Android OCR 之 tesseract

OCR屬於CV的範疇，也就是電腦視覺，目前來看，除了opencv這個龍頭老大，也就是hp開發的tesseract比較好用，雖然年頭比較長了，但現在歸google維護並託管在google code上了。

 

現在有android版本的
地址：http://code.google.com/p/tesseract-android-tools/

這個版本得自己git 三個庫 leptonica  tesseract  libjpeg ，我自己是編譯成功了，但測試的時候native層總是crash。

 

於是發現了tess的android的另一個分支 tess-two

推薦linux上編譯

 

一、下載&編譯

1、首先下載tess-two

git clone git://github.com/rmtheis/tess-two tess

2、進入 tess目錄，裡面有三個項目，我們只需要進入tess-two就可以直接編譯了

cd tess/tess-two
ndk-build

 3、編譯好後，將src下的兩個包以及libs匯入到自己的項目就可以用啦

這裡把我我把編譯好後的東西放出來，用的話不用再編譯了

下載：tess-two.zip

 

二、使用

tesseract 使用了 leptonica的影像處理庫，對於影像處理還是比較強大的

Android官方地址:tesseract-android-tools

但它必須要一個匹配庫，即tessdata，我們可以從官方拷貝，在前面git的項目裡面tesseract源碼目錄有現成的tessdata可以用，對於中文，google code上也有下載，當然也可以自己訓練不同語言的tessdata。

包leptonica的類我們不必使用，只要使用tess包的類就行了

TessBaseAPI

使用時，首先建立TessBaseAPI對象

TessBaseAPI baseApi=new TessBaseAPI();

//初始化tess
//android下面，tessdata肯定得放到sd卡裡了
//如果tessdata這個目錄放在sd卡的根目錄
//那麼path直接傳入sd卡的目錄
//eng就是英文，關於語言，按ISO 639-3標準的代碼就行，具體請移步wiki
baseApi.init("tessdata檔案夾的父級目錄", "eng");

//options是為了縮放圖片，這個酌情縮放，圖片小的話可以不縮放
BitmapFactory.Options options=new BitmapFactory.Options();
//縮小為原來的1/2
options.inSampleSize=2;

//bitmap，我這裡是以流的形式，只要能形成Bitmap就行
Bitmap bitmap = BitmapFactory.decodeStream(instream,null,options); 
        instream.close();    


//如果圖片有Alpha值，那麼最好設定一下
/*ExifInterface exif = new ExifInterface(filename)
    int exifOrientation = exif.getAttributeInt(ExifInterface.TAG_ORIENTATION, ExifInterface.ORIENTATION_NORMAL); 


    int rotate = 0;
    switch (exifOrientation) {
        case ExifInterface.ORIENTATION_ROTATE_90:
            rotate = 90;
            break;
        case ExifInterface.ORIENTATION_ROTATE_180:
            rotate = 180;
            break;
        case ExifInterface.ORIENTATION_ROTATE_270:
            rotate = 270;
            break;
    } 


    if (rotate != 0) { 

        // Getting width & height of the given image.
        int w = bitmap.getWidth();
        int h = bitmap.getHeight(); 

        // Setting pre rotate
        Matrix mtx = new Matrix();
        mtx.preRotate(rotate); 

        // Rotating Bitmap
        bitmap = Bitmap.createBitmap(bitmap, 0, 0, w, h, mtx, false);
        // tesseract req. ARGB_8888
        bitmap = bitmap.copy(Bitmap.Config.ARGB_8888, true);
    } */

//設定要ocr的圖片bitmap
baseApi.setImage(bitmap);
//根據Init的語言，獲得ocr後的字串
String text= baseApi.getUTF8Text();
//釋放bitmap
baseApi.clear();

//如果連續ocr多張圖片，這個end可以不調用，但每次ocr之後，必須調用clear來對bitmap進行釋放
//釋放native記憶體
baseApi.end();

///////////////////////////其它方法//////////////////////////////////


//擷取字元邊框
        
        Pixa pixa= baseApi.getCharacters();

//同上，這個是整段文字的邊框
        baseApi.getRegions();

//同上，只不過這裡是條線
        baseApi.getTextlines();

//剩下的自己測試吧。

//轉為rect數組 ，之後，可以很方便的在圖片上框出方框
//怎麼框由你
        ArrayList<Rect> rects=pixa.getBoxRects();

結束。

 

android下ocr就這麼簡單，好好使用第三方庫就行了。

ps:在使用這套庫對12306的驗證碼進行ocr時，耗時50ms左右。