在工作中，我们有时候会遇到识别图片里面的文字信息，比如姓名，验证码等，这里就要涉及一个OCR(Optical Character Recognition)的概念，即光学字符识别,简单讲就是对图片文件中的文字进行分析识别，获取的过程。

Tesseract是一个著名的开源OCR引擎，初期是由惠普实验室研发，后期开源，由Google改进优化升级。

Tess4J是对Tesseract OCR API 的Java JNA 封装。使java能够通过调用Tess4J的API来使用Tesseract OCR。支持的格式包括TIFF、JPEG、GIF、PNG、BMP、JPEG、PDF。

下面进行简单的使用吧。

1、新建一个maven项目，引入依赖

<dependency>    <groupId>net.sourceforge.tess4j</groupId>    <artifactId>tess4j</artifactId>    <version>4.4.0</version></dependency>

public class TestTess4jOCR {    //语言库类型中文：chi_sim，数字加英文：eng    private static final String LANGUAGE  = "eng";    //语言库位置，里面目前只放了：chi_sim.traineddata（中文），eng.traineddata（英文）    private static final String DATA_PATH = "F:\\Workspace\\eclipse_workspace\\tessdata";    public static void main(String[] args) {        byte[] imageByte =TestTess4jOCR.getImageBytes("F:\\2.jpg");        TestTess4jOCR.testDoOCR_ImageByte(imageByte);    }    public static void testDoOCR_ImageByte(byte[] imageByte) {        try {            InputStream sbs = new ByteArrayInputStream(imageByte);            BufferedImage img = ImageIO.read(sbs);            ITesseract instance = new Tesseract();            //设置语言库所在的文件夹位置，最好是绝对的，不然加载不到就直接报错了            instance.setDatapath(DATA_PATH);            //设置使用的语言库类型：chi_sim,eng 中文简体            instance.setLanguage(LANGUAGE);            String result = instance.doOCR(img);            System.out.println("扫描的文本："+result);        } catch (Exception e) {             System.err.println("扫描图片文本错误:"+e);        }    }    public static byte[] getImageBytes(String path) {        //图片转化为二进制          byte[] imageBytes = null;           try (FileInputStream fileInputStream = new FileInputStream(new File(path));) {              imageBytes = new byte[fileInputStream.available()];              fileInputStream.read(imageBytes);          } catch (IOException e) {              e.printStackTrace();          }          return imageBytes;      } }

上面可以看到有一个语言库的概念。中文一般用：chi_sim.traineddata，数字和英文一般用eng.traineddata，更多tessdata语言库下载地址。

这里下载了chi_sim.traineddata和eng.traineddata用来测试。

3、测试

通过修改LANGUAGE和图片路径进行测试

第一组测试，数字识别：

第二组测试，中文识别：

第三组测试，图片验证码：

感觉功能好强大，完全不需要调用腾讯百度的接口！咱再试试

这，好吧，毕竟肯定没有付钱的好，当然我们还可以进行针对性的训练，当然这是后话！