安卓OCR之数字英文扫描识别

安卓OCR之数字英文扫描识别

项目有个需求，有关证明的编号录入比较繁琐。基于支付宝可以扫描识别银行卡号，我觉得通过扫描并识别可以达到这一需求，以下文（dan）章(teng)即来源于此。

无一例外的，需要图片识别就必须用到OCR引擎，还必须是开源的（逃...那目标就很明确了，google/百度之，发现谷歌大厂有一个Tesseract项目（基于C++）,兴奋之余遂继续寻找其android分支，好在终于找到了tesstwo。开始干活^0^

...

...

...

其实并没有，机缘巧合下我在网上找到一个很有用的demo（需要FQ），它的效果是这样的：。

于是，我下载其源码，试图在本地重现一下。但悲剧的是，这个demo是基于gradle构建的，虽然我试遍了IDEA和Android Studio，还是不行，遂作罢。

回到最初，将tesstwo源码编译出.so文件才是当务之急。在试过这篇博客中的方法后，不行...继续寻觅，终于我在安装了NDK的Android Studio中编译成功，编译好的库文件有多个，取armeabi目录中的全部so文件。

接下来，在Eclipse里新建项目（原谅我实在不会gradle），使用上述demo的代码，并引入编译好的so文件（记得带着armeabi目录），除除错，再运行一下~好了，终于看到了gif中的效果。

到这里算是实现了一大步/一小步，但这个demo不是扫描自动识别的，我们需要类似于二维码扫描识别的效果。自然而然的，我想到了zxing（又是谷歌大厂的）。

类似于这种扫描+识别的功能，我觉得应该是这样一个流程

对焦→拍照→裁剪→有效部分→调用算法识别→成功/失败→返回结果/继续对焦

扒出项目中zxing的源码看了一遍，印证了我的猜想。那么问题就很简单了，我们只需要改动裁剪和调用的算法就能达到目的了。

裁剪这部分在zxing/camera/CameraManager.java中的getFramingRect()方法中，设定其宽高即可（其实就是取景框的宽高）。

至于修改调用的算法则是在DecodeHandler.java中的decode()方法中，在此方法中我们会得到一个PlanarYUVLuminanceSource类的实例，调用该实例的renderCroppedGreyscaleBitmap()方法就会返回相应的BitMap对象，有了该对象之后，我们就可以使用tesstwo的API（或者上述demo对tesstwo的API的封装tessEngine）得到识别后的结果。如果结果与我们的预期符合（我传入一个正则表达式来实现），就可以将结果返回了。结果返回的过程以及接受结果的方法handleDecode()也需要一些处理，在此不再赘述。

插一句题外话，现在很多工具都是需要linux/unix环境支持，虽然在windows中有相应的工具模拟，但不是不方便就是坑比较多，总归不好使。不过现在win10有个自带的ubuntu子系统，大家可以试试~~

转载于:https://www.cnblogs.com/asingingfish/p/6196638.html