百度OCR识别图片文本字符串——物联网上位机软件

news2024/11/28 20:51:48

一、开发背景

根据项目需求，我们需要完成LED显示屏实时显示歌词的效果。最优的方法是调用歌曲播放器的API获取歌词，但是由于这个开发资格不是很好申请，因此我们采用其他方案，即通过OCR识别获取歌词，并投射到LED显示屏上。本项目使用IDEA开发。

本文将跳过对歌词的截图以及后续将文本投射到LED显示屏的代码，下文将主要介绍如何调用百度OCR文字识别的API接口，并将识别的文本打印出来。

二、具体实现

首先，登录百度开发者中心，进行实名认证后，创建应用程序。

API开发文档：通用文字识别（标准版）

根据开发文档，首先我们需要从本地读取图片，并进行Base64编码与URLencode.

 // 读取图片文件为字节数组
File file = new File("D:\\Led_Display\\screenshot.png");
byte[] imageBytes = new byte[0];
try {
    imageBytes = Files.readAllBytes(file.toPath());
} catch (IOException e) {
    throw new RuntimeException(e);
}
// 将字节数组转换为base64编码的字符串
String base64String = Base64.getEncoder().encodeToString(imageBytes);
// 将base64编码的字符串进行urlencode
encodedString=null;//清空
try {
    encodedString = URLEncoder.encode(base64String, "UTF-8");
} catch (UnsupportedEncodingException e) {
        throw new RuntimeException(e);
}
// 打印结果
System.out.println("Base64编码后图片:"+encodedString);

在JAVA中，我们需要先创建一个HttpClient对象和HttpRequest对象，这将用于封装和发送请求，并在request对象中带入上面编码的图片信息。

request = HttpRequest.newBuilder()
        // 设置请求的URL，其中access_token是通过API Key和Secret Key获取的
        .uri(URI.create("https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=???"))
        // 设置请求的Header，Content-Type为application/x-www-form-urlencoded
        .header("Content-Type", "application/x-www-form-urlencoded")
        // 设置请求的Body，image参数为encodedString
        .POST(HttpRequest.BodyPublishers.ofString("image=" + encodedString))
        .build();

发送请求，并获取HttpResponse对象，此处我们需要捕捉异常。

// 发送HttpPost对象，并获取HttpResponse对象
HttpResponse<String> response = null;
try {
    response = httpClient.send(request, HttpResponse.BodyHandlers.ofString());
} catch (IOException e) {
    throw new RuntimeException(e);
} catch (InterruptedException e) {
    throw new RuntimeException(e);
}

根据开发文档，获取返回状态码等信息，并提取出我们需要的信息打印输出。

// 获取响应状态码
int statusCode = response.statusCode();
// 获取响应体内容
String body = response.body();
// 打印结果
System.out.println("请求状态编码: " + statusCode);
System.out.println("响应Body: " + body);
if(statusCode!=200)
    return "";
else
{
    JsonParser jsonParser=new JsonParser();
    JsonObject jsonObject= (JsonObject) jsonParser.parse(body);
    JsonArray words_result = jsonObject.getAsJsonArray("words_result");
    if(words_result.size()>=1) {
        JsonObject json = (JsonObject) jsonParser.parse(words_result.get(0).toString());
        System.out.println("解析到的文本为:" + json.get("words").toString());
        System.out.println("OCR功能测试正常");
        return json.get("words").toString();
    }
    else {
        System.out.println("OCR未识别到任何文本");
        return "";
    }
}