一、什么是通用文字识别？
通用文字识别又叫通用文字OCR识别，文字识别，文字图片识别，通用文字识别是一种算法识别技术，它能够将图像中的文字转换为可编辑的文本格式，可支持多种类型图片类型。
二、通用文字识别适用哪些场景？
例如：
1.办公领域：可快速将纸质文档转换为电子文档，便于编辑、存储和搜索。例如，扫描合同、文件等，提高工作效率。
2.教育领域：用于识别教材、笔记中的文字，方便学生整理学习资料。
3.互联网应用：在社交媒体中自动识别图片中的文字，以便进行搜索和分类；在电商平台中，识别商品图片上的文字信息。
三、如何用Java进行通用文字识别接口调用？
下面我们以阿里云为例，通过Java实现调用：
public static void main(String[] args) {
String host = "https://kzwordocr.market.alicloudapi.com";
String path = "/api-mall/api/general/ocr";
String method = "POST";
String appcode = "你自己的AppCode";
Map<String, String> headers = new HashMap<String, String>();
//最后在header中的格式(中间是英文空格)为Authorization:APPCODE 83359fd73fe94948385f570e3c139105
headers.put("Authorization", "APPCODE " + appcode);
//根据API的要求，定义相对应的Content-Type
headers.put("Content-Type", "application/x-www-form-urlencoded; charset=UTF-8");
Map<String, String> querys = new HashMap<String, String>();
Map<String, String> bodys = new HashMap<String, String>();
bodys.put("image", "image");
bodys.put("url", "url");
try {
/**
* 重要提示如下:
* HttpUtils请从
* https://github.com/aliyun/api-gateway-demo-sign-java/blob/master/src/main/java/com/aliyun/api/gateway/demo/util/HttpUtils.java
* 下载
*
* 相应的依赖请参照
* https://github.com/aliyun/api-gateway-demo-sign-java/blob/master/pom.xml
*/
HttpResponse response = HttpUtils.doPost(host, path, method, headers, querys, bodys);
System.out.println(response.toString());
//获取response的body
//System.out.println(EntityUtils.toString(response.getEntity()));
} catch (Exception e) {
e.printStackTrace();
}
}
正确返回示例如下：
{
"msg": "成功",
"success": true,
"code": 200,
"data": {
"orderNo": "202407102026336827870",
"info": [
{
"line_no": 0, //文本行编号，按从左至右、从上至下顺序依次排列
"confidence": 0.96655273, //行文本识别置信度 0-1
"line_content": "姓名", //识别出的文本行内容
"line_position": {
"x": 53,
"width": 53,
"y": 66,
"line_direction": 0,
"height": 22
}
},
{
"line_no": 1,
"confidence": 0.98909503,
"line_content": "陈海江",
"line_position": {
"x": 102,
"width": 63,
"y": 63,
"line_direction": 0,
"height": 23
}
}
]
}
}
line_no 文本行编号，按从左至右、从上至下顺序依次排列
line_content 识别出的文本行内容
confidence 行文本识别置信度
line_position 文本行位置信息，表示为坐标和旋转角度（左上角X，左上角Y，宽Width，高Height，旋转角度Line Position）+x左上角顶点横坐标X +y 左上角顶点纵坐标Y
width 矩形框的宽
height 矩形框的高
line_direction 文本行的旋转角度
words 文本行内单字符的内容数组，数组元素为一个Json结构，包含character和confidence
character 候选字符character
confidence 单字符的识别置信度
