智能化数据提取！Spring Boot 极速解析身份证 & 营业执照-51CTO.COM

在现代社会，企业与个人的信息管理越来越依赖于数字化手段，尤其是在身份验证和商业注册等场景下，高效、准确的数据提取尤为关键。传统的人工录入方式不仅耗时长，错误率高，而且难以满足大规模数据处理的需求。因此，基于Spring Boot 3.4，我们可以借助OCR（光学字符识别）技术，实现对身份证和营业执照的自动化解析，从而提升业务效率并降低人工成本。

在本项目中，我们将结合Tesseract OCR和OpenCV技术，完成以下关键步骤：

1. 图像预处理

在进行OCR识别之前，需对输入图片进行优化处理，如尺寸调整、灰度转换、对比度增强等，以提升文字识别的准确度。

2. 文字检测

通过计算机视觉算法或相关框架，精确定位图片中的文字区域，为OCR识别做准备。

3. OCR文字识别

利用光学字符识别（OCR）技术，将检测到的文字区域转换为可读文本。

4. 关键信息提取

对OCR结果应用正则表达式等方法，精准提取身份证号、营业执照号码等核心数据。

依赖库与工具

本项目基于以下核心组件：

Tesseract OCR开源OCR引擎，支持多种语言的文字识别。
OpenCV用于图像处理，优化OCR的输入。
Spring Boot 3.4高效构建Web应用。

添加必要依赖

首先，在 pom.xml 中引入所需依赖：

<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>

图像预处理与OCR识别

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 初始化失败");
            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;
    }
}

关键信息提取

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;
    }
}

处理完整流程

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 图像预处理优化

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;
    }
}

集成预处理到OCR服务

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 初始化失败");
            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;
    }
}

结论

通过Spring Boot 3.4 + Tesseract OCR + OpenCV，我们可以高效地提取身份证号和营业执照信息，并通过图像预处理提升识别准确率，最终实现智能化数据解析。