Android 拍照自动识别手机号 | OCR

作者：唯鹿

链接：

http://blog.csdn.net/qq_17766199/article/details/77963278

本文由作者投稿推送。

与作者沟通发现了一些注意事项：本篇文章demo中做了扫描结果正则校验，所以在运行demo时，要保证扫描的数字为手机号（如果需要扫描其他类型数字，记得修改代码）；此外，扫描框可以手动调整大小，越小越容易扫描。

公司业务需求，需要做手机号码的识别。所以有了此篇文章，现在就将实现过程分享给大家。

1 准备工作

1. 首先实现识别数字等字符，我们要知道需要采用OCR （Optical Character Recognition，光学字符识别）来实现。而tesseract是非常不错的开源OCR工具，但是要在Android中直接使用可能要费点功夫。不过不用担心，tess-two拯救了我们。

• https://github.com/tesseract-ocr/tesseract
  

• https://github.com/rmtheis/tess-two

2. 其次是扫一扫识别，那么很快联想到的就是常见的二维码扫描这类的项目。通过扫一扫实时拿到图像，来做识别。

3. 接下来在Github上找到了QrCodeScanner项目，作者通过一定的优化，使得识别的效率有所提升。那么我们用它来扫描数字，也会有效率上的提升。

• https://github.com/iluhcm/QrCodeScanner
  

2 实现细节

1.首先是tess-two的用法。

app下的build.gradle的配置如下

android {
    defaultConfig {
       ....
        ndk {
            abiFilters 'armeabi' //自行选择添加
        }
    }
}
dependencies {
    compile 'com.rmtheis:tess-two:8.0.0'
}

识别方法：

public String detectText(Bitmap bitmap) {
    TessBaseAPI tessBaseAPI = new TessBaseAPI();
    //训练数据路径
    String path = ""; 
    tessBaseAPI.setDebug(true);
    //eng为识别语言
    tessBaseAPI.init(path, "eng"); 
    // 识别白名单
    tessBaseAPI.setVariable(
        TessBaseAPI.VAR_CHAR_WHITELIST, 
        "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789"); 
    // 识别黑名单
    tessBaseAPI.setVariable(
        TessBaseAPI.VAR_CHAR_BLACKLIST, 
            "!@#$%^&*()_+=-[]}{;:'\"\\|~`,./<>?"); 
    //设置识别模式
    tessBaseAPI.setPageSegMode(
        TessBaseAPI.PageSegMode.PSM_AUTO_OSD);
    //设置需要识别图片的bitmap
    tessBaseAPI.setImage(bitmap); 
    String inspection = tessBaseAPI.getHOCRText(0);
    tessBaseAPI.end();
    return inspection ;
}

训练数据可以在tessdata下载，里面包含各种语言。当然你自己也可以训练它，有兴趣的可以学习一下相关内容。

2.从tess-two的用法可以知道，我们最终需要的是识别图片的Bitmap。在扫码项目中我们找到在DecodeHandler类的decode方法中，我们会得到一个PlanarYUVLuminanceSource类的实例。在使用HybridBinarizer算法解析数据源，最终采用MultiFormatReader解析图像出结果。

代码大致如下：

Result rawResult = null;
MultiFormatReader mMultiFormatReade = new MultiFormatReader();
try {
    PlanarYUVLuminanceSource source =
                new PlanarYUVLuminanceSource(```, false);
    BinaryBitmap bitmap = 
        new BinaryBitmap(new HybridBinarizer(source));
    rawResult = mMultiFormatReader.decode(bitmap, mHints);
} catch (ReaderException ignored) {
} finally {
    mMultiFormatReader.reset();
}

看完后懵逼了，没有Bitmap。经过一番查找，找到了在旧版的zxing中PlanarYUVLuminanceSource类有renderCroppedGreyscaleBitmap方法，不知为何去除了。。。

3.之后修改了一些相机的参数信息，适配了部分设备的预览效果。基本的页面修改了一下。这里就不赘述了。

走一波，如下效果：

可以发现除了数字以外，它将中文识别为了字母。

其实问题首先是我们使用了英文的训练数据，同时白名单设置了a~z的字母。当然你也不能将字母设置为黑名单，那样只会让识别不出的字符识别为乱七八糟的数字。

这里我给出的建议是利用正则去筛选，这样你可以识别你想要的各种格式数据。我这里只是做了手机号的简单识别，大家可以举一反三去处理。

public static String getTelNum(String sParam){
    if(TextUtils.isEmpty(sParam)){
        return "";
    }
    Pattern pattern = 
        Pattern.compile("(1|861)(3|5|7|8)\\d{9}$*");
    Matcher matcher = pattern.matcher(sParam);
    StringBuilder bf = new StringBuilder();
    while (matcher.find()) {
        bf.append(matcher.group()).append(",");
    }
    int len = bf.length();
    if (len > 0) {
        bf.deleteCharAt(len - 1);
    }
    return bf.toString();
}

修改后如下：（同时支持多个号码）

当然本项目也保留了扫码功能（可在DecodeHandler中自己添加条码格式）：

细心的同学可以从图中看到扫描框的大小都不一样，这里我是改成了可以手动调节大小的扫描框。

毕竟扫码模式下，框大一点还是比较好识别（将二维码放入框中有时就费时间）。扫数字这些文字时，框小一点会好识别。具体可以下载自行体验。

最后我将代码已经上传至Github：Tesseract-OCR-Scanner

• https://github.com/simplezhli/Tesseract-OCR-Scanner