當前位置：首頁 > 运维知识 > Android >内容正文

Android

Android对接华为AI - 文本识别

發布時間：2024/1/8 Android 37 coder

生活随笔收集整理的這篇文章主要介紹了 Android对接华为AI - 文本识别小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

準備工作

在開發應用前：
1、需要在AppGallery Connect中配置相關信息，包括：注冊成為開發者和創建應用。
2、使用ML Kit云側服務（端側服務可不開通）需要開發者在AppGallery Connect上打開ML Kit服務開關。

集成HMS Core SDK

工程根目錄build.gradle文件

buildscript {
    repositories {
        google()
        mavenCentral()
        maven { url 'https://jitpack.io' }
        // 配置HMS Core SDK的Maven倉地址。
        maven {url 'https://developer.huawei.com/repo/'}
    }
    dependencies {
        classpath 'com.android.tools.build:gradle:7.0.4'
        classpath 'com.huawei.agconnect:agcp:1.6.2.300'
    }
}

allprojects {
    repositories {
        google()
        mavenCentral()
        maven { url 'https://jitpack.io' }
        // 配置HMS Core SDK的Maven倉地址。
        maven {url 'https://developer.huawei.com/repo/'}
    }
}

task clean(type: Delete) {
    delete rootProject.buildDir
}

app module下的build.gradle依賴華為基礎SDK包與語言識別模型包：

// 引入基礎SDK
implementation 'com.huawei.hms:ml-computer-vision-ocr:3.11.0.301'
// 引入拉丁語文字識別模型包
implementation 'com.huawei.hms:ml-computer-vision-ocr-latin-model:3.11.0.301'
// 引入日韓語文字識別模型包
implementation 'com.huawei.hms:ml-computer-vision-ocr-jk-model:3.11.0.301'
// 引入中英文文字識別模型包
implementation 'com.huawei.hms:ml-computer-vision-ocr-cn-model:3.11.0.301'

配置混淆腳本

-dontwarn com.huawei.**
-keep class com.huawei.** {*;}
-dontwarn org.slf4j.**
-keep class org.slf4j.** {*;}
-dontwarn org.springframework.**
-keep class org.springframework.** {*;}
-dontwarn com.fasterxml.jackson.**
-keep class com.fasterxml.jackson.** {*;}
-keep class com.huawei.noah.bolttranslator.**{*;}
-dontwarn com.huawei.hisi.**
-keep class com.huawei.hisi.** {*;}

添加權限

    <!--相機權限-->
    <uses-permission android:name="android.permission.CAMERA" />
    <!--使用網絡權限-->
    <uses-permission android:name="android.permission.INTERNET" />
    <!--寫權限-->
    <uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
    <!--讀權限-->
    <uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
    <!--錄音權限-->
    <uses-permission android:name="android.permission.RECORD_AUDIO" />
    <!--獲取網絡狀態權限-->
    <uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />
    <!--獲取wifi狀態權限-->
    <uses-permission android:name="android.permission.ACCESS_WIFI_STATE" />

端側識別

    /**
     * 端側文本識別
     */
    private void textAnalyzer() {
        long startTime =  (new Date()).getTime();
        Log.d("textAnalyzer", "start: " + startTime);
        MLLocalTextSetting setting = new MLLocalTextSetting.Factory()
                .setOCRMode(MLLocalTextSetting.OCR_DETECT_MODE)
                // 設置識別語種。
                .setLanguage("zh")
                .create();
        MLTextAnalyzer analyzer = MLAnalyzerFactory.getInstance().getLocalTextAnalyzer(setting);
        Bitmap bitmap = BitmapFactory.decodeResource(getResources(), R.mipmap.test2);
        // 通過bitmap創建MLFrame，bitmap為輸入的Bitmap格式圖片數據。
        MLFrame frame = MLFrame.fromBitmap(bitmap);
        Task<MLText> task = analyzer.asyncAnalyseFrame(frame);
        task.addOnSuccessListener(new OnSuccessListener<MLText>() {
            @Override
            public void onSuccess(MLText text) {
                List<MLText.Block> blocks = text.getBlocks();
                StringBuilder sb = new StringBuilder();
                for (MLText.Block block : blocks) {
                    sb.append(block.getStringValue());
                }
                // 識別成功處理。
                tv.setText("識別成功: " + sb.toString());
                Log.d("textAnalyzer", "識別成功:\n " + sb.toString());
                long endTime =  (new Date()).getTime();
                Log.d("textAnalyzer", "end: " + endTime);
                Log.d("textAnalyzer", "耗時: " + (endTime-startTime));
            }
        }).addOnFailureListener(new OnFailureListener() {
            @Override
            public void onFailure(Exception e) {
                // 識別失敗處理。
                tv.setText("識別失敗");
            }
        });
    }

端側識別測試

原圖：test2.png

識別結果：

云側文本識別

注意：此功能收費,但是精確度更高。

配置應用的鑒權信息

先申請apikey:
https://developer.huawei.com/consumer/cn/console/api/credentials/dev388421841221889538
然后配置apikey

云側文本識別實現

    MLApplicationInit.init();

    /**
     * 云側文本識別
     */
    private void textAnalyzerNet() {
        long startTime =  (new Date()).getTime();
        Log.d("textAnalyzerNet", "start: " + startTime);
        // 方式一：使用自定義參數配置。
        // 創建語言集合。
        List<String> languageList = new ArrayList();
        languageList.add("zh");
        languageList.add("en");
        // 設置參數。
        MLRemoteTextSetting setting = new MLRemoteTextSetting.Factory()
                // 設置云側文本字體模式：
                // 若選擇手寫體格式，文本檢測模式僅支持稀疏文本，語言列表僅支持中文（zh），邊界框格式僅支持NGON四頂點坐標。
                // setTextDensityScene、setLnaguageList、setBorderType等方法設置均不生效。
                // 若選擇印刷體格式，則需要手動設置語言列表，檢測模式和邊框樣式，或采取默認配置。
                // MLRemoteTextSetting.OCR_HANDWRITTENFONT_SCENE：手寫體。
                // MLRemoteTextSetting.OCR_PRINTFONT_SCENE：印刷體。
                .setTextFontScene(MLRemoteTextSetting.OCR_HANDWRITTENFONT_SCENE)
                // 設置云側文本檢測模式：
                // MLRemoteTextSetting.OCR_COMPACT_SCENE：文本密集場景的文本識別。
                // MLRemoteTextSetting.OCR_LOOSE_SCENE：文本稀疏場景的文本識別。
                .setTextDensityScene(MLRemoteTextSetting.OCR_LOOSE_SCENE)
                // 設置識別語言列表，使用ISO 639-1標準。
                .setLanguageList(languageList)
                // 設置文本邊界框返回格式。
                // MLRemoteTextSetting.NGON：返回四邊形的四個頂點坐標。
                // MLRemoteTextSetting.ARC：返回文本排列為弧形的多邊形邊界的頂點，最多可返回多達72個頂點的坐標。
                .setBorderType(MLRemoteTextSetting.ARC)
                .create();
        MLTextAnalyzer analyzer = MLAnalyzerFactory.getInstance().getRemoteTextAnalyzer(setting);
        // 方式二：使用默認參數配置，自動檢測語種進行識別，適用于文本稀疏場景，文本框返回格式為：MLRemoteTextSetting.NGON。
        //MLTextAnalyzer analyzer = MLAnalyzerFactory.getInstance().getRemoteTextAnalyzer();
        Bitmap bitmap = BitmapFactory.decodeResource(getResources(), R.mipmap.test2);
        // 通過bitmap創建MLFrame，bitmap為輸入的Bitmap格式圖片數據。
        MLFrame frame = MLFrame.fromBitmap(bitmap);
        Task<MLText> task = analyzer.asyncAnalyseFrame(frame);
        task.addOnSuccessListener(new OnSuccessListener<MLText>() {
            @Override
            public void onSuccess(MLText text) {
                // 識別成功。
                List<MLText.Block> blocks = text.getBlocks();
                StringBuilder sb = new StringBuilder();
                for (MLText.Block block : blocks) {
                    sb.append(block.getStringValue());
                    sb.append("\n");
                }
                // 識別成功處理。
                tv.setText("識別成功: " + sb.toString());
                Log.d("textAnalyzerNet", "識別成功:\n " + sb.toString());
                long endTime =  (new Date()).getTime();
                Log.d("textAnalyzerNet", "end: " +endTime);
                Log.d("textAnalyzerNet", "耗時: " + (endTime-startTime));
            }
        }).addOnFailureListener(new OnFailureListener() {
            @Override
            public void onFailure(Exception e) {
                // 識別失敗,獲取相關異常信息。
                try {
                    MLException mlException = (MLException) e;
                    // 獲取錯誤碼，開發者可以對錯誤碼進行處理，根據錯誤碼進行差異化的頁面提示。
                    int errorCode = mlException.getErrCode();
                    // 獲取報錯信息，開發者可以結合錯誤碼，快速定位問題。
                    String errorMessage = mlException.getMessage();
                } catch (Exception error) {
                    // 轉換錯誤處理。
                }
            }
        });
    }

云側文本識別測試