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

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：