Android集成chineseocr_lite教程：打造离线OCR扫描应用-CSDN博客

Android集成chineseocr_lite教程：打造离线OCR扫描应用

【免费下载链接】chineseocr_lite 超轻量级中文ocr，支持竖排文字识别, 支持ncnn、mnn、tnn推理 ( dbnet(1.8M) + crnn(2.5M) + anglenet(378KB)) 总模型仅4.7M 项目地址: https://gitcode.com/gh_mirrors/ch/chineseocr_lite

你是否还在为移动端离线文字识别功能的开发而烦恼？是否因模型体积过大导致应用臃肿？本文将带你一步步集成超轻量级中文OCR引擎chineseocr_lite，仅需4.7M总模型大小即可实现高效的离线文字识别功能，支持证件、车牌、设备码等多种场景的文字提取。

项目概述

chineseocr_lite是一个超轻量级中文OCR项目，采用DBNet（1.8M）+ AngleNet（378KB）+ CRNN（2.5M）组合模型，总大小仅4.7M，特别适合移动端集成。该项目支持ncnn、mnn、tnn等多种推理框架，Android平台主要通过ncnn框架实现高效推理。

项目目录结构清晰，提供了完整的Android集成方案：

核心库：android_projects/OcrLiteAndroidNcnn/OcrLibrary
示例应用：android_projects/OcrLiteAndroidNcnn/app
模型文件：models_ncnn

环境准备

开发环境要求

Android Studio 2020.3.1或以上版本
NDK最新版本（通过SDK Tools下载）
CMake 3.4.1或以上版本（建议3.18.1）
Gradle 7.0.2或以上

依赖文件准备

模型文件：从项目models_ncnn目录获取以下文件，放置到OcrLibrary/src/main/assets目录：
- angle_op.bin
- angle_op.param
- crnn_lite_op.bin
- crnn_lite_op.param
- dbnet_op.bin
- dbnet_op.param
- keys.txt
OpenCV库：下载opencv-mobile-3.4.15-android，解压至OcrLibrary/src/sdk/native
ncnn库：下载ncnn预编译库，分别解压至：
- CPU版：OcrLibrary/src/main/ncnn
- GPU版（支持Vulkan）：OcrLibrary/src/main/ncnn-vulkan

⚠️ 注意：解压后需修改每个ABI目录下的lib/cmake/ncnn/ncnn.cmake文件，注释掉# INTERFACE_COMPILE_OPTIONS "-fno-rtti;-fno-exceptions"行，否则会导致编译错误。

集成步骤

1. 配置项目依赖

在settings.gradle中添加OcrLibrary模块：

include ':app', ':OcrLibrary'

在app模块的build.gradle中添加依赖：

implementation project(':OcrLibrary')

2. 初始化OCR引擎

创建OcrEngine实例，初始化模型：

import com.benjaminwan.ocrlibrary.OcrEngine

class MainActivity : AppCompatActivity() {
    private lateinit var ocrEngine: OcrEngine

    override fun onCreate(savedInstanceState: Bundle?) {
        super.onCreate(savedInstanceState)
        setContentView(R.layout.activity_main)
        
        // 初始化OCR引擎
        ocrEngine = try {
            OcrEngine(applicationContext)
        } catch (e: Exception) {
            Log.e("OCR", "初始化失败: ${e.message}")
            return
        }
        
        // 配置识别参数
        ocrEngine.apply {
            padding = 50
            boxScoreThresh = 0.6f
            boxThresh = 0.3f
            unClipRatio = 2.0f
            doAngle = true // 支持角度检测
            mostAngle = true // 支持多角度识别
        }
    }
}

核心初始化代码位于OcrEngine.kt，通过JNI调用底层C++实现：

init {
    System.loadLibrary("OcrLite")
    val ret = init(context.assets, numThread)
    if (!ret) throw IllegalArgumentException()
}

3. 实现图片识别功能

从相册选择图片识别

// 启动相册
val intent = Intent(Intent.ACTION_GET_CONTENT)
intent.type = "image/*"
startActivityForResult(intent, REQUEST_CODE_PICK_IMAGE)

// 处理选择结果
override fun onActivityResult(requestCode: Int, resultCode: Int, data: Intent?) {
    super.onActivityResult(requestCode, resultCode, data)
    if (requestCode == REQUEST_CODE_PICK_IMAGE && resultCode == RESULT_OK) {
        data?.data?.let { uri ->
            val bitmap = BitmapFactory.decodeStream(contentResolver.openInputStream(uri))
            // 创建输出bitmap用于绘制识别结果
            val outputBitmap = bitmap.copy(Bitmap.Config.ARGB_8888, true)
            // 执行识别
            val ocrResult = ocrEngine.detect(bitmap, outputBitmap, maxSideLen = 1024)
            // 显示识别结果
            showResult(outputBitmap, ocrResult)
        }
    }
}

相机实时识别

项目提供了相机识别功能，可直接集成CameraX实现预览帧处理：

// 设置预览分析器
imageAnalysis.setAnalyzer(cameraExecutor) { imageProxy ->
    val bitmap = imageProxy.toBitmap() // 转换为Bitmap
    val outputBitmap = bitmap.copy(Bitmap.Config.ARGB_8888, true)
    val ocrResult = ocrEngine.detect(bitmap, outputBitmap, maxSideLen = 1024)
    // 在主线程更新UI
    runOnUiThread {
        imageView.setImageBitmap(outputBitmap)
        resultTextView.text = ocrResult.text
    }
    imageProxy.close()
}

4. 识别结果处理

OCR识别结果封装在OcrResult.kt中，包含文本内容、置信度和坐标信息：

data class OcrResult(
    val text: String, // 识别文本
    val score: Float, // 平均置信度
    val boxes: List<BoxInfo> // 文本框信息列表
)

data class BoxInfo(
    val text: String,
    val score: Float,
    val box: List<PointF> // 四边形坐标
)

可根据业务需求提取特定区域文本，如证件号码、车牌号码等。

功能展示

设备码识别

证件识别

车牌识别

编译与优化

编译选项配置

在Android Studio的"Build Variants"中选择构建变体：

CpuDebug/CpuRelease：仅CPU支持，最小SDK 21，APK约21MB
GpuDebug/GpuRelease：支持GPU加速（Vulkan），最小SDK 24，APK约58MB

命令行编译

# Linux/Mac
./gradlew assembleRelease

# Windows
gradlew.bat assembleRelease

编译输出位于app/build/outputs/apk

常见问题解决

模型文件找不到

确保模型文件放置在正确路径： OcrLibrary/src/main/assets

编译错误：undefined reference to 'ncnn::Net::load_param'

检查ncnn库是否正确配置，确保OcrLibrary/src/main/cpp/CMakeLists.txt中已正确引入ncnn和OpenCV：

target_link_libraries(
    OcrLite
    ncnn
    opencv_core
    opencv_imgproc
    android
    jnigraphics
    log
)

识别速度优化

调整maxSideLen参数（建议800-1200）
减少线程数：OcrEngine.kt中的numThread常量
选择GPU构建变体启用硬件加速

总结

通过本文教程，你已掌握如何将chineseocr_lite集成到Android应用中，实现高效的离线文字识别功能。该方案具有模型小、速度快、识别准的特点，非常适合移动场景下的文字提取需求。

项目提供了完整的演示代码和场景示例，你可以直接参考android_projects/OcrLiteAndroidNcnn目录下的实现，快速构建自己的OCR应用。

如需进一步优化或扩展功能，可查阅：

官方文档：README.md
高级配置：config.py
C++核心实现：cpp_projects/OcrLiteNcnn

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考