智能化數(shù)據(jù)提取！Spring Boot 極速解析身份證 & 營業(yè)執(zhí)照

作者：編程疏影 2025-02-10 00:01:00

通過Spring Boot 3.4 + Tesseract OCR + OpenCV，我們可以高效地提取身份證號和營業(yè)執(zhí)照信息，并通過圖像預處理提升識別準確率，最終實現(xiàn)智能化數(shù)據(jù)解析。

在現(xiàn)代社會，企業(yè)與個人的信息管理越來越依賴于數(shù)字化手段，尤其是在身份驗證和商業(yè)注冊等場景下，高效、準確的數(shù)據(jù)提取尤為關鍵。傳統(tǒng)的人工錄入方式不僅耗時長，錯誤率高，而且難以滿足大規(guī)模數(shù)據(jù)處理的需求。因此，基于Spring Boot 3.4，我們可以借助OCR（光學字符識別）技術，實現(xiàn)對身份證和營業(yè)執(zhí)照的自動化解析，從而提升業(yè)務效率并降低人工成本。

在本項目中，我們將結合Tesseract OCR和OpenCV技術，完成以下關鍵步驟：

1. 圖像預處理

在進行OCR識別之前，需對輸入圖片進行優(yōu)化處理，如尺寸調整、灰度轉換、對比度增強等，以提升文字識別的準確度。

2. 文字檢測

通過計算機視覺算法或相關框架，精確定位圖片中的文字區(qū)域，為OCR識別做準備。

3. OCR文字識別

利用光學字符識別（OCR）技術，將檢測到的文字區(qū)域轉換為可讀文本。

4. 關鍵信息提取

對OCR結果應用正則表達式等方法，精準提取身份證號、營業(yè)執(zhí)照號碼等核心數(shù)據(jù)。

依賴庫與工具

本項目基于以下核心組件：

Tesseract OCR開源OCR引擎，支持多種語言的文字識別。
OpenCV用于圖像處理，優(yōu)化OCR的輸入。
Spring Boot 3.4高效構建Web應用。

添加必要依賴

首先，在 pom.xml 中引入所需依賴：

<dependencies>
    <dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-web</artifactId>
    </dependency>
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>javacv</artifactId>
        <version>1.5.6</version>
    </dependency>
    <dependency>
        <groupId>org.bytedeco</groupId>
        <artifactId>javacpp</artifactId>
        <version>1.5.6</version>
    </dependency>
</dependencies>

圖像預處理與OCR識別

package com.icoderoad.ocr;


import org.bytedeco.javacpp.BytePointer;
import org.bytedeco.opencv.opencv_core.Mat;
import static org.bytedeco.opencv.global.opencv_imgproc.*;
import org.bytedeco.tesseract.TessBaseAPI;
import org.bytedeco.opencv.global.opencv_imgcodecs;


public class OCRService {
    public String recognizeText(String imagePath) {
        TessBaseAPI tessBaseAPI = new TessBaseAPI();
        if (tessBaseAPI.Init(".", "ENG") != 0) {
            System.err.println("Tesseract 初始化失敗");
            return null;
        }


        Mat image = opencv_imgcodecs.imread(imagePath);
        cvtColor(image, image, COLOR_BGR2GRAY);
        tessBaseAPI.SetImage(image.data(), image.cols(), image.rows(), 1, image.step());


        BytePointer outText = tessBaseAPI.GetUTF8Text();
        String result = outText.getString();
        outText.deallocate();
        tessBaseAPI.End();


        return result;
    }
}

關鍵信息提取

package com.icoderoad.ocr;


import java.util.regex.Matcher;
import java.util.regex.Pattern;


public class InfoExtractor {
    public String extractIDNumber(String text) {
        Pattern pattern = Pattern.compile("[0-9]{18}|[0-9]{15}");
        Matcher matcher = pattern.matcher(text);
        return matcher.find() ? matcher.group() : null;
    }
}

處理完整流程

package com.icoderoad.ocr;


public class DocumentProcessor {
    public String processDocument(String imagePath) {
        OCRService ocrService = new OCRService();
        String text = ocrService.recognizeText(imagePath);


        if (text != null && !text.isEmpty()) {
            InfoExtractor extractor = new InfoExtractor();
            return extractor.extractIDNumber(text);
        }
        return null;
    }
}

OpenCV 圖像預處理優(yōu)化

package com.icoderoad.ocr;


import org.bytedeco.opencv.opencv_core.Mat;
import static org.bytedeco.opencv.global.opencv_imgcodecs.*;
import static org.bytedeco.opencv.global.opencv_imgproc.*;


public class ImagePreprocessing {
    public Mat preprocessImage(String imagePath) {
        Mat image = imread(imagePath);
        Mat gray = new Mat();
        cvtColor(image, gray, COLOR_BGR2GRAY);


        Mat blurred = new Mat();
        GaussianBlur(gray, blurred, new org.bytedeco.opencv.opencv_core.Size(3, 3), 0);


        Mat edged = new Mat();
        Canny(blurred, edged, 75, 200);


        return edged;
    }
}

集成預處理到OCR服務

package com.icoderoad.ocr;


public class OCRService {
    public String recognizeText(String imagePath) {
        TessBaseAPI tessBaseAPI = new TessBaseAPI();
        if (tessBaseAPI.Init(".", "ENG") != 0) {
            System.err.println("Tesseract 初始化失敗");
            return null;
        }


        ImagePreprocessing preprocessing = new ImagePreprocessing();
        Mat preprocessedImage = preprocessing.preprocessImage(imagePath);


        tessBaseAPI.SetImage(preprocessedImage.data(), preprocessedImage.cols(), preprocessedImage.rows(), 1, preprocessedImage.step());


        BytePointer outText = tessBaseAPI.GetUTF8Text();
        String result = outText.getString();
        outText.deallocate();
        tessBaseAPI.End();


        return result;
    }
}

結論

責任編輯：武曉燕來源：路條編程