当前位置： 首页 > news >正文

OCR-图片内容识别

news 2025/10/31 11:03:48

一、需求分析

        现有需求，一些数据暂时不方便直接读取或通过csv等文件导入数据库。只能以截图-图片/jpg形式发给业务，业务老师想直接上传图片后解析数据存到对应表中。

        经查询OCR技术符合，现以Tess4J  演示

1.1        选择Tess4J 的原因

        允许 Java 程序直接使用 Tesseract OCR 引擎进行光学字符识别（OCR），并且省去了额外安装 Tesseract 环境的麻烦。使用 Tess4J 时，Tesseract 的核心库已经被封装进了该库中，因此无需单独安装 Tesseract 引擎。

优势：

1.Tess4J 能够在 Windows、Linux 和 macOS 上运行，无需为不同操作系统安装不同版本的 Tesseract。

2.通过简单的 API 调用即可完成 OCR

1.2        使用步骤

老规矩， 1.2.1 加 maven  依赖

      <!-- Tesseract-OCR 依赖 --><dependency><groupId>net.sourceforge.tess4j</groupId><artifactId>tess4j</artifactId><version>5.8.0</version></dependency></dependencies>

1.2.2  虽然 Tess4J 不需要单独安装 Tesseract 引擎，但你仍然需要下载 Tesseract 语言数据文件（例如，chi_sim.traineddata 用于简体中文），并将其放在指定的路径中。Tesseract 官方 GitHub

下图展示

1.2.3  代码演示

    // 临时文件存储路径（实际项目建议用分布式存储，如 MinIO）private static final String TEMP_DIR = "temp/images";  @ApiOperation("上传图片解析内容")@PostMapping("/upload-ocr")@SneakyThrowspublic String uploadAndOcr(@RequestParam("file") MultipartFile file) {// 1. 保存上传的图片到临时目录File tempDir = new File(TEMP_DIR);if (!tempDir.exists()) tempDir.mkdirs();File tempFile = new File(TEMP_DIR +File.separator+ file.getOriginalFilename());// 2. 强制转为绝对路径文件（关键！避免 Tomcat 重写路径）File absoluteTempFile = tempFile.getAbsoluteFile();file.transferTo(absoluteTempFile);String tempPath = tempFile.getAbsolutePath();String newPath = generateNewFileName(tempPath);ImagePreprocessUtil.preprocessWithImageIO(tempPath,newPath);// 再进行膨胀处理（1次即可，强化 -- 特征）
//        ImagePreprocessUtil.dilateImage(newPath, newPath, 1);service.uploadAndOcr(newPath);// 4. 数据入库（调用 Service 层）
//        service.saveBatch(cleanData);// 5. 删除临时文件（可选）
//        tempFile.delete();return "解析成功！";}/*** 生成新文件名（如 "23.jpg" → "23bak.jpg"）* @param originalFileName 原始文件名* @return 新文件名*/public static String generateNewFileName(String originalFileName) {if (originalFileName == null || originalFileName.isEmpty()) {return null;}int dotIndex = originalFileName.lastIndexOf(".");if (dotIndex == -1) {// 无扩展名："23" → "23bak"return originalFileName + "bak";} else {// 有扩展名："23.jpg" → "23bak.jpg"String prefix = originalFileName.substring(0, dotIndex);String suffix = originalFileName.substring(dotIndex);return prefix + "bak" + suffix;}}

1.3        处理解析图片

    @Override@SneakyThrowspublic String uploadAndOcr(String tempPath) {// 2. 调用 OCR 解析图片文字List<List<String>> tableData = OcrUtils.parseImageTable(tempPath);// 3. 数据清洗过滤（移除“不佳、一般”）  这个针对自身业务的，可不看List<FundRiseVO> cleanData = OcrUtils.filterInvalidData(tableData);System.out.println(cleanData);return null;}

package com.test.dawu.util;import com.test.dawu.vo.FundRiseVO;
import lombok.extern.slf4j.Slf4j;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;import java.io.File;
import java.util.ArrayList;
import java.util.List;/*** OCR 解析图片*/
@Slf4j
public class OcrUtils {// 初始化 Tesseract（需下载中文训练集 eng.traineddata 和 chi_sim.traineddata，放入 tessdata 目录）private static final ITesseract TESSERACT = new Tesseract();static {// 设置训练集路径（本地 tessdata 目录）TESSERACT.setDatapath("src/main/resources/tessdata");// 设置语言（中文+英文）TESSERACT.setLanguage("chi_sim+eng");// 多次调用 setVariable 设置多个参数（替代批量设置）TESSERACT.setVariable("load_system_dawg", "false"); // 关闭系统字典TESSERACT.setVariable("load_freq_dawg", "false");   // 关闭频率字典// 例如：只识别 数字、字母、中文、--、/ 等（根据你的场景调整）
//        TESSERACT.setVariable("tessedit_char_whitelist", "\u4e00-\u9fa50123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ--/=");TESSERACT.setVariable("preserve_interword_spaces", "1"); // 保留空格// 设置页面分割模式TESSERACT.setPageSegMode(6);}/*** 解析图片中的表格文字，返回二维列表（行→列）*/public static List<List<String>> parseImageTable(String imagePath) throws TesseractException {File imageFile = new File(imagePath);// 1. OCR 识别图片文字（返回按行分割的字符串）String ocrText = TESSERACT.doOCR(imageFile);log.info("直接即系数据为{}",ocrText);String[] lines = ocrText.split("\\n"); // 按换行符分割行List<List<String>> tableData = new ArrayList<>();// 2. 按制表符分割每行数据（假设图片表格用制表符分隔列，可根据实际调整分割符）for (String line : lines) {String[] columns = line.trim().split("\\t+"); // 多个制表符合并为一个List<String> rowData = new ArrayList<>();for (String col : columns) {if (!col.isEmpty()) {rowData.add(col); // 过滤空字符串}}if (!rowData.isEmpty()) {tableData.add(rowData);}}return tableData;}// 无效内容列表（可配置到配置文件中）private static final List<String> INVALID_CONTENTS = List.of("不佳", "一般", "良好", "优秀");/*** 过滤无效数据，将表格转为 FundRiseVO 列表*/public static List<FundRiseVO> filterInvalidData(List<List<String>> tableData) {List<FundRiseVO> cleanData = new ArrayList<>();// 假设表格第 3 行开始是数据行（索引 2，需根据实际 OCR 结果调整）for (int i = 2; i < tableData.size(); i++) {List<String> row = tableData.get(i);if (row.size() < 4) continue; // 过滤列数不足的无效行// 1. 提取原始数据（周期、涨跌幅、同类平均、同类排行）String period = row.get(0); // 近1周、近1月String riseRate = row.get(1); // -0.93%、5.69%String peerAvg = row.get(2); // 2.16%、10.58%String peerRank = row.get(3); // 4175/4394、3079/4249// 2. 检查后续列是否包含无效内容（如“不佳”“一般”），并剔除for (int j = 4; j < row.size(); j++) {String col = row.get(j);if (INVALID_CONTENTS.contains(col)) {// 无效内容已找到，直接跳出（避免影响其他数据）break;}}// 3. 封装为 VO（过滤空值）if (!period.isEmpty() && !riseRate.isEmpty()) {FundRiseVO vo = new FundRiseVO();vo.setPeriod(period);vo.setRiseRate(riseRate);vo.setPeerAvg(peerAvg);vo.setPeerRank(peerRank);cleanData.add(vo);}}return cleanData;}
}

二、工具类

为啥写这个工具类，前面的解析图片后发现以下情况

1.  500/1050    【/1050】这个是灰色的，直接解析发现输出的数据中  只有500。此时需要将图片

package com.swsmu.esp.espbackend.util;import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;/****@author dawu_jinsan*@date 2025/10/27 16:17*@version V1.0* @desc   对图片进行简单预处理**/
public class ImagePreprocessUtil {/*** 简单预处理：灰度化 + 对比度增强（基于亮度调整）*/public static void preprocessWithImageIO(String inputPath, String outputPath) throws IOException {
// 1. 读取图片BufferedImage src = ImageIO.read(new File(inputPath));int width = src.getWidth();int height = src.getHeight();// 2. 转为灰度图（同之前）BufferedImage gray = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);Graphics2D g = gray.createGraphics();g.drawImage(src, 0, 0, null);g.dispose();// 3. 增强对比度（核心优化：文字变暗，背景保持白色）BufferedImage enhanced = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) {int grayValue = gray.getRGB(x, y) & 0xFF; // 0-255（0=黑，255=白）// 关键逻辑：// - 背景（接近白色，灰度值高）：保持白色（255）// - 文字（浅灰色，灰度值中等）：按比例加深（降低灰度值）int threshold = 230; // 背景阈值（高于此值视为背景，保持白色）int enhancedValue;if (grayValue > threshold) {// 背景：强制为白色（255）enhancedValue = 255;} else {// 文字：按比例加深（灰度值越低，文字越黑）// 例如：将 150-230 的浅灰范围映射到 0-150 的深灰范围enhancedValue = (int) (grayValue * (150.0 / threshold));}// 确保值在 0-255 范围内enhancedValue = Math.max(0, Math.min(255, enhancedValue));// 设置像素（灰度图：R=G=B=enhancedValue）enhanced.setRGB(x, y, enhancedValue << 16 | enhancedValue << 8 | enhancedValue);}}
/*        // 3. 二值化处理（替代对比度增强，适合背景干净的图片）BufferedImage enhanced = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);int binaryThreshold = 200; // 二值化阈值（高于此值为白，低于为黑）for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) {int grayValue = gray.getRGB(x, y) & 0xFF;// 非黑即白：文字（<200）→ 黑（0），背景（≥200）→ 白（255）int binaryValue = grayValue < binaryThreshold ? 0 : 255;enhanced.setRGB(x, y, binaryValue << 16 | binaryValue << 8 | binaryValue);}}*/// 4. 保存图片ImageIO.write(enhanced, "jpg", new File(outputPath));}/*** 自适应阈值二值化：兼顾浅灰色文字和特殊符号* @param inputPath 原始图片路径* @param outputPath 处理后图片路径* @param blockSize 局部区域大小（奇数，如 15，越大越平滑）* @param c 阈值偏移量（负数可保留更多浅灰，如 -10）*/public static void adaptiveThreshold(String inputPath, String outputPath, int blockSize, int c) throws IOException {// 1. 读取图片并转为灰度图BufferedImage src = ImageIO.read(new File(inputPath));int width = src.getWidth();int height = src.getHeight();BufferedImage gray = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);Graphics2D g = gray.createGraphics();g.drawImage(src, 0, 0, null);g.dispose();// 2. 自适应阈值二值化（核心）BufferedImage binary = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) {// 计算当前像素周围 blockSize×blockSize 区域的平均灰度int sum = 0;int count = 0;int halfBlock = blockSize / 2;// 遍历局部区域（避免越界）for (int dy = -halfBlock; dy <= halfBlock; dy++) {for (int dx = -halfBlock; dx <= halfBlock; dx++) {int nx = x + dx;int ny = y + dy;if (nx >= 0 && nx < width && ny >= 0 && ny < height) {sum += gray.getRGB(nx, ny) & 0xFF;count++;}}}// 局部区域平均灰度作为基准阈值int localThreshold = sum / count + c;// 当前像素灰度值int pixel = gray.getRGB(x, y) & 0xFF;// 二值化：低于局部阈值为黑（文字），高于为白（背景）int binaryPixel = pixel < localThreshold ? 0 : 255;binary.setRGB(x, y, binaryPixel << 16 | binaryPixel << 8 | binaryPixel);}}// 3. 保存处理后的图片ImageIO.write(binary, "jpg", new File(outputPath));}/*** 低阈值二值化：保留浅灰色文字（如/1050），同时尽量减少背景噪声* @param inputPath 原始图片路径* @param outputPath 处理后图片路径* @param threshold 二值化阈值（建议220-230，值越高保留的浅灰色越多）*/public static void lowThresholdBinarization(String inputPath, String outputPath, int threshold) throws IOException {// 1. 读取图片并转为灰度图BufferedImage src = ImageIO.read(new File(inputPath));int width = src.getWidth();int height = src.getHeight();BufferedImage gray = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);Graphics2D g = gray.createGraphics();g.drawImage(src, 0, 0, null);g.dispose();// 2. 低阈值二值化（核心：保留浅灰色）BufferedImage binary = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) {int grayValue = gray.getRGB(x, y) & 0xFF; // 0-255（0=黑，255=白）// 阈值判断：低于阈值→文字（黑），高于→背景（白）// 阈值设为220-230，确保浅灰色（如200-220）被保留为文字int binaryValue = grayValue < threshold ? 0 : 255;binary.setRGB(x, y, binaryValue << 16 | binaryValue << 8 | binaryValue);}}// 3. 保存处理后的图片ImageIO.write(binary, "jpg", new File(outputPath));}/*** 膨胀处理：加粗线条（让 -- 的两条横线更清晰，避免粘连或误判）* @param inputPath 二值化后的图片路径（非黑即白，效果更佳）* @param outputPath 处理后图片路径* @param iterations 膨胀次数（1-2次即可，过多会导致线条粘连）*/public static void dilateImage(String inputPath, String outputPath, int iterations) throws IOException {// 1. 读取二值化图片（非黑即白，确保膨胀效果）BufferedImage binary = ImageIO.read(new File(inputPath));int width = binary.getWidth();int height = binary.getHeight();BufferedImage dilated = new BufferedImage(width, height, BufferedImage.TYPE_BYTE_GRAY);// 2. 膨胀逻辑：将黑色像素（文字）的周围像素也设为黑色，加粗线条for (int i = 0; i < iterations; i++) {for (int y = 0; y < height; y++) {for (int x = 0; x < width; x++) {int pixel = binary.getRGB(x, y) & 0xFF;if (pixel == 0) { // 当前像素是黑色（文字）// 将周围 3x3 区域的像素设为黑色（膨胀）for (int dy = -1; dy <= 1; dy++) {for (int dx = -1; dx <= 1; dx++) {int nx = x + dx;int ny = y + dy;if (nx >= 0 && nx < width && ny >= 0 && ny < height) {dilated.setRGB(nx, ny, 0 << 16 | 0 << 8 | 0); // 设为黑色}}}} else {// 背景保持白色dilated.setRGB(x, y, 255 << 16 | 255 << 8 | 255);}}}// 迭代时，将处理后的图片作为下一次的输入binary = dilated;}// 3. 保存膨胀后的图片ImageIO.write(dilated, "jpg", new File(outputPath));}}

2.1        二值化 与 增强对比度 转为灰度图各自作用

  1. 二值化：

    • 作用：将图像转为只有两种颜色（黑白），突出主要信息，简化图像。
    • 应用：OCR，边缘检测，图像分割。

  2. 增强对比度：

    • 作用：增强图像中不同亮度区域之间的对比度，使细节更加突出，改善图像的清晰度。
    • 应用：OCR，图像优化，细节增强。

  3. 转为灰度图：

    • 作用：去除颜色信息，只保留亮度信息，简化图像，减少复杂度。
    • 应用：图像预处理，图像分析，OCR。

2.2        结果

因文中是某个产品的测试原图

1.转为灰度图

2.直接增强对比度

3. 灰度图+增强对比度

4. 二值化处理

读取还是会有问题，比如--/-- 识别为  -~-/--   或者 =  或者 ww

解决办法：

// 设置字符白名单，确保识别 "0-9", "-", "." 等 tesseract.setTessVariable("tessedit_char_whitelist", "0123456789-.")

三、spire_ocr_java

原因换种方式 试一试

1.导包  +    Maven 在构建过程中查找依赖的仓库来源

如何在 Java 项目中扫描识别图片中的文字

        <dependency><groupId>e-iceblue</groupId><artifactId>spire.ocr</artifactId><version>2.1.1</version></dependency><repository><id>com.e-iceblue</id><name>e-iceblue</name><url>https://repo.e-iceblue.cn/repository/maven-public/</url></repository>

2.代码

代码中dependencis 文件地址  【我是直接解压放到E盘测试，看你自己放置位置】也可以在1中点击进入官方下载

https://www.e-iceblue.com/downloads/plugins/java/ocr/windows/dependencies.zip

  @ApiOperation("上传图片解析内容")@PostMapping("/upload-ocr/spire")@SneakyThrowspublic String uploadAndOcr2(@RequestParam("file") MultipartFile file) {// 1. 保存上传的图片到临时目录File tempDir = new File(TEMP_DIR);if (!tempDir.exists()) tempDir.mkdirs();File tempFile = new File(TEMP_DIR + File.separator + file.getOriginalFilename());// 2. 强制转为绝对路径文件（关键！避免 Tomcat 重写路径）File absoluteTempFile = tempFile.getAbsoluteFile();file.transferTo(absoluteTempFile);// 2. 关键：旋转 180° 矫正上下颠倒String rotatedImagePath = TEMP_DIR + File.separator + "rotated_" + file.getOriginalFilename();rotate180(absoluteTempFile.getAbsolutePath(), rotatedImagePath);// 指定依赖文件的路径String dependencies = "E:\\dependencies";// 指定输出文件的路径String outputFile = TEMP_DIR+"/test_out.txt";// 创建一个 OcrScanner 对象OcrScanner scanner = new OcrScanner();// 设置 OcrScanner 对象的依赖文件路径scanner.setDependencies(dependencies);// 使用 OcrScanner 对象扫描指定的图像文件scanner.scan(rotatedImagePath);// 获取 IOCRText 对象（而非直接字符串）IOCRText ocrText = scanner.getText();System.out.println(ocrText);// 从 IOCRText 中提取完整文本（包含换行等格式）String text = ocrText.toString();// 创建一个输出文件对象File output = new File(outputFile);// 如果输出文件已经存在，则删除它if (output.exists()) {output.delete();}// 创建一个 BufferedWriter 对象用于向输出文件写入内容BufferedWriter writer = new BufferedWriter(new FileWriter(outputFile));// 将扫描的文本内容写入输出文件中writer.write(text);// 关闭 BufferedWriter 对象以释放资源writer.close();return "解析成功";}/*** 将图片旋转 180°（矫正上下颠倒）* @param inputPath 原始图片路径* @param outputPath 旋转后图片路径*/public static void rotate180(String inputPath, String outputPath) throws IOException {// 读取原始图片BufferedImage src = ImageIO.read(new File(inputPath));int width = src.getWidth();int height = src.getHeight();// 创建旋转后的图片缓冲区BufferedImage rotated = new BufferedImage(width, height, src.getType());Graphics2D g = rotated.createGraphics();// 旋转 180°：先平移到中心，旋转，再平移回来g.translate(width / 2, height / 2);g.rotate(Math.PI); // 旋转 180°（π 弧度）g.translate(-width / 2, -height / 2);// 绘制旋转后的图片g.drawImage(src, 0, 0, null);g.dispose();// 保存旋转后的图片ImageIO.write(rotated, "jpg", new File(outputPath));}

3.测试结果

我测试出来结果是倒着来的 ，【一般是从上到下，从左到右 的正常顺序】。

实际结果是 从下到上，从左到右。搜索得知 

  1. 文字倒序的常见原因

    • 图片被旋转：若图片因拍摄或处理失误被旋转了 180°（上下颠倒），OCR 会按 “倒着的文字” 顺序识别，导致结果倒序。
    • 图片镜像翻转：图片左右翻转（如镜像效果），文字会从右到左排列，OCR 识别结果也会随之反转。
    • 特殊排版：极少数情况下，图片文字本身是倒序排版（如设计需求），OCR 会忠实按排版顺序识别。

四、百度云中 通用文字识别

具体过程简单如下操作即可

大概参考https://blog.csdn.net/qq_37493556/article/details/109299207
因时间变动，会变得不同，最好根据下述官方来操作。上述可作为java代码参考

百度智能云-文字识别公有云API在线调试教程

五、参考文档

https://blog.csdn.net/running17/article/details/127240736

http://www.dtcms.com/a/549862.html

相关文章：

  • wordpress 网址导航页面济南seo网站关键词排名
  • VM虚拟机共享宿主机代理（Ubuntu24.04）
  • 高端网站建设收费为何比较贵网站名称写什么
  • C++容器string
  • [人工智能-大模型-110]：用通俗易懂的语言，阐述梯度下降的本质和数学原理：就是“摸着坡度下山”——哪边最陡，就往反方向走一步，反复走，直到走到谷底。
  • 龙华做棋牌网站建设哪家好哪个平台可以免费推广
  • 网站负责人可以备案怎么看网站域名
  • AIoT项目芯片选型指南：在性能、功耗与成本的十字路口
  • Vue 3 插槽(Slot)详解
  • 刘涛做的网站网络营销的优势包括
  • Spring Boot数据访问篇：整合MyBatis操作数据库
  • 丰都网站建设报价现代示范校建设专题网站
  • Flink Keyed State 详解之七
  • 中国建设银行贵州分行网站宁波建设银行管方网站
  • NVIDIA驱动更新“翻车”？解决RTX 2060在Bilibili客户端无法加载4K视频的终极指南*
  • 贵德县建设局网站校园兼职网站开发用例图
  • JavaSE知识分享——类和对象（下）
  • 企业级K8s部署：Helm+Kustomize混合策略实现零配置漂移与10分钟多环境发布
  • 上海人才中心昆明网站词排名优化
  • jQuery Growl - 实用且易于集成的通知插件
  • Manage Provisioning Access 功能详解
  • 龙岗在线网站建设网络销售网站外包
  • NVIDIA NCCL 源码学习（十六）- nccl的ibgda（GIN）
  • 深度优先搜索（DFS）
  • 协会网站建设方案wordpress 以前文章灯箱
  • PCIe学习笔记
  • 处理 rstudio-server 卡死问题
  • C 盘清理技巧分享
  • 零基础小白如何高效入门项目管理？
  • 安装与切换Rust版本