通用文字识别 Android SDK 简介

(1) 概念解释

通用文字识别：将自然场景下图片上的文字内容，通过定位和检测，智能识别为可编辑的文本信息

(2) 说明

Hi，您好，欢迎使用有道智云通用文字识别 Android SDK。

本文档主要针对需要集成通用文字识别 Android SDK 的开发工程师，详细描述有道智云OCR能力及集成过程。

如果您想快速体验服务，建议您前往 体验中心 或者在体验中心右下侧找到小程序二维码，扫描进行体验。

如果您有与我们商务合作的需求，可以通过以下方式联系我们：

商务邮箱： AIcloud_Business@corp.youdao.com

如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：

客服QQ：1906538062

智云OCR技术交流QQ 1群: 654064748

智云OCR技术交流QQ 2群: 471638046

智云语音技术交流QQ群：861723255

联系邮箱： zhiyun@corp.youdao.com

温馨提示： 本文档主要针对开发人员，接入测试前需要在后台创建API应用，并绑定实例；如果您还没有，请按照 新手指南 操作。 平台向每个账户赠送50元的体验金，供用户集成前测试所用，具体资费规则详见 通用文字识别服务报价 。

功能介绍

通用文字识别服务 SDK是有道在线 OCR 接口服务进行封装，支持在线文本识别。提供快速的接入方式；同时提供数据统计能力，方便了解用户使用情况。

兼容性

支持设备：运行了 Android 4.0.3以及以上系统的 Android 设备

通用文字识别 Android SDK集成指南

集成前提

开始集成SDK之前开发者需要登录 有道智云平台，创建应用获取应用ID（或者通过运营人员获取应用ID），以便使用通用文字识别服务。

集成步骤

(1) SDK包导入

请在工程文件根目录下创建一个名为 libs 的子目录(有的话则不需要创建)，并将YoudaoBase.jar，so包和YoudaoTranslateOnline.jar拷贝到 libs 目录下，并将以下代码添加到app的build.gradle中：

android {
    sourceSets.main.jniLibs.srcDirs = ['libs']
    ...
}
    
dependencies {
    compile files('libs/YoudaoBase_v2.0.0.jar')
    compile files('libs/YoudaoOCROnline_v2.0.0.jar')
}

(2) AndroidManifest配置

<uses-permission android:name="android.permission.INTERNET" />
<!-- 获取WiFi状态 -->
<uses-permission android:name="android.permission.ACCESS_WIFI_STATE" />
<!-- 获取网络信息状态，如当前的网络连接是否有效 -->
<uses-permission android:name="android.permission.ACCESS_NETWORK_STATE" />

<!-- 读取手机状态 phone group -->
<uses-permission android:name="android.permission.READ_PHONE_STATE" />

<!-- 往SDCard读写数据权限   storage group -->
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />

(3) 代码混淆配置

代码混淆文件proguard-project.txt，添加如下内容：

-ignorewarnings
-libraryjars libs/YoudaoBase_v2.0.0.jar
-libraryjars libs/YoudaoOCROnline_v2.0.0.jar
-keep class com.youdao.sdk.ydtranslate.** { ;} -keep class com.youdao.ocr.online.* { *;}

(4) SDK初始化

使用图片翻译SDK，请在程序的Application中调用SDK初始化代码，可以参考demo中DemoApplication。 注：appkey即应用ID。

//appkey即应用ID
YouDaoApplication.init(this, appkey);

功能集成

说明：请参考 demo 中 OcrDemoActivity 的使用

(1) 参数说明

type：识别类型，目前仅支持10012，表示按行识别

lanType：支持"zh-en"和"en"，其中"zh-en"为中英识别，"en"参数表示只识别英文。若为纯英文识别，"zh-en"的识别效果不如"en"，请妥善选择

source：设置为app对应的名称（英文字符串）

timeout：表示超时时间

注意：输入图片数据需要转换为Base64编码。

(2) 构造OCR识别参数对象

//OCR识别
OCRParameters tps = new OCRParameters.Builder()
                              .source("youdaoocr")
                              .timeout(100000)
                              .langType("zh-en")
                              .build();

(3) 设置回调和开始识别

通过ImageOCRecognizer，设置上一步构造的参数对象，调用recognize方法传入图片base64编码的数据和回调接口开始查询

识别回调接口包含两个方法：onResult表示识别成功，相关结果存储在result参数中，onError表示失败，失败信息放在OcrErrorCode中。可参见 错误代码列表 。

注意：整个识别是异步的，回调在子线程进行，若涉及到界面操作，请切回主线程。

//OCR识别
ImageOCRecognizer.getInstance(tps).recognize(base64,
                              new OCRListener() {

                                  @Override
                                  public void onResult(OCRResult result,
                                          String input) {
                                      //识别成功
                                  }

                                  @Override
                                  public void onError(OcrErrorCode error) {
                                      //识别失败
                                  }
                              });

通用文字识别结果说明

对于中英在线 OCR，查询结果比较详细，服务器返回数据如下所示：

{
   "errorCode": "0",
   "Result": {
       "orientation": "Up",//方向
       "regions": [
           {
               "boundingBox": "28,257,4086,150",
               "lines": [
                   {
                       "boundingBox": "31,257,4083,73",
                       "words": [
                           {
                               "boundingBox": "354,257,347,50",
                               "text": "translation"
                           }
                       ]
                   },
       ],
       "textAngle": 0,//偏移量
       "language": "en"
   }

服务器是按照区域，行，字的格式返回的，即，一张图片，会识别出图片对应的 OCRResult，其上可能有多个有效区域 Region ，每个区域会包含一行或几行 Line ，每个行又包含一个或多个字 Word ，每个区域和行或者字符，都通过 boundingBox 字段返回坐标和大小 Rect。

sdk将上述 json 值封装成 OCRResutlt 对象，其数据结构如下：

public class OCRResult {

   private String json;

   private int errorCode;

   private String language;

   private int textAngle;

   private String orientation;

   private List<Region> regions;
}

public class Region {

   private Rect boundingBox;

   private List<Line> lines = new ArrayList<Line>();
}

public class Rect {

   private int left;

   private int top;

   private int width;

   private int height;
}

public class Line {

   private Rect boundingBox;

   private List<Word> words = new ArrayList<Word>();
}

public class Word {

   private String text;

   private Rect boundingBox;
}

支持语言

auto支持所有语种的自动识别

错误代码列表

常见问题及注意事项

1.运行程序崩溃？ 检查下是否对应的 so 是否放到当前工程目录下。

2.识别没结果？ 检查下识别接口回调的错误信息，保证申请的应用ID是有效且提前绑定了。

3.如何获得应用ID 注册账号， 登录后台创建应用和实例并完成绑定， 可获得应用ID和应用密钥等信息。

4.出现错误HTTP_REQUEST_ERROR("Http requesterror.",1) 在确保有网情况下，若调用过程中出现这个错误，HTTP_REQUEST_ERROR("Http requesterror.",1) ,请检查是否是在主线程中调用的翻译识别方法，请确保在主线程调用。

版本更新记录