Java中實(shí)現(xiàn)OCR識(shí)別讀取圖片中的文字

更新時(shí)間：2024年04月01日 09:25:39 作者：Eiceblue

圖片內(nèi)容一般無法編輯,如果想要讀取圖片中的文本,我們需要用到OCR工具,本文將介紹如何在Java中實(shí)現(xiàn)OCR識(shí)別讀取圖片中的文字,文中通過代碼示例介紹的非常詳細(xì),需要的朋友可以參考下

所需工具：

IDEA
Spire.OCR for Java - Java OCR組件，支持識(shí)別多種語言、字體，可讀取JPG、PNG、GIF、BMP 和 TIFF 等常用圖片中的文本信息。

產(chǎn)品包下載鏈接：下載 | Spire.OCR for Java

或從Maven倉庫導(dǎo)入：

<repositories>
    <repository>
        <id>com.e-iceblue</id>
        <name>e-iceblue</name>
        <url>https://repo.e-iceblue.cn/repository/maven-public/</url>
    </repository>
</repositories>
<dependencies>
    <dependency>
        <groupId>e-iceblue</groupId>
        <artifactId>spire.ocr</artifactId>
        <version>1.9.0</version>
    </dependency>
</dependencies>

其余依賴文件。按操作系統(tǒng)下載對(duì)應(yīng)文件后，解壓縮至指定的文件路徑。

Linux

Windows x64

提取碼：nw77

Java OCR識(shí)別圖片文本的實(shí)現(xiàn)步驟

1. 在IDEA中新建一個(gè)項(xiàng)目并導(dǎo)入Spire.OCR.jar。

2. 將剛才下載解壓縮后的 “dependencies” 文件夾復(fù)制到IDEA項(xiàng)目目錄下。

3.確保導(dǎo)入以上所需依賴后，運(yùn)行以下代碼實(shí)現(xiàn)掃描讀取圖片中的文本。

import com.spire.ocr.OcrScanner;
import java.io.*;
 
public class ReadImage {
    public static void main(String[] args) throws Exception {
        //指定依賴文件的路徑
        String dependencies = "F:\\dependencies\\";
        //指定要需要掃描的圖片的路徑
        String imageFile = "圖片.png";
        //指定輸出文件的路徑
        String outputFile = "讀取圖片.txt";
 
        //創(chuàng)建OcrScanner對(duì)象，并設(shè)置其依賴文件路徑
        OcrScanner scanner = new OcrScanner();
        scanner.setDependencies(dependencies);
 
        //掃描指定的圖像文件
        scanner.scan(imageFile);
 
        //獲取掃描的文本內(nèi)容
        String scannedText = scanner.getText().toString();
 
        //創(chuàng)建輸出文件對(duì)象
        File output = new File(outputFile);
        //如果輸出文件已經(jīng)存在，則將其刪除
        if (output.exists()) {
            output.delete();
        }
        //創(chuàng)建BufferedWriter對(duì)象來將掃描的文本內(nèi)容寫入輸出文件
        BufferedWriter writer = new BufferedWriter(new FileWriter(outputFile));
        writer.write(scannedText);
        writer.close();
    }
}

示例圖片：

OCR圖片掃描結(jié)果：

OCR識(shí)別流程

概括

傳統(tǒng)的OCR基于圖像處理（二值化、連通域分析、投影分析等）和統(tǒng)計(jì)機(jī)器學(xué)習(xí)（Adaboost、SVM），過去20年間在印刷體和掃描文檔上取得了不錯(cuò)的效果。傳統(tǒng)的印刷體OCR解決方案整體流程如圖。

在這里插入圖片描述

從輸入圖像到給出識(shí)別結(jié)果經(jīng)歷了圖像預(yù)處理、文字行提取和文字行識(shí)別三個(gè)階段。

圖像預(yù)處理

二值化：由于彩色圖像所含信息量過于巨大，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，需要對(duì)圖像進(jìn)行二值化處理，使圖像只包含黑色的前景信息和白色的背景信息，提升識(shí)別處理的效率和精確度
圖像降噪：由于待識(shí)別圖像的品質(zhì)受限于輸入設(shè)備、環(huán)境、以及文檔的印刷質(zhì)量，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，需要根據(jù)噪聲的特征對(duì)待識(shí)別圖像進(jìn)行去噪處理，提升識(shí)別處理的精確度
傾斜校正：由于掃描和拍攝過程涉及人工操作，輸入計(jì)算機(jī)的待識(shí)別圖像或多或少都會(huì)存在一些傾斜，在對(duì)圖像中印刷體字符進(jìn)行識(shí)別處理前，就需要進(jìn)行圖像方向檢測，并校正圖像方向。

在這里插入圖片描述

文字檢測

文字檢測主要有兩條線，兩步法和一步法。

兩步法：faster-rcnn.
一步法：yolo。相比于兩步法，一步法速度更快，但是accuracy有損失。

文字檢測按照文字的角度分。

水平文字檢測：四個(gè)自由度，類似于物體檢測。水平文字檢測比較好的算法是CTPN。
傾斜文字檢測：文本框是不規(guī)則的四邊形，八個(gè)自由度。傾斜文字檢測個(gè)人比較喜歡的方法是CVPR的EAST和Seglink。

在這里插入圖片描述

文本識(shí)別

在以前的OCR任務(wù)中，識(shí)別過程分為兩步：單字切割和分類任務(wù)。

現(xiàn)今基于深度學(xué)習(xí)的端到端OCR技術(shù)有兩大主流技術(shù)：CRNN OCR和attention OCR。

其實(shí)這兩大方法主要區(qū)別在于最后的輸出層（翻譯層），即怎么將網(wǎng)絡(luò)學(xué)習(xí)到的序列特征信息轉(zhuǎn)化為最終的識(shí)別結(jié)果。

這兩大主流技術(shù)在其特征學(xué)習(xí)階段都采用了CNN+RNN的網(wǎng)絡(luò)結(jié)構(gòu)，CRNN OCR在對(duì)齊時(shí)采取的方式是CTC算法，而attention OCR采取的方式則是attention機(jī)制。

在這里插入圖片描述

網(wǎng)絡(luò)結(jié)構(gòu)包含三部分，從下到上依次為：

卷積層，使用CNN，作用是從輸入圖像中提取特征序列;
循環(huán)層，使用RNN，作用是預(yù)測從卷積層獲取的特征序列的標(biāo)簽（真實(shí)值）分布;
轉(zhuǎn)錄層，使用CTC，作用是把從循環(huán)層獲取的標(biāo)簽分布通過去重整合等操作轉(zhuǎn)換成最終的識(shí)別結(jié)果;

在這里插入圖片描述