基于tess-two与cv4j的简易OCR实现指南

一、技术选型与核心原理

1.1 工具链解析

• tess-two：基于Tesseract OCR引擎的Android优化版本，支持100+种语言训练数据，通过JNI实现本地化识别，避免网络依赖。
• cv4j：纯Java实现的图像处理库，提供灰度化、二值化、降噪等基础操作，兼容Android与Java SE环境。

1.2 OCR流程拆解

完整OCR包含三个阶段：

1. 图像预处理：通过cv4j提升文字与背景对比度
2. 版面分析：定位文字区域（本例简化处理）
3. 字符识别：tess-two执行核心识别任务

二、环境搭建与依赖配置

2.1 Android项目集成

1. 添加Gradle依赖：

   // cv4j核心库
   implementation 'com.github.cv4j1.5.2'
   // tess-two本地库（需指定架构）
   implementation 'com.rmtheis9.1.0'

2. 资源文件准备：

• 将训练数据包（如eng.traineddata）放入assets/tessdata/目录
• 在Application类中初始化时复制到设备目录：

  public class App extends Application {
    @Override
    public void onCreate() {
        super.onCreate();
        File tessDir = new File(getFilesDir(), "tessdata");
        if (!tessDir.exists()) {
            tessDir.mkdirs();
            try (InputStream in = getAssets().open("tessdata/eng.traineddata");
                 OutputStream out = new FileOutputStream(new File(tessDir, "eng.traineddata"))) {
                byte[] buffer = new byte[1024];
                int length;
                while ((length = in.read(buffer)) > 0) {
                    out.write(buffer, 0, length);
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
  }

三、图像预处理实现

3.1 cv4j核心操作

import com.cv4j.core.datamodel.ImageProcessor;
import com.cv4j.image.util.Tools;
public class ImagePreprocessor {
    public static Bitmap preprocess(Bitmap original) {
        // 转换为RGB565格式（cv4j要求）
        Bitmap rgbBitmap = original.copy(Bitmap.Config.RGB_565, false);
        // 1. 灰度化
        ImageProcessor processor = new ImageProcessor(rgbBitmap);
        processor.toGray();
        // 2. 自适应二值化（Otsu算法）
        processor.binaryzation(ImageProcessor.BinaryzationType.OTSU);
        // 3. 降噪（中值滤波）
        processor.medianFilter(3); // 3x3核
        // 4. 形态学处理（可选）
        // processor.dilate(1); // 膨胀
        // processor.erode(1);  // 腐蚀
        return processor.getBitmap();
    }
}

3.2 预处理效果优化

• 参数调优建议：
  • 二值化阈值：复杂背景可尝试SAUVOLA算法
  • 滤波核大小：文字尺寸<20px时使用3x3，>50px使用5x5
  • 形态学操作：细小文字避免过度膨胀

四、tess-two识别实现

4.1 基础识别代码

import com.googlecode.tesseract.android.TessBaseAPI;
public class OCREngine {
    private TessBaseAPI tessBaseAPI;
    public void init(Context context) {
        File tessDir = new File(context.getFilesDir(), "tessdata");
        tessBaseAPI = new TessBaseAPI();
        // 参数说明：数据路径、语言、OEM模式（0=默认，1=仅LSTM）
        tessBaseAPI.init(tessDir.getAbsolutePath(), "eng", TessBaseAPI.OEM_LSTM_ONLY);
        // 设置识别模式（0=自动方向，1=仅页面方向，2=仅字符方向）
        tessBaseAPI.setPageSegMode(TessBaseAPI.PageSegMode.PSM_AUTO);
    }
    public String recognize(Bitmap processedBitmap) {
        // 创建兼容Tesseract的Bitmap
        Bitmap mutableBitmap = processedBitmap.copy(Bitmap.Config.ARGB_8888, true);
        tessBaseAPI.setImage(mutableBitmap);
        // 获取识别结果（带位置信息）
        String result = tessBaseAPI.getUTF8Text();
        // 释放资源（重要！）
        tessBaseAPI.clear();
        mutableBitmap.recycle();
        return result.trim();
    }
    public void destroy() {
        if (tessBaseAPI != null) {
            tessBaseAPI.end();
        }
    }
}

4.2 高级配置技巧

• 语言包扩展：

  // 支持中文识别需添加chi_sim.traineddata
  tessBaseAPI.init(dataPath, "chi_sim+eng"); // 中英文混合

• 性能优化：

  • 限制识别区域：tessBaseAPI.setRectangle(left, top, width, height)
  • 并行处理：使用ExecutorService管理多图识别

五、完整流程示例

5.1 Activity实现

public class OCRActivity extends AppCompatActivity {
    private OCREngine ocrEngine;
    private ImageView preview;
    private TextView resultView;
    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_ocr);
        ocrEngine = new OCREngine();
        ocrEngine.init(this);
        preview = findViewById(R.id.image_preview);
        resultView = findViewById(R.id.ocr_result);
        findViewById(R.id.btn_recognize).setOnClickListener(v -> {
            Bitmap original = BitmapFactory.decodeResource(getResources(), R.drawable.test_image);
            Bitmap processed = ImagePreprocessor.preprocess(original);
            preview.setImageBitmap(processed);
            String text = ocrEngine.recognize(processed);
            resultView.setText(text);
        });
    }
    @Override
    protected void onDestroy() {
        super.onDestroy();
        ocrEngine.destroy();
    }
}

5.2 布局文件示例

<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:layout_width="match_parent"
    android:layout_height="match_parent"
    android:orientation="vertical">
    <ImageView
        android:id="@+id/image_preview"
        android:layout_width="match_parent"
        android:layout_height="300dp"
        android:scaleType="centerCrop"/>
    <Button
        android:id="@+id/btn_recognize"
        android:layout_width="match_parent"
        android:layout_height="wrap_content"
        android:text="开始识别"/>
    <ScrollView
        android:layout_width="match_parent"
        android:layout_height="match_parent">
        <TextView
            android:id="@+id/ocr_result"
            android:layout_width="match_parent"
            android:layout_height="wrap_content"
            android:padding="16dp"
            android:textSize="16sp"/>
    </ScrollView>
</LinearLayout>

六、常见问题解决方案

6.1 识别准确率低

• 检查项：
  • 训练数据是否匹配（如中文需chi_sim包）
  • 图像预处理是否过度（二值化后文字断裂）
  • 页面分割模式是否合适（复杂布局尝试PSM_SINGLE_BLOCK）

6.2 内存溢出问题

• 优化策略：
  • 及时回收Bitmap：bitmap.recycle()
  • 限制图片尺寸：Bitmap.createScaledBitmap()
  • 使用弱引用存储中间结果

6.3 多语言支持

• 实现步骤：
  1. 下载对应语言包（如spa.traineddata西班牙语）
  2. 合并语言参数：tessBaseAPI.init(dataPath, "eng+spa")
  3. 测试时切换系统语言或强制指定

七、性能对比与选型建议

指标	tess-two	cv4j
识别速度	中等（依赖模型）	仅预处理，极快
内存占用	高（需加载模型）	低（纯Java实现）
扩展性	强（支持训练）	弱（仅基础处理）
适用场景	离线OCR核心	图像预处理阶段

推荐组合：cv4j负责预处理提升输入质量，tess-two执行核心识别，两者通过Bitmap对象无缝衔接。

八、进阶优化方向

1. 动态参数调整：根据图像DPI自动调整预处理参数
2. 结果后处理：使用正则表达式修正常见识别错误（如”0”与”O”）
3. 模型微调：通过jTessBoxEditor训练自定义数据集
4. 硬件加速：在支持设备上启用GPU加速（需Tesseract 4.0+）

通过本文的完整实现，开发者可在4小时内构建出具备实用价值的离线OCR系统，准确率在标准印刷体上可达85%以上。实际项目中建议结合具体场景持续优化预处理参数和识别配置。