分类:  Azure认知服务    ◆ 标签:  #Azure   #OCR   #人工智能   ◆ 发布于: 2023-06-10 22:13:54

OCR(Optical Character recognition)光学字符识别是微软AI研发成果的有一个功能强大的产品，主要的功能是从图片或者PDF文档中提取文字，包括印刷体的图片和手写体的图片或者文档，目前的API关于手写体的识别仅支持英文手写。

OCR有两种API， 新的Read API目前版本是3.0， 印刷体识别目前支持73种语言。关于文档的支持:

• 支持格式: JPEG, PNG, BMP, PDF, TIFF
• 对于PDF和TIFF文档，最多能处理2000个页面。(免费只支持两个页面)
• 文件的大小不能超过50M，图片尺寸在50*50 至 10000 * 10000 个像素之间。

关于支持的语言可以参考这个链接:https://docs.microsoft.com/zh-cn/azure/cognitive-services/computer-vision/language-support#optical-character-recognition-ocr

主要的功能：

• 73 种语言的打印文本提取
• 英语手写文本提取
• 具有位置和置信度分数的文本行和字词
• 不需要语言标识
• 支持混合语言、混合模式（打印和手写）
• 从大型多页文档中选择页面和页面范围
• 文本行的自然阅读顺序
• 文本行的手写分类
• 本地部署可用的 Distroless Docker 容器

OCR入门介绍

开始使用ORC read API之前，需要一个Azure的订阅账号，然后创建Compute Vision资源。

创建Compute Vision资源

登录到Azure Portal之后，在Marketplace中搜索compute Vision, 搜索出之后，点击创建，如下图:

点击创建之后，出现的对话框中填写必要的信息：

创建成功后，到资源的首页，选择Key and Endpoint, 记录下Key, Endpoint, region的信息。

至此资源创建成功了。

创建测试程序

本节的demo代码可以在如下的位置找到:https://github.com/hylinux/azure-demo/tree/main/dotnet/cognitive-service/Vision/OCRDemo

我们使用.Net作为我们的测试工具，因此可以使用.Net 5提供的命令行工具来创建应用, 同时我们需要引用包Microsoft.Azure.CognitiveServices.Vision.ComputerVision

dotnet new console -n OCRDemo
cd OCRDemo
dotnet add package Microsoft.Azure.CognitiveServices.Vision.ComputerVision

编辑Program.cs, 添加如下的包引用

using System;
using System.Collections.Generic;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision;
using Microsoft.Azure.CognitiveServices.Vision.ComputerVision.Models;
using System.Threading.Tasks;
using System.IO;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.Threading;
using System.Linq;

同时在类Program定义两个字段，引用上面已经保存的值key, endpoint

static string subscriptionKey = "PASTE_YOUR_COMPUTER_VISION_SUBSCRIPTION_KEY_HERE";
static string endpoint = "PASTE_YOUR_COMPUTER_VISION_ENDPOINT_HERE";

同时在相同的类中定义一个用于测试的图片

private const string READ_TEXT_URL_IMAGE = "https://intelligentkioskstore.blob.core.windows.net/visionapi/suggestedphotos/3.png";

该图片的显示效果如下

定义用于获取ComputeVisionClient对象，并认证的方法Authenticate

public static ComputerVisionClient Authenticate(string endpoint, string key)
{
    ComputerVisionClient client =
      new ComputerVisionClient(new ApiKeyServiceClientCredentials(key))
      { Endpoint = endpoint };
    return client;
}

这里有两个类需要说明一下:

定义阅读图像的方法ReadFileUrl

public static async Task ReadFileUrl(ComputerVisionClient client, string urlFile)
{
    Console.WriteLine("----------------------------------------------------------");
    Console.WriteLine("READ FILE FROM URL");
    Console.WriteLine();

    //直接使用客户端从样例文件的URL把文件读入
    //并进行识别
    var textHeaders = await client.ReadAsync(urlFile);
    // After the request, get the operation location (operation ID)
    string operationLocation = textHeaders.OperationLocation;
    Console.WriteLine($"The Operation Location is {operationLocation}");
    Thread.Sleep(2000);

    // Retrieve the URI where the extracted text will be stored from the Operation-Location header.
    // We only need the ID and not the full URL
    const int numberOfCharsInOperationId = 36;
    string operationId = operationLocation.Substring(operationLocation.Length - numberOfCharsInOperationId);

    // Extract the text
    ReadOperationResult results;
    Console.WriteLine($"Extracting text from URL file {Path.GetFileName(urlFile)}...");
    Console.WriteLine();
    do
    {
        results = await client.GetReadResultAsync(Guid.Parse(operationId));
    }
    while ((results.Status == OperationStatusCodes.Running ||
        results.Status == OperationStatusCodes.NotStarted));

    // Display the found text.
    Console.WriteLine();
    var textUrlFileResults = results.AnalyzeResult.ReadResults;
    foreach (ReadResult page in textUrlFileResults)
    {
        foreach (Line line in page.Lines)
        {
            Console.WriteLine(line.Text);
        }
    }
    Console.WriteLine();
}

在Main()方法中调用刚才定义的实例:

static async Task Main(string[] args)
{
    var client = Authenticate(endpoint, subscriptionKey);
    await ReadFileUrl(client, READ_TEXT_URL_IMAGE);
}

运行该实例:

dotnet run

运行结果如下:

C:\source\repos\azure-demo\dotnet\cognitive-service\Vision\OCRDemo>dotnet run
----------------------------------------------------------
READ FILE FROM URL

The Operation Location is https://computevisiondemo.cognitiveservices.azure.com/vision/v3.2/read/analyzeResults/2393d94f-d42d-42b9-b75c-fc37be28cbf5
Extracting text from URL file 3.png...


Nutrition Facts Amount Per Serving
Serving size: 1 bar (40g)
Serving Per Package: 4
Total Fat 13g
Saturated Fat 1.5g
Amount Per Serving
Trans Fat 0g
Calories 190
Cholesterol 0mg
ories from Fat 110
Sodium 20mg
nt Daily Values are based on Vitamin A 50%
calorie diet.


C:\source\repos\azure-demo\dotnet\cognitive-service\Vision\OCRDemo>

我们再次测试一个中文的图片例子:

测试的结果如下:

C:\source\repos\azure-demo\dotnet\cognitive-service\Vision\OCRDemo>dotnet run
----------------------------------------------------------
READ FILE FROM URL

The Operation Location is https://computevisiondemo.cognitiveservices.azure.com/vision/v3.2/read/analyzeResults/3610dff3-46c1-4ce7-828f-f2e0007d02c5
Extracting text from URL file u=252689820,3703174189&fm=26&gp=0.jpg...


方正风雅楷宋简体  
方正风雅宋简体    
方正细倩简体      
方正清刻本悦宋简体
方正新秀麗緊體    
方正是建德字体    
方正剑体简体      
汉仪平盛行简      
默隔信愛手 写偉   

非常的容易和简单，关于OCR的介绍就到这里了，有其他问题请和我联系哈。