Java使用Opencv + spire.ocr 识别基础表格

原创

已于 2025-02-14 15:53:58 修改 · 1.8k 阅读

49 ·

CC 4.0 BY-SA版权

文章标签：

#java #opencv #ocr

于 2025-02-14 13:35:00 首次发布

Java使用Opencv + spire.ocr 识别表格

最近有做到需要表格图片识别的需求，开始直接用的百度云API，但是要收费，而且需求不算复杂，只要是截图或保存的Excel生成的图片即可，不涉及复杂的表格，有需要的可以了解一下。使用到三方库opencv(视觉库）+ spire.ocr （免费好用的OCR识别文字）
直接看效果：
在这里插入图片描述
19行7列的表格，返回数据：
{“msg”:“操作成功”,“code”:200,“data”:[{“word”:“”,“row”:1,“cal”:1},{“word”:“”,“row”:1,“cal”:2},{“word”:“”,“row”:1,“cal”:3},{“word”:“”,“row”:1,“cal”:4},{“word”:“”,“row”:1,“cal”:5},{“word”:“”,“row”:1,“cal”:6},{“word”:“”,“row”:1,“cal”:7},{“word”:“”,“row”:2,“cal”:1},{“word”:“A-T1-S1M2”,“row”:2,“cal”:2},{“word”:“”,“row”:2,“cal”:3},{“word”:“”,“row”:2,“cal”:4},{“word”:“”,“row”:2,“cal”:5},{“word”:“”,“row”:2,“cal”:6},{“word”:“”,“row”:2,“cal”:7},{“word”:“”,“row”:3,“cal”:1},{“word”:“”,“row”:3,“cal”:2},{“word”:“”,“row”:3,“cal”:3},{“word”:“B-T2-S1M1”,“row”:3,“cal”:4},{“word”:“A-T1-S1M2”,“row”:3,“cal”:5},{“word”:“”,“row”:3,“cal”:6},{“word”:“”,“row”:3,“cal”:7},{“word”:“”,“row”:4,“cal”:1},{“word”:“”,“row”:4,“cal”:2},{“word”:“”,“row”:4,“cal”:3},{“word”:“”,“row”:4,“cal”:4},{“word”:“”,“row”:4,“cal”:5},{“word”:“”,“row”:4,“cal”:6},{“word”:“”,“row”:4,“cal”:7},{“word”:“”,“row”:5,“cal”:1},{“word”:“”,“row”:5,“cal”:2},{“word”:“”,“row”:5,“cal”:3},{“word”:“”,“row”:5,“cal”:4},{“word”:“”,“row”:5,“cal”:5},{“word”:“”,“row”:5,“cal”:6},{“word”:“”,“row”:5,“cal”:7},{“word”:“”,“row”:6,“cal”:1},{“word”:“”,“row”:6,“cal”:2},{“word”:“”,“row”:6,“cal”:3},{“word”:“”,“row”:6,“cal”:4},{“word”:“”,“row”:6,“cal”:5},{“word”:“”,“row”:6,“cal”:6},{“word”:“”,“row”:6,“cal”:7},{“word”:“”,“row”:7,“cal”:1},{“word”:“”,“row”:7,“cal”:2},{“word”:“”,“row”:7,“cal”:3},{“word”:“”,“row”:7,“cal”:4},{“word”:“”,“row”:7,“cal”:5},{“word”:“”,“row”:7,“cal”:6},{“word”:“”,“row”:7,“cal”:7},{“word”:“”,“row”:8,“cal”:1},{“word”:“”,“row”:8,“cal”:2},{“word”:“”,“row”:8,“cal”:3},{“word”:“”,“row”:8,“cal”:4},{“word”:“”,“row”:8,“cal”:5},{“word”:“”,“row”:8,“cal”:6},{“word”:“”,“row”:8,“cal”:7},{“word”:“”,“row”:9,“cal”:1},{“word”:“”,“row”:9,“cal”:2},{“word”:“”,“row”:9,“cal”:3},{“word”:“”,“row”:9,“cal”:4},{“word”:“”,“row”:9,“cal”:5},{“word”:“”,“row”:9,“cal”:6},{“word”:“”,“row”:9,“cal”:7},{“word”:“”,“row”:10,“cal”:1},{“word”:“”,“row”:10,“cal”:2},{“word”:“”,“row”:10,“cal”:3},{“word”:“”,“row”:10,“cal”:4},{“word”:“”,“row”:10,“cal”:5},{“word”:“”,“row”:10,“cal”:6},{“word”:“”,“row”:10,“cal”:7},{“word”:“”,“row”:11,“cal”:1},{“word”:“”,“row”:11,“cal”:2},{“word”:“”,“row”:11,“cal”:3},{“word”:“”,“row”:11,“cal”:4},{“word”:“”,“row”:11,“cal”:5},{“word”:“”,“row”:11,“cal”:6},{“word”:“”,“row”:11,“cal”:7},{“word”:“”,“row”:12,“cal”:1},{“word”:“”,“row”:12,“cal”:2},{“word”:“”,“row”:12,“cal”:3},{“word”:“”,“row”:12,“cal”:4},{“word”:“”,“row”:12,“cal”:5},{“word”:“”,“row”:12,“cal”:6},{“word”:“”,“row”:12,“cal”:7},{“word”:“”,“row”:13,“cal”:1},{“word”:“”,“row”:13,“cal”:2},{“word”:“”,“row”:13,“cal”:3},{“word”:“”,“row”:13,“cal”:4},{“word”:“”,“row”:13,“cal”:5},{“word”:“”,“row”:13,“cal”:6},{“word”:“”,“row”:13,“cal”:7},{“word”:“”,“row”:14,“cal”:1},{“word”:“”,“row”:14,“cal”:2},{“word”:“”,“row”:14,“cal”:3},{“word”:“”,“row”:14,“cal”:4},{“word”:“”,“row”:14,“cal”:5},{“word”:“”,“row”:14,“cal”:6},{“word”:“”,“row”:14,“cal”:7},{“word”:“”,“row”:15,“cal”:1},{“word”:“”,“row”:15,“cal”:2},{“word”:“”,“row”:15,“cal”:3},{“word”:“”,“row”:15,“cal”:4},{“word”:“”,“row”:15,“cal”:5},{“word”:“”,“row”:15,“cal”:6},{“word”:“”,“row”:15,“cal”:7},{“word”:“”,“row”:16,“cal”:1},{“word”:“”,“row”:16,“cal”:2},{“word”:“”,“row”:16,“cal”:3},{“word”:“”,“row”:16,“cal”:4},{“word”:“”,“row”:16,“cal”:5},{“word”:“”,“row”:16,“cal”:6},{“word”:“”,“row”:16,“cal”:7},{“word”:“”,“row”:17,“cal”:1},{“word”:“”,“row”:17,“cal”:2},{“word”:“”,“row”:17,“cal”:3},{“word”:“”,“row”:17,“cal”:4},{“word”:“”,“row”:17,“cal”:5},{“word”:“”,“row”:17,“cal”:6},{“word”:“”,“row”:17,“cal”:7},{“word”:“”,“row”:18,“cal”:1},{“word”:“”,“row”:18,“cal”:2},{“word”:“”,“row”:18,“cal”:3},{“word”:“”,“row”:18,“cal”:4},{“word”:“”,“row”:18,“cal”:5},{“word”:“”,“row”:18,“cal”:6},{“word”:“”,“row”:18,“cal”:7},{“word”:“”,“row”:19,“cal”:1},{“word”:“”,“row”:19,“cal”:2},{“word”:“”,“row”:19,“cal”:3},{“word”:“”,“row”:19,“cal”:4},{“word”:“”,“row”:19,“cal”:5},{“word”:“”,“row”:19,“cal”:6},{“word”:“”,“row”:19,“cal”:7}]}

当然无边框的也可以的，但是要注意，最好把数据设定为适合的行高和列宽，居中对齐，从excel中截图可以使用微信来截图，或者用Snipaste这个小工具，好了，让我们现在开始。

集成spire.ocr进行图片文字识别

使用 OCR 技术扫描识别是获取图片上文字的主要方式。Spire.OCR for Java 能够帮助开发者在 Java 项目中快速批量识别并提取图片上的文字，实现高效的文字提取功能。
由于开源的 tesseract 识别效果不是很好，就采用该OCR工具来识别图片，使用起来效果还是感觉不错的。
官方地址：
https://www.e-iceblue.cn/spire_ocr_java/how-to-scan-and-recognize-text-from-images-in-java-projects.html

pom引入Spire.OCR的依赖，我用的最新版本

<!--ocr图片识别文字-->
<dependency>
    <groupId>e-iceblue</groupId>
    <artifactId>spire.ocr</artifactId>
    <version>${spire.ocr.version}</version>
</dependency>

在application.yml中配置相关参数，主要是必要模型的地址，注意需要换成自己的地址，需要相关文件的可以私信，或者在上面的官网地址下载即可

ocr-scanner:
  language: 'Chinese'
  model-path-linux: '/root/sunpro/ocr'
  model-path-windows: 'E:\spireocr'

在这里插入图片描述

配置一下扫描类，加入到Spring容器

package com.ruoyi.ocr.config;

import com.spire.ocr.ConfigureOptions;
import com.spire.ocr.OcrException;
import com.spire.ocr.OcrScanner;
import org.springframework.beans.factory.annotation.Value;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * @ClassName：OcrScannerConfig
 * @Author: mjg
 * @Date: 2025/2/12 14:06
 * @Description: ocr 扫描器配置类
 */
@Configuration
public class OcrScannerConfig {
   
   

    @Value("${ocr-scanner.model-path-linux}")
    public String modelPathLinux;

    @Value("${ocr-scanner.model-path-windows}")
    public String modelPathWindows;


    @Value("${ocr-scanner.language}")
    public String language;

    @Bean
    public OcrScanner ocrScanner() throws OcrException {
   
   
        OcrScanner scanner = new OcrScanner();
        ConfigureOptions configureOptions = new ConfigureOptions();
        // 设置许可证密钥（如有需要）
        // LicenseProvider.setLicenseKey("your-license-key");
        // 创建并配置扫描器
        configureOptions.setLanguage(language);
        if(System.getProperty("os.name").toLowerCase().contains("windows")) {
   
   
            configureOptions.setModelPath(modelPathWindows);
        }else{
   
   
            configureOptions.setModelPath(modelPathLinux);
        }
        scanner.ConfigureDependencies(configureOptions);
        return scanner;
    }



}

最后编写个Service方法，供Controller接口调用

/**
 * Spire OCR 图片文字识别，限于白底黑字才能识别效果好
 * @param path 图片路径
 **/
@Override
public String ocrWordBySpireString(String path) {
   
   

    ocrScanner.scan(path);
    String scannedText = null;
    try {
   
   
        scannedText = ocrScanner.getText().toString();
    } catch (OcrException e) {
   
   
        LOGGER.error("识别出错：{}",e.getMessage());
        return "";
    }
    if(org.springframework.util.StringUtils.isEmpty(scannedText)){
   
   
        return "";
    }
    return scannedText.replaceAll("Evaluation Warning : The version can be used only for evaluation purpose...", "")
            .replaceAll("\\r", "")
            .replaceAll("\n","");

}

@RestController
@RequestMapping("ocr/v2")
public class Ocr2Controller {
   
   


    @Resource
    private OcrService ocrService;


    @PostMapping(value = "/recognize", consumes = MediaType.MULTIPART_FORM_DATA_VALUE)
    public AjaxResult recognizeText(@RequestParam("file") MultipartFile file) throws OcrException {
   
   
        // 创建临时文件
        File tempFile = null;
        try {
   
   
            // 生成临时文件，使用原始文件名和后缀（避免格式问题）
            String originalFilename = file.getOriginalFilename();
            String suffix = originalFilename != null ? originalFilename.substring(originalFilename.lastIndexOf('.')) : ".tmp";
            tempFile = File.createTempFile("spireocr-", suffix)