是否有 Java OCR 工具将文本图像转换为可编辑的文本文件？

我正在开发一个项目，该项目需要拍摄文本（来自任何文本的硬拷贝）并将该文本转换为文本文件。然后我想使用该文本文件来做一些不同的事情，例如提供新闻文章的超链接或允许用户编辑文档。

到目前为止我尝试过的工具是来自sourceforge.net的Java OCR，它对包中提供的图像运行良好。但当我拍摄自己的文字时，它根本不起作用。我应该实施一些培训流程吗？如果是这样，有人知道如何实施吗？任何帮助都会有很大帮助。谢谢你！

我有一个 java 应用程序，我最终决定使用超立方 OCR http://code.google.com/p/tesseract-ocr/，然后使用调用它Runtime.exec()。也许不完全是您需要的答案，但以防万一您没有考虑过。

编辑+添加代码以响应评论回复

• 在 Windows 安装中，我认为我能够使用安装程序，或解压缩现成的二进制文件。

• 在Linux服务器上，我需要自己编译Tesseract，但如果你习惯了这种事情（gcc）的话，这并不太难；唯一的问题是依赖于莱普托尼卡 http://www.leptonica.com/这也需要编译。

  // Tesseract can only handle .tif format, so we have to convert it
  ImageIO.write( ImageIO.read( new java.io.File(file.getPath())), "tif", tmpFile[0]);
  
  String[] tesseractCmd = new String[]{"tesseract", tmpFile[0].getAbsolutePath(), StringUtils.removeEnd(tmpFile[1].getAbsolutePath(), ".txt")};
  final Process process = Runtime.getRuntime().exec(tesseractCmd);
  try {
      int exitValue = process.waitFor();
      if(exitValue == 0) {
          final String extractedText = SearchableTextExtractionUtils.extractPlainText(new FileReader(tmpFile[1]));
          return extractedText;
      }
      throw new SearchableTextExtractionException(exitValue, Arrays.toString(tesseractCmd));
  } catch (InterruptedException e) {
      throw new SearchableTextExtractionException(e);
  } finally {
      process.destroy();
  }