Megosztás a következőn keresztül:

Az AI Text Recognition (OCR) használatának első lépései a Windows App SDK-ban

  • Cikk

Fontos

Elérhető a Windows App SDK legújabb kísérleti csatornáján kiadásában.

A Windows App SDK kísérleti csatornája api-kat és funkciókat tartalmaz a fejlesztés korai szakaszában. A kísérleti csatornán található összes API-ra kiterjedt változatok és kompatibilitástörő változások vonatkoznak, és bármikor eltávolíthatók a későbbi kiadásokból. A kísérleti funkciók nem használhatók éles környezetben, és az őket használó alkalmazások nem tehetők közzé a Microsoft Store-ban.

  • Az önálló alkalmazások nem támogatottak.

A szövegfelismerést, más néven optikai karakterfelismerést (OCR) a Windows App SDK mesterséges intelligencia (AI) által támogatott API-k segítségével támogatja, amelyek képesek a képeken belüli szöveg észlelésére és kinyerésére, valamint gépi olvasható karakterfolyamokká alakítására.

Ezek az API-k azonosítják a karaktereket, szavakat, vonalakat, sokszögletű szöveghatárokat, és megbízhatósági szinteket biztosítanak az egyes egyezésekhez. Emellett kizárólag a neurális feldolgozóegységekkel (NPU) rendelkező eszközök hardveres gyorsítása támogatja őket, így gyorsabbak és pontosabbak, mint az örökölt Windows.Media.Ocr.OcrEngine API-k a Windows platform SDK.

Az API részleteiértlásd a Szövegfelismerés (OCR) API-hivatkozást a Windows App SDK oldalán.

Borravaló

Küldjön visszajelzést ezekről az API-król és funkcióikról egy új probléma létrehozásával a Windows App SDK GitHub-adattárban (a címben szerepeljen OCR-), vagy válaszoljon egy meglévő problémára.

Előfeltételek

Mit tehetek a Windows App SDK-val és az AI-szövegfelismeréssel?

A Windows App SDK új AI-szövegfelismerési funkcióival azonosíthatja és felismeri a képek szövegét. A felismert szöveg szöveghatárait és megbízhatósági pontszámait is lekérheti.

ImageBuffer létrehozása fájlból

Ebben a példában egy LoadImageBufferFromFileAsync függvényt hívunk meg egy ImageBuffer képfájlból való lekéréséhez.

A LoadImageBufferFromFileAsync függvényben a következő lépéseket hajtjuk végre:

  1. Hozzon létre egy StorageFile objektumot a megadott fájlelérési útból.
  2. Nyisson meg egy streamet a StorageFile-on OpenAsynchasználatával.
  3. Hozzon létre egy BitmapDecoder- a streamhez.
  4. Hívd meg a GetSoftwareBitmapAsync metódust a bittérkép-dekóderen, hogy egy SoftwareBitmap objektumot szerezz.
  5. Visszaad egy képpuffert a CreateBufferAttachedToBitmap-ből.
using Microsoft.Windows.Vision;
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);
}

namespace winrt
{
    using namespace Microsoft::Windows::Vision;
    using namespace Microsoft::Windows::Imaging;
    using namespace Windows::Graphics::Imaging;
    using namespace Windows::Storage;
    using namespace Windows::Storage::Streams;
}

winrt::IAsyncOperation<winrt::ImageBuffer> LoadImageBufferFromFileAsync(
    const std::wstring& filePath)
{
    auto file = co_await winrt::StorageFile::GetFileFromPathAsync(filePath);
    auto stream = co_await file.OpenAsync(winrt::FileAccessMode::Read);
    auto decoder = co_await winrt::BitmapDecoder::CreateAsync(stream);
    auto bitmap = co_await decoder.GetSoftwareBitmapAsync();
    if (bitmap == nullptr) {
        co_return nullptr;
    }
    co_return winrt::ImageBuffer::CreateBufferAttachedToBitmap(bitmap);
}

Szöveg felismerése bitképen

Az alábbi példa bemutatja, hogyan ismerhet fel egy szöveget egy SoftwareBitmap objektumban egyetlen sztringértékként:

  1. Hozzon létre egy TextRecognizer objektumot a EnsureModelIsReady függvény hívásán keresztül, amely azt is megerősíti, hogy van egy nyelvi modell a rendszeren.
  2. Az előző kódrészletben kapott bitkép használatával meghívjuk a RecognizeTextFromSoftwareBitmap függvényt.
  3. Meghívhatja CreateBufferAttachedToBitmap a képfájlon, hogy lekérjen egy ImageBuffer objektumot.
  4. Hívja meg a RecognizeTextFromImage-t, hogy lekérje a felismert szöveget a ImageBuffer-ból.
  5. Hozzon létre egy wstringstream objektumot, és töltse be a felismert szöveggel.
  6. Adja vissza a sztringet.

Jegyzet

A EnsureModelIsReady függvénnyel ellenőrizheti a szövegfelismerési modell készültségi állapotát (és szükség esetén telepítheti).

using Microsoft.Windows.Vision;
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.IsAvailable())
    {
        var loadResult = await TextRecognizer.MakeAvailableAsync();
        if (loadResult.Status != PackageDeploymentStatus.CompletedSuccess)
        {
            throw new Exception(loadResult.ExtendedError().Message);
        }
    }

    return await TextRecognizer.CreateAsync();
}

namespace winrt
{
    using namespace Microsoft::Windows::Vision;
    using namespace Microsoft::Windows::Imaging;
    using namespace Windows::Graphics::Imaging;
}

winrt::IAsyncOperation<winrt::TextRecognizer> EnsureModelIsReady();

winrt::IAsyncOperation<winrt::hstring> RecognizeTextFromSoftwareBitmap(winrt::SoftwareBitmap const& bitmap)
{
    winrt::TextRecognizer textRecognizer = co_await EnsureModelIsReady();
    winrt::ImageBuffer imageBuffer = winrt::ImageBuffer::CreateBufferAttachedToBitmap(bitmap);
    winrt::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.view()};
}

winrt::IAsyncOperation<winrt::TextRecognizer> EnsureModelIsReady()
{
  if (!winrt::TextRecognizer::IsAvailable())
  {
    auto loadResult = co_await winrt::TextRecognizer::MakeAvailableAsync();
    if (loadResult.Status() != winrt::PackageDeploymentStatus::CompletedSuccess)
    {
        throw winrt::hresult_error(loadResult.ExtendedError());
    }
  }

  co_return winrt::TextRecognizer::CreateAsync();
}

Szóhatárok és megbízhatóság lekérése

Itt bemutatjuk, hogyan jelenítheti meg az egyes szavak Határolókeret egy SoftwareBitmap objektumban színkódolt sokszögek gyűjteményeként egy Grid elemen.

Jegyzet

Ebben a példában feltételezzük, hogy egy TextRecognizer objektumot már létrehoztak és átadták a függvénynek.

using Microsoft.Windows.Vision;
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);
        }
    }
}

namespace winrt
{
    using namespace Microsoft::Windows::Vision;
    using namespace Microsoft::Windows::Imaging;
    using namespace Micrsooft::Windows::UI::Xaml::Controls;
    using namespace Micrsooft::Windows::UI::Xaml::Media;
    using namespace Micrsooft::Windows::UI::Xaml::Shapes;
}

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

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

            winrt::Polygon 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);
        }
    }
}

További erőforrások

Fájlok és mappák elérése Windows App SDK-val és WinRT API-kkal

Kapcsolódó tartalom