该库是对 PaddleOCR 中的 android_demo 进行二次封装的库。 对于只想体验或者快速上手使用的安卓开发者，该库对官方 demo 进行了简单的封装，使其可以直接上手使用，而无需关心 PaddleOCR 的实现，亦无需进行繁琐的配置。
基于 Paddle-Lite 部署
截图：
无需进行任何配置，直接运行 demo 即可体验。
如需集成至您自己的项目中，请按下述步骤进行：
首先，根据你使用的 Gradle 版本在项目级 build.gradle 或 settings.gradle 文件添加 jitpack 远程仓库：
allprojects {
repositories {
...
maven { url 'https://jitpack.io' }
}
}然后在 Module 级 build.gradle 文件添加依赖：
dependencies {
implementation 'com.github.equationl:paddleocr4android:v1.1.0'
}请将版本号替换为最新版本
当前最新版本：
- 去官网下载
模型下载地址: Paddle-Lite模型
注意：使用本库 v1.1.0 以上版本（包括 v1.1.0 ）时，请下载 Paddle-Lite 版本为 v2.10 的模型；v1.1.0 以下版本时请下载 v2.9 的模型。
更多模型请自行前往 PaddleOCR 官网下载。
- 直接使用demo中的模型
demo 中已经集成了 ch_PP-OCRv2 模型，可以直接复制使用
文件路径 /app/src/main/assets/models/ch_PP-OCRv2/
需要注意的是，由于是基于 Paddle-Lite 部署，所以只能使用 *.nb 格式的slim模型。
请将下载好的三个模型：
xx_cls.nb
xx_det.nb
xx_rec.nb
放置到手机任意目录或项目的 assets 的目录下。
三个模型分别为：
| 文件名 | 模型名称 | 说明 |
|---|---|---|
| xx_cls.nb | 文本方向分类模型 | 用于文本方向分类 |
| xx_det.nb | 检测模型 | 用于检测文本位置 |
| xx_rec.nb | 识别模型 | 用于识别文本内容 |
建议测试时直接放到 assets 中，避免放到手机目录中时由于权限问题而无法读取模型
正式使用时请自行实现模型的下载，建议不要直接将模型放在 assets 中打包进安装包
// 配置
val config = OcrConfig()
//config.labelPath = null
config.modelPath = "models/ch_PP-OCRv2" // 不使用 "/" 开头的路径表示安装包中 assets 目录下的文件，例如当前表示 assets/models/ocr_v2_for_cpu
//config.modelPath = "/sdcard/Android/data/com.equationl.paddleocr4android.app/files/models" // 使用 "/" 表示手机储存路径，测试时请将下载的三个模型放置于该目录下
config.clsModelFilename = "cls.nb" // cls 模型文件名
config.detModelFilename = "det_db.nb" // det 模型文件名
config.recModelFilename = "rec_crnn.nb" // rec 模型文件名
// 运行全部模型
// 请根据需要配置，三项全开识别率最高；如果只开识别几乎无法正确识别，至少需要搭配检测或分类其中之一
// 也可单独运行 检测模型 获取文本位置
config.isRunDet = true
config.isRunCls = true
config.isRunRec = true
// 使用所有核心运行
config.cpuPowerMode = CpuPowerMode.LITE_POWER_FULL
// 绘制文本位置
config.isDrwwTextPositionBox = true
// 1.同步初始化
/*ocr.initModelSync(config).fold(
{
if (it) {
Log.i(TAG, "onCreate: init success")
}
},
{
it.printStackTrace()
}
)*/
// 2.异步初始化
resultText.text = "开始加载模型"
ocr.initModel(config, object : OcrInitCallback {
override fun onSuccess() {
resultText.text = "加载模型成功"
Log.i(TAG, "onSuccess: 初始化成功")
}
override fun onFail(e: Throwable) {
resultText.text = "加载模型失败: $e"
Log.e(TAG, "onFail: 初始化失败", e)
}
})更多配置请自行查看 OcrConfig.kt
// 1.同步识别
/*val bitmap = BitmapFactory.decodeResource(resources, R.drawable.test2)
ocr.runSync(bitmap)
val bitmap2 = BitmapFactory.decodeResource(resources, R.drawable.test3)
ocr.runSync(bitmap2)*/
// 2.异步识别
val bitmap3 = BitmapFactory.decodeResource(resources, R.drawable.test4)
ocr.run(bitmap3, object : OcrRunCallback {
override fun onSuccess(result: OcrResult) {
val simpleText = result.simpleText
val imgWithBox = result.imgWithBox
val inferenceTime = result.inferenceTime
val outputRawResult = result.outputRawResult
var text = "识别文字=\n$simpleText\n识别时间=$inferenceTime ms\n更多信息=\n"
val wordLabels = ocr.getWordLabels()
outputRawResult.forEachIndexed { index, ocrResultModel ->
// 文字索引（crResultModel.wordIndex）对应的文字可以从字典（wordLabels） 中获取
ocrResultModel.wordIndex.forEach {
Log.i(TAG, "onSuccess: text = ${wordLabels[it]}")
}
// 文字方向 ocrResultModel.clsLabel 可能为 "0" 或 "180"
text += "$index: 文字方向：${ocrResultModel.clsLabel}；文字方向置信度：${ocrResultModel.clsConfidence}；识别置信度 ${ocrResultModel.confidence}；文字索引位置 ${ocrResultModel.wordIndex}；文字位置：${ocrResultModel.points}\n"
}
resultText.text = text
resultImg.setImageBitmap(imgWithBox)
}
override fun onFail(e: Throwable) {
resultText.text = "识别失败：$e"
Log.e(TAG, "onFail: 识别失败！", e)
}
})有任何问题请先尝试 demo 或阅读源码，如果无法解决请提 issue
国内镜像地址： paddleocr4android
v1.1.0
- PaddleLite 更新至 v2.10
- 支持单独运行 分类、检测、识别 模型
- API 变动：
// 移除配置项：
var inputColorFormat: InputColorFormat
var inputShape: LongArray
var inputMean: FloatArray
var inputStd: FloatArray
// 增加配置项：
/**
* 是否运行检测模型
* */
var isRunDet: Boolean = true
/**
* 是否运行分类模型
* */
var isRunCls: Boolean = true
/**
* 是否运行识别模型
* */
var isRunRec: Boolean = true
var isUseOpencl: Boolean = false
/**
* 是否绘制文字位置
*
* 如果为 true， [OcrResult.imgWithBox] 返回的是在输入 Bitmap 上绘制出文本位置框的 Bitmap
*
* 否则，[OcrResult.imgWithBox] 将会直接返回输入 Bitmap
* */
var isDrwwTextPositionBox: Boolean = false