Android开发如何轻松实现基于Tesseract的Android OCR应用程序

2022-06-08 01:58:38

介绍此应用程序使用Tesseract 3的Tesseract OCR引擎，该引擎通过识别字符模式（ https://github.com/tesseract-ocr/tesseract ）来工作。 Tesseract具有unicode（UTF-8）支持，可以开箱即用识别100多种语言。背景我尝试了Google文本识别API- https://deve

介绍

此应用程序使用Tesseract 3的Tesseract OCR引擎，该引擎通过识别字符模式（https://github.com/tesseract-ocr/tesseract）来工作。Tesseract具有unicode（UTF-8）支持，可以“开箱即用”识别100多种语言。

背景

我尝试了Google文本识别API- https://developers.google.com/vision/android/text-overview，但它不适合我，所以我找到了这个惊人的引擎。

使用代码

开始吧！在Android studio中创建一个新项目（我使用的是3.2.1版），或者您可以下载源文件并选择：File-New-Import项目。

添加到build.gradle应用程序级别：

implementation 'com.jakewharton:butterknife:8.8.1'

annotationProcessor 'com.jakewharton:butterknife-compiler:8.8.1'

implementation 'com.rmtheis:tess-two:9.0.0'

我使用Butterknife库，它非常有用，主库是 - ' tess-two:9.0.0'' - 它包含一个Android的Tesseract工具（tesseract-android-tools）的分支，它增加了一些额外的功能。此外，我们需要相机和写入权限，因此将其添加到AndroidManifest.xml。

<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

<uses-feature android:name="android.hardware.camera" />

<uses-permission android:name="android.permission.CAMERA" />

做一个简单的布局文件Button，TextView并且ImageView：

<?xml version="1.0" encoding="utf-8"?>

<ScrollView xmlns:android="http://schemas.android.com/apk/res/android"

    xmlns:tools="http://schemas.android.com/tools"

    android:layout_width="match_parent"

    android:layout_height="wrap_content"

    android:fillViewport="true"

    tools:context=".MainActivity">

    <LinearLayout

        android:layout_width="match_parent"

        android:layout_height="wrap_content"

        android:orientation="vertical">

        <LinearLayout

            android:layout_width="match_parent"

            android:layout_height="wrap_content"

            android:orientation="vertical">

            <Button

                android:id="@+id/scan_button"

                android:layout_width="wrap_content"

                android:layout_height="wrap_content"

                android:layout_gravity="center"

                android:text="scan" />

        </LinearLayout>

        <LinearLayout

            android:layout_width="match_parent"

            android:layout_height="wrap_content"

            android:layout_margin="4dp"

            android:orientation="horizontal">

            <TextView

                android:id="@+id/ocr_text"

                android:layout_width="match_parent"

                android:layout_height="wrap_content"

                android:layout_gravity="fill"

                android:text=" text">

            </TextView>

        </LinearLayout>

        <LinearLayout

            android:layout_width="match_parent"

            android:layout_height="wrap_content"

            android:orientation="vertical">

            <ImageViewandroid:id="@+id/ocr_image"android:layout_width="match_parent"android:layout_height="wrap_content"/>

        </LinearLayout>

    </LinearLayout>

</ScrollView>

我们得到这样的东西：

编写一些代码来检查权限：

void checkPermissions() {

    if (!hasPermissions(context, PERMISSIONS)) {

        requestPermissions(PERMISSIONS,

                PERMISSION_ALL);

        flagPermissions = false;

    }

    flagPermissions = true;

}

public static boolean hasPermissions(Context context, String... permissions) {

    if (context != null && permissions != null) {

        for (String permission : permissions) {

            if (ActivityCompat.checkSelfPermission(context, permission)

                                       != PackageManager.PERMISSION_GRANTED) {

                return false;

            }

        }

    }

    return true;

}

和代码来创建一个文件：

public File createImageFile() throws IOException {

    // Create an image file name

    String timeStamp = new SimpleDateFormat("MMdd_HHmmss").format(new Date());

    String imageFileName = "JPEG_" + timeStamp + "_";

    File storageDir = context.getExternalFilesDir(Environment.DIRECTORY_PICTURES);

    File image = File.createTempFile(

            imageFileName,  /* prefix */

            ".jpg",         /* suffix */

            storageDir      /* directory */

    );

    // Save a file: path for use with ACTION_VIEW intents

    mCurrentPhotoPath = image.getAbsolutePath();

    return image;

}

首先，我们需要写onClickScanButton函数，它：

@OnClick(R.id.scan_button)

void onClickScanButton() {

    // check permissions

    if (!flagPermissions) {

        checkPermissions();

        return;

    }

    //prepare intent

    Intent takePictureIntent = new Intent(MediaStore.ACTION_IMAGE_CAPTURE);

    if (takePictureIntent.resolveActivity(context.getPackageManager()) != null) {

        File photoFile = null;

        try {

            photoFile = createImageFile();

        } catch (IOException ex) {

            Toast.makeText(context, errorFileCreate, Toast.LENGTH_SHORT).show();

            Log.i("File error", ex.toString());

        }

        // Continue only if the File was successfully created

        if (photoFile != null) {

            oldPhotoURI = photoURI1;

            photoURI1 = Uri.fromFile(photoFile);

            takePictureIntent.putExtra(MediaStore.EXTRA_OUTPUT, photoURI1);

            startActivityForResult(takePictureIntent, REQUEST_IMAGE1_CAPTURE);

        }

    }

}

我们可以在这里查看结果：

@Override

protected void onActivityResult(int requestCode, int resultCode, @Nullable Intent data) {

    super.onActivityResult(requestCode, resultCode, data);

    switch (requestCode) {

        case REQUEST_IMAGE1_CAPTURE: {

            if (resultCode == RESULT_OK) {

                Bitmap bmp = null;

                try {

                    InputStream is = context.getContentResolver().openInputStream(photoURI1);

                    BitmapFactory.Options options = new BitmapFactory.Options();

                    bmp = BitmapFactory.decodeStream(is, null, options);

                } catch (Exception ex) {

                    Log.i(getClass().getSimpleName(), ex.getMessage());

                    Toast.makeText(context, errorConvert, Toast.LENGTH_SHORT).show();

                }

                firstImage.setImageBitmap(bmp);

                doOCR(bmp);

                OutputStream os;

                try {

                    os = new FileOutputStream(photoURI1.getPath());

                    if (bmp != null) {

                        bmp.compress(Bitmap.CompressFormat.JPEG, 100, os);

                    }

                    os.flush();

                    os.close();

                } catch (Exception ex) {

                    Log.e(getClass().getSimpleName(), ex.getMessage());

                    Toast.makeText(context, errorFileCreate, Toast.LENGTH_SHORT).show();

                }

            } else {

                {

                    photoURI1 = oldPhotoURI;

                    firstImage.setImageURI(photoURI1);

                }

            }

        }

    }

}

接下来将Tesseract集成到我们的项目中，进行额外的课程：TesseractOCR。

我在Assets文件夹中为英语语言添加了训练有素的数据文件“ eng.traineddata ” ，因此我们需要将其从APK复制到内部存储器文件目录，然后启动Tesseract系统：。mTess.init(dstInitPathDir, language)

public class TesseractOCR {

    private final TessBaseAPI mTess;

    public TesseractOCR(Context context, String language) {

        mTess = new TessBaseAPI();

        boolean fileExistFlag = false;

        AssetManager assetManager = context.getAssets();

        String dstPathDir = "/tesseract/tessdata/";

        String srcFile = "eng.traineddata";

        InputStream inFile = null;

        dstPathDir = context.getFilesDir() + dstPathDir;

        String dstInitPathDir = context.getFilesDir() + "/tesseract";

        String dstPathFile = dstPathDir + srcFile;

        FileOutputStream outFile = null;

        try {

            inFile = assetManager.open(srcFile);

            File f = new File(dstPathDir);

            if (!f.exists()) {

                if (!f.mkdirs()) {

                    Toast.makeText(context, srcFile + " can't be created.", Toast.LENGTH_SHORT).show();

                }

                outFile = new FileOutputStream(new File(dstPathFile));

            } else {

                fileExistFlag = true;

            }

        } catch (Exception ex) {

            Log.e(TAG, ex.getMessage());

        } finally {

            if (fileExistFlag) {

                try {

                    if (inFile != null) inFile.close();

                    mTess.init(dstInitPathDir, language);

                    return;

                } catch (Exception ex) {

                    Log.e(TAG, ex.getMessage());

                }

            }

            if (inFile != null && outFile != null) {

                try {

                    //copy file

                    byte[] buf = new byte[1024];

                    int len;

                    while ((len = inFile.read(buf)) != -1) {

                        outFile.write(buf, 0, len);

                    }

                    inFile.close();

                    outFile.close();

                    mTess.init(dstInitPathDir, language);

                } catch (Exception ex) {

                    Log.e(TAG, ex.getMessage());

                }

            } else {

                Toast.makeText(context, srcFile + " can't be read.", Toast.LENGTH_SHORT).show();

            }

        }

    }

    public String getOCRResult(Bitmap bitmap) {

        mTess.setImage(bitmap);

        return mTess.getUTF8Text();

    }

    public void onDestroy() {

        if (mTess != null) mTess.end();

    }

}

OCR代码很简单 - 我们需要将图像（位图BMP）传递给该对象并获得结果：

public String getOCRResult(Bitmap bitmap) {

mTess.setImage(bitmap);

return mTess.getUTF8Text(); }

OCR可能需要很长时间，因此我们需要在另一个中进行Thread：

private void doOCR(final Bitmap bitmap) {

    if (mProgressDialog == null) {

        mProgressDialog = ProgressDialog.show(this, "Processing",

                "Doing OCR...", true);

    } else {

        mProgressDialog.show();

    }

    new Thread(new Runnable() {

        public void run() {

            final String srcText = mTessOCR.getOCRResult(bitmap);

            runOnUiThread(new Runnable() {

                @Override

                public void run() {

                    if (srcText != null && !srcText.equals("")) {

                        ocrText.setText(srcText);

                    }

                    mProgressDialog.dismiss();

                }

            });

        }

    }).start();

}

源图像如下：

OCR的结果如下：

码农公寓

介绍

背景

使用代码

相关文章