Android文字识别之tesseract的使用

关于tesseract识别工具有Google提供的版本有tesseract-android-tools，不过还有一个tesseract-two也是非常好用的，这里我们使用的是tesseract-two。tesseract是用c++实现的，需要封装Java API用于Android平台的调用。所以在使用tesseract-two之前得下载Android-NDK，下载NDK之后，解压到自己电脑的一个文件夹下，配置eclipse引用下载来的NDK。

解压下载来的NDK，因为要使用ndk-build该命令又为了方便起见，不用CD来CD去的~配置一下环境变量，在path中追加ndk所解压的目录。

tesseract-two其实是Tesseract Tools for Android的一个git分支，选择它是由于操作简单，并且集成了leptonica，一个图形处理工具。所以可以在gitbub上下载来

https://github.com/rmtheis/tess-two

也可以通过git来获取想要的资源。

http://git-scm.com/download/win

资源都准备好了，然后我们使用NDK编译（Windows下的cmd进入），敲入如下的命令（编译的时间会有点久）

cd tess-two
ndk-build
android update project -t 1 --path .
ant release  

cd ..
cd eyes-two
ndk-build
android update project -t 1 --path .
ant release

eclipse里面的Android项目中导入编译好的类库，共三个项目，tess-two，tess-two-test 以及eyes-two。其中tess-two和eyes-two为android lib项目，供其它项目引用。

然后编写Java代码，但是发现会出错。主要由于在/mnt/sdcard/目录下缺少语言包，将tessdata下面的两个语言包放到sd卡的根目录下面就可以了~

import com.googlecode.tesseract.android.TessBaseAPI;
import android.app.Activity;
import android.graphics.Bitmap;
import android.graphics.BitmapFactory;
import android.os.Bundle;
import android.util.Log;

public class MainActivity extends Activity {

    private static final String TESSBASE_PATH = "/mnt/sdcard/";
    private static final String DEFAULT_LANGUAGE = "eng";
    private static final String CHINESE_LANGUAGE = "chi_sim";
    private static final String TAG = "tesseract";

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        TessBaseAPI baseApi=new TessBaseAPI();
        baseApi.init(TESSBASE_PATH, DEFAULT_LANGUAGE);
        baseApi.setPageSegMode(TessBaseAPI.PSM_AUTO); 

        //从资源里获取一张图片
        Bitmap  bitmap = BitmapFactory.decodeResource(MainActivity.this.getResources(), R.drawable.ocr);
        baseApi.setImage(bitmap);         

        final String outputText = baseApi.getUTF8Text();
        Log.i(TAG, "识别结果：" + outputText);
        baseApi.end();
    }

}

原图：

识别结果：