原文:https://www.meiwen.com.cn/subject/cyjvectx.html
動機&成品展示
最近,家裏老人有需要把圖片裏的文字識別讀取的功能,想要教他們用市面上功能齊全的 App,因爲功能挺複雜的,他們又不太會操作,就有了寫一個簡單的應用的想法。
到網上參考了下,看到有人用 Tesseract 識別引擎,自己試了下,發現 Tesseract 識別準確率不太高,不太好用。而百度提供的這個 OCR 接口挺不錯的,雖然免費版本有使用次數限制,但因爲本身需求不太大,識別挺準確,就打算拿來用用。
成品差不多這樣,由於是初版,之後還會修一修,先趁着記憶還是熱的分享一下自己開發過程。
SDK介紹
OCR(Optical Character Recognition,光學字符識別),顧名思義…… 好了,知道來到這裏的小夥伴應該不是想來這裏看這些的了,我就移到最後再提吧。。。
基本環境準備
提醒:這裏採用百度雲提供的 通用文字識別 作爲範例,如果想換爲 含位置版 或 高精度版 等等,可以自行修改參數。另外,我看到有人是利用請求API來完成的,不過我採用的是調用 Android SDK
爲了完成這個接口的使用,可以參考下面三個資源:
- 以下本文的介紹
- 百度AI開放平臺的OCR開發者文檔
- 參考下載SDK提供的DEMO
給幾個官方網站:
- 百度雲-控制檯登錄: https://login.bce.baidu.com
- 百度雲-通用文字識別介紹: https://cloud.baidu.com/product/ocr/general
- OCR Android SDK 開發者文檔: http://ai.baidu.com/docs#/OCR-Android-SDK/top
我的Android Studio Project配置:
- Android Studio 版本:3.5.0
- Gradle 版本:5.4.1
- Minimum SDK 版本:21 (5.0 Lollipop)
那麼,就開始吧~
創建新應用
首先要建立一個 Android Studio 新 Project
Image.png
接着要在百度雲控制檯創建新應用接口:
先給應用起個響亮的名字(並沒有
記得一定要設定文字識別包名爲需要,同時包名爲 Android Studio 創建 Project 的包的名字(Package name)
創建完後下載SDK
另外,爲了安全考慮,建議採用安全模式設置。此種身份驗證方案使用授權文件獲得AccessToken,緩存在本地。
由於在您的 App 分發出去之後,存在被反編譯的可能,所以直接將 Api Key(簡稱AK)和 Secret Key(簡稱SK)置於APP源碼之中,存在被盜取的風險。採用授權文件的身份驗證方法,可有效保護 AK/SK 在移動設備中的安全。攻擊者即使攔截了流量,盜取了授權文件,也難以盜用您的配額。(引用自官方說明文檔)
所以也要在控制檯下載 License 文件
文件、環境配置
在下載完相關文件後:
將下載的 aip-ocr-android-sdk-1.4.4
文件夾 libs
子文件夾裏 arm64-v8a
, armeabi
, armeabi-v7a
, x86
放到如下圖 main
裏新創建的 jniLibs
文件夾中,ocr-sdk.jar
放入 libs
中
將下載的 aip.license
證書放到如下圖 main
裏的 assets
子文件夾中
如果有需要引用百度已經完成的圖片獲取功能,可以在 Project 中引進:
提供功能:
- 相機拍照(可調閃光燈)
- 手機圖庫導入
- 導入圖片截圖(可旋轉)
需要文件:
aip-ocr-android-sdk-1.4.4
文件夾裏的ocr_ui
文件夾
步驟
代碼完成
在完成上面的動作後,先試着 Build 一下 Project,看看有沒有遇到下面的問題,或者有關 android.support 的問題
經過一番搜尋才發現,在更新過的 Android Studio 版本,android.support.xxx 包經過整理後統一成 AndroidX,而百度提供的獲取圖片模組還有使用 android.support,現在想用需要修改取代 android.support.xxx 爲 androidx.xxx。
有需要修改的 java 文件大概有這些(這是我遇到的如圖標紅的文件)
修改如圖:
動作 | 修改1 | 修改2 |
---|---|---|
修改前 | ||
修改後 |
(其實沒用到的包就刪掉更方便哈~)
有關AndroidX可以看看這篇文章或直接看官方文檔:https://www.jianshu.com/p/41de8689615d
那麼下面就是真正完成 App 的主要代碼了~
先添加幾個使用者權限
<uses-permission android:name="android.permission.INTERNET"/>
<uses-permission android:name="android.permission.CAMERA"/>
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE"/>
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE"/>
再在 app 的 build.gradle 添加依賴:
implementation files("libs/ocr-sdk.jar")
再完成 MainActivity 代碼:
onCreate方法內新建指令
alertDialog = new AlertDialog.Builder(this);
//初始化token license
initAccessTokenLicenseFile();
/**
* 打開相機頁面利用 百度OCR 提供之範例
*/
// 通用文字識別
Button basicButton = (Button) findViewById(R.id.imgGet);
basicButton.setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View v) {
if (!checkTokenStatus()) {
return;
}
Intent intent = new Intent(MainActivity.this, CameraActivity.class);
intent.putExtra(CameraActivity.KEY_OUTPUT_FILE_PATH,
FileUtil.getSaveFile(getApplication()).getAbsolutePath());
intent.putExtra(CameraActivity.KEY_CONTENT_TYPE,
CameraActivity.CONTENT_TYPE_GENERAL);
startActivityForResult(intent, REQUEST_CODE_GENERAL_BASIC);
}
});
onCreate外指令
/**
* 回傳代碼集
*/
private static final int REQUEST_CODE_GENERAL = 105;
private static final int REQUEST_CODE_GENERAL_BASIC = 106; //這個代碼是我這次用到的 通用文字識別
private static final int REQUEST_CODE_ACCURATE_BASIC = 107;
private static final int REQUEST_CODE_ACCURATE = 108;
private static final int REQUEST_CODE_GENERAL_ENHANCED = 109;
private static final int REQUEST_CODE_GENERAL_WEBIMAGE = 110;
private static final int REQUEST_CODE_BANKCARD = 111;
private static final int REQUEST_CODE_VEHICLE_LICENSE = 120;
private static final int REQUEST_CODE_DRIVING_LICENSE = 121;
private static final int REQUEST_CODE_LICENSE_PLATE = 122;
private static final int REQUEST_CODE_BUSINESS_LICENSE = 123;
private static final int REQUEST_CODE_RECEIPT = 124;
private static final int REQUEST_CODE_PASSPORT = 125;
private static final int REQUEST_CODE_NUMBERS = 126;
private static final int REQUEST_CODE_QRCODE = 127;
private static final int REQUEST_CODE_BUSINESSCARD = 128;
private static final int REQUEST_CODE_HANDWRITING = 129;
private static final int REQUEST_CODE_LOTTERY = 130;
private static final int REQUEST_CODE_VATINVOICE = 131;
private static final int REQUEST_CODE_CUSTOM = 132;
/**
* 提前宣告幾個變量
*/
private boolean hasGotToken = false;
private AlertDialog.Builder alertDialog;
我自己第一遍完成 App 後下面一直報錯,檢查好久才發現我的證書忘記放到 assets,當時發現叫一個崩潰
/**
* 以license文件自定位置方式初始化token
*/
private void initAccessTokenLicenseFile() {
OCR.getInstance(this).initAccessToken(new OnResultListener<AccessToken>() {
@Override
public void onResult(AccessToken accessToken) {
String token = accessToken.getAccessToken();
hasGotToken = true;
}
@Override
public void onError(OCRError error) {
error.printStackTrace();
alertText("自定義文件路徑licence方式獲取token失敗", error.getMessage());
}
}, "aip.license", getApplicationContext());
}
/**
* 警示訊息,在初始化失敗時呼叫
*/
private void alertText(final String title, final String message) {
this.runOnUiThread(new Runnable() {
@Override
public void run() {
alertDialog.setTitle(title)
.setMessage(message)
.setPositiveButton("確定", null)
.show();
}
});
}
/**
* 檢查token狀態
*/
private boolean checkTokenStatus() {
if (!hasGotToken) {
Toast.makeText(getApplicationContext(), "token還未成功獲取", Toast.LENGTH_LONG).show();
}
return hasGotToken;
}
/**
* 讀取文件臨時儲存
*/
public static class FileUtil {
public static File getSaveFile(Context context) {
File file = new File(context.getFilesDir(), "pic.jpg");
return file;
}
}
@Override
protected void onActivityResult(int requestCode, int resultCode, Intent data) {
super.onActivityResult(requestCode, resultCode, data);
// 識別成功回調,通用文字識別
if (requestCode == REQUEST_CODE_GENERAL_BASIC && resultCode == Activity.RESULT_OK) {
RecognizeService.recGeneralBasic(this, FileUtil.getSaveFile(getApplicationContext()).getAbsolutePath(),
new RecognizeService.ServiceListener() {
@Override
public void onResult(String result) {
infoPopText(result);
}
});
}
}
/**
* 識別結果顯示
*/
private void infoPopText(final String result) {
//顯示結果以 JSON 格式呈現
TextView basicResult = (TextView) findViewById(R.id.resultShow);
basicResult.setText(result);
}
/**
* 識別功能類
* 功能:將拍攝或者圖庫中獲得的圖片進行識別,返回JSON格式的字符串
* 建議放到新的.java文件裏
*/
public static class RecognizeService {
interface ServiceListener {
public void onResult(String result);
}
//通用識別
public static void recGeneralBasic(Context ctx, String filePath, final ServiceListener listener) {
GeneralBasicParams param = new GeneralBasicParams();
param.setDetectDirection(true);
param.setImageFile(new File(filePath));
//百度核心 OCR 功能
OCR.getInstance(ctx).recognizeGeneralBasic(param, new OnResultListener<GeneralResult>() {
@Override
public void onResult(GeneralResult result) {
StringBuilder sb = new StringBuilder();
for (WordSimple wordSimple : result.getWordList()) {
WordSimple word = wordSimple;
sb.append(word.getWords());
sb.append("\n");
}
listener.onResult(result.getJsonRes());
}
@Override
public void onError(OCRError error) {
listener.onResult(error.getMessage());
}
});
}
}
XML 頁面長這樣
SDK介紹
OCR(Optical Character Recognition,光學字符識別),顧名思義,就是針對印刷體字符,採用光學的方式將紙質文檔中的文字轉換成爲黑白點陣的圖像文件,並通過識別軟件將圖像中的文字轉換成文本格式,供文字處理軟件進一步編輯加工的技術。
詳見度娘: https://baike.baidu.com/item/%E5%85%89%E5%AD%A6%E5%AD%97%E7%AC%A6%E8%AF%86%E5%88%AB/4162921?fromtitle=OCR&fromid=25995&fr=aladdin
百度AI開放平臺的文字識別:提供多種場景下精準的圖像文字識別技術服務,讓您的應用看圖識字,提升輸入效率,優化用戶體驗。提供如下圖各種識別工具接口