目的

        一键玩是免费、方便、0基础的全中文的手机开发脚本工具。本篇文章主要讲解下一键玩IDE版TomatoOCR纯本地离线文字识别插件如何使用和集成。

准备工作

1、下载LUA语言开发脚本IDE工具

2、下载一键玩对应的TomatoOCR插件：下载插件

• 目前插件支持中英文、繁体字、日语、韩语识别；
• 支持小图、区域图和单行文字识别，准确率高达99%；
• 支持多种返回格式，json\文本\数字\自定义；
• 支持二值化；
• 支持找字返回坐标并点击；
• 超高的稳定性，速度快；

插件集成

下载插件后将名字改成TomatoOCR.apk，插件放置：

调用方式

以下代码拷贝到lua中，配置license后，点击运行，可以

local tmo_ocr = require("TomatoOCR")

tmo_ocr.init() -- 初始化可以指定apk的路径，默认加载资源下的TomatoOCR.apk
-- tmo_ocr.init(getScriptRunRootPath().."/资源/TomatoOCR.apk") --指定工程里的插件
-- tmo_ocr.init("/sdcard/TomatoOCR.apk") --指定设备里的插件

local license = "" -- 设置license，见授权码获取
local remark = “”  -- 设置备注
local flag = tmo_ocr.setLicense(license, remark); -- 设置license，见授权码获取
print(flag)
----------------------注：以上代码全局只需写一次-------------------------------

function ocr_start(x1, y1, x2, y2, zi)
    -- 以下方法详细介绍，见文档：方法介绍
    
    -- 注：ch、ch-2.0、ch-3.0版可切换使用，对部分场景可适当调整
    -- "ch"：普通中英文识别，1.0版模型
    -- "ch-2.0"：普通中英文识别，2.0版模型
    -- "ch-3.0"：普通中英文识别，3.0版模型
    -- "cht"：繁体，"japan"：日语，"korean"：韩语
    tmo_ocr.setRecType("ch-3.0")
    
    tmo_ocr.setDetBoxType("rect")  -- 调整检测模型检测文本参数- 默认"rect": 由于手机上截图文本均为矩形文本，从该版本之后均改为rect，"quad"：可准确检测倾斜文本
    tmo_ocr.setDetUnclipRatio(1.9)  -- 调整检测模型检测文本参数 - 默认1.9: 值范围1.6-2.5之间
    tmo_ocr.setRecScoreThreshold(0.3)  -- 识别得分过滤 - 默认0.1，值范围0.1-0.9之间
    tmo_ocr.setReturnType("json")
    -- 返回类型 - 默认"json": 包含得分、坐标和文字；
    -- "text"：纯文字；
    -- "num"：纯数字；
    -- 自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容
    
    tmo_ocr.setBinaryThresh(0) -- 二值化设定，非必须
    tmo_ocr.setRunMode("slow") -- 默认“slow”；“fast”：小图识别上会加速，但准确率会降低，推荐用默认值“slow”
    tmo_ocr.setFilterColor("", "black") -- 设置滤色值和背景色(black\white)，滤色值默认是空的，详细使用见方法说明
      
    local type = 3;
    -- type=0 : 只检测
    -- type=1 : 方向分类 + 识别
    -- type=2 : 只识别
    -- type=3 : 检测 + 识别
    
    -- 只检测文字位置：type=0
    -- 全屏识别: type=3或者不传type
    -- 截取单行文字识别：type=1或者type=2
    snapShot("/mnt/sdcard/test.png",x1, y1, x2, y2)
    local result = tmo_ocr.ocrFile("/mnt/sdcard/test.png", type)
    print(result);
    
    if result ~="" then
        -- 自行解析
        -- local json_results = jsonLib.decode(result) --setReturnType为“json”时，返回的是json字符串，用jsonLib.decode解析
        -- for i, json_result in ipairs(json_results) do
        --     print(json_result.words)
        --     print(json_result.location)
        --     print(json_result.score)
    end


    -- 找字返回坐标，返回的是“百度”的中心点坐标，没有找到字返回“”空字符串
    local point = tmo_ocr.findTapPoint(zi)
    print(point)
    if point ~="" then
        local json_point = jsonLib.decode(point)
        local center_x = json_point[1] + x1
        local center_y = json_point[2] + y1
        -- return {center_x, center_y}   -- 需要点击，就放开这行，找字并返回中心点坐标
    end
    
    -- 找字返回坐标，返回所有的“百度”的中心点坐标，没有找到字返回“”空字符串
    local points = tmo_ocr.findTapPoints(zi)
    print(points)
    if points ~="" then
        local tmp = jsonLib.decode(points)
        for i, data in ipairs(tmp) do
            local words = data.words
            local point = data.point
            local center_x = point[1] + x1
            local center_y = point[2] + y1
            -- 写自己的判断逻辑
        end
    end
end


ocr_start(100, 100, 500, 500, "信息")  -- 范围是：x1, y1, x2, y2; 找这个区域内是否有“百度”这个字

其中的方法说明如下

setDetUnclipRatio

调整检测模型检测文本参数，默认1.9：
值范围1.6-2.5之间，如果文字的检测框太小，可调整改参数，一般往大调整

setRecScoreThreshold

设置识别得分过滤，默认0.1：
值范围0.1-0.9之间

setReturnType

设置返回类型，默认"json"，包含得分、坐标和文字；
"text"：纯文字；
"num"：纯数字；
自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容

setBinaryThresh

默认值0，对图片进行二值化处理，非必须，正常情况下可以不用写

ocrFile/ocrBase64

type=-1 : 检测 + 方向分类 + 识别
type=0 : 只检测
type=1 : 方向分类 + 识别
type=2 : 只识别（单行识别）
type=3 : 检测 + 识别
只检测文字位置：type=0
全屏识别: type=3或者不传type
截取单行文字识别：type=1或者type=2

findTapPoint

findTapPoints

完毕

        相对来说，在一键玩进行插件开发还是比较困难的，官方提供的功能太少，原生插件集成无法采用直连的方式，但相比部署在服务器上，还是减少了很多资源占用情况，更加方便便捷。