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() {@Overridepublic 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>() {@Overridepublic void onResult(AccessToken accessToken) {String token = accessToken.getAccessToken();hasGotToken = true;}@Overridepublic 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() {@Overridepublic 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() {@Overridepublic 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>() {@Overridepublic 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());}@Overridepublic 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/
百度文字识别OCR接口使用相关推荐
- java实现自动识别验证码并自动填写提交(调用百度通用文字识别OCR接口+大图找小图之图像识别算法+模拟鼠标键盘动作)
一.使用的技术: 1.调用百度AI通用文字识别OCR接口 2.图像识别算法 二.实现方案与步骤: 1.得到验证码的图片的坐标:先将验证码截图,然后再对整个电脑屏幕截图,通过大图找小图的方法,计算出小图 ...
- Android 集成百度文字识别OCR身份证银行卡驾驶证识别
SDK提供了下列百度AI开放平台RESTful接口的封装.文字识别的服务,可实现一些通用文字,网络图片文字,身份证,银行卡,驾驶证,行驶证,车牌,营业执照,通用票据等的识别需求,简化输入操作. 本篇主 ...
- python 百度ocr安装_Python利用百度文字识别(OCR)服务实现图片文字提取,准确率超高...
最近和朋友聊天,聊到一个充满使命感但又略显心酸的话题--下班回家在网上给小朋友抄题...那么问题来了,除了大家所知的QQ文字识别功能之外,还有哪些方式可以做到文字识别呢. 作为一名热心的Python小 ...
- JAVA-调用百度文字识别OCR进行身份证识别
1.第三方接口 文字识别OCR,需要进行注册和实名认证后,获取对应的应用列表以及免费测试额度 2.调用例子 <!-- 百度识别 --> <dependency> ...
- 微信小程序整合百度文字识别OCR
本文介绍 之前有过一点小程序的学习,并最近写的项目有用到识别图片中的文字的场景,但是又不想花钱,就千方百计的找白嫖资源,经过一天的折磨,终于找到了白嫖的方法(百度智能云),虽说是白嫖,但也是有次数 ...
- 按键精灵使用百度文字识别(百度ocr)教程
按键精灵通过实践,也可以接入百度的OCR,百度OCR免费额度为,每日50000次普通调用,对于日常应用已经足够,返回识别内容时间在1s以内(免费版有一秒内请求次数限制,不充钱也无法达到更短的时间).百 ...
- Java调用百度OCR文字识别的接口
调用百度OCR文字识别的接口,来自于百度官网,亲测可以使用 跳转链接 FileUtil的下载链接 Base64Util下载链接 HttpUtil下载链接 GsonUtils下载链接 Accurate. ...
- 百度文字识别 百度OCR接口申请
1.百度文字识别 百度OCR 的接口申请 https://blog.csdn.net/biao197/article/details/102907492
- html识别文字转语音,万能君工具箱v1.8 - 基于百度AI实现语音转文字/文字转语音/文字识别OCR/翻译...
一.需求分析 1.音频转文字:目前市面上的音频转文字大多收费.音频转文字的需求是:上传一段音频,直接识别成文字,对于会议记录的比较好使,注意不是实时的语音识别. 2.文字转语音:转的语音不要太生硬. ...
最新文章
- day002-HTML知识点总结:浏览器兼容性之指定IE浏览器使用chrome内核渲染页面
- [YTU]_2428(C语言习题 计算该日在本年中是第几天)
- 执行 pip3 install selenium 时出现 fail to create process
- tfs java开发需要jar_使用Spring框架开发最少需要哪些jar包,依赖jar包有哪些?
- jmeter中timeout值怎么设置_jMeter解决failed to respond Connection reset
- 在mybatis用mysql的代码块_mybatis plus与mysql分库组件mycat的结合
- Linux系统编程:pipe匿名管道的使用,实现linux命令下管道命令
- springboot输出流到页面_Springboot如何使用Map将错误提示输出到页面
- 极品抓鸡教程36课笔记
- 计算机快速看图教程,cad快速看图制图
- android 传感器驱动,基于Android的传感器驱动设计与实现
- Unity WebView 插件 | 浏览器插件3D WebView 专栏介绍
- 新闻管理系统数据库设计
- 17-统一网关Gateway
- 小白看了也会选:数据分析的常见工具有哪些
- 纽约州立计算机科学,SBU的CS「纽约州立大学石溪分校计算机科学专业」
- thinkphp php5.1,ThinkPHP5.1完全开发手册
- latex 算法,算法包 algorithm, algorithm2e
- 微信视频号推出“创作者流量包”
- bpy(python)无法安装 pipconda都无法install linux系统(pip install bpy)
热门文章
- 个人管理:放松离合与换档时刻
- git did not exit cleanly (exit code 128)已解决
- 记录今天解决的一个poi的问题
- 玩战塔英雄不显示服务器,王者荣耀的这个问题,国家点名了仍没有改正过来!战塔英雄就没有...
- Power BI数据建模
- 使用selenium模块自动打开淘宝并进行搜索
- Spark性能调优 之 合理规划资源配置
- java 音频 傅立叶_关于FFT分析音频的小归纳
- Unity学习之Human fall flat创意工坊地图制作
- PTA 7-13 列车调度 (25 分) C语言和C++实现(二分查找)