultipartFile file) throws IOException { RecognizeGeneralRequest request = new RecognizeGeneralRequest(); request.setBody(file.getInputStream()); try { RecognizeGeneralResponse response = client.recognizeGeneral(request); String json = new Gson().toJson(response.getBody()); String[] split = json.split(","); return split[1].split(":")[1].replace("\\",""); // return json; } catch (TeaException error) { Common.assertAsString(error.message); } catch (Exception e) { TeaException error = new TeaException(e.getMessage(), e); // 如有需要,请打印 error Common.assertAsString(error.message); } return null; } }
5、使用postman测试
整合腾讯云实现
官网文档:https://cloud.tencent.com/document/product/866
官网API:https://cloud.tencent.com/document/api/866/33515
官网参数说明与在线调试:https://console.cloud.tencent.com/api/explorer?Product=ocr&Version=2018-11-19&Action=GeneralHandwritingOCR
1、获取密钥:
https://console.cloud.tencent.com/cam/capi
2、引入依赖
<dependency> <groupId>com.tencentcloudapi</groupId> <artifactId>tencentcloud-sdk-java</artifactId> <version>3.1.909</version> </dependency>
3、编写yml配置文件
server: port: 9090 tencent: SecretId: #你的SecretId SecretKey: #你的SecretKey
4、编写配置类
@Setter @Configuration @ConfigurationProperties(prefix = "tencent") public class TencentOcrConfig { private String SecretId; private String SecretKey; @Bean public Credential credential(){ return new Credential(SecretId,SecretKey); } }
5、编写将文件转换成Base64编码的工具类
由于腾讯云OCR的API接收的参数如下图,所以要编写将文件转码成Base64的工具类:
public class ByteToBase64Converter { public static String encodeBytesToBase64(byte[] bytes) { return Base64.getEncoder().encodeToString(bytes); } }
6、编写接口测试
@RestController @RequestMapping("/api") @Slf4j public class TencentOcrController { @Resource private Credential credential; @PostMapping(value = "/tencent",consumes = MediaType.MULTIPART_FORM_DATA_VALUE) public String TencentOCR(@RequestParam("file")MultipartFile file) throws TencentCloudSDKException, IOException { // 实例化一个http选项,可选的,没有特殊需求可以跳过 HttpProfile httpProfile = new HttpProfile(); httpProfile.setEndpoint("ocr.tencentcloudapi.com"); // 实例化一个client选项,可选的,没有特殊需求可以跳过 ClientProfile clientProfile = new ClientProfile(); clientProfile.setHttpProfile(httpProfile); // 实例化要请求产品的client对象,clientProfile是可选的 OcrClient client = new OcrClient(credential, "ap-guangzhou", clientProfile); //将上传的文件转换成base64编码 String encodeBytesToBase64 = ByteToBase64Converter.encodeBytesToBase64(file.getBytes()); // 实例化一个请求对象,每个接口都会对应一个request对象 GeneralBasicOCRRequest req = new GeneralBasicOCRRequest(); req.setImageBase64(encodeBytesToBase64); // req.setImageUrl("https://ltmyblog.oss-cn-shenzhen.aliyuncs.com/myBlog/article/image-20230924213423855.png"); // 返回的resp是一个GeneralBasicOCRResponse的实例,与请求对象对应 GeneralBasicOCRResponse resp = client.GeneralBasicOCR(req); GeneralBasicOCRResponse.toJsonString(resp); // 输出json格式的字符串回包 System.out.println(GeneralBasicOCRResponse.toJsonString(resp)); return GeneralBasicOCRResponse.toJsonString(resp); } }
7、使用postman测试
到此这篇关于SpringBoot实现图片识别文字的四种方式小结的文章就介绍到这了,更多相关SpringBoot 图片识别文字内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
相关文章
Java源码解析阻塞队列ArrayBlockingQueue常用方法
今天小编就为大家分享一篇关于Java源码解析阻塞队列ArrayBlockingQueue常用方法,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧2019-01-01
最新评论