引言

手写文字识别（Handwritten Text Recognition, HTR）是计算机视觉领域的重要应用场景，广泛应用于文档数字化、票据处理、教育作业批改等场景。传统OCR技术对印刷体识别效果较好，但手写体因字体多样、书写风格各异，识别难度显著增加。百度智能云提供的手写文字识别API基于深度学习模型，支持中英文混合、复杂背景、自由书写格式的识别，且具备高精度、低延迟的特点。本文将系统介绍如何调用该API，涵盖环境准备、API调用流程、代码实现及优化建议，帮助开发者快速集成并提升识别效率。

一、百度智能云手写文字识别API概述

1.1 API核心能力

百度智能云手写文字识别API提供以下核心功能：

• 多语言支持：支持中文、英文、数字及符号的混合识别；
• 复杂场景适配：可处理倾斜、模糊、背景干扰等复杂手写样本；
• 高精度模型：基于深度卷积神经网络（CNN）和循环神经网络（RNN）的混合架构，识别准确率超95%；
• 批量处理能力：支持单张图片或批量图片的异步识别，提升处理效率。

1.2 适用场景

• 教育行业：自动批改手写作业、试卷；
• 金融行业：识别手写票据、签名；
• 档案管理：数字化手写文档；
• 移动应用：集成手写输入功能，提升用户体验。

二、调用前的准备工作

2.1 注册与认证

1. 注册百度智能云账号：访问百度智能云官网，完成实名认证；
2. 创建应用：在控制台选择“文字识别”服务，创建应用并获取API Key和Secret Key；
3. 开通服务：确保已开通“手写文字识别”服务（部分版本需付费）。

2.2 开发环境配置

• 编程语言：支持Python、Java、C++等主流语言，本文以Python为例；
• 依赖库：安装requests库（用于HTTP请求）和base64库（用于图片编码）：

  pip install requests

三、API调用流程详解

3.1 获取Access Token

调用百度智能云API需先获取授权令牌（Access Token），有效期为30天。代码如下：

import requests
import base64
import json
def get_access_token(api_key, secret_key):
    url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={api_key}&client_secret={secret_key}"
    response = requests.get(url)
    data = json.loads(response.text)
    return data["access_token"]

3.2 图片预处理

• 格式要求：支持JPG、PNG、BMP等格式，单张图片大小不超过5MB；
• 尺寸建议：图片宽度建议大于20像素，高度自适应；
• 编码方式：将图片转为Base64编码：

  def image_to_base64(image_path):
      with open(image_path, "rb") as f:
          img_data = f.read()
      return base64.b64encode(img_data).decode("utf-8")

3.3 调用识别API

通过HTTP POST请求调用手写文字识别接口，关键参数如下：

• access_token：授权令牌；
• image：Base64编码的图片数据；
• recognize_granularity：识别粒度（big为整行识别，small为单词级识别）；
• is_pdf：是否为PDF文件（默认为false）。

完整代码示例：

def handwriting_recognition(access_token, image_path):
    url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/handwriting?access_token={access_token}"
    img_base64 = image_to_base64(image_path)
    headers = {"Content-Type": "application/x-www-form-urlencoded"}
    data = {
        "image": img_base64,
        "recognize_granularity": "big",
        "is_pdf": "false"
    }
    response = requests.post(url, data=data, headers=headers)
    result = json.loads(response.text)
    return result

3.4 解析识别结果

API返回的JSON数据包含以下关键字段：

• words_result：识别结果列表，每个元素包含words（识别文本）和location（坐标）；
• words_result_num：识别结果数量。

示例输出：

{
    "log_id": 123456789,
    "words_result_num": 2,
    "words_result": [
        {"words": "百度智能云", "location": {"top": 10, "left": 20, ...}},
        {"words": "Handwriting OCR", "location": {"top": 50, "left": 30, ...}}
    ]
}

四、优化与调试建议

4.1 提升识别准确率

• 预处理优化：对图片进行二值化、去噪、倾斜校正；
• 粒度选择：若需精确到单词，设置recognize_granularity=small；
• 语言模型：通过language_type参数指定语言（如CHN_ENG）。

4.2 错误处理

常见错误及解决方案：

• 400 Bad Request：检查图片格式、大小及Base64编码；
• 401 Unauthorized：确认Access Token是否过期；
• 429 Too Many Requests：控制请求频率（QPS限制为10次/秒）。

4.3 性能优化

• 批量处理：通过异步接口（async模式）提交多张图片；
• 缓存机制：对重复图片的识别结果进行本地缓存。

五、完整代码示例

import requests
import base64
import json
class HandwritingOCR:
    def __init__(self, api_key, secret_key):
        self.api_key = api_key
        self.secret_key = secret_key
        self.access_token = self.get_access_token()
    def get_access_token(self):
        url = f"https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={self.api_key}&client_secret={self.secret_key}"
        response = requests.get(url)
        return json.loads(response.text)["access_token"]
    def recognize(self, image_path):
        url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/handwriting?access_token={self.access_token}"
        with open(image_path, "rb") as f:
            img_data = f.read()
        img_base64 = base64.b64encode(img_data).decode("utf-8")
        data = {
            "image": img_base64,
            "recognize_granularity": "big"
        }
        response = requests.post(url, data=data)
        return json.loads(response.text)
# 使用示例
if __name__ == "__main__":
    ocr = HandwritingOCR("your_api_key", "your_secret_key")
    result = ocr.recognize("test.jpg")
    print(json.dumps(result, indent=2, ensure_ascii=False))

六、总结与展望

通过调用百度智能云手写文字识别API，开发者可快速实现高精度的手写文本识别功能，显著降低开发成本。未来，随着模型优化和多模态技术的融合，手写识别的准确率和场景适应性将进一步提升。建议开发者关注百度智能云官方文档，及时获取最新功能更新。