一.引言
文字識(shí)別，也稱為光學(xué)字符識(shí)別（Optical Character Recognition, OCR），是一種將不同形式的文檔（如掃描的紙質(zhì)文檔、PDF文件或數(shù)字相機(jī)拍攝的圖片）中的文字轉(zhuǎn)換成可編輯和可搜索的數(shù)據(jù)的技術(shù)。隨著技術(shù)的發(fā)展，文字識(shí)別技術(shù)已經(jīng)成為信息管理、自動(dòng)化辦公和智能系統(tǒng)的關(guān)鍵組成部分。
二.簡(jiǎn)介
為了易于集成和使用，我們將文字識(shí)別OCR封裝為DLL（動(dòng)態(tài)鏈接庫(kù)）。這種封裝方式不僅保留了算法的性能優(yōu)勢(shì)，還提供了跨平臺(tái)和跨語(yǔ)言的兼容性，目前支持編程語(yǔ)言如下：
- C++
- Python
- 易語(yǔ)言
1.C++頭文件
#ifndef __SN_OCR__H__
#define __SN_OCR__H__
#include "windows.h"
//返回參數(shù)
typedef struct SN_STATU {
int code; //錯(cuò)誤碼，如果為 0 表示成功，否則表示錯(cuò)誤號(hào)
char message[4096]; //錯(cuò)誤信息，如果為 "OK" 表示成功，否則返回錯(cuò)誤信息
}SN_STATU;
/*啟動(dòng)OCR文字識(shí)別服務(wù)
*
* 參數(shù)：
* [in] szOnnxFilePath： 設(shè)置 onnx 模型文件路徑，如果設(shè)置為 NULL，默認(rèn)和 DLL文件同級(jí)目錄
* [out] pResult： 返回錯(cuò)誤信息，參數(shù)pResult->code(錯(cuò)誤碼)如果為 0 表示成功，否則表示錯(cuò)誤號(hào);
*
* 返回值：成功返回0，失敗返回錯(cuò)誤號(hào)，詳細(xì)錯(cuò)誤信息請(qǐng)參考 pResult
*
*/
int WINAPI apiSNInitOCRServer(char* szOnnxFilePath, SN_STATU* pStatu);
/*創(chuàng)建OCR文字識(shí)別句柄
*
* 參數(shù)：
* [in] szKey： 卡密(購(gòu)買卡密：https://shop.4yuns.com/links/7C9F16B7)
* [in] pOnnxFilePath：設(shè)置 onnx 模型文件路徑，如果設(shè)置為 NULL，默認(rèn)和 DLL文件同級(jí)目錄
* [out] pResult： 返回錯(cuò)誤信息，參數(shù)pResult->code(錯(cuò)誤碼)如果為 0 表示成功，否則表示錯(cuò)誤號(hào);
*
* 返回值：成功返回句柄，失敗返回NULL
*
*/
HANDLE WINAPI apiSNCreateOCRHandle(char* szKey, char* szOnnxFilePath, SN_STATU* pStatu);
/*獲取OCR文字識(shí)別卡密到期時(shí)間
*
* 參數(shù)：
* [in] handle： 句柄（通過(guò)調(diào)用apiSNCreateOCRHandle得到）
* [out] pResult： 返回錯(cuò)誤信息，參數(shù)pResult->code(錯(cuò)誤碼)如果為 0 表示成功，否則表示錯(cuò)誤號(hào);
*
* 返回值：返回卡密到期時(shí)間，失敗返回NULL，錯(cuò)誤信息請(qǐng)查看參數(shù) pResult->message
*
*/
char* WINAPI apiSNGetKeyExpiresTime(HANDLE handle, SN_STATU* pResult);
/*獲取OCR文字識(shí)別結(jié)果（以json字符串形式返回）
*
* 參數(shù)：
* [in] handle： 句柄（通過(guò)調(diào)用apiSNCreateOCRHandle得到）
* [in] szImageFilePath： 圖片路徑
* [out] pResult： 返回錯(cuò)誤信息，參數(shù)pResult->code(錯(cuò)誤碼)如果為 0 表示成功，否則表示錯(cuò)誤號(hào);
*
* 返回值：返回OCR文字識(shí)別結(jié)果（以json字符串形式返回），失敗返回NULL，錯(cuò)誤信息請(qǐng)查看參數(shù) pResult->message
*
*/
char* WINAPI apiSNGetOCRFromImage(HANDLE handle, char* szImageFilePath, SN_STATU* pStatu);
/*釋放OCR文字識(shí)別句柄（釋放內(nèi)存）
*
* 參數(shù)：
* [in] handle： 句柄（通過(guò)調(diào)用apiSNCreateOCRHandle得到）
*
* 返回值：返回 0 表示成功，其他值表示錯(cuò)誤號(hào);
*
*/
int WINAPI apiSNDestroyOCRHandle(HANDLE handle);
#endif
2.Python調(diào)用dll接口
from ctypes import cdll, c_char_p, Structure, byref
import ctypes
# 定義SN_STATU結(jié)構(gòu)體
class SN_STATU(Structure):
_fields_ = [("code", ctypes.c_int),
("message", c_char_p * 4096)]
# 加載DLL
lib = cdll.LoadLibrary('D://SNOCR.dll')
# 設(shè)置函數(shù)參數(shù)類型
lib.apiSNInitOCRServer.argtypes = [c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNInitOCRServer.restype = ctypes.c_int
lib.apiSNCreateOCRHandle.argtypes = [c_char_p, c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNCreateOCRHandle.restype = ctypes.c_void_p
lib.apiSNGetKeyExpiresTime.argtypes = [ctypes.c_void_p, ctypes.POINTER(SN_STATU)]
lib.apiSNGetKeyExpiresTime.restype = c_char_p
lib.apiSNGetOCRFromImage.argtypes = [ctypes.c_void_p, c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNGetOCRFromImage.restype = c_char_p
lib.apiSNDestroyOCRHandle.argtypes = [ctypes.c_void_p]
lib.apiSNDestroyOCRHandle.restype = ctypes.c_int
# 初始化變量
statu = SN_STATU()
key = b"SNKJe9xffLhdFY7r3TcffXq44ThDVcE3BQFQFfVA9VG4"
onnx_path = b"D://SNOCR.onnx"
image_path = b"D://7.jpg"
# 1. 啟動(dòng)OCR服務(wù)
ret = lib.apiSNInitOCRServer(onnx_path, byref(statu))
if ret < 0:
print(f"Error:{statu.message.decode('utf-8')}")
exit()
# 2. 創(chuàng)建OCR句柄
handle = lib.apiSNCreateOCRHandle(key, onnx_path, byref(statu))
if not handle:
print(f"Error:{statu.message.decode('utf-8')}")
exit()
# 3. 獲取卡密到期時(shí)間
expires_time = lib.apiSNGetKeyExpiresTime(handle, byref(statu))
if not expires_time:
print(f"Error:{statu.message.decode('utf-8')}")
exit()
print(f"Expires Time: {expires_time.decode('utf-8')}")
# 4. 識(shí)別OCR，返回Json字符串
ocr_result = lib.apiSNGetOCRFromImage(handle, image_path, byref(statu))
if not ocr_result:
print(f"Error:{statu.message.decode('utf-8')}")
exit()
try:
print(f"OCR Result: {ocr_result.decode('utf-8')}")
except UnicodeDecodeError:
print(f"OCR Result: {ocr_result.decode('GBK')}")
# 5. 釋放內(nèi)存
lib.apiSNDestroyOCRHandle(handle)
# 等待輸入，防止程序直接退出
input("Press Enter to exit...")
三.效果演示
1.圖片1
22.jpg
識(shí)別效果：
{
"type": 0,
"task_id": 1,
"err_code": 0,
"ocr_result": {
"single_result": [{
"left": 80.136589,
"top": 56.710590,
"right": 413.614105,
"bottom": 89.287964,
"str_utf8": "包頭市特種設(shè)備追溯平臺(tái)",
"rate": "0.981197"
}, {
"left": 171.293091,
"top": 99.701866,
"right": 329.740753,
"bottom": 120.792061,
"str_utf8": "設(shè)備編碼: 000001)",
"rate": "0.970116"
}, {
"left": 81.693756,
"top": 274.142029,
"right": 229.766312,
"bottom": 295.966248,
"str_utf8": "RFID 掃描區(qū)域",
"rate": "0.992770"
}, {
"left": 50,
"top": 318.229156,
"right": 181.250000,
"bottom": 339.062500,
"str_utf8": "投訴電話: 12365",
"rate": "0.984698"
}, {
"left": 259.311310,
"top": 352.951111,
"right": 466.734924,
"bottom": 371.130615,
"str_utf8": "包頭市質(zhì)量技術(shù)監(jiān)督局制",
"rate": "0.961233"
}],
"width": "500",
"height": "384"
}
}
2.圖片2
06.jpg
識(shí)別效果：
{
"type": 0,
"task_id": 1,
"err_code": 0,
"ocr_result": {
"single_result": [{
"left": 451.128448,
"top": 110.489426,
"right": 1138.148070,
"bottom": 199.850967,
"str_utf8": "中華人民共和國(guó)",
"rate": "0.998395"
}, {
"left": 398.003052,
"top": 250.290588,
"right": 1189.906010,
"bottom": 370.648926,
"str_utf8": "居民身份證",
"rate": "0.999714"
}, {
"left": 333.586945,
"top": 605.802917,
"right": 1028.648680,
"bottom": 654.308594,
"str_utf8": "簽發(fā)機(jī)關(guān)上海市公安局徐匯分局",
"rate": "0.998378"
}, {
"left": 334.754303,
"top": 712.041199,
"right": 539.191406,
"bottom": 752.816345,
"str_utf8": "有效期限",
"rate": "0.999937"
}, {
"left": 551.186523,
"top": 713.943665,
"right": 1061.341670,
"bottom": 754.974915,
"str_utf8": "2005.10.08-202510.08",
"rate": "0.985583"
}],
"width": "1313",
"height": "858"
}
}
四.常見(jiàn)問(wèn)題
1.是否支持多線程
支持
五.更新日志
- 2024.12.15 OCR 文字識(shí)別支持C++/Python/易語(yǔ)言
