安卓图片文字识别代码大全

依赖配置

Google ML Kit OCR

// 在项目 build.gradle 中添加
dependencies {
    implementation 'com.google.mlkit:text-recognition:17.0.2'
}

Tesseract OCR

// 添加 Tesseract 依赖（需自行编译或使用第三方封装库）
implementation 'com.rmtheis:tess-two:2.3.2'

PaddleOCR（百度飞桨）

// 添加 PaddleOCR 依赖
dependencies {
    implementation 'com.baidu.paddle:paddle-ocr:1.0.0'
}

权限处理

AndroidManifest.xml 配置

<uses-permission android:name="android.permission.CAMERA" />
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" />

运行时权限申请（Kotlin）

// 在 Activity 中申请权限
private fun checkPermissions() {
    val permissions = arrayOf(
        android.Manifest.permission.CAMERA,
        android.Manifest.permission.READ_EXTERNAL_STORAGE,
        android.Manifest.permission.WRITE_EXTERNAL_STORAGE
    )
    ActivityCompat.requestPermissions(this, permissions, REQUEST_CODE_PERMISSION)
}

核心代码实现

Google ML Kit OCR

// 1. 初始化 ML Kit
val firebaseVisionTextRecognizer = FirebaseVision.getInstance()
    .getOnDeviceTextRecognizer()
// 2. 处理图片并识别文字
fun recognizeText(image: Bitmap) {
    val image = FirebaseVisionImage.fromBitmap(image)
    firebaseVisionTextRecognizer.processImage(image)
        .addOnSuccessListener { text ->
            // 处理识别结果
            text.textBlocks.forEach { block ->
                Log.d("OCR", "${block.text}")
            }
        }
        .addOnFailureListener { e ->
            e.printStackTrace()
        }
}

Tesseract OCR

// 1. 初始化 Tesseract
BaseAPI baseApi = new TessBaseAPI();
baseApi.init(context.getFilesDir().absolutePath, "chi_sim"); // 中文简体
// 2. 识别文字
public String recognizeImage(Bitmap bitmap) {
    baseApi.setImage(bitmap);
    return baseApi.getUTF8Text();
}
// 3. 释放资源
baseApi.end();

PaddleOCR

// 1. 加载模型
OCRModel model = new OCRModel(context, "ch_PP-OCRv3"); // 中文模型
// 2. 识别文字
public String recognizeImage(Bitmap bitmap) {
    List<String> results = model.detectText(bitmap);
    return String.join("
", results);
}

注意事项

相关问题与解答

问题1：如何提高文字识别准确率？

解答：

1. 图片预处理：调整对比度、灰度化、去噪（如使用 OpenCV）。
2. 选择高质量模型：优先使用基于深度学习的模型（如 PaddleOCR）。
3. 适配语言包：确保 OCR 引擎加载了正确的语言包（如中文需 chi_sim）。
4. 优化输入图片：文字清晰、无倾斜、背景均匀。

问题2：如何处理多语言混合场景？

解答：

1. Google ML Kit：通过 FirebaseVisionTextRecognizer 自动检测语言。
2. Tesseract：手动加载多个语言包（如 eng+chi_sim）。
3. PaddleOCR：选择支持多语言的模型（如 multi_language