Microsoft Cognitive Services (2) - 使用Vision API進行OCR
既然是Vision，那範圍當然不只包含辨識圖片，或是找到照片中的人臉，Vision API還可以幫你達成OCR的功能。實際測試的結果，如果是印刷體的文字，辨識率算是不錯了，而且支援多種語文，包含中文，就很值得大家關注一下了。
底下是實際辨識一張slide的結果，你會發現不管是標題或是內文，辨識度都非常好(不過也是因為是標準清晰的印刷體的原因):
別小看Vision API的OCR功能，在同一個圖檔中，有多行不同角度傾斜的文字，在一定的範圍內，Vision API依舊可以辨識出來，它是一個區塊一個區塊去辨識的，重點是，程式寫起來一點都不複雜。
底下這段WPF的Code，就是按下上圖中的『選擇文字照片』之後，所執行的完整程式碼:
//抓取key
var VisionApiKey = textBoxkey.Text.Trim();
//讀取圖檔
var openDlg = new Microsoft.Win32.OpenFileDialog();
//圖檔過濾類型
openDlg.Filter = "JPEG Image(*.jpg)|*.jpg|*.png|*.png";
bool? result = openDlg.ShowDialog(this);
//沒選檔案
if (!(bool)result) return;
//取得選擇的檔案名稱
string filePath = openDlg.FileName;
//OCR OcrResults
OcrResults OcrResults;
//建立VisionServiceClient
var visionClient = new Microsoft.ProjectOxford.Vision.VisionServiceClient(VisionApiKey);
using (var fs = new FileStream(filePath, FileMode.Open))
{
this.textBox.Text = "辨識中...";
//以繁體中文辨識
OcrResults = await visionClient.RecognizeTextAsync(fs, LanguageCodes.ChineseTraditional);
this.textBox.Text = "";
}
this.textBox.Text = "";
//抓取每一區塊的辨識結果
foreach (var Region in OcrResults.Regions)
{
//抓取每一行
foreach (var line in Region.Lines)
{
//抓取每一個字
foreach (var Word in line.Words)
{
//顯示辨識結果
this.textBox.Text += Word.Text;
}
//加換行
this.textBox.Text += "\n";
}
}
//顯示原始圖片
Uri fileUri = new Uri(filePath);
BitmapImage bitmapSource = new BitmapImage();
bitmapSource.BeginInit();
bitmapSource.CacheOption = BitmapCacheOption.None;
bitmapSource.UriSource = fileUri;
bitmapSource.EndInit();
image1.Source = bitmapSource;
幾乎不用解釋，非常的簡單。
建立了VisionServiceClient之後，將讀入的stream傳遞給RecognizeTextAsync方法，並且指定要用繁體中文辨識。
結果以OcrResults這個類別的物件回傳，其中OcrResults.Regions是辨識出的每一個文字區塊，接著以Region.Lines和line.Words抓取到每一行和每一個字，就這樣，辨識出來囉…
超容易的吧!
留言