显示目录

使用百度 OCR 服务识别图片中的文本

访问 https://cloud.baidu.com/product/ocr/general 可以先体验一下百度的 OCR 文字识别,在功能演示处上传一个含有文字的图片就可以看到识别效果,还是挺不错的,接下来就介绍使用 OCR 服务的编程实现:

  1. 点击立即使用

  2. 点击创建应用 (需要登陆)

  3. 得到应用 API KeySecret Key (在程序中需要使用,对应程序中的 APP_IDAPP_KEY)

  4. 使用 API KeySecret Key 换取 access_token,请参考鉴权认证机制

  5. 使用 OCR 服务识别图片中的文字,请参考通用文字识别

    • 把图片进行 Base64 编码成为字符串

      文档中说所有图片均需要 Base64 编码后再进行 urlencode,这里容易造成困扰,其实 Base64 后就够了,因为 Base64 包含的 64 个字符为 a-z, A-Z, 0-9, /, + 以及填充字符 = 都包含在了 urlencode 不需要进行编码的字符内。

    • 去掉图片头,如 data:image/jpg;base64,

    • 传给百度,然后就能得到识别的 JSON 结果

下面给出 Java 的实现以供参考:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
import com.alibaba.fastjson.JSONObject;
import com.mzlion.easyokhttp.HttpClient;

import java.io.IOException;

/**
* 使用百度的 OCR 服务识别图片中的文字
*/
public class BaiduOcr {
private static final String APP_ID = "k364IHWiCdW1gZtL6eKfNRqM";
private static final String APP_KEY = "2sGL1HlcoYDaStLiCrsEiNRqHbDQEWax";
private static final String ACCESS_TOKEN = "24.2f86da893aacea8f1af0063ccdf02858.2592000.1520561223.282335-10804628"; // 30 天有效期

public static void main(String[] args) throws IOException {
String json = detectText("/Users/Biao/Desktop/y.png");
System.out.println(json);
}

// 识别图中的文字,返回识别结果的 JSON 格式字符串, path 为图片的路径, path 为图片的路径
public static String detectText(String path) throws IOException {
String image = ImageBase64Utils.imageToBase64String(path);
int startIndex = image.indexOf(",") + 1;
image = image.substring(startIndex); // 图片的 Base64 编码是不包含图片头的,如(data:image/jpg;base64,)

String response = HttpClient.post("https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic")
.param("access_token", ACCESS_TOKEN)
.param("image", image)
.execute().asString();
return response;
}

// 使用 APP_ID + APP_KEY 换取 access token
public static String requestAccessToken() {
String response = HttpClient.post("https://aip.baidubce.com/oauth/2.0/token")
.param("grant_type", "client_credentials")
.param("client_id", APP_ID)
.param("client_secret", APP_KEY)
.execute().asString();
JSONObject tokenObject = JSONObject.parseObject(response);
return tokenObject.get("access_token").toString();
}
}

依赖了下面的库: