袁智勇　劉文林

摘? ?要：很多屏幕文字識(shí)別應(yīng)用把截屏后的數(shù)據(jù)保存為圖片文件，然后從硬盤(pán)上讀取圖片文件進(jìn)行文字識(shí)別，這種做法效率很低。本文介紹了Windows位圖和Leptonica位圖格式的不同特點(diǎn)，提出了一套簡(jiǎn)便的，在內(nèi)存中進(jìn)行轉(zhuǎn)換的方法。這使得直接在內(nèi)存中識(shí)別文字成為可能，省去在硬盤(pán)上存取圖片文件的步驟，從而大大提高屏幕文字識(shí)別應(yīng)用的效率。

關(guān)鍵詞：屏幕文字識(shí)別? tesseract? leptonica? GDI+? 位圖數(shù)據(jù)轉(zhuǎn)換

中圖分類(lèi)號(hào)：TP391.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2019）10（c）-0113-02

1? 引言

有一類(lèi)屏幕文字識(shí)別應(yīng)用，其流程是這樣的：

（1）屏幕截圖，將包含文字的截圖保存為圖片文件。

（2）調(diào)用文字識(shí)別模塊，讀取保存好的圖片文件，識(shí)別其中包含的文字。

（3）將識(shí)別出來(lái)的文字反饋給用戶(hù)。

在上述過(guò)程中，截圖須保存到硬盤(pán)上，然后由文字識(shí)別模塊讀取識(shí)別。這就涉及硬盤(pán)文件的讀寫(xiě)，而硬盤(pán)文件的讀寫(xiě)相對(duì)來(lái)說(shuō)比較慢。很多情況下，保存下來(lái)的截圖并沒(méi)有其他用途，這樣一來(lái)不但增加了一些無(wú)謂的開(kāi)銷(xiāo)，而且也拖慢了應(yīng)用的整體響應(yīng)速度。如果能將保存在內(nèi)存中的截圖數(shù)據(jù)直接發(fā)送到文字識(shí)別模塊，略去存取文件的過(guò)程，無(wú)疑是最佳的。這正是本文要解決的問(wèn)題。

2? 開(kāi)發(fā)平臺(tái)和工具

應(yīng)用平臺(tái)為Windows 7以上Windows操作系統(tǒng)。開(kāi)發(fā)工具為集成于Visual Studio中的Visual C++。因?yàn)槟壳暗腤indows API（編程接口）并不直接支持文字識(shí)別，需要為Visual C++安裝支持文字識(shí)別的擴(kuò)展包——tesseract。之所以使用tesseract，一是它是免費(fèi)開(kāi)源軟件，可以免費(fèi)使用;同時(shí)，雖然它是一款免費(fèi)開(kāi)源軟件，但其文字識(shí)別率非常高，不次于同檔次商業(yè)軟件。

Tesseract是在Linux平臺(tái)上開(kāi)發(fā)的，要移植到Windows平臺(tái)，需要的步驟相當(dāng)繁瑣，而且容易出錯(cuò)。幸運(yùn)的是微軟專(zhuān)門(mén)開(kāi)發(fā)了一款稱(chēng)為vcpkg的軟件，專(zhuān)門(mén)用于從Linux平臺(tái)移植軟件。通過(guò)vcpkg安裝好tesseract擴(kuò)展包后，還需下載對(duì)應(yīng)語(yǔ)言的訓(xùn)練數(shù)據(jù)（training data），這是文字識(shí)別的支撐數(shù)據(jù)庫(kù)。

3? 使用tesseract進(jìn)行文字識(shí)別

通過(guò)調(diào)用tesseract API，可以以編程的方式實(shí)現(xiàn)文字識(shí)別。Tesseract API的核心功能封裝于TessBaseAPI類(lèi)中，通過(guò)其成員函數(shù)GetUTF8Text完成文字識(shí)別，使用起來(lái)非常簡(jiǎn)單方便。在調(diào)用GetUTF8Text前需要進(jìn)行一些初始化操作，其中一步就是讀取硬盤(pán)上的包含文字的圖像文件，構(gòu)造一個(gè)Pix對(duì)象。然后以這個(gè)Pix對(duì)象為參數(shù)調(diào)用SetImage成員函數(shù)，為T(mén)essBaseAPI指定要識(shí)別的圖像。

4? Leptonica位圖

Tesseract沒(méi)有為一些基本的圖像處理，比如圖像文件的存取開(kāi)發(fā)相應(yīng)的庫(kù)函數(shù)，而是借用了Leptonica。Leptonica也是一款著名的Linux下的免費(fèi)開(kāi)源軟件，專(zhuān)門(mén)用于基本的圖像處理，包括圖像文件的存取、格式轉(zhuǎn)換、圖像變換等。在Leptonica中，圖像被封裝成Pix類(lèi)。除了讀取硬盤(pán)上的圖像文件來(lái)構(gòu)造Pix對(duì)象，也可以從內(nèi)存中的圖像數(shù)據(jù)來(lái)構(gòu)造Pix對(duì)象，比如通過(guò)下面的庫(kù)函數(shù)：

Pix * px = pixCreate（w， h， bpp）;

W是圖像水平像素?cái)?shù)量，h是圖像垂直像素?cái)?shù)量，bpp是每個(gè)像素的bit長(zhǎng)度。

不過(guò)這個(gè)庫(kù)函數(shù)構(gòu)建的Pix對(duì)象只是個(gè)框架，對(duì)象的一些字段是空的，還需進(jìn)一步初始化。其中最重要的是Pix：：data字段，這個(gè)字段指向的緩存用于存儲(chǔ)位圖數(shù)據(jù)。如果我們將屏幕截圖保存下來(lái)的位圖數(shù)據(jù)拷貝到Pix對(duì)象中，并完成其他一些必要的初始化操作，就可以在內(nèi)存中構(gòu)造一個(gè)完整的Pix對(duì)象，用于tesseract文字識(shí)別，無(wú)需進(jìn)行圖像文件的硬盤(pán)存取操作。

5? 位圖數(shù)據(jù)轉(zhuǎn)換

在Windows平臺(tái)下可以將截圖后獲得的圖像數(shù)據(jù)封裝于GDI+的Bitmap對(duì)象中：

HDC hdcScreen = GetDC（NULL）;

HDC hdcMemDC = CreateCompatibleDC（hdcScreen）;

HBITMAP hbmScreen = CreateCompatibleBitmap（hdcScreen， cx， cy）;

SelectObject（hdcMemDC， hbmScreen）;

BitBlt（hdcMemDC， 0， 0， cx， cy， hdcScreen， x0， y0， SRCCOPY）;

Bitmap* bmp = new Bitmap（hbmScreen， NULL）;

然后我們可以調(diào)用Bitmap類(lèi)的成員函數(shù)Bitmap：： LockBits來(lái)獲取位圖數(shù)據(jù)。但要注意的是，從Bitmap對(duì)象獲取的位圖數(shù)據(jù)不能直接拷貝到Pix：：data字段中去。這是因?yàn)镚DI+的位圖數(shù)據(jù)格式和Leptonica的位圖數(shù)據(jù)格式是不同的。

首先，Linux平臺(tái)習(xí)慣用BGR的格式存儲(chǔ)顏色，而Windows平臺(tái)用RGB的個(gè)數(shù)存儲(chǔ)顏色。現(xiàn)在原始圖像的一般是每像素24bit長(zhǎng)，但為了和32bit的CPU字長(zhǎng)對(duì)齊，實(shí)際上一般將24bit的像素?cái)U(kuò)張到32bit來(lái)存儲(chǔ)。多出的1字節(jié)空間可以不用，也可以存儲(chǔ)Alpha通道數(shù)據(jù)。因此Windows平臺(tái)顏色數(shù)據(jù)的格式為ARGB，而Linux平臺(tái)數(shù)據(jù)的格式為ABGR。另外，Linux平臺(tái)內(nèi)存中數(shù)據(jù)是以big-endian方式存儲(chǔ)的，最低位的R數(shù)據(jù)存儲(chǔ)在32bit數(shù)據(jù)的最高1個(gè)字節(jié)，最高位的A數(shù)據(jù)存儲(chǔ)在32bit數(shù)據(jù)的最低1個(gè)字節(jié)。因此，最終像素顏色的存儲(chǔ)格式為RGBA，這也是Leptonica在內(nèi)存中存儲(chǔ)顏色數(shù)據(jù)的方式。我們可以將Windows平臺(tái)的顏色數(shù)據(jù)ARGB向左移位8bit，變成RGB0。移位后A數(shù)據(jù)丟失，但這無(wú)關(guān)緊要，因?yàn)锳數(shù)據(jù)一般不用（設(shè)置為0）。這樣就可以將Windows顏色數(shù)據(jù)轉(zhuǎn)換成Leptonica顏色數(shù)據(jù)RGB0。

其次，Windows位圖數(shù)據(jù)可以是bottom-up（上下顛倒）的，意思是圖像的最后一行像素存儲(chǔ)在位圖數(shù)據(jù)的第一行，第一行數(shù)據(jù)反而存儲(chǔ)在位圖數(shù)據(jù)的最后一行。而leptonica的位圖數(shù)據(jù)都是top-down（從上往下）的，意思是圖像的第一行像素存儲(chǔ)在位圖數(shù)據(jù)的第一行，最后一行數(shù)據(jù)存儲(chǔ)在位圖數(shù)據(jù)的最后一行。如果Windows位圖數(shù)據(jù)是bottom-up的（這種情況非常少），必須相應(yīng)地調(diào)整像素行的存儲(chǔ)順序。下面是相應(yīng)的代碼：

BitmapData bd;

bmp->LockBits（new Rect（0， 0， w， h）， ImageLockModeRead， PixelFormat32bppRGB， &bd）;

UINT* p = （UINT*）bd.Scan0;

if （bd.Stride < 0） p -= w * （h - 1）;//Stride小于0位圖是bottom-up的，否則是top-down的

for （int i = 0; i < w * h; i++） p[i] = p[i] << 8; //顏色數(shù)據(jù)移位

參考文獻(xiàn)

[1] 周鳴揚(yáng)，趙景亮.精通GDI+編程[M].北京：清華大學(xué)出版社，2004.

[2] Ivor Horton.Visual C++ 2010入門(mén)經(jīng)典[M].5版.北京：清華大學(xué)出版社， 2010.

[3] Jeffrey Richter.Windows核心編程[M].北京：機(jī)械工業(yè)出版社，2008.