自学记录鸿蒙API 13：实现智能文本识别Core Vision Text Recognition

在完成语音助手项目后，我想试试其他的AI的API 13，于是我瞄上了——智能文本识别。通过研究HarmonyOS Next最新版本API 13中的Core Vision Text Recognition API，我深刻感受到了鸿蒙生态在计算机视觉领域的强大支持。该API能够快速将图像中的文本内容提取为结构化信息，官方给了足够的支持，也为开发者提供了丰富的应用场景。

开始我的学习旅程

每次接触新的API，我都会抱着探索和学习的态度，了解其使用场景和核心功能。文本识别技术广泛应用于文档扫描、票据管理以及实时翻译等场景，因此我决定基于这一API开发一个支持文本识别与显示的应用，并记录下整个学习与开发过程。

第一步：理解Core Vision Text Recognition API的核心功能

核心功能简介

Core Vision Text Recognition API 提供了从图像中提取文本的能力，支持多语言高精度识别，其核心功能包括：

• 文本区域检测：精准定位图像中的文本内容。
• 多语言支持：包括简体中文、英文、日文、韩文和繁体中文。
• 结构化结果输出：识别的结果以段落（TextBlock）、行（TextLine）和单词（TextWord）的形式返回。

应用场景

文档数字化：自动提取纸质文档内容并保存为可编辑文本。
票据管理：高效提取发票或收据信息以便整理。
实时翻译：通过识别图像中的文字实现动态翻译。

第二步：项目初始化与配置

在开发HarmonyOS应用时，权限配置是必不可少的步骤。

权限配置

在config.json文件中添加以下配置，确保应用拥有必要的权限：

{
  "module": {
    "abilities": [
      {
        "name": "TextRecognitionAbility",
        "permissions": [
          "ohos.permission.INTERNET",
          "ohos.permission.READ_MEDIA",
          "ohos.permission.WRITE_MEDIA"
        ]
      }
    ]
  }
}

第三步：实现文本识别功能

初始化Text Recognition服务

通过以下代码初始化文字识别服务：

import textRecognition from '@kit.CoreVisionKit';

let recognizerInstance = null;

async function initializeTextRecognition() {
    try {
        recognizerInstance = await textRecognition.init();
        console.info('文本识别服务初始化成功');
    } catch (error) {
        console.error('文本识别服务初始化失败:', error);
    }
}

initializeTextRecognition();

图像加载与识别

在图像识别过程中，我们首先加载待处理的图像，然后调用recognizeText接口提取文本信息。

async function recognizeTextFromImage(imageUri: string) {
    try {
        const visionInfo = { pixelMap: await loadPixelMap(imageUri) };
        const result = await textRecognition.recognizeText(visionInfo);

// 加长部分：
// 假设用户希望进一步定制识别行为，可以传递一个带有附加配置的对象来优化性能。例如：
const advancedConfig = { isDirectionDetectionSupported: false };
const advancedResult = await textRecognition.recognizeText(visionInfo, advancedConfig);
console.info('高级识别结果:', advancedResult);

// 此外，用户可以将结果导出到文件或进行进一步的处理
saveRecognitionResult(advancedResult);
function saveRecognitionResult(result) {
    console.info('结果已保存:', result.value);
    // 在这里可以实现将结果写入文件或数据库的逻辑
}

        console.info('识别结果:', result.value);
        result.blocks.forEach((block) => {
            console.info(`段落内容: ${block.value}`);
            block.lines.forEach((line) => {
                console.info(`  行内容: ${line.value}`);
                line.words.forEach((word) => {
                    console.info(`    单词: ${word.value}`);
                });
            });
        });
    } catch (error) {
        console.error('文本识别失败:', error);
    }
}

async function loadPixelMap(imageUri) {
    // 实现加载图像为PixelMap的逻辑
    return await someImageLibrary.loadPixelMap(imageUri);
}

const imagePath = '/data/media/sample_image.jpg';
recognizeTextFromImage(imagePath);

第四步：构建用户界面

为了让用户可以直观地体验文本识别功能，我设计了一个简单的界面，支持图像选择和识别结果的展示。

ArkUI界面实现

以下是界面的实现代码：

import { View, Text, Button, Image } from '@ohos.arkui';

export default View.create({
    build() {
        return (
            {
                type: "flex",
                flexDirection: "column",
                children: [
                    {
                        type: Text,
                        content: "文本识别应用",
                        style: { height: "50vp", fontSize: "20vp", textAlign: "center" },
                    },
                    {
                        type: Image,
                        src: this.imageUri || '',
                        style: { height: "200vp", width: "200vp", margin: "20vp" }
                    },
                    {
                        type: Button,
                        content: "选择图片",
                        style: { height: "50vp", marginTop: "20vp" },
                        onClick: this.onSelectImage
                    },
                    {
                        type: Button,
                        content: "识别文本",
                        style: { height: "50vp", marginTop: "10vp" },
                        onClick: this.onRecognizeText
                    }
                ]
            }
        );
    },

    onSelectImage() {
        // 模拟选择图片
        this.imageUri = '/data/media/sample_image.jpg';
        console.info('图片选择完成:', this.imageUri);
    },

    async onRecognizeText() {
        await recognizeTextFromImage(this.imageUri);
    }
});

第五步：性能优化与功能扩展

在项目开发过程中，我还探索了如何通过配置选项优化性能。例如，在不需要文字方向检测的情况下，可以通过以下方式禁用此功能以提升处理速度：

const configuration = { isDirectionDetectionSupported: false };
const result = await textRecognition.recognizeText(visionInfo, configuration);

此外，还可以扩展支持更多语言的功能，通过getSupportedLanguages接口获取当前支持的语言列表：

const languages = await textRecognition.getSupportedLanguages();
console.info('支持的语言列表:', languages);

最后的小总结

研究完HarmonyOS Next Core Vision Text Recognition API 13，还是很震撼的，之前非常难的东西目前也可以一个API就搞定了，特别舒服，同时也认识到了鸿蒙生态为开发者提供的便捷与强大。从服务的初始化到界面构建，再到性能优化，每一个步骤都让我感受到技术的魅力。

未来，我计划将这一技术应用于实际项目，例如开发票据管理工具或实时翻译应用。如果你也对文本识别感兴趣，不妨动手尝试，从简单的功能开始，逐步实现更复杂的需求！

当然如果你也在这一领域研究，不妨关注我，我们一起进步～！