OCRのAPI tess4jを試してみた

2019.12.16

LINEトークでOCRができるプログラムを3時間程度で開発したという記事を見て、JavaでOCRを試してみました。JavaでOCRを実現するのに、無料APIがありましたので早速使ってみます。

開発環境
IDE:Eclipse
Java8
FW:なし。ネイティブで作成
API:tess4j
<tess4jセットアップ>
Maven: https://mvnrepository.com/artifact/net.sourceforge.tess4j/tess4j
言語認識ファイル: https://github.com/tesseract-ocr/tessdata

スポンサーリンク

uploadフォルダを作成

Viewから受け取ったファイルを置く場所を作成します。
ファイルの作成場所は、
WebContent/WEB-INF/upload
としてください。

Filter Classでutf-8を設定

まずは、文字化け防止のためFilterクラスを作成し、utf-8を設定します。

Filter.java
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
package filter;
 
import java.io.IOException;
 
import javax.servlet.Filter;
import javax.servlet.FilterChain;
import javax.servlet.FilterConfig;
import javax.servlet.ServletException;
import javax.servlet.ServletRequest;
import javax.servlet.ServletResponse;
import javax.servlet.annotation.WebFilter;
 
/**
 * Servlet Filter implementation class filter
 */
@WebFilter("/filter")
public class filter implements Filter {
 
    /**
     * Default constructor.
     */
    public filter() {
        // TODO Auto-generated constructor stub
    }
 
    /**
     * @see Filter#destroy()
     */
    public void destroy() {
        // TODO Auto-generated method stub
    }
 
    /**
     * @see Filter#doFilter(ServletRequest, ServletResponse, FilterChain)
     */
    public void doFilter(ServletRequest request, ServletResponse response, FilterChain chain) throws IOException, ServletException {
        // TODO Auto-generated method stub
        // place your code here
        request.setCharacterEncoding("utf-8");
        response.setContentType("text/html:charset=utf8");
 
 
        // pass the request along the filter chain
        chain.doFilter(request, response);
    }
 
    /**
     * @see Filter#init(FilterConfig)
     */
    public void init(FilterConfig fConfig) throws ServletException {
        // TODO Auto-generated method stub
    }
 
}

Servlet作成

Servletを作成する前に、こちらから実装したい言語ファイルをダウンロードし、ローカルに作業フォルダを作成して、言語ファイルを格納します。
今回、作業フォルダは C:\\Users\\workとしました。
言語ファイルは、この作業フォルダ直下にtessdataフォルダを作成し、セットしました。 C:\\Users\\work\\tessdata

TextChangeServlet.java
001
002
003
004
005
006
007
008
009
010
011
012
013
014
015
016
017
018
019
020
021
022
023
024
025
026
027
028
029
030
031
032
033
034
035
036
037
038
039
040
041
042
043
044
045
046
047
048
049
050
051
052
053
054
055
056
057
058
059
060
061
062
063
064
065
066
067
068
069
070
071
072
073
074
075
076
077
078
079
080
081
082
083
084
085
086
087
088
089
090
091
092
093
094
095
096
097
098
099
100
101
102
package Controller;
 
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
import java.util.List;
 
import javax.imageio.ImageIO;
import javax.servlet.ServletException;
import javax.servlet.annotation.MultipartConfig;
import javax.servlet.annotation.WebServlet;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;
import javax.servlet.http.Part;
 
import net.sourceforge.tess4j.ITessAPI.TessPageIteratorLevel;
import net.sourceforge.tess4j.ITesseract;
import net.sourceforge.tess4j.Tesseract;
import net.sourceforge.tess4j.TesseractException;
import net.sourceforge.tess4j.Word;
 
/**
 * Servlet implementation class TextChangeServlet
 */
@WebServlet("/TextChange")
@MultipartConfig(location = "C:\\Users\\work", maxFileSize = 500*500)
public class TextChangeServlet extends HttpServlet {
    private static final long serialVersionUID = 1L;
 
    /**
     * @see HttpServlet#HttpServlet()
     */
    public TextChangeServlet() {
        super();
        // TODO Auto-generated constructor stub
    }
 
    /**
     * @see HttpServlet#doGet(HttpServletRequest request, HttpServletResponse response)
     */
    protected void doGet(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {
        request.getRequestDispatcher("/WEB-INF/views/textChange.jsp").forward(request,
                response);
 
    }
 
    /**
     * @see HttpServlet#doPost(HttpServletRequest request, HttpServletResponse response)
     */
    protected void doPost(HttpServletRequest request, HttpServletResponse response) throws ServletException, IOException {
 
        File uploadDirectory = new File(request.getServletContext().getRealPath("/WEB-INF/upload"));
        Part part = request.getPart("file");
        String filename = part.getSubmittedFileName();
        part.write(getServletContext().getRealPath("/WEB-INF/upload" + "/" + filename));
 
        // 検証用
        System.out.println(uploadDirectory);
 
 
        ITesseract tesseract = new Tesseract();
        tesseract.setDatapath("C:\\Users\\work\\tessdata"); //言語ファイル格納先
 
        // 日本語と英語で言語を変更
        String lang = request.getParameter("lang");
        switch(lang) {
 
        case "jpn":
            tesseract.setLanguage("jpn"); //言語を選択
            break;
 
        case "eng":
            tesseract.setLanguage("eng"); //言語を選択
            break;
 
        default:
            System.out.println("error");
        }
 
 
        File file = new File(uploadDirectory + "/" + filename);
        BufferedImage img = ImageIO.read(file);
 
        try {
 
            List&amp;lt;Word&amp;gt; wordList = tesseract.getWords(img, TessPageIteratorLevel.RIL_BLOCK);
            String str = tesseract.doOCR(img);
            System.out.println(wordList);
            System.out.println(str);
            request.setAttribute("str", str);
            request.getRequestDispatcher("/WEB-INF/views/textChange.jsp").forward(request, response);
 
        } catch (TesseractException e) {
            // TODO 自動生成された catch ブロック
            e.printStackTrace();
            img = null;
        }
    }
 
}

@MultipartConfig(location = “C:\\Users\\work”, maxFileSize = 500*500)

@MultipartConfigでは、”location”で作業ファイルへの絶対パスを設定します。”maxFileSize”で、アップロードファイルの許容サイズを設定します。アップロードサイズを超えた場合、Webコンテナが IllegalStateExceptionをスローします。

POST通信がされたら、画像をuploadフォルダに入れる→変換言語の認識→tess4jで画像からテキストを判断→JSPに変換内容をはきだす流れになります。

JSP作成

WEB-INF直下にlibフォルダを作成し、JSTLを格納する。JSP上部でtaglib呼び出し。

textChange.jsp
01
02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
<%@ page pageEncoding="UTF-8"%>
<%@ taglib prefix="c" uri="http://java.sun.com/jsp/jstl/core"%>
 
<!DOCTYPE html>
<html lang="ja">
<head>
<meta charset="UTF-8">
<title>画像から文字を起こすよ</title>
</head>
<body>
 
    <h1>画像から文字をおこします</h1>
    <p>文字を起こしたい画像をアップロードしてください。</p>
    <ul>
        <li><strong>注意事項</strong></li>
        <li>画像は１枚のみアップロードしてください。PDFも1枚のみ</li>
        <li>アップロード画像の容量は500MBまでです。</li>
    </ul>
 
    <form action="" method="post" enctype="multipart/form-data">
        <p>
            文字起こしをしたい言語を選択してください：<select name="lang">
                <option value="jpn" selected>日本語</option>
                <option value="eng">英語</option>
            </select>
        </p>
        <input type="file" name="file" /><br /> <input type="submit"
            value="アップロード" />
    </form>
 
    <section>
            <pre style="font-size:16px; color:red;"><c:out value="${str}" /></pre>
    </section>
</body>
</html>

以上！！

タイトルとURLをコピーしました