一、ocr原理

字符识别OCR原理及应用实现
系列文章

二、ocr开源代码调研（Java语言）

方法一，开源API（有使用次数限制但应该够，量不大的话）

[Java] 调用百度api轻松实现文字识别(IDEA版)

方法二，OCR开发包

1. [用了百度AI开放平台的通用字体识别的API,后来又找到了Tessearct-OCR]（https://blog.csdn.net/weixin_37794901/article/details/83343092）
2. OCR开发包
   由于图像技术门槛较高，特别是中文语言库需要大量的训练才能达到较高的识别率。目前很多OCR软件，一般都是借用大公司的API接口实现的，如百度OCR接口。在线接口识别率比较高，但受限于网络和调用次数，有些场景须考虑离线使用。
   开源的OCR识别框架 Tesseract-OCR (https://github.com/tesseract-ocr )，由HP实验室开发，后由Google维护的开源OCR引擎，可以不断的训练语言库，使图像转换文本的能力不断增强。 SDK包含libtesseract、命令行程序，支持跨平台开发，支持Java，Python等语言调用，建议选择4.0以后版本，准确率有较大提升，需要识别中文信息可单独添加中文词库。
   Tess4J是Java对libtesseract包装，这里使用Tess4J识别图片信息。
   Java OCR识别技术 图像转文本信息
3. OCR图像识别技术的JAVA实现,系列
4. ocr 连接开源项目汇总（不一定是Java）
5. Tesseract ocr文字识别，感觉自己写的部分挺多
   github地址

方法三

1. Tesseract-OCR支持中文识别，并且开源和提供全套的训练工具，是快速低成本开发的首选。前面记录过在java中调用tesseract-orc，该方法的原理是通过在java中调用cmd命令行，来执行tesseract，但是该方式需要下载软件，在电脑上安装环境，移植性不高。
   而Tess4J则是Tesseract在Java PC上的应用。如果使用Tess4J只需要下载相关Jar包，导入项目，再把项目封装好就可以处处运行了，可移植性比较好。Tess4J在英文和数字识别中性能比较好，但是在中文识别中，无论速度还是识别率还是较弱，因此需要针对场景进行训练，才能获得较好结果。
   java调用tess4j识别图像文字
   系列文章
2. 关于现阶段java调用OCR文字识别技术的总结
3. Java中使用tess4J（Tesseract-OCR）进行图片文字识别（支持中文）

目前觉得比较牛的实现

图片OCR识别
Tika结合Tesseract-OCR 实现光学汉字识别