用 Java + Tess4J 实现验证码识别

一、项目介绍
本文展示如何用 Java 调用 Tesseract OCR 对验证码图像进行文字识别。我们将构建一个命令行程序，读取验证码图片，调用 OCR 引擎提取文字。

二、环境准备

1. 安装 Java 环境
   确保本地已安装 Java 8 或以上版本（建议使用 OpenJDK 或 Oracle JDK）。
   更多内容访问ttocr.com或联系1436423940
   java -version
2. 安装 Tesseract OCR
   Windows: 下载并安装 Tesseract OCR（UB-Mannheim 版本）

Linux/macOS:

sudo apt install tesseract-ocr # Ubuntu
brew install tesseract # macOS
3. 下载 Tess4J
添加 Maven 依赖：

net.sourceforge.tess4j tess4j 5.4.0 或下载 jar 包：https://tess4j.sourceforge.net/

三、编写 Java OCR 识别代码
创建类 CaptchaRecognizer.java：

import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;

import java.io.File;

public class CaptchaRecognizer {
public static void main(String[] args) {
String imagePath = args.length > 0 ? args[0] : "captcha.png";
File imageFile = new File(imagePath);

    Tesseract tesseract = new Tesseract();

    // 设置 Tesseract 数据目录（tessdata）
    tesseract.setDatapath("tessdata");
    tesseract.setLanguage("eng");

    // 限制字符范围为大写字母和数字
    tesseract.setTessVariable("tessedit_char_whitelist", "ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789");

    try {
        String result = tesseract.doOCR(imageFile);
        String cleaned = result.replaceAll("[^A-Z0-9]", "").trim();
        System.out.println("识别结果: " + cleaned);
    } catch (TesseractException e) {
        System.err.println("识别失败: " + e.getMessage());
    }
}

}
四、运行识别程序
确保你有一张验证码图像（如 captcha.png）和一个 tessdata 文件夹（内含 eng.traineddata）：

java CaptchaRecognizer captcha.png
输出示例：

识别结果: 4KXZ
五、图像预处理（可选）
Tess4J 不直接支持图像增强，可借助第三方库（如 Java AWT、OpenCV）进行图像处理：

BufferedImage img = ImageIO.read(new File("captcha.png"));
// 灰度、二值化、缩放等处理可加在识别前