1、概述

除了文本的敏感词识别，我们还会遇到识别图片上的问题，以及过滤敏感词的需求。

2、图片文字识别技术OCR

OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。备选方案有以下几种：

我这里选用tess4J的方案。

3、tess4J方案示例

3.1、引入依赖

<dependency>
    <groupId>net.sourceforge.tess4j</groupId>
    <artifactId>tess4j</artifactId>
    <version>4.1.1</version>
</dependency>

3.2、导入中文字体库

中文字体库下载链接
链接：https://pan.baidu.com/s/1oTJEK6lVpL0jgenKfmFbdg
提取码：epa8
下载后解压，把tessdata文件夹拷贝到指定的文件夹下，比如：D:\tessdata

3.3、封装tess4J图片识别工具类

在yml配置文件中添加tess4J的相关配置

tess4j:
  data-path: D:\tessdata
  language: chi_sim

@Getter
@Setter
@Component
@ConfigurationProperties(prefix = "tess4j")
public class Tess4jClient {

    private String dataPath;
    private String language;

// 入参：图片流
    public String doOCR(BufferedImage image) throws TesseractException {
        //创建Tesseract对象
        ITesseract tesseract = new Tesseract();
        //设置中文字体库路径
        tesseract.setDatapath(dataPath);
        //中文识别
        tesseract.setLanguage(language);
        //执行ocr识别
        String result = tesseract.doOCR(image);
        //替换回车和tal键  使结果为一行
        result = result.replaceAll("\\r|\\n", "-").replaceAll(" ", "");
        return result;
    }
}

3.4、使用示例

try {
    for (String image : images) {
        byte[] bytes = fileService.downLoadFile(image);
        //从byte[]转换为butteredImage
        ByteArrayInputStream in = new ByteArrayInputStream(bytes);
        BufferedImage imageFile = ImageIO.read(in);
        //识别图片的文字
        String result = tess4jClient.doOCR(imageFile);
        //再结合敏感词过滤算法，审核图片中的文字是否包含敏感词
        boolean isSensitive = sensitiveScan(result);
    } 
}catch (Exception e){
    e.printStackTrace();
}

fileService部分代码，使用MinIO下载图片

 public byte[] downLoadFile(String pathUrl)  {
        String key = pathUrl.replace(minIOConfigProperties.getEndpoint()+"/","");
        int index = key.indexOf("/");
        String bucket = key.substring(0,index);
        String filePath = key.substring(index+1);
        InputStream inputStream = null;
        try {
            inputStream = minioClient.getObject(GetObjectArgs.builder().bucket(minIOConfigProperties.getBucket()).object(filePath).build());
        } catch (Exception e) {
            log.error("minio down file error.  pathUrl:{}",pathUrl);
            e.printStackTrace();
        }

        ByteArrayOutputStream byteArrayOutputStream = new ByteArrayOutputStream();
        byte[] buff = new byte[100];
        int rc = 0;
        while (true) {
            try {
                if (!((rc = inputStream.read(buff, 0, 100)) > 0)) break;
            } catch (IOException e) {
                e.printStackTrace();
            }
            byteArrayOutputStream.write(buff, 0, rc);
        }
        return byteArrayOutputStream.toByteArray();
    }

以上就是java实现图片文字识别技术，欢迎点赞收藏。