OCR(光学字符识别)的简单解析与使用(内含 Demo)

AI科技馆 2018-07-27

展开全文

2015年12月23日 17:18:52

公司前些日子准备在项目中使用光学字符识别技术,

(也就是我们经常听说的,你拿着相机,照一下,之后就能直接显示图片中的文字是什么)

之后我在 GIT 上找了一个歪果友仁的 Demo, 对他的项目进行简单地解析,以此来帮助其他小伙伴,简单的了解一下.

Demo: https://github.com/hatena-iti/tesseract-sample

注意: 下面开启唐僧模式,对 OCR 已经有一定了解或只是想使用的同学可以直接跳到代码部分..

首先来介绍一下 OCR 到底是什么.

OCR是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，

通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程.

其中通过检测暗、亮的模式确定其形状在我们的开发中,就涉及到图片的二值化等一系列操作,设计 OPEN_CV或 OPEN_GL等.

ps:图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果.

例如这样:

而经过二值化处理的图片,

是不是觉得很像复印的照片呢.233...

了解了图片的基本原理,接下来就到了介绍工具的部分.

我们程序中最重要的第三方库 TesseractOCR.framework

工具下载地址:

TesseractOCR.framework: https://github.com/gali8/Tesseract-OCR-iOS

<span style="font-size:18px;">@interface Tesseract : NSObject
+ (NSString *)version;

@property (nonatomic, strong) NSString* language;

@property (nonatomic, strong) UIImage *image;
@property (nonatomic, assign) CGRect rect;

@property (nonatomic, readonly) short progress; // from 0 to 100
@property (nonatomic, readonly) NSString *recognizedText;

@property (nonatomic, weak) id<TesseractDelegate> delegate;</span>

它的代理方法如下

<span style="font-size:18px;">- (id)initWithDataPath:(NSString *)dataPath language:(NSString *)language DEPRECATED_ATTRIBUTE;
- (id)initWithLanguage:(NSString*)language;
- (void)setVariableValue:(NSString *)value forKey:(NSString *)key;

- (BOOL)recognize;
- (void)clear DEPRECATED_ATTRIBUTE;</span>

我们在使用当中需要传递给 TesseractOCR 我们需要解析的语言,我们需要解析的图片,并告诉程序,我们是否承认.

需要注意的是,TesseractOCR默认支持英文和数字,毕竟人家才26个字母外加0-9这几个数字,

如果需要识别额外的语言,则需要在 tessdata 文件下添加对应的语言包.

磨叽了一大堆,下面开始代码部分..

首先在 StroyBoard 中创建我们需要的图像展示区和文字展示区.

之后将其拉入 ViewController.h 中作为属性.

<span style="font-size:18px;">#import <UIKit/UIKit.h>
#import <TesseractOCR/TesseractOCR.h>

@interface ViewController : UIViewController<TesseractDelegate>

@property (nonatomic, strong) IBOutlet UIImageView *imageView;
@property (nonatomic, strong) IBOutlet UILabel *label;

@end</span>

之后在.m 文件中,也同样创建属性方便我们之后的使用.

<span style="font-size:18px;">// kImageFileName の値を @"ocr-sample-japanese"（日本語文字サンプル）に指定した場合は、
// kLanguage の値を @"jpn" に指定します。
// kImageFileName == @"ocr-sample-english" の場合は、kLanguage = @"eng" とします。）

//static NSString * const kImageFileName = @"ocr-sample-japanese";  // 日本語文字サンプル
//static NSString * const kImageFileName = @"ocr-sample-english";   // 英数字サンプル
  static NSString * const kImageFileName = @"ocr-sample-chinese";   // 汉文サンプル

//static NSString * const kLanguage = @"jpn"; <span style="white-space:pre">			</span>    // 解析対象言語：日本語
//static NSString * const kLanguage = @"eng"; <span style="white-space:pre">			</span>    // 解析対象言語：英語
  static NSString * const kLanguage = @"chi_sim"; <span style="white-space:pre">		</span>    // 解析対象言語：中文</span>

同时再去声明一个属性

<span style="font-size:18px;">@implementation ViewController {
    // 文字解析用に加工したイメージデータを保持するフィールド
    UIImage *adjustedImage_;
}</span>

之后

<span style="font-size:18px;">//@synthesize是在m文件中定义setter和getter方法的实现
@synthesize imageView=imageView_;
@synthesize label=label_;</span>

至此前期准备工作已经结束.

接下来到程序的运行阶段.

<span style="font-size:18px;">- (void)viewDidLoad {
    [super viewDidLoad];

    // 文字解析対象の画像を表示する
    self.imageView.image = [UIImage imageNamed:kImageFileName];

    // 文字解析を実行する
    [UIApplication sharedApplication].networkActivityIndicatorVisible = YES;

    [self analyze];
}</span>

记得

<span style="font-size:18px;">- (void)dealloc {
    [UIApplication sharedApplication].networkActivityIndicatorVisible = NO;
}</span>

之后重头戏来了,首先我们需要对我们的图片进行简单的处理,加强黑白色的对比,以此增强我们文字的轮廓的清晰度,

文字的清晰度对文字的检测的成功率有很大的影响.

对图片进行了简单的处理之后,我们就将我们处理之后的图片传入我们的第三方库.并将识别出的文字返回,展示给我们.

代理方法可以展示我们对当前图片的解析程度达到了多少.

<span style="font-size:18px;">// 文字解析を実行する
- (void)analyze {
    dispatch_async(dispatch_get_global_queue(DISPATCH_QUEUE_PRIORITY_BACKGROUND, 0), ^{

        CIImage *ciImage = [[CIImage alloc] initWithImage:self.imageView.image];

        //文字を読みやすくするため、白黒にして、コントラストを強めに、また輪郭をくっきりさせるよう設定する
        CIFilter *ciFilter =
            [CIFilter filterWithName:@"CIColorMonochrome"
                       keysAndValues:kCIInputImageKey, ciImage,
                        @"inputColor", [CIColor colorWithRed:0.75 green:0.75 blue:0.75],
                        @"inputIntensity", [NSNumber numberWithFloat:1.0],
                        nil];
        ciFilter =
            [CIFilter filterWithName:@"CIColorControls"
                       keysAndValues:kCIInputImageKey, [ciFilter outputImage],
                        @"inputSaturation", [NSNumber numberWithFloat:0.0],
                        @"inputBrightness", [NSNumber numberWithFloat:-1.0],
                        @"inputContrast", [NSNumber numberWithFloat:4.0],
                        nil];

        ciFilter =
            [CIFilter filterWithName:@"CIUnsharpMask"
                       keysAndValues:kCIInputImageKey, [ciFilter outputImage],
                        @"inputRadius", [NSNumber numberWithFloat:2.5],
                        @"inputIntensity", [NSNumber numberWithFloat:0.5],
                        nil];

        CIContext *ciContext = [CIContext contextWithOptions:nil];
        CGImageRef cgImage =
            [ciContext createCGImage:[ciFilter outputImage] fromRect:[[ciFilter outputImage] extent]];

        // 文字解析対象の画像の色、コントラストを調整したものを変数に保存する
        UIImage *adjustedImage = [UIImage imageWithCGImage:cgImage];
        CGImageRelease(cgImage);
//----------------------------------------------------------------------------------------------
        Tesseract* tesseract = [[Tesseract alloc] initWithLanguage:kLanguage];
        tesseract.delegate = self;
        [tesseract setImage:adjustedImage]; //image to check
        [tesseract recognize];
        NSString *recognizedText = [tesseract recognizedText];
        tesseract = nil; //deallocate and free all memory

        dispatch_async(dispatch_get_main_queue(), ^{
            // 解析結果を画面に表示する
            self.label.text = recognizedText;
            NSLog(@"\n\n%@",recognizedText);
            [UIApplication sharedApplication].networkActivityIndicatorVisible = NO;
        });
    });
}
</span>

代理方法(可用作展示解析程度).

<span style="font-size:18px;">#pragma mark - TesseractDelegate methods

- (BOOL)shouldCancelImageRecognitionForTesseract:(Tesseract*)tesseract {
    NSLog(@"progress: %d", tesseract.progress);
    return NO;  // return YES, if you need to interrupt tesseract before it finishes
}</span>