百度文字识别OCR接口使用

原文：https://www.meiwen.com.cn/subject/cyjvectx.html

动机&成品展示

最近，家里老人有需要把图片里的文字识别读取的功能，想要教他们用市面上功能齐全的 App，因为功能挺复杂的，他们又不太会操作，就有了写一个简单的应用的想法。
到网上参考了下，看到有人用 Tesseract 识别引擎，自己试了下，发现 Tesseract 识别准确率不太高，不太好用。而百度提供的这个 OCR 接口挺不错的，虽然免费版本有使用次数限制，但因为本身需求不太大，识别挺准确，就打算拿来用用。

成品差不多这样，由于是初版，之后还会修一修，先趁着记忆还是热的分享一下自己开发过程。

 

---

SDK介绍

OCR（Optical Character Recognition，光学字符识别），顾名思义…… 好了，知道来到这里的小伙伴应该不是想来这里看这些的了，我就移到最后再提吧。。。

---

基本环境准备

提醒：这里采用百度云提供的 通用文字识别 作为范例，如果想换为 含位置版 或 高精度版 等等，可以自行修改参数。另外，我看到有人是利用请求API来完成的，不过我采用的是调用 Android SDK

为了完成这个接口的使用，可以参考下面三个资源：

• 以下本文的介绍
• 百度AI开放平台的OCR开发者文档
• 参考下载SDK提供的DEMO

给几个官方网站：

• 百度云-控制台登录： https://login.bce.baidu.com
• 百度云-通用文字识别介绍： https://cloud.baidu.com/product/ocr/general
• OCR Android SDK 开发者文档： 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)

那么，就开始吧～

---

创建新应用

首先要建立一个 Android Studio 新 Project

Image.png

接着要在百度云控制台创建新应用接口：
先给应用起个响亮的名字（并没有

记得一定要设定文字识别包名为需要，同时包名为 Android Studio 创建 Project 的包的名字(Package name)

创建完后下载SDK

另外，为了安全考虑，建议采用安全模式设置。此种身份验证方案使用授权文件获得AccessToken，缓存在本地。

由于在您的 App 分发出去之后，存在被反编译的可能，所以直接将 Api Key（简称AK）和 Secret Key（简称SK）置于APP源码之中，存在被盗取的风险。采用授权文件的身份验证方法，可有效保护 AK/SK 在移动设备中的安全。攻击者即使拦截了流量，盗取了授权文件，也难以盗用您的配额。（引用自官方说明文档）

所以也要在控制台下载 License 文件

---

文件、环境配置

在下载完相关文件后：
将下载的 aip-ocr-android-sdk-1.4.4 文件夹 libs 子文件夹里 arm64-v8a, armeabi, armeabi-v7a, x86 放到如下图 main 里新创建的 jniLibs 文件夹中，ocr-sdk.jar 放入 libs 中
将下载的 aip.license 证书放到如下图 main 里的 assets 子文件夹中

如果有需要引用百度已经完成的图片获取功能，可以在 Project 中引进：
提供功能：

• 相机拍照（可调闪光灯）
• 手机图库导入
• 导入图片截图（可旋转）

需要文件：

• aip-ocr-android-sdk-1.4.4 文件夹里的 ocr_ui 文件夹

步骤

---

代码完成

在完成上面的动作后，先试着 Build 一下 Project，看看有没有遇到下面的问题，或者有关 android.support 的问题

经过一番搜寻才发现，在更新过的 Android Studio 版本，android.support.xxx 包经过整理后统一成 AndroidX，而百度提供的获取图片模组还有使用 android.support，现在想用需要修改取代 android.support.xxx 为 androidx.xxx。
有需要修改的 java 文件大概有这些（这是我遇到的如图标红的文件）

修改如图：

动作	修改1	修改2
修改前
修改后

（其实没用到的包就删掉更方便哈～）
有关AndroidX可以看看这篇文章或直接看官方文档：https://www.jianshu.com/p/41de8689615d

那么下面就是真正完成 App 的主要代码了～

先添加几个使用者权限

<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 添加依赖：

implementation files("libs/ocr-sdk.jar")

再完成 MainActivity 代码：
onCreate方法内新建指令

alertDialog = new AlertDialog.Builder(this);

//初始化token license
initAccessTokenLicenseFile();

/**
* 打开相机页面利用 百度OCR 提供之范例
*/
// 通用文字识别
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

/**
* 回传代码集
*/
private static final int REQUEST_CODE_GENERAL = 105;
private static final int REQUEST_CODE_GENERAL_BASIC = 106; //这个代码是我这次用到的 通用文字识别
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;

/**
* 提前宣告几个变量
*/
private boolean hasGotToken = false;
private AlertDialog.Builder alertDialog;

我自己第一遍完成 App 后下面一直报错，检查好久才发现我的证书忘记放到 assets，当时发现叫一个崩溃

/**
* 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("自定义文件路径licence方式获取token失败", error.getMessage());
        }
    }, "aip.license", getApplicationContext());
}

/**
* 警示讯息，在初始化失败时呼叫
*/
private void alertText(final String title, final String message) {
    this.runOnUiThread(new Runnable() {
        @Override
        public void run() {
            alertDialog.setTitle(title)
                    .setMessage(message)
                    .setPositiveButton("确定", null)
                    .show();
        }
    });
}

/**
* 检查token状态
*/
private boolean checkTokenStatus() {
    if (!hasGotToken) {
        Toast.makeText(getApplicationContext(), "token还未成功获取", Toast.LENGTH_LONG).show();
    }
    return hasGotToken;
}

/**
* 读取文件临时储存
*/
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);

    // 识别成功回调，通用文字识别
    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);
                    }
                });
    }
}

/**
* 识别结果显示
*/
private void infoPopText(final String result) {

    //显示结果以 JSON 格式呈现
    TextView basicResult = (TextView) findViewById(R.id.resultShow);
    basicResult.setText(result);
}

/**
* 识别功能类
* 功能：将拍摄或者图库中获得的图片进行识别，返回JSON格式的字符串
* 建议放到新的.java文件里
*/
public static class RecognizeService {

    interface ServiceListener {
        public void onResult(String result);
    }

    //通用识别
    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 页面长这样

---

SDK介绍

OCR（Optical Character Recognition，光学字符识别），顾名思义，就是针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。
详见度娘： 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开放平台的文字识别：提供多种场景下精准的图像文字识别技术服务，让您的应用看图识字，提升输入效率，优化用户体验。提供如下图各种识别工具接口

详见官方网站： https://cloud.baidu.com/product/ocr/