安卓图片识别OCR Demo：从零搭建文字识别应用指南

一、技术背景与需求分析

在移动办公、教育、金融等场景中，将图片中的文字转换为可编辑文本的需求日益增长。安卓平台OCR技术可应用于身份证识别、票据扫描、文档电子化等场景，其核心价值在于：

1. 提升数据录入效率（较手动输入效率提升5-10倍）
2. 降低人工错误率（准确率可达95%以上）
3. 扩展移动设备功能边界

典型应用场景包括：

• 银行APP的票据识别
• 办公软件的文档扫描
• 教育类APP的试题识别
• 物流行业的运单信息提取

二、技术方案选型

1. OCR引擎对比

方案	优势	局限	适用场景
Tesseract	开源免费，支持100+语言	识别率较低（约70-80%）	预算有限的基础需求
ML Kit	Google官方，集成简单	功能受限，高级功能需付费	快速原型开发
PaddleOCR	中文识别优秀，支持多语言	模型体积较大（约200MB）	中文为主的复杂场景
自定义模型	最高识别精度（可达99%）	开发成本高，需数据标注	高精度专业应用

2. 推荐方案

对于大多数开发者，建议采用ML Kit + Tesseract混合方案：

• 基础识别：ML Kit（快速集成）
• 专业需求：Tesseract（可训练模型）
• 高级场景：PaddleOCR（中文优化）

三、核心实现步骤

1. 环境准备

// app/build.gradle 依赖配置
dependencies {
    // ML Kit 基础OCR
    implementation 'com.google.mlkit:text-recognition:16.0.0'
    // Tesseract 依赖（需配置本地库）
    implementation 'com.rmtheis:tess-two:9.1.0'
    // 图片处理库
    implementation 'com.github.bumptech.glide:glide:4.12.0'
}

2. 权限配置

<!-- AndroidManifest.xml -->
<uses-permission android:name="android.permission.READ_EXTERNAL_STORAGE" />
<uses-permission android:name="android.permission.CAMERA" />
<uses-feature android:name="android.hardware.camera" />
<uses-feature android:name="android.hardware.camera.autofocus" />

3. ML Kit实现示例

// 1. 初始化识别器
private val recognizer = TextRecognition.getClient(TextRecognizerOptions.DEFAULT_OPTIONS)
// 2. 处理图片输入
fun recognizeText(bitmap: Bitmap) {
    val image = InputImage.fromBitmap(bitmap, 0)
    recognizer.process(image)
        .addOnSuccessListener { visionText ->
            // 处理识别结果
            val result = visionText.textBlocks.joinToString("\n") { block ->
                block.lines.joinToString(" ") { line ->
                    line.text
                }
            }
            showResult(result)
        }
        .addOnFailureListener { e ->
            Log.e("OCR", "识别失败", e)
        }
}

4. Tesseract实现示例

// 1. 初始化Tesseract
private fun initTesseract() {
    try {
        TessBaseAPI().apply {
            init(dataPath, "eng+chi_sim") // 英文+简体中文
            setPageSegMode(PageSegMode.PSM_AUTO)
        }
    } catch (e: Exception) {
        Log.e("OCR", "初始化失败", e)
    }
}
// 2. 执行识别
fun recognizeWithTesseract(bitmap: Bitmap): String {
    val api = TessBaseAPI()
    api.setImage(bitmap)
    return api.utf8Text?.trim() ?: ""
}

四、性能优化策略

1. 预处理优化

fun preprocessImage(bitmap: Bitmap): Bitmap {
    return bitmap.apply {
        // 灰度化
        val grayBitmap = toGrayScale()
        // 二值化（阈值128）
        return grayBitmap.threshold(128)
        // 降噪（可选）
        // return applyGaussianBlur()
    }
}
// 扩展函数示例
fun Bitmap.toGrayScale(): Bitmap {
    val width = width
    val height = height
    val pixels = IntArray(width * height)
    getPixels(pixels, 0, width, 0, 0, width, height)
    for (i in pixels.indices) {
        val r = Color.red(pixels[i])
        val g = Color.green(pixels[i])
        val b = Color.blue(pixels[i])
        pixels[i] = Color.rgb(
            (r * 0.299 + g * 0.587 + b * 0.114).toInt(),
            (r * 0.299 + g * 0.587 + b * 0.114).toInt(),
            (r * 0.299 + g * 0.587 + b * 0.114).toInt()
        )
    }
    val result = Bitmap.createBitmap(width, height, config)
    result.setPixels(pixels, 0, width, 0, 0, width, height)
    return result
}

2. 异步处理方案

// 使用Coroutine实现异步识别
suspend fun recognizeAsync(bitmap: Bitmap): String = withContext(Dispatchers.IO) {
    return@withContext when (selectedEngine) {
        ENGINE_ML_KIT -> mlKitRecognize(bitmap)
        ENGINE_TESSERACT -> tesseractRecognize(bitmap)
        else -> ""
    }
}
// 在Activity/Fragment中调用
lifecycleScope.launch {
    val result = recognizeAsync(selectedBitmap)
    withContext(Dispatchers.Main) {
        textView.text = result
    }
}

五、完整Demo实现要点

1. 界面设计

<!-- activity_main.xml -->
<LinearLayout>
    <ImageView
        android:id="@+id/imageView"
        android:layout_width="match_parent"
        android:layout_height="300dp"/>
    <Button
        android:id="@+id/btnCapture"
        android:text="拍照识别"/>
    <Button
        android:id="@+id/btnGallery"
        android:text="从相册选择"/>
    <ScrollView
        android:layout_width="match_parent"
        android:layout_height="wrap_content">
        <TextView
            android:id="@+id/tvResult"
            android:layout_width="match_parent"
            android:layout_height="wrap_content"/>
    </ScrollView>
</LinearLayout>

2. 主Activity实现

class MainActivity : AppCompatActivity() {
    private lateinit var binding: ActivityMainBinding
    private val recognizer = TextRecognition.getClient()
    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        binding = ActivityMainBinding.inflate(layoutInflater)
        setContentView(binding.root)
        binding.btnCapture.setOnClickListener {
            launchCamera()
        }
        binding.btnGallery.setOnClickListener {
            openGallery()
        }
    }
    private fun launchCamera() {
        val intent = Intent(MediaStore.ACTION_IMAGE_CAPTURE)
        startActivityForResult(intent, REQUEST_CAMERA)
    }
    private fun openGallery() {
        val intent = Intent(Intent.ACTION_PICK, MediaStore.Images.Media.EXTERNAL_CONTENT_URI)
        startActivityForResult(intent, REQUEST_GALLERY)
    }
    override fun onActivityResult(requestCode: Int, resultCode: Int, data: Intent?) {
        super.onActivityResult(requestCode, resultCode, data)
        if (resultCode == RESULT_OK) {
            when (requestCode) {
                REQUEST_CAMERA -> {
                    val bitmap = data?.extras?.get("data") as Bitmap
                    processImage(bitmap)
                }
                REQUEST_GALLERY -> {
                    val uri = data?.data
                    uri?.let {
                        val bitmap = MediaStore.Images.Media.getBitmap(contentResolver, it)
                        processImage(bitmap)
                    }
                }
            }
        }
    }
    private fun processImage(bitmap: Bitmap) {
        binding.imageView.setImageBitmap(bitmap)
        // 显示加载对话框
        val dialog = ProgressDialog.show(this, "处理中", "正在识别文字...")
        lifecycleScope.launch {
            val result = recognizeAsync(bitmap)
            withContext(Dispatchers.Main) {
                binding.tvResult.text = result
                dialog.dismiss()
            }
        }
    }
}

六、常见问题解决方案

1. 识别率低问题

• 原因分析：

  • 图片质量差（模糊、倾斜、光照不均）
  • 字体复杂（手写体、艺术字）
  • 语言包缺失

• 解决方案：

  // 图片增强处理
  fun enhanceImage(bitmap: Bitmap): Bitmap {
      return bitmap.apply {
          // 1. 矫正倾斜
          val corrected = deskew(this)
          // 2. 对比度增强
          return corrected.adjustContrast(1.5f)
      }
  }

2. 性能瓶颈优化

• 内存管理：

  • 使用BitmapFactory.Options进行采样

    fun decodeSampledBitmap(path: String, reqWidth: Int, reqHeight: Int): Bitmap {
      val options = BitmapFactory.Options().apply {
          inJustDecodeBounds = true
          BitmapFactory.decodeFile(path, this)
          inSampleSize = calculateInSampleSize(this, reqWidth, reqHeight)
          inJustDecodeBounds = false
      }
      return BitmapFactory.decodeFile(path, options)
    }

• 线程管理：

  • 使用ThreadPoolExecutor控制并发
    ```kotlin
    private val executor = ThreadPoolExecutor(
    2, // 核心线程数
    4, // 最大线程数
    60, TimeUnit.SECONDS,
    LinkedBlockingQueue()
    )

  fun recognizeInBackground(bitmap: Bitmap, callback: (String) -> Unit) {

  executor.execute {
      val result = recognizeAsync(bitmap)
      runOnUiThread { callback(result) }
  }

  }
  ```

七、进阶功能扩展

1. 多语言支持

// 动态加载语言包
fun loadLanguagePack(langCode: String) {
    try {
        val inputStream = assets.open("tessdata/$langCode.traineddata")
        val destFile = File(filesDir, "$langCode.traineddata")
        inputStream.copyTo(destFile.outputStream())
    } catch (e: IOException) {
        Log.e("OCR", "语言包加载失败", e)
    }
}

2. 区域识别

// ML Kit 区域识别
fun recognizeArea(bitmap: Bitmap, area: Rect) {
    val croppedBitmap = Bitmap.createBitmap(bitmap, area.left, area.top, area.width(), area.height())
    recognizeText(croppedBitmap)
}

八、总结与建议

1. 快速原型开发：优先使用ML Kit，30分钟内可完成基础功能
2. 专业应用开发：
   • 中文场景推荐PaddleOCR
   • 需要训练模型时选择Tesseract
3. 性能优化重点：
   • 图片预处理（占优化效果的60%）
   • 异步处理架构
   • 内存管理策略

完整Demo代码已上传至GitHub（示例链接），包含：

• 三种OCR引擎实现
• 图片处理工具类
• 性能测试模块
• 单元测试用例

建议开发者根据实际需求选择技术方案，对于商业项目建议考虑：

• 识别准确率要求（95%+需专业引擎）
• 响应时间要求（<1s需优化预处理）
• 离线使用需求（Tesseract/PaddleOCR）