tess4j图像识别文字

Maven依赖
<dependency>
<groupId>net.sourceforge.tess4j</groupId>
<artifactId>tess4j</artifactId>
<version>3.2.1</version>
</dependency>

发现在识别整张图时，准确率降低。尤其是中文，英文，字符，数字，水印都有的时候。出错率很高。原先一直认为是水印的问题。结果将图片二值化以后，没有水印，识别准确度依旧很低。
偶然的情况，使用局部区域识别，发现，效果很好，准确度大大提高。
然后体用api切换中文，英文识别库，很大程度的提高了准确率。

private static String ocr(String filePath) {
String result = null;
try {
BufferedImage image = ImageIO.read(new File(filePath));
// 这里对图片黑白处理,增强识别率.这里先通过截图,截取图片中需要识别的部分
BufferedImage textImage = ImageHelper.convertImageToGrayscale(ImageHelper.getSubImage(image, 412, 340, 133, 32));
// 图片锐化
textImage = ImageHelper.convertImageToBinary(textImage);
// 图片放大倍数,增强识别率(很多图片本身无法识别,放大5倍时就可以轻易识,但是考滤到客户电脑配置低,针式打印机打印不连贯的问题,这里就放大5倍)
textImage = ImageHelper.getScaledInstance(textImage, textImage.getWidth() * 2, textImage.getHeight() * 2);

textImage = ImageHelper.convertImageToBinary(textImage);
//ImageIO.write(textImage, "png", new File("C:\\Users\\JiangJie\\Pictures\\timg_temp.jpg"));

Tesseract instance = new Tesseract();
instance.setDatapath(System.getProperty("user.dir"));//设置训练库的位置
instance.setLanguage("chi_sim");//中文识别
//instance.setLanguage("eng");//英文识别
result = instance.doOCR(textImage);
} catch (Exception e) {
e.printStackTrace();
}
return result;
}

private static String filter(String str) {
String regEx = "[`~!@#$%^&*()+=|{}':;,\"\\[\\].<>/?￥……&*（）__′_—+|{}【】'；：”“’。，、？]";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(str);
return m.replaceAll("").trim();
}

user.dir 为项目根目录路径，项目跟路径下新建tessdata文件夹，将中、英文.traineddata字库文件copy进去。