Sdílet prostřednictvím

Začínáme s rozpoznáváním textu AI (OCR)

Rozpoznávání textu, označované také jako optické rozpoznávání znaků (OCR), je podporováno sadou rozhraní API AI systému Windows, která umí rozpoznat a extrahovat text v obrázcích a převést ho na strojově čitelné datové proudy znaků.

Tato rozhraní API můžou identifikovat znaky, slova, řádky, mnohoúhelníkové hranice textu a poskytovat úrovně spolehlivosti pro každou shodu. Jsou také podporovány hardwarovou akcelerací v zařízeních s neurálním procesorem (NPU), což je rychlejší a přesnější než starší rozhraní Windows.Media.Ocr.OcrEngine API v sadě Windows Platform SDK.

Podrobnosti o rozhraní API najdete v tématu Referenční informace k rozhraní API pro rozpoznávání textu (OCR).

Co můžu dělat s rozpoznáváním textu AI?

Funkce rozpoznávání textu AI slouží k identifikaci a rozpoznávání textu na obrázku. Můžete také získat hranice textu a skóre spolehlivosti pro rozpoznaný text.

Poznámka

Znaky, které jsou nečitelné nebo malé velikosti, můžou generovat nepřesné výsledky.

Vytvoření imageBufferu ze souboru

V tomto příkladu LoadImageBufferFromFileAsync WinUI voláme funkci, která získá ImageBuffer z obrazového souboru.

Ve funkci LoadImageBufferFromFileAsync provedeme následující kroky:

  1. Ze zadané cesty k souboru vytvořte objekt StorageFile.
  2. Pomocí openAsyncotevřete datový proud v souboru StorageFile.
  3. Vytvořte BitmapDecoder pro datový proud.
  4. Zavolejte GetSoftwareBitmapAsync na rastrovém dekodéru pro získání objektu SoftwareBitmap.
  5. ```Vrátit vyrovnávací paměť obrazu z CreateBufferAttachedToBitmap.```
using Microsoft.Windows.AI.Imaging;
using Microsoft.Graphics.Imaging;
using Windows.Graphics.Imaging;
using Windows.Storage;
using Windows.Storage.Streams;

public async Task<ImageBuffer> LoadImageBufferFromFileAsync(string filePath)
{
    StorageFile file = await StorageFile.GetFileFromPathAsync(filePath);
    IRandomAccessStream stream = await file.OpenAsync(FileAccessMode.Read);
    BitmapDecoder decoder = await BitmapDecoder.CreateAsync(stream);
    SoftwareBitmap bitmap = await decoder.GetSoftwareBitmapAsync();

    if (bitmap == null)
    {
        return null;
    }

    return ImageBuffer.CreateBufferAttachedToBitmap(bitmap);
}

#include <iostream>
#include <sstream>
#include <winrt/Microsoft.Windows.AI.Imaging.h>
#include <winrt/Windows.Graphics.Imaging.h>
#include <winrt/Microsoft.Graphics.Imaging.h>
#include <winrt/Microsoft.UI.Xaml.Controls.h>
#include<winrt/Microsoft.UI.Xaml.Media.h>
#include<winrt/Microsoft.UI.Xaml.Shapes.h>

using namespace winrt;
using namespace Microsoft::UI::Xaml;
using namespace Microsoft::Windows::AI;
using namespace Microsoft::Windows::AI::Imaging;
using namespace winrt::Microsoft::UI::Xaml::Controls;
using namespace winrt::Microsoft::UI::Xaml::Media;


winrt::Windows::Foundation::IAsyncOperation<winrt::hstring> 
    MainWindow::RecognizeTextFromSoftwareBitmap(
        Windows::Graphics::Imaging::SoftwareBitmap const& bitmap)
{
    winrt::Microsoft::Windows::AI::Imaging::TextRecognizer textRecognizer = 
        EnsureModelIsReady().get();
    Microsoft::Graphics::Imaging::ImageBuffer imageBuffer = 
        Microsoft::Graphics::Imaging::ImageBuffer::CreateForSoftwareBitmap(bitmap);
    RecognizedText recognizedText = 
        textRecognizer.RecognizeTextFromImage(imageBuffer);
    std::wstringstream stringStream;
    for (const auto& line : recognizedText.Lines())
    {
        stringStream << line.Text().c_str() << std::endl;
    }
    co_return winrt::hstring{ stringStream.str()};
}

Rozpoznávání textu v rastrovém obrázku

Následující příklad ukazuje, jak rozpoznat nějaký text v objektu SoftwareBitmap jako jednu řetězcovou hodnotu:

  1. Vytvořte objekt TextRecognizer prostřednictvím volání funkce EnsureModelIsReady, která také potvrzuje, že v systému existuje jazykový model.
  2. Pomocí rastrového obrázku získaného v předchozím fragmentu kódu voláme funkci RecognizeTextFromSoftwareBitmap.
  3. Voláním CreateBufferAttachedToBitmap v souboru obrázku získejte objekt ImageBuffer.
  4. Zavolejte RecognizeTextFromImage pro získání rozpoznaného textu z ImageBuffer.
  5. Vytvořte objekt wstringstream a naplňte ho rozpoznaným textem.
  6. Vrať řetězec.

Poznámka

Funkce EnsureModelIsReady slouží ke kontrole stavu připravenosti modelu rozpoznávání textu (a v případě potřeby ji nainstalujte).

using Microsoft.Windows.AI.Imaging;
using Microsoft.Windows.AI;
using Microsoft.Graphics.Imaging;
using Windows.Graphics.Imaging;
using Windows.Storage;
using Windows.Storage.Streams;

public async Task<string> RecognizeTextFromSoftwareBitmap(SoftwareBitmap bitmap)
{
    TextRecognizer textRecognizer = await EnsureModelIsReady();
    ImageBuffer imageBuffer = ImageBuffer.CreateBufferAttachedToBitmap(bitmap);
    RecognizedText recognizedText = textRecognizer.RecognizeTextFromImage(imageBuffer);
    StringBuilder stringBuilder = new StringBuilder();

    foreach (var line in recognizedText.Lines)
    {
        stringBuilder.AppendLine(line.Text);
    }

    return stringBuilder.ToString();
}

public async Task<TextRecognizer> EnsureModelIsReady()
{
    if (TextRecognizer.GetReadyState() == AIFeatureReadyState.NotReady)
    {
        var loadResult = await TextRecognizer.EnsureReadyAsync();
        if (loadResult.Status != AIFeatureReadyResultState.Success)
        {
            throw new Exception(loadResult.ExtendedError().Message);
        }
    }

    return await TextRecognizer.CreateAsync();
}

winrt::Windows::Foundation::IAsyncOperation<winrt::Microsoft::Windows::AI::Imaging::TextRecognizer> MainWindow::EnsureModelIsReady()
{
    if (winrt::Microsoft::Windows::AI::Imaging::TextRecognizer::GetReadyState() == AIFeatureReadyState::NotReady)
    {
        auto loadResult = TextRecognizer::EnsureReadyAsync().get();
           
        if (loadResult.Status() != AIFeatureReadyResultState::Success)
        {
            throw winrt::hresult_error(loadResult.ExtendedError());
        }
    }

    return winrt::Microsoft::Windows::AI::Imaging::TextRecognizer::CreateAsync();
}

Získejte slovní hranice a spolehlivost

Zde si ukážeme, jak vizualizovat BoundingBox každého slova v objektu SoftwareBitmap jako kolekci barevně kódovaných mnohoúhelníků na elementu mřížka.

Poznámka

V tomto příkladu předpokládáme, že TextRecognizer objekt již byl vytvořen a předán funkci.

using Microsoft.Windows.AI.Imaging;
using Microsoft.Graphics.Imaging;
using Windows.Graphics.Imaging;
using Windows.Storage;
using Windows.Storage.Streams;

public void VisualizeWordBoundariesOnGrid(
    SoftwareBitmap bitmap,
    Grid grid,
    TextRecognizer textRecognizer)
{
    ImageBuffer imageBuffer = ImageBuffer.CreateBufferAttachedToBitmap(bitmap);
    RecognizedText result = textRecognizer.RecognizeTextFromImage(imageBuffer);

    SolidColorBrush greenBrush = new SolidColorBrush(Microsoft.UI.Colors.Green);
    SolidColorBrush yellowBrush = new SolidColorBrush(Microsoft.UI.Colors.Yellow);
    SolidColorBrush redBrush = new SolidColorBrush(Microsoft.UI.Colors.Red);

    foreach (var line in result.Lines)
    {
        foreach (var word in line.Words)
        {
            PointCollection points = new PointCollection();
            var bounds = word.BoundingBox;
            points.Add(bounds.TopLeft);
            points.Add(bounds.TopRight);
            points.Add(bounds.BottomRight);
            points.Add(bounds.BottomLeft);

            Polygon polygon = new Polygon();
            polygon.Points = points;
            polygon.StrokeThickness = 2;

            if (word.Confidence < 0.33)
            {
                polygon.Stroke = redBrush;
            }
            else if (word.Confidence < 0.67)
            {
                polygon.Stroke = yellowBrush;
            }
            else
            {
                polygon.Stroke = greenBrush;
            }

            grid.Children.Add(polygon);
        }
    }
}

void MainWindow::VisualizeWordBoundariesOnGrid(
    Windows::Graphics::Imaging::SoftwareBitmap const& bitmap,
    Grid const& grid,
    TextRecognizer const& textRecognizer)
{
    Microsoft::Graphics::Imaging::ImageBuffer imageBuffer = 
        Microsoft::Graphics::Imaging::ImageBuffer::CreateForSoftwareBitmap(bitmap);

    RecognizedText result = textRecognizer.RecognizeTextFromImage(imageBuffer);

    auto greenBrush = SolidColorBrush(winrt::Microsoft::UI::Colors::Green());
    auto yellowBrush = SolidColorBrush(winrt::Microsoft::UI::Colors::Yellow());
    auto redBrush = SolidColorBrush(winrt::Microsoft::UI::Colors::Red());
    for (const auto& line : result.Lines())
    {
        for (const auto& word : line.Words())
        {
            PointCollection points;
            const auto& bounds = word.BoundingBox();
            points.Append(bounds.TopLeft);
            points.Append(bounds.TopRight);
            points.Append(bounds.BottomRight);
            points.Append(bounds.BottomLeft);

            winrt::Microsoft::UI::Xaml::Shapes::Polygon polygon{};
            polygon.Points(points);
            polygon.StrokeThickness(2);
            if (word.MatchConfidence() < 0.33)
            {
                polygon.Stroke(redBrush);
            }
            else if (word.MatchConfidence() < 0.67)
            {
                polygon.Stroke(yellowBrush);
            }
            else
            {
                polygon.Stroke(greenBrush);
            }

            grid.Children().Append(polygon);
        }
    }
}

Zodpovědná AI

Pomocí kombinace následujících kroků jsme zajistili, že tato rozhraní API pro vytváření imisí jsou důvěryhodná, zabezpečená a zodpovědně sestavená. Při implementaci funkcí AI ve vaší aplikaci doporučujeme projít si osvědčené postupy popsané v tématu Zodpovědný vývoj umělé inteligence ve Windows .

Viz také

  • Last updated on