易语言 PC端纯本地离线文字识别插件

 目的

        易语言汉语编程环境是一个支持基于汉语字、词编程的、全可视化的、跨主流操作系统平台的编程工具环境；拥有简、繁汉语以及英语、日语等多语种版本；能与常用的编程语言互相调用；具有充分利用API，COM、DLL、OCX组件，各种主流数据库，各种实用程序等多种资源的接口和支撑工具。本篇文章主要讲解下更优秀的易语言平台TomatoOCR纯本地离线文字识别插件如何使用和集成。

准备工作

1、下载易语言可视编程工具

        

2、下载TomatoOCR纯本地离线文字识别插件：点击下载插件

• 目前插件支持中英文、繁体字、日语、韩语识别；
• 支持小图、区域图和单行文字识别，准确率高达99%；
• 支持多种返回格式，json\文本\数字\自定义；
• 支持增强版二值化；
• 支持多线程；
• 支持自定义截图桌面坐标；
• 支持大漠截图数据；
• 支持找字返回坐标并点击；
• 超高的稳定性，速度快；
• 不联网、不联网、不联网；

插件集成

1、下载插件后将名字改成TomatoOCR.ec，在项目的模块引用表中，右键添加模块引用。

2、文档中的代码

// ********************************************************************************************
// ********欢迎使用TomatoOCR文字识别插件，加入群【469843332】可获取最新版本！！！************
// ********************************************************************************************

tmo_init()

license = ""  ' 设置license，见授权码获取
remark = "测试"  ' 设置备注，可在控制台的列表中查看

flag ＝ tmo_setLicense (license, remark)
输出调试文本 (flag)

' ------ 以上代码，只需要调用一次-----------

tmo_setRecType (“ch-3.0”)
' 注：ch、ch-2.0、ch-3.0版可切换使用，对部分场景可适当调整
' "ch"：普通中英文识别，1.0版模型
' "ch-2.0"：普通中英文识别，2.0版模型
' "ch-3.0"：普通中英文识别，3.0版模型
' "cht"：繁体，"japan"：日语，"korean"：韩语

tmo_setDetBoxType (“rect”)  ' 调整检测模型检测文本参数- 默认"rect": 由于手机上截图文本均为矩形文本，从该版本之后均改为rect，"quad"：可准确检测倾斜文本

tmo_setDetUnclipRatio (2.0) ' 调整检测模型检测文本参数 - 默认1.9: 值范围1.6-2.5之间

tmo_setRecScoreThreshold (0.5)  ' 识别得分过滤 - 默认0.1，值范围0.1-0.9之间

tmo_setReturnType (“json”)
' 返回类型 - 默认"json": 包含得分、坐标和文字；
' "text"：纯文字；
' "num"：纯数字；
' 自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容

tmo_setRunMode (“slow”) ' 默认“slow”；“fast”：小图识别上会加速，但准确率会降低，推荐用默认值“slow”

tmo_setBinaryThresh (0)
' 二值化设定，非必须，默认为0，范围0-255

' -1 : 检测 + 方向分类 + 识别
' 0 : 只检测
' 1 : 方向分类 + 识别
' 2 : 只识别
' 3 : 检测 + 识别
' 只检测文字位置：0
' 全屏识别: 3或者不传
' 截取单行文字识别：1或者2

' 例子一，直接按路径去识别图片
result1 ＝ tmo_ocrFile (“D:\\WorkSpaceProjects\\PycharmProjects\\TestLoadTomato\\test_dll\\images\\03.bmp”, 3)
输出调试文本 (result1)

' 例子二，传入截图区域
result2 ＝ tmo_ocrScreen (10, 20, 100, 200, 3, “”)  ' 最后一个参数，默认传“”空字符串，保存的是截图路径
输出调试文本 (result2)

' 例子三，传入图片base64
result3 ＝ tmo_ocrBase64 (图片bease64字符串, 3)  
输出调试文本 (result3)

' 例子四，传入大漠截图对象 char *
result4 ＝ tmo_ocrDMImageData (大漠截图对象, 3) 
输出调试文本 (result4)


point ＝ tmo_findTapPoint (“队”)  ' 找字返回中心点坐标，找不到返回“”空字符串
输出调试文本 (point)

points ＝ tmo_findTapPoints (“队”)  ' 找字返回所有相匹配的中心点坐标，找不到返回“”空字符串
输出调试文本 (points)

3、其中的方法说明如下

方法名	说明
init	初始化
setLicense	设置授权
setRecType	设置识别语言，默认ch-3.0： ch、ch-2.0、ch-3.0版可切换使用，对部分场景可适当调整 "ch"：普通中英文识别，1.0版模型 "ch-2.0"：普通中英文识别，2.0版模型  "ch-3.0"：普通中英文识别，3.0版模型  "cht"：繁体，"japan"：日语，"korean"：韩语
setDetBoxType	调整检测模型检测文本参数-，默认"rect": 由于手机上截图文本均为矩形文本，从该版本之后均改为rect，"quad"：可准确检测倾斜文本
setDetUnclipRatio	调整检测模型检测文本参数，默认1.9： 值范围1.6-2.5之间，如果文字的检测框太小，可调整改参数，一般往大调整
setRecScoreThreshold	设置识别得分过滤，默认0.1： 值范围0.1-0.9之间
setReturnType	设置返回类型，默认"json"，包含得分、坐标和文字； "text"：纯文字； "num"：纯数字； 自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容
setBinaryThresh	默认值0，对图片进行二值化处理，非必须，正常情况下可以不用写
ocrFile/ocrBase64	两个参数，图片路径和类型，一般类型传3: type=-1 : 检测 + 方向分类 + 识别 type=0 : 只检测 type=1 : 方向分类 + 识别 type=2 : 只识别（单行识别） type=3 : 检测 + 识别 只检测文字位置：type=0 全屏识别: type=3或者不传type 截取单行文字识别：type=1或者type=2 如果识别为不到时，返回的数据为“”字符串
findTapPoint	找字，返回传入字的中心点坐标，方便进行点击，找不到字时，返回“”空字符串
findTapPoints	找字，找出所有相匹配的字，找不到字时，返回“”空字符串
end	释放插件，只需要在停止脚本的时候调用

4、识别结果

以上就是所有的运行情况。

完毕

        相对来说，在易语言进行插件开发还是比较困难的，需要会c++开发，本地识别全屏会相对较慢，区域识别还是非常快，相比部署在服务器上，还可以减少了很多资源占用情况，更加方便便捷。