OpenHarmony集成OCR三方庫實現文字提取

點擊藍字 ╳ 關注我們

開源項目 OpenHarmony是每個人的 OpenHarmony

郭岳峰

深圳開鴻數字產業發展有限公司

OS框架開發工程師

以下內容來自嘉賓分享，不代表開放原子開源基金會觀點

1.簡介

Tesseract(Apache 2.0 License)是一個可以進行圖像OCR識別的C++庫，可以跨平臺運行 。本樣例基于Tesseract庫進行適配，使其可以運行在OpenAtom OpenHarmony（以下簡稱“OpenHarmony”）上，并新增N-API接口供上層應用調用，這樣上層應用就可以使用Tesseract提供的相關功能。

2.效果展示

識別文字 身份信息識別 ? 提取文字信息到本地文件 ? ? ?

相關代碼已經上傳至SIG倉庫，鏈接如下：

https://gitee.com/openharmony-sig/knowledge_demo_temp/tree/master/FA/OCRDemo

3.目錄結構

?

4.調用流程

? 調用過程主要涉及到三方面，首先應用層實現樣例的效果，包括頁面的布局和業務邏輯代碼；中間層主要起橋梁的作用，提供N-API接口給應用調用，再通過三方庫的接口去調用具體的實現；Native層使用了三方庫Tesseract提供具體的實現功能。 ?

5.源碼分析

本樣例源碼的分析主要涉及到兩個方面，一方面是N-API接口的實現，另一方面是應用層的頁面布局和業務邏輯。N-API實現 1. 首先在index.d.ts文件中定義好接口

/**
 * 初始化文字識別引擎
 * @param lang 識別的語言, eg:eng、chi_sim、 eng+chi_sim,為Null或不傳則為中英文（eng+chi_sim）
 * @param trainDir 訓練模型目錄，為Null或不傳則為默認目錄
 *
 * @return 初始化是否成功 0=>成功，-1=>失敗
 */
export const initOCR: (lang: string, trainDir: string) => Promise<number>;


export const initOCR: (lang: string, trainDir: string, callback: AsyncCallback<number>) => void;


/**
 * 開始識別
 * @param imagePath 圖片路徑（當前支持的圖片格式為png, jpg, tiff）
 *
 * @return 識別結果
 */
export const startOCR: (imagePath: string) => Promise<string>;
export const startOCR: (imagePath: string, callback: AsyncCallback<string>) => void;




/**
 * 銷毀資源
 */
exportconstdestroyOCR:()=>void;

代碼中可以看出N-API接口initOCR和startOCR都采用了兩種方式，一種是Promise，一種是Callback的方式。在樣例的應用層，使用的是它們的Callback方式。 2 注冊N-API模塊和接口

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_END


static 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);
}

通過nm_modname定義模塊名，nm_register_func注冊接口函數，在Init函數中指定了JS中initOCR，startOCR，destroyOCR對應的本地實現函數，這樣就可以在對應的本地實現函數中調用三方庫Tesseract的具體實現了。 3 以startOCR的Callback方式為例介紹N-API中的具體實現

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. 獲取參數
    napi_get_cb_info(env, info, &argc, args, nullptr, nullptr);




    //2. 共享數據
    auto addonData = new StartOCRAddOnData{
        .asyncWork = nullptr,
    };
    //3. N-API類型轉成C/C++類型
    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. 創建async work
    napi_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);


    //將創建的async work加到隊列中，由底層調度執行
    napi_queue_async_work(env, addonData->asyncWork);


    napi_value result = 0;
    napi_get_null(env, &result);


    return result;
}

首先通過napi_get_cb_info方法獲取JS側傳入的參數信息，將參數轉成C++對應的類型，然后創建異步工作，異步工作的方法參數中包含，執行的函數以及函數執行完成的回調函數。 我們看一下執行函數

static void executeStartOCR(napi_env env, void* data) {
    //通過data來獲取數據
    StartOCRAddOnData * addonData = (StartOCRAddOnData *)data;
    napi_value resultValue;
    try {
        if (api != nullptr) {
            //調用具體的實現，讀取圖片像素
            PIX * pix = pixRead((const char*)addonData->args0.c_str());
            //設置api的圖片像素
            api->SetImage(pix);


            //調用文字提取接口，獲取圖片中的文字
            char * result = api->GetUTF8Text();
            addonData->result = result;


            //釋放資源
            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;
    }
}

這個方法中通過data獲取JS傳入的參數，然后調用Tesseract庫中提供的接口，調用具體的文字提取功能，獲取圖片中的文字。 執行完成后，會回調到completeStartOCRForCallback，在這個方法中會將執行函數中返回的結果轉換為JS的對應類型，然后通過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);


    //執行回調函數
    napi_value returnVal = nullptr;
    napi_call_function(env, undefined, callback, 1, &result, &returnVal);


    //刪除napi_ref對象
    if (addonData->callback != nullptr) {
        napi_delete_reference(env, addonData->callback);
    }


    //刪除異步工作項
    napi_delete_async_work(env, addonData->asyncWork);
    delete addonData;
}

應用層實現 應用層主要分為三個模塊：動物圖片文字識別，身份信息識別，提取文字到本地文件 1. 動物圖片文字識別

build() {
    Column() {
      Row() {
        Text('點擊圖片進行文字提取  提取結果 ：').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寬度均分成3份
      .rowsTemplate("1fr 1fr")     // Grid高度均分成2份
      .rowsGap(this.rowSpace)                  // 設置行間距
      .columnsGap(this.columnSpace)            // 設置列間距
      .width('100%')
      .height('90%')
    }
    .backgroundColor(Color.Pink)
}

布局主要使用了Grid的網格布局，每個Item都是對應的圖片，通過點擊圖片可以對點擊圖片進行文字提取，將提取出的文字顯示在標題欄。 2. 身份信息識別

build() {
    Row() {
      Column() {
        Image('/common/idImages/aobamao.jpg')
          .onClick(() => {
            //點擊圖片進行信息識別
            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(() => {
            //點擊圖片進行信息識別
            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%')
}

身份信息識別的布局最外層是一個水平布局，分為左右兩部分，左邊的子布局是垂直布局，里面是兩張不同的身份證圖片，右邊子布局也是垂直布局，主要是標題區和識別結果的內容顯示區。 3. 提取文字到本地文件

Row() {
      Column() {
        Image('/common/save2FileImages/testImage1.png')
          .onClick(() => {
            //點擊圖片進行信息識別
            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 = '文件寫入' + path;
              } catch (e) {
                console.log('OCR fileio error = ' + e);
              }
            });
          })
        Image('/common/save2FileImages/testImage2.png')
          .onClick(() => {
            //點擊圖片進行信息識別
            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 = '文件寫入' + path;
            });
          })
      }
      Column() {
        Text(this.title)
        Column() {
          Text(this.displayText)
        }
      }
}

這個功能首先通過接口識別出圖片中的文字，然后再通過fileio的能力將文字寫入文件中。

6.總結

樣例通過Native的方式將C++的三方庫集成到應用中，通過N-API方式提供接口給上層應用調用。對于依賴三方庫能力的應用，都可以使用這種方式來進行，移植三方庫到Native，通過N-API提供接口給應用調用。 關于樣例開發，我之前還分享過《如何利用OpenHarmony ArkUI的Canvas組件實現涂鴉功能？》、《如何通過OpenHarmony的音頻模塊實現錄音變速功能？》歡迎感興趣的開發者進行了解并與我交流樣例開發經驗。