您可以使用 ML Kit 辨識圖片或影片中的文字，例如 路牌這項功能的主要特性如下：
| 功能與特色 | 未綁定 | 組合 |
|---|---|---|
| 圖書館名稱 | com.google.android.gms:play-services-mlkit-text-recognition
com.google.android.gms:play-services-mlkit-text-recognition-chinese com.google.android.gms:play-services-mlkit-text-recognition-devanagari com.google.android.gms:play-services-mlkit-text-recognition-japanese com.google.android.gms:play-services-mlkit-text-recognition-korean |
com.google.mlkit:text-recognition
com.google.mlkit:text-recognition-chinese com.google.mlkit:text-recognition-devanagari com.google.mlkit:text-recognition-japanese com.google.mlkit:text-recognition-korean |
| 實作 | 模型會透過 Google Play 服務動態下載。 | 模型會在建構期間與應用程式建立靜態連結。 |
| 應用程式大小 | 每個指令碼架構約增加 260 KB。 | 每個架構的每個指令碼大小約增加 4 MB。 |
| 初始化時間 | 首次使用前，可能需要等待模型下載。 | 模型現已可供使用。 |
| 效能 | 在大多數裝置上，拉丁字母程式庫可即時運作，其他裝置則較慢。 | 多數裝置都能即時支援拉丁語系的文本庫，對其他裝置來說的速度較慢。 |
立即試用
事前準備
- 在專案層級的
build.gradle檔案中，請務必在buildscript和allprojects區段中納入 Google 的 Maven 存放區。 將 ML Kit Android 程式庫的依附元件新增至模組的應用程式層級 Gradle 檔案，通常為
app/build.gradle：如要將模型與應用程式組合：
dependencies { // To recognize Latin script implementation 'com.google.mlkit:text-recognition:16.0.1' // To recognize Chinese script implementation 'com.google.mlkit:text-recognition-chinese:16.0.1' // To recognize Devanagari script implementation 'com.google.mlkit:text-recognition-devanagari:16.0.1' // To recognize Japanese script implementation 'com.google.mlkit:text-recognition-japanese:16.0.1' // To recognize Korean script implementation 'com.google.mlkit:text-recognition-korean:16.0.1' }如要在 Google Play 服務中使用模型：
dependencies { // To recognize Latin script implementation 'com.google.android.gms:play-services-mlkit-text-recognition:19.0.1' // To recognize Chinese script implementation 'com.google.android.gms:play-services-mlkit-text-recognition-chinese:16.0.1' // To recognize Devanagari script implementation 'com.google.android.gms:play-services-mlkit-text-recognition-devanagari:16.0.1' // To recognize Japanese script implementation 'com.google.android.gms:play-services-mlkit-text-recognition-japanese:16.0.1' // To recognize Korean script implementation 'com.google.android.gms:play-services-mlkit-text-recognition-korean:16.0.1' }如果您選擇使用 Google Play 服務中的模型，可以設定應用程式，在從 Play 商店安裝應用程式後，自動將模型下載到裝置。如要這麼做，請在應用程式的
AndroidManifest.xml檔案中新增下列宣告：<application ...> ... <meta-data android:name="com.google.mlkit.vision.DEPENDENCIES" android:value="ocr" > <!-- To use multiple models: android:value="ocr,ocr_chinese,ocr_devanagari,ocr_japanese,ocr_korean,..." --> </application>您也可以透過 Google Play 服務的 ModuleInstallClient API，明確檢查模型的可用性，並要求下載。如果未啟用安裝期間模型 使用者下載或要求明確下載模型時 就會產生錯誤在下載完成前提出的要求不會產生任何結果。
1. 建立「TextRecognizer」的執行個體
建立 TextRecognizer 的例項，傳遞與您在上述步驟中宣告依附元件的程式庫相關的選項：
Kotlin
// When using Latin script library val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS) // When using Chinese script library val recognizer = TextRecognition.getClient(ChineseTextRecognizerOptions.Builder().build()) // When using Devanagari script library val recognizer = TextRecognition.getClient(DevanagariTextRecognizerOptions.Builder().build()) // When using Japanese script library val recognizer = TextRecognition.getClient(JapaneseTextRecognizerOptions.Builder().build()) // When using Korean script library val recognizer = TextRecognition.getClient(KoreanTextRecognizerOptions.Builder().build())
Java
// When using Latin script library TextRecognizer recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS); // When using Chinese script library TextRecognizer recognizer = TextRecognition.getClient(new ChineseTextRecognizerOptions.Builder().build()); // When using Devanagari script library TextRecognizer recognizer = TextRecognition.getClient(new DevanagariTextRecognizerOptions.Builder().build()); // When using Japanese script library TextRecognizer recognizer = TextRecognition.getClient(new JapaneseTextRecognizerOptions.Builder().build()); // When using Korean script library TextRecognizer recognizer = TextRecognition.getClient(new KoreanTextRecognizerOptions.Builder().build());
2. 準備輸入圖片
如要辨識圖片中的文字，請使用 Bitmap、media.Image、ByteBuffer、位元組陣列或裝置上的檔案，建立 InputImage 物件。然後，將 InputImage 物件傳遞至
TextRecognizer 的 processImage 方法。
您可以建立InputImage
不同來源的 ANR 物件，說明如下。
使用 media.Image
如要建立InputImage
物件，例如從 media.Image 物件擷取圖片
裝置的相機，請傳遞 media.Image 物件和映像檔的
旋轉為 InputImage.fromMediaImage()。
如果您使用 CameraX 程式庫，OnImageCapturedListener 和 ImageAnalysis.Analyzer 類別會為您計算旋轉值。
Kotlin
private class YourImageAnalyzer : ImageAnalysis.Analyzer {
override fun analyze(imageProxy: ImageProxy) {
val mediaImage = imageProxy.image
if (mediaImage != null) {
val image = InputImage.fromMediaImage(mediaImage, imageProxy.imageInfo.rotationDegrees)
// Pass image to an ML Kit Vision API
// ...
}
}
}
Java
private class YourAnalyzer implements ImageAnalysis.Analyzer {
@Override
public void analyze(ImageProxy imageProxy) {
Image mediaImage = imageProxy.getImage();
if (mediaImage != null) {
InputImage image =
InputImage.fromMediaImage(mediaImage, imageProxy.getImageInfo().getRotationDegrees());
// Pass image to an ML Kit Vision API
// ...
}
}
}
如果您沒有使用相機程式庫提供圖片的旋轉角度， 可根據裝置的旋轉角度和相機方向來計算 感應器：
Kotlin
private val ORIENTATIONS = SparseIntArray()
init {
ORIENTATIONS.append(Surface.ROTATION_0, 0)
ORIENTATIONS.append(Surface.ROTATION_90, 90)
ORIENTATIONS.append(Surface.ROTATION_180, 180)
ORIENTATIONS.append(Surface.ROTATION_270, 270)
}
/**
* Get the angle by which an image must be rotated given the device's current
* orientation.
*/
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
@Throws(CameraAccessException::class)
private fun getRotationCompensation(cameraId: String, activity: Activity, isFrontFacing: Boolean): Int {
// Get the device's current rotation relative to its "native" orientation.
// Then, from the ORIENTATIONS table, look up the angle the image must be
// rotated to compensate for the device's rotation.
val deviceRotation = activity.windowManager.defaultDisplay.rotation
var rotationCompensation = ORIENTATIONS.get(deviceRotation)
// Get the device's sensor orientation.
val cameraManager = activity.getSystemService(CAMERA_SERVICE) as CameraManager
val sensorOrientation = cameraManager
.getCameraCharacteristics(cameraId)
.get(CameraCharacteristics.SENSOR_ORIENTATION)!!
if (isFrontFacing) {
rotationCompensation = (sensorOrientation + rotationCompensation) % 360
} else { // back-facing
rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360
}
return rotationCompensation
}
Java
private static final SparseIntArray ORIENTATIONS = new SparseIntArray();
static {
ORIENTATIONS.append(Surface.ROTATION_0, 0);
ORIENTATIONS.append(Surface.ROTATION_90, 90);
ORIENTATIONS.append(Surface.ROTATION_180, 180);
ORIENTATIONS.append(Surface.ROTATION_270, 270);
}
/**
* Get the angle by which an image must be rotated given the device's current
* orientation.
*/
@RequiresApi(api = Build.VERSION_CODES.LOLLIPOP)
private int getRotationCompensation(String cameraId, Activity activity, boolean isFrontFacing)
throws CameraAccessException {
// Get the device's current rotation relative to its "native" orientation.
// Then, from the ORIENTATIONS table, look up the angle the image must be
// rotated to compensate for the device's rotation.
int deviceRotation = activity.getWindowManager().getDefaultDisplay().getRotation();
int rotationCompensation = ORIENTATIONS.get(deviceRotation);
// Get the device's sensor orientation.
CameraManager cameraManager = (CameraManager) activity.getSystemService(CAMERA_SERVICE);
int sensorOrientation = cameraManager
.getCameraCharacteristics(cameraId)
.get(CameraCharacteristics.SENSOR_ORIENTATION);
if (isFrontFacing) {
rotationCompensation = (sensorOrientation + rotationCompensation) % 360;
} else { // back-facing
rotationCompensation = (sensorOrientation - rotationCompensation + 360) % 360;
}
return rotationCompensation;
}
然後，請傳遞 media.Image 物件和
將度數值旋轉為 InputImage.fromMediaImage()：
Kotlin
val image = InputImage.fromMediaImage(mediaImage, rotation)
Java
InputImage image = InputImage.fromMediaImage(mediaImage, rotation);
使用檔案 URI
如要從檔案 URI 建立 InputImage 物件，請將應用程式內容和檔案 URI 傳遞至 InputImage.fromFilePath()。當您使用 ACTION_GET_CONTENT 意圖，提示使用者從相片庫應用程式中選取圖片時，這項功能就很實用。
Kotlin
val image: InputImage
try {
image = InputImage.fromFilePath(context, uri)
} catch (e: IOException) {
e.printStackTrace()
}
Java
InputImage image;
try {
image = InputImage.fromFilePath(context, uri);
} catch (IOException e) {
e.printStackTrace();
}
使用 ByteBuffer 或 ByteArray
如要從 ByteBuffer 或 ByteArray 建立 InputImage 物件，請先計算圖片旋轉角度，如前文所述的 media.Image 輸入資料。接著，請使用緩衝區或陣列，搭配圖片的高度、寬度、顏色編碼格式和旋轉角度，建立 InputImage 物件：
Kotlin
val image = InputImage.fromByteBuffer(
byteBuffer,
/* image width */ 480,
/* image height */ 360,
rotationDegrees,
InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
// Or:
val image = InputImage.fromByteArray(
byteArray,
/* image width */ 480,
/* image height */ 360,
rotationDegrees,
InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
)
Java
InputImage image = InputImage.fromByteBuffer(byteBuffer,
/* image width */ 480,
/* image height */ 360,
rotationDegrees,
InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);
// Or:
InputImage image = InputImage.fromByteArray(
byteArray,
/* image width */480,
/* image height */360,
rotation,
InputImage.IMAGE_FORMAT_NV21 // or IMAGE_FORMAT_YV12
);
使用 Bitmap
如要建立InputImage
物件中，Bitmap 物件，請做出以下宣告：
Kotlin
val image = InputImage.fromBitmap(bitmap, 0)
Java
InputImage image = InputImage.fromBitmap(bitmap, rotationDegree);
圖片由 Bitmap 物件和旋轉度數代表。
3. 處理圖片
將圖片傳遞至 process 方法：
Kotlin
val result = recognizer.process(image)
.addOnSuccessListener { visionText ->
// Task completed successfully
// ...
}
.addOnFailureListener { e ->
// Task failed with an exception
// ...
}
Java
Task<Text> result =
recognizer.process(image)
.addOnSuccessListener(new OnSuccessListener<Text>() {
@Override
public void onSuccess(Text visionText) {
// Task completed successfully
// ...
}
})
.addOnFailureListener(
new OnFailureListener() {
@Override
public void onFailure(@NonNull Exception e) {
// Task failed with an exception
// ...
}
});
4. 從已辨識的文字區塊中擷取文字
如果文字辨識作業成功，系統會將 Text 物件傳遞至成功事件監聽器。Text 物件包含系統辨識到的文字
映像檔和零或多個 TextBlock 物件
每個 TextBlock 都代表一個矩形文字區塊，其中包含零個或多個 Line 物件。每個 Line 物件都代表一行文字，其中可能包含零個或多個 Element 物件。每個 Element
物件代表字詞或類似文字的實體，包含 0 或多個
Symbol 物件。每個 Symbol 物件都代表字元、數字或類似字詞的實體。
針對每個 TextBlock、Line，
Element 和 Symbol 物件，您可以
可取得區域中的文字、
區域和許多其他屬性，例如旋轉資訊、可信度分數
依此類推
例如：
Kotlin
val resultText = result.text
for (block in result.textBlocks) {
val blockText = block.text
val blockCornerPoints = block.cornerPoints
val blockFrame = block.boundingBox
for (line in block.lines) {
val lineText = line.text
val lineCornerPoints = line.cornerPoints
val lineFrame = line.boundingBox
for (element in line.elements) {
val elementText = element.text
val elementCornerPoints = element.cornerPoints
val elementFrame = element.boundingBox
}
}
}
Java
String resultText = result.getText();
for (Text.TextBlock block : result.getTextBlocks()) {
String blockText = block.getText();
Point[] blockCornerPoints = block.getCornerPoints();
Rect blockFrame = block.getBoundingBox();
for (Text.Line line : block.getLines()) {
String lineText = line.getText();
Point[] lineCornerPoints = line.getCornerPoints();
Rect lineFrame = line.getBoundingBox();
for (Text.Element element : line.getElements()) {
String elementText = element.getText();
Point[] elementCornerPoints = element.getCornerPoints();
Rect elementFrame = element.getBoundingBox();
for (Text.Symbol symbol : element.getSymbols()) {
String symbolText = symbol.getText();
Point[] symbolCornerPoints = symbol.getCornerPoints();
Rect symbolFrame = symbol.getBoundingBox();
}
}
}
}
輸入圖片規範
-
為了讓 ML Kit 準確辨識文字，輸入圖片必須包含 以充足的像素資料表示的文字理想情況下，每個字元至少應為 16 x 16 像素。一般來說 對字元大於 24x24 像素的特性來說，準確性的優勢在於。
舉例來說，如果要掃描占據整個圖片寬度的名片，使用 640x480 的圖片可能會是個不錯的選擇。如要掃描以 A4 紙張大小列印的文件，可能需要 720 x 1280 像素的圖片。
-
圖片對焦不佳可能會影響文字辨識準確度。如果您無法取得可接受的結果，請嘗試要求使用者重新拍攝圖片。
-
如果您在即時應用程式中辨識文字，應該 考量輸入圖片的整體尺寸較小 也能加快處理速度為減少延遲時間，請確保文字盡可能占用圖片的大部分空間，並以較低解析度擷取圖片 (請注意上述精確度規定)。若需更多資訊，請參閲 提升成效的訣竅。
提升成效的訣竅
- 如果您使用
Camera或camera2API、 限制對偵測工具的呼叫如果在偵測器運作期間有新的影片影格可用，請捨棄該影格。詳情請參閱VisionProcessorBase類別的範例。 - 如果您是使用
CameraXAPI， 請務必將背壓策略設為預設值ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST。 這樣就能確保每次只會提交一張圖片進行分析。如果圖片較多 會在分析器忙碌時產生，這些作業會自動遭到捨棄，不會排入佇列 廣告放送。呼叫 ImageProxy.close() 關閉要分析的圖片後，系統會傳送下一個最新的圖片。 - 如果您使用偵測器的輸出內容，在輸入圖片上疊加圖形，請先從 ML Kit 取得結果，然後在單一步驟中算繪圖片和疊加圖形。這會轉譯至顯示介面
每個輸入影格只能建立一次如需範例，請參閱快速入門範例應用程式中的
CameraSourcePreview和GraphicOverlay類別。 - 如果你使用 Camera2 API，
ImageFormat.YUV_420_888格式。如果使用舊版 Camera API，請以ImageFormat.NV21格式。 - 建議以較低的解析度拍攝圖片。不過，請務必遵守這個 API 的圖片尺寸規定。