当前位置：首页 > news >正文

OpenHarmony集成OCR三方库实现文字提取

news 来源：原创 2024/7/5 2:26:13

1. 简介

Tesseract(Apache 2.0 License)是一个可以进行图像OCR识别的C++库，可以跨平台运行。本样例基于Tesseract库进行适配，使其可以运行在OpenAtom OpenHarmony（以下简称“OpenHarmony”）上，并新增N-API接口供上层应用调用，这样上层应用就可以使用Tesseract提供的相关功能。

2. 效果展示

动物图片识别文字

身份信息识别

提取文字信息到本地文件

3. 目录结构

4. 调用流程

调用过程主要涉及到三方面，首先应用层实现样例的效果，包括页面的布局和业务逻辑代码；中间层主要起桥梁的作用，提供N-API接口给应用调用，再通过三方库的接口去调用具体的实现；Native层使用了三方库Tesseract提供具体的实现功能。

5. 源码分析

本样例源码的分析主要涉及到两个方面，一方面是N-API接口的实现，另一方面是应用层的页面布局和业务逻辑。

N-API实现

1. 首先在index.d.ts文件中定义好接口

/*** 初始化文字识别引擎* @param lang 识别的语言, eg:eng、chi_sim、 eng+chi_sim,为Null或不传则为中英文（eng+chi_sim）* @param trainDir 训练模型目录，为Null或不传则为默认目录** @return 初始化是否成功 0=>成功，-1=>失败*/
export const initOCR: (lang: string, trainDir: string) => Promise<number>;export const initOCR: (lang: string, trainDir: string, callback: AsyncCallback<number>) => void;/*** 开始识别* @param imagePath 图片路径（当前支持的图片格式为png, jpg, tiff）** @return 识别结果*/
export const startOCR: (imagePath: string) => Promise<string>;
export const startOCR: (imagePath: string, callback: AsyncCallback<string>) => void;/*** 销毁资源*/
export const destroyOCR: () => void;

代码中可以看出N-API接口initOCR和startOCR都采用了两种方式，一种是Promise，一种是Callback的方式。在样例的应用层，使用的是它们的Callback方式。

2.注册N-API模块和接口

EXTERN_C_START
static napi_value Init(napi_env env, napi_value exports) {
napi_property_descriptor desc[] = {
{
"initOCR", nullptr, InitOCR, nullptr, nullptr, nullptr, napi_default, nullptr
},
{
"startOCR", nullptr, StartOCR, nullptr, nullptr, nullptr, napi_default, nullptr
},
{
"destroyOCR", nullptr, DestroyOCR, nullptr, nullptr, nullptr, napi_default, nullptr
},
{
};
napi_define_properties(env, exports, sizeof(desc) / sizeof(desc[0]), desc);
return exports;
}
EXTERN_C_ENDstatic napi_module demoModule = {
.nm_version = 1,
.nm_flags = 0,
.nm_filename = nullptr,
.nm_register_func = Init,
.nm_modname = "tesseract",
.nm_priv = ((void *)0),
.reserved = {
0
},
};extern "C" __attribute__((constructor)) void RegisterHelloModule(void) {
napi_module_register(& demoModule);
}

通过nm_modname定义模块名，nm_register_func注册接口函数，在Init函数中指定了JS中initOCR，startOCR，destroyOCR对应的本地实现函数，这样就可以在对应的本地实现函数中调用三方库Tesseract的具体实现了。

3.以startOCR的Callback方式为例介绍N-API中的具体实现

static napi_value StartOCR(napi_env env, napi_callback_info info) {OH_LOG_ERROR(LogType::LOG_APP, "OCR StartOCR 111");size_t argc = 2;napi_value args[2] = { nullptr };//1. 获取参数napi_get_cb_info(env, info, &argc, args, nullptr, nullptr);//2. 共享数据auto addonData = new StartOCRAddOnData{.asyncWork = nullptr,};//3. N-API类型转成C/C++类型char imagePath[1024] = { 0 };size_t length = 0;napi_get_value_string_utf8(env, args[0], imagePath, 1024, &length);addonData->args0 = string(imagePath);napi_create_reference(env, args[1], 1, &addonData->callback);//4. 创建async worknapi_value resourceName = nullptr;napi_create_string_utf8(env, "startOCR", NAPI_AUTO_LENGTH, &resourceName);napi_create_async_work(env, nullptr, resourceName, executeStartOCR, completeStartOCRForCallback, (void *)addonData, &addonData->asyncWork);//将创建的async work加到队列中，由底层调度执行napi_queue_async_work(env, addonData->asyncWork);napi_value result = 0;napi_get_null(env, &result);return result;
}

首先通过napi_get_cb_info方法获取JS侧传入的参数信息，将参数转成C++对应的类型，然后创建异步工作，异步工作的方法参数中包含，执行的函数以及函数执行完成的回调函数。

我们看一下执行函数

static void executeStartOCR(napi_env env, void* data) {//通过data来获取数据StartOCRAddOnData * addonData = (StartOCRAddOnData *)data;napi_value resultValue;try {if (api != nullptr) {//调用具体的实现，读取图片像素PIX * pix = pixRead((const char*)addonData->args0.c_str());//设置api的图片像素api->SetImage(pix);//调用文字提取接口，获取图片中的文字char * result = api->GetUTF8Text();addonData->result = result;//释放资源pixDestroy (& pix);delete[] result;}} catch (std::exception e) {std::string error = "Error: ";if (initResult != 0) {error += "please first init tesseractocr.";} else {error += e.what();}addonData->result = error;}
}

这个方法中通过data获取JS传入的参数，然后调用Tesseract库中提供的接口，调用具体的文字提取功能，获取图片中的文字。

执行完成后，会回调到completeStartOCRForCallback，在这个方法中会将执行函数中返回的结果转换为JS的对应类型，然后通过Callback的方式返回。

static void completeStartOCRForCallback(napi_env env, napi_status status, void * data) {StartOCRAddOnData * addonData = (StartOCRAddOnData *)data;napi_value callback = nullptr;napi_get_reference_value(env, addonData->callback, &callback);napi_value undefined = nullptr;napi_get_undefined(env, &undefined);napi_value result = nullptr;napi_create_string_utf8(env, addonData->result.c_str(), addonData->result.length(), &result);//执行回调函数napi_value returnVal = nullptr;napi_call_function(env, undefined, callback, 1, &result, &returnVal);//删除napi_ref对象if (addonData->callback != nullptr) {napi_delete_reference(env, addonData->callback);}//删除异步工作项napi_delete_async_work(env, addonData->asyncWork);delete addonData;
}

应用层实现

应用层主要分为三个模块：动物图片文字识别，身份信息识别，提取文字到本地文件

1. 动物图片文字识别

build() {Column() {Row() {Text('点击图片进行文字提取  提取结果 ：').fontSize('30fp').fontColor(Color.Blue)Text(this.ocrResult).fontSize('50fp').fontColor(Color.Red)}.margin('10vp').height('10%').alignItems(VerticalAlign.Center)Grid() {ForEach(this.images, (item, index) => {GridItem() {AnimalItem({path1: item[0],path2: item[1]});}})}.padding({left: this.columnSpace, right: this.columnSpace}).columnsTemplate("1fr 1fr 1fr")      // Grid宽度均分成3份.rowsTemplate("1fr 1fr")     // Grid高度均分成2份.rowsGap(this.rowSpace)                  // 设置行间距.columnsGap(this.columnSpace)            // 设置列间距.width('100%').height('90%')}.backgroundColor(Color.Pink)}

布局主要使用了Grid的网格布局，每个Item都是对应的图片，通过点击图片可以对点击图片进行文字提取，将提取出的文字显示在标题栏。

2. 身份信息识别

build() {Row() {Column() {Image('/common/idImages/aobamao.jpg').onClick(() => {//点击图片进行信息识别console.log('OCR begin dialog open 111');this.ocrDialog.open();ToolUtils.ocrResult(ToolUtils.aobamao, (result) => {console.log('111 OCR result = ' + result);this.result = result;this.ocrDialog.close();});}).margin('10vp').objectFit(ImageFit.Auto).height('50%')Image('/common/idImages/weixiaobao.jpg').onClick(() => {//点击图片进行信息识别this.ocrDialog.open();ToolUtils.ocrResult(ToolUtils.weixiaobao, (result) => {console.log('111 OCR result = ' + result);this.result = result;this.ocrDialog.close();});}).margin('10vp').objectFit(ImageFit.Auto).height('50%')}.width(this.screenWidth/2).padding('20vp')Column() {Text(this.title).height('10%').fontSize('30fp').fontColor(this.titleColor)Column() {Text(this.result).fontColor('#0000FF').fontSize('50fp')}.justifyContent(FlexAlign.Center).alignItems(HorizontalAlign.Center).height('90%')}.justifyContent(FlexAlign.Start).width('50%')}.width('100%').height('100%')}

身份信息识别的布局最外层是一个水平布局，分为左右两部分，左边的子布局是垂直布局，里面是两张不同的身份证图片，右边子布局也是垂直布局，主要是标题区和识别结果的内容显示区。

3. 提取文字到本地文件

Row() {Column() {Image('/common/save2FileImages/testImage1.png').onClick(() => {//点击图片进行信息识别ToolUtils.ocrResult(ToolUtils.testImage1, (result) => {let path = this.dir + 'ocrresult1.txt';try {let fd = fileio.openSync(path, 0o100 | 0o2, 0o666);fileio.writeSync(fd, result);fileio.closeSync(fd);this.displayText = '文件写入' + path;} catch (e) {console.log('OCR fileio error = ' + e);}});})Image('/common/save2FileImages/testImage2.png').onClick(() => {//点击图片进行信息识别ToolUtils.ocrResult(ToolUtils.testImage2, (result) => {let path = this.dir + 'ocrresult2.txt';let fd = fileio.openSync(path, 0o100 | 0o2, 0o666);fileio.writeSync(fd, result);fileio.closeSync(fd);this.displayText = '文件写入' + path;});})}Column() {Text(this.title)Column() {Text(this.displayText)}}}

这个功能首先通过接口识别出图片中的文字，然后再通过fileio的能力将文字写入文件中。