張芮　陳萱瑋　李桐

摘要：丟隨著硬件性能的提升和Android平臺(tái)的不斷普及，“計(jì)算設(shè)備移動(dòng)化”的時(shí)代已經(jīng)到來(lái)，同時(shí)出現(xiàn)了一些在Android平臺(tái)上的圖像處理應(yīng)用。本文主要介紹了OCR文字處理和識(shí)別的工作原理以及TTS技術(shù)，開發(fā)了一款基于Android的應(yīng)用軟件。該軟件采用了開源識(shí)別引擎Tesseract-OCR，主要分為兩大模塊：文字識(shí)別模塊和文字應(yīng)用模塊。文字識(shí)別模塊完成了通過(guò)手機(jī)攝像頭拍攝文字圖片，Tesseract-OCR識(shí)別文字，將圖片文字識(shí)別為文本文字；文字應(yīng)用模塊完成TTS文本朗讀以及社會(huì)化分享功能。結(jié)果表明，軟件對(duì)文字圖片有很好的識(shí)別率并且能夠完成文本朗讀及社會(huì)化分享功能。

關(guān)鍵詞：Android；OCR；TTS；社會(huì)化分享

1 系統(tǒng)相關(guān)技術(shù)分析

1.1 Android系統(tǒng)

Android是運(yùn)行于Linux kernel之上，但并不是GNU/Linux，廣泛應(yīng)用于移動(dòng)設(shè)備上。Android的系統(tǒng)架構(gòu)是采用五層架構(gòu)，自頂向下分別為：應(yīng)用程序、應(yīng)用程序框架、庫(kù)、AndroidRuntime以及Linux內(nèi)核。

1.2 OCR技術(shù)與Tesseract

1.2.1 OCR技術(shù)原理

OCR（Optical Character Recognition。光學(xué)字符識(shí)別）是指電子設(shè)備（例如掃描儀或數(shù)碼相機(jī)）檢查紙上打印的字符，通過(guò)檢測(cè)暗、亮的模式確定其形狀，然后用字符識(shí)別方法將形狀翻譯成計(jì)算機(jī)文字的過(guò)程。OCR的目的是利用計(jì)算機(jī)識(shí)別文本圖片。讓人從中解放出來(lái)，提高生產(chǎn)力。OCR核心過(guò)程分為四步：

（1）圖像預(yù)處理：對(duì)文本圖片進(jìn)行預(yù)處理，濾去干擾、噪聲。主要目的是消除圖像中無(wú)關(guān)信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大程度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。而預(yù)處理過(guò)程一般有數(shù)字化、幾何變化、歸一化、增強(qiáng)和平滑等步驟。

（2）文字分割：對(duì)文本圖像進(jìn)行分割，以定位和分離出帶識(shí)別的文字。

（3）特征抽?。涸谖淖址指畹幕A(chǔ)上，提取需要的特征，并對(duì)某些參數(shù)進(jìn)行計(jì)算，輸出特征信息。

（4）文字識(shí)別：根據(jù)特征信息，加上模式識(shí)別的方法確定其文字內(nèi)容。

1.2.2 Tesse ract

Tesse ract-OCR是開源的識(shí)別引擎，最先有HP實(shí)驗(yàn)室于1985年開始研發(fā)，但不久就放棄了OCR業(yè)務(wù)。幾年后，HP將其貢獻(xiàn)給開源軟件業(yè)。讓其重新發(fā)揮作用。Tesseract算法分為下列幾個(gè)步驟：

（1）輪廓分析：文本圖像中含有許多字符，在OCR識(shí)別前，首先需要給每個(gè)字符標(biāo)記有效邊界，即：輪廓。它采用了一種嵌套的輪廓搜索算法，不僅搜索輪廓本身，還搜索嵌套輪廓的輪廓。最后將分析所得的輪廓組合成文本塊。

（2）文本塊被行劃分：顧名思義將圖像劃分成若干行，將文本行分割成字符。

（3）特征提取，進(jìn)行第一次識(shí)別，再次識(shí)別上次認(rèn)錯(cuò)的字符，當(dāng)識(shí)別率達(dá)到設(shè)定的閾值時(shí)進(jìn)入下一步。

（4）語(yǔ)言分析：利用詞義、詞頻、語(yǔ)法規(guī)則或語(yǔ)料庫(kù)等語(yǔ)言先驗(yàn)知識(shí)識(shí)別結(jié)果進(jìn)行校正，提高識(shí)別率。

2 系統(tǒng)實(shí)現(xiàn)

2.1 圖片采集

圖片采集有兩種方式：一種是使用移動(dòng)設(shè)備攝像頭進(jìn)行拍照，另一種是直接從相冊(cè)中選取圖片。

2.1.1 拍攝功能實(shí)現(xiàn)

首先我們介紹第一種方式，在Android系統(tǒng)可以在拍照按鈕設(shè)置監(jiān)聽(tīng)器調(diào)用攝像頭如下：21 2相冊(cè)中選取

接下來(lái)是第二種方式，同樣在相應(yīng)按鈕設(shè)置監(jiān)聽(tīng)器，方法如下：

2.2 圖片處理

系統(tǒng)使用的是開源識(shí)別引擎Tesseract-OCR，所以在建立工程的時(shí)候，需要將其配置進(jìn)去。這樣我們就可以直接調(diào)用Tesseract-OCR提供給我們的類TessBaseAPI，對(duì)我們選取的圖片區(qū)域進(jìn)行識(shí)別，返回識(shí)別文本信息。

Android平臺(tái)具體演示流程如下：

2.3 TTS文本朗讀功能實(shí)現(xiàn)

TTS（TextToSpeech）是將指定的文本轉(zhuǎn)換成不同語(yǔ)言音頻輸出的技術(shù)，TTS引擎依托于當(dāng)前的Android平臺(tái)所支持的幾種語(yǔ)言。由于不是所有的設(shè)備都加載了資源。為此，開發(fā)時(shí)引入了檢測(cè)模塊，讓利用這項(xiàng)技術(shù)的開發(fā)人員可以檢測(cè)資源是否存在，下邊給出一個(gè)標(biāo)準(zhǔn)的檢測(cè)方法：

Intent checkIntent=new Intent（）：

checkIntent.setAction（TextToSpeech.Engine.ACTlON_CHECK_TTs_DATA）：

startActivityForResult（chekIntent，REQ_TTS_STATUS_CHECK）；

如果當(dāng)前系統(tǒng)允許創(chuàng)建一個(gè)“And roid speech TTSTextToSpeech”的對(duì)象，說(shuō)明已經(jīng)提供TTS功能的支持。將檢測(cè)返回結(jié)果中給出“CHECK VOICE DATA PASS”的標(biāo)記。根據(jù)上邊的介紹，基本實(shí)現(xiàn)了TextToSpeech的初始化和參數(shù)配置。下面是TTS利用Speak（）方法可以直接在應(yīng)用程序中發(fā)揮強(qiáng)大的語(yǔ)音功能。

2.4 社會(huì)化分享功能實(shí)現(xiàn)

系統(tǒng)在Android移動(dòng)設(shè)備上進(jìn)行分享是將文本圖片識(shí)別的文本進(jìn)行發(fā)布到各個(gè)社交平臺(tái)（比如：微信，新浪微博等），該功能主要依托于百度社會(huì)化服務(wù)。百度社會(huì)化服務(wù)為開發(fā)者提供了接入新浪微博、QQ登錄、騰訊微博、開心網(wǎng)等第三方社會(huì)化平臺(tái)的服務(wù)。為開發(fā)者提供了社會(huì)化登錄組件及社會(huì)化分享組件管理控制臺(tái)，與此同時(shí)還開放了社會(huì)化服務(wù)REST API及多平臺(tái)的SDK供開發(fā)者開發(fā)使用。系統(tǒng)中使用的是Frontia Android版，采用的是2.0.3版本。

Android平臺(tái)具體演示流程如下：

3 結(jié)語(yǔ)

本文主要闡述了基于Android平臺(tái)的OCR相機(jī)的實(shí)現(xiàn)，并且淺析了涉及到的相關(guān)技術(shù)原理。軟件基本滿足了用戶的日常使用。并且還可以進(jìn)一步擴(kuò)展，比如可以添加在線翻譯、日程提醒等功能，有一定的市場(chǎng)價(jià)值。軟件圖像處理方法仍存在部分缺陷，如處理速度不夠快、識(shí)別率有待提高等。因此，繼續(xù)完善系統(tǒng)功能、提高文字的識(shí)別率及機(jī)器自學(xué)習(xí)是下一步的研究工作重點(diǎn)。