百度文字識別OCR接口使用

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

詳見官方網站： https://cloud.baidu.com/product/ocr/

百度文字識別OCR接口使用

關於遊戲付費的一點想法

我通過CKA和CKS啦！

考研408專業課最重要的三個排序算法（堆排，歸併，快排）

1143 Lowest Common Ancestor

1139 First Contact(三觀不正的垃圾題)

string用scanf讀入（節省時間）

百度文字識別OCR接口使用

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結