借助机器学习套件的数字手写识别功能，您可以识别数字平面上数百种语言的手写文本，还可以对草图进行分类。
试试看
- 试用示例应用，了解此 API 的用法示例。
准备工作
- 请务必在您的项目级
build.gradle文件中的buildscript和allprojects部分添加 Google 的 Maven 制品库。 - 将 Android 版机器学习套件库的依赖项添加到模块的应用级 Gradle 文件（通常为
app/build.gradle）：
dependencies {
// ...
implementation 'com.google.mlkit:digital-ink-recognition:18.1.0'
}
现在，您可以开始识别 Ink 对象中的文本了。
构建 Ink 对象
构建 Ink 对象的主要方式是在触摸屏上绘制该对象。在 Android 上，您可以使用画布来实现此目的。您的触摸事件处理脚本应调用以下代码段中所示的 addNewTouchEvent() 方法，以存储用户绘制到 Ink 对象的笔画中的点。
以下代码段演示了这种通用模式。如需查看更完整的示例，请参阅机器学习套件快速入门示例。
Kotlin
var inkBuilder = Ink.builder()
lateinit var strokeBuilder: Ink.Stroke.Builder
// Call this each time there is a new event.
fun addNewTouchEvent(event: MotionEvent) {
val action = event.actionMasked
val x = event.x
val y = event.y
var t = System.currentTimeMillis()
// If your setup does not provide timing information, you can omit the
// third paramater (t) in the calls to Ink.Point.create
when (action) {
MotionEvent.ACTION_DOWN -> {
strokeBuilder = Ink.Stroke.builder()
strokeBuilder.addPoint(Ink.Point.create(x, y, t))
}
MotionEvent.ACTION_MOVE -> strokeBuilder!!.addPoint(Ink.Point.create(x, y, t))
MotionEvent.ACTION_UP -> {
strokeBuilder.addPoint(Ink.Point.create(x, y, t))
inkBuilder.addStroke(strokeBuilder.build())
}
else -> {
// Action not relevant for ink construction
}
}
}
...
// This is what to send to the recognizer.
val ink = inkBuilder.build()
Java
Ink.Builder inkBuilder = Ink.builder();
Ink.Stroke.Builder strokeBuilder;
// Call this each time there is a new event.
public void addNewTouchEvent(MotionEvent event) {
float x = event.getX();
float y = event.getY();
long t = System.currentTimeMillis();
// If your setup does not provide timing information, you can omit the
// third paramater (t) in the calls to Ink.Point.create
int action = event.getActionMasked();
switch (action) {
case MotionEvent.ACTION_DOWN:
strokeBuilder = Ink.Stroke.builder();
strokeBuilder.addPoint(Ink.Point.create(x, y, t));
break;
case MotionEvent.ACTION_MOVE:
strokeBuilder.addPoint(Ink.Point.create(x, y, t));
break;
case MotionEvent.ACTION_UP:
strokeBuilder.addPoint(Ink.Point.create(x, y, t));
inkBuilder.addStroke(strokeBuilder.build());
strokeBuilder = null;
break;
}
}
...
// This is what to send to the recognizer.
Ink ink = inkBuilder.build();
获取 DigitalInkRecognizer 的实例
如需执行识别，请将 Ink 实例发送到 DigitalInkRecognizer 对象。以下代码展示了如何从 BCP-47 标记实例化此类识别器。
Kotlin
// Specify the recognition model for a language
var modelIdentifier: DigitalInkRecognitionModelIdentifier
try {
modelIdentifier = DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US")
} catch (e: MlKitException) {
// language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
// no model was found, handle error.
}
var model: DigitalInkRecognitionModel =
DigitalInkRecognitionModel.builder(modelIdentifier).build()
// Get a recognizer for the language
var recognizer: DigitalInkRecognizer =
DigitalInkRecognition.getClient(
DigitalInkRecognizerOptions.builder(model).build())
Java
// Specify the recognition model for a language
DigitalInkRecognitionModelIdentifier modelIdentifier;
try {
modelIdentifier =
DigitalInkRecognitionModelIdentifier.fromLanguageTag("en-US");
} catch (MlKitException e) {
// language tag failed to parse, handle error.
}
if (modelIdentifier == null) {
// no model was found, handle error.
}
DigitalInkRecognitionModel model =
DigitalInkRecognitionModel.builder(modelIdentifier).build();
// Get a recognizer for the language
DigitalInkRecognizer recognizer =
DigitalInkRecognition.getClient(
DigitalInkRecognizerOptions.builder(model).build());
处理 Ink 对象
Kotlin
recognizer.recognize(ink)
.addOnSuccessListener { result: RecognitionResult ->
// `result` contains the recognizer's answers as a RecognitionResult.
// Logs the text from the top candidate.
Log.i(TAG, result.candidates[0].text)
}
.addOnFailureListener { e: Exception ->
Log.e(TAG, "Error during recognition: $e")
}
Java
recognizer.recognize(ink)
.addOnSuccessListener(
// `result` contains the recognizer's answers as a RecognitionResult.
// Logs the text from the top candidate.
result -> Log.i(TAG, result.getCandidates().get(0).getText()))
.addOnFailureListener(
e -> Log.e(TAG, "Error during recognition: " + e));
上面的示例代码假定识别模型已下载，如下一部分所述。
管理模型下载
虽然数字手写识别 API 支持数百种语言，但每种语言都需要先下载一些数据才能识别。每种语言大约需要 20 MB 的存储空间。这由 RemoteModelManager 对象处理。
下载新模型
Kotlin
import com.google.mlkit.common.model.DownloadConditions
import com.google.mlkit.common.model.RemoteModelManager
var model: DigitalInkRecognitionModel = ...
val remoteModelManager = RemoteModelManager.getInstance()
remoteModelManager.download(model, DownloadConditions.Builder().build())
.addOnSuccessListener {
Log.i(TAG, "Model downloaded")
}
.addOnFailureListener { e: Exception ->
Log.e(TAG, "Error while downloading a model: $e")
}
Java
import com.google.mlkit.common.model.DownloadConditions;
import com.google.mlkit.common.model.RemoteModelManager;
DigitalInkRecognitionModel model = ...;
RemoteModelManager remoteModelManager = RemoteModelManager.getInstance();
remoteModelManager
.download(model, new DownloadConditions.Builder().build())
.addOnSuccessListener(aVoid -> Log.i(TAG, "Model downloaded"))
.addOnFailureListener(
e -> Log.e(TAG, "Error while downloading a model: " + e));
检查模型是否已下载
Kotlin
var model: DigitalInkRecognitionModel = ... remoteModelManager.isModelDownloaded(model)
Java
DigitalInkRecognitionModel model = ...; remoteModelManager.isModelDownloaded(model);
删除已下载的模型
从设备的存储空间中移除模型可释放空间。
Kotlin
var model: DigitalInkRecognitionModel = ...
remoteModelManager.deleteDownloadedModel(model)
.addOnSuccessListener {
Log.i(TAG, "Model successfully deleted")
}
.addOnFailureListener { e: Exception ->
Log.e(TAG, "Error while deleting a model: $e")
}
Java
DigitalInkRecognitionModel model = ...;
remoteModelManager.deleteDownloadedModel(model)
.addOnSuccessListener(
aVoid -> Log.i(TAG, "Model successfully deleted"))
.addOnFailureListener(
e -> Log.e(TAG, "Error while deleting a model: " + e));
提高文字识别准确性的提示
文本识别的准确度因语言而异。准确性还取决于写作风格。虽然数字手写识别经过训练后可以处理多种书写风格，但结果可能会因用户而异。
下面是提高文本识别器准确性的一些方法。请注意，这些技术不适用于表情符号、autodraw 和形状的绘制分类器。
书写区域
许多应用都有一个明确定义的书写区域，供用户输入。符号的含义部分取决于该符号的大小（相对于包含它的书写区域的大小）。例如，大小写字母“o”或“c”与英文逗号与正斜杠之间的差异。
告知识别器书写区域的宽度和高度可以提高准确性。但是，识别器假定书写区域仅包含单行文本。如果实际书写区域足够大，允许用户撰写两行或多行内容，则通过传入一个高度为单行文本高度的最佳估计值 WriteArea，您可以获得更好的结果。您传递给识别器的 writingArea 对象不一定要与屏幕上的物理书写区域完全一致。以这种方式更改 WriterArea 高度在某些语言中的效果优于其他语言。
指定书写区域时，应以笔画坐标的单位指定其宽度和高度。x,y 坐标参数没有单位要求 - API 会标准化所有单位，因此唯一重要的是描边的相对大小和位置。您可以随意传入对您的系统有意义的任何缩放比例的坐标。
上下文前
上下文前置文本是指紧跟在您尝试识别的 Ink 中的笔画之前的文本。您可以通过向识别器告知预先上下文信息来帮助识别器。
例如，手写体的字母“n”和“u”经常会被混淆。如果用户已经输入了部分单词“arg”，则它们可能会以可被识别为“ument”或“nment”的笔画继续。指定上下文前上下文“arg”可解决歧义，因为单词“argument”更可能出现“argnment”。
预先上下文还有助于识别器识别分词符，即字词之间的空格。您可以输入空格字符，但无法绘制字符，那么识别器如何确定一个单词何时结束以及下一个单词何时开始？如果用户已经写了“hello”，并且以书面单词“world”继续，则没有预先上下文的识别器会返回字符串“world”。但是，如果指定前上下文“hello”，模型将返回字符串“world”，并带有前导空格，因为“hello world”比“helloword”更有意义。
您应提供尽可能最长的上下文前字符串，最多 20 个字符（包括空格）。如果字符串较长，识别器仅使用最后 20 个字符。
以下代码示例展示了如何定义书写区域并使用 RecognitionContext 对象指定预上下文。
Kotlin
var preContext : String = ...;
var width : Float = ...;
var height : Float = ...;
val recognitionContext : RecognitionContext =
RecognitionContext.builder()
.setPreContext(preContext)
.setWritingArea(WritingArea(width, height))
.build()
recognizer.recognize(ink, recognitionContext)
Java
String preContext = ...;
float width = ...;
float height = ...;
RecognitionContext recognitionContext =
RecognitionContext.builder()
.setPreContext(preContext)
.setWritingArea(new WritingArea(width, height))
.build();
recognizer.recognize(ink, recognitionContext);
笔画排序
识别的准确度与笔画的顺序密切相关。识别器期望笔画按照用户自然书写的顺序出现；例如，从左到右表示英语。任何不遵循此模式的情况（例如，编写以最后一个单词开头的英语句子）所获得的结果准确性较低。
另一个例子是，Ink 中间的某个单词被移除并替换为另一个单词。修订可能在句子的中间，但修订的笔画位于笔画序列的末尾。在这种情况下，我们建议您将新写入的单词单独发送到 API，并使用您自己的逻辑将结果与之前的识别合并。
处理不明确的形状
在某些情况下，提供给识别器的形状含义不明确。例如，边缘非常圆角的矩形可以看作矩形或椭圆形。
这些不明确的情况可以通过使用识别得分（如果有）来处理。只有形状分类器会提供分数。如果模型的置信度非常高，则最佳结果的得分将远远优于第二名结果。如果存在不确定性，前两个结果的得分将接近。另请注意，形状分类器会将整个 Ink 解释为单个形状。例如，如果 Ink 包含一个矩形和一个相邻的椭圆，则识别器可能会返回其中一个（或完全不同的内容），因为单个识别候选对象不能表示两个形状。