华为云OCR应用实战详解资料整理

      在2020年10月25日重阳节，在线上与大家做了一次关于华为云OCR服务应用实战解析的视频活动（ModelArt Developer Groups 社区活动），就如何使用华为云OCR服务，用微信小程序作为应用范例，做了具体的实战讲解，现在把当时讲解的内容资料做了整理，并且增加了一些内容（因活动时间，有些地方没有详解）。

1、华为云OCR服务介绍

    华为云提供OCR服务以开放API（Application Programming Interface，应用程序编程接口）方式，实现了提供文字识别能力，将图片或扫描件中的文字识别成可编辑的文本。支持用户使用Python、Java等编程语言调用OCR服务API将图片识别成文字，帮助用户自动采集关键数据，打造智能化业务系统，提升业务效率。它提供了三大类OCR功能：1、通用类；2、票据类、3、证件类。

1.1 使用方式

    华为云OCR服务提供的使用方式是：1、在线调用，通过华为云EI智能体验馆 > 文字识别，通过该方式体验部分OCR服务，适合于非技术人员进行技术体验；2、可视化工具，通过可视化工具（如curl、Postman）发送请求调用OCR服务API。也可以通过postman方式调用接口使用服务，适合开发者调测和技术验证；3、代码调用OCR服务，使用华为云提供的Java、Python、iOS、Android、Node.js等版本的SDK，或者自己编写http api 请求代码访问华为云服务，适合工程技术人员进行实际的开发生产使用。

1.2 使用步骤

    华为云OCR的使用步骤：1、注册华为云正式用户，华为云EI企业智能中的文字识别内，选择待开通的服务进行申请服务；2、获取API接口认证，分为token和AK/SK两种鉴权方式；3、接入文字识别服务，使用华为云提供SDK的，配置环境，根据范例进行编码接入。如果使用的开发语言没有SDK，则自己根据API接入文档，按照文档的算法，自己编写鉴权认证的代码，进行接入服务。

2、小程序的OCR技术方案

    本次实战解析，以微信小程序做了案例，做具体讲解，首先要介绍一个这个技术方案。

    方案的设计理念是基于云服务架构，这样做的优点是降低开发复杂度，实现了移动端的轻应用，满足快速实现+快速迭代的产品需求，大大提供了开发的效能。

2.1 系统组成

    系统组成图如下：

    以上是基于云服务的设计方案，具体组成部分如下：

    1、华为OCR云服务：华为云服务是基于互联网云技术的相关服务，通过提供API接入，提供云上OCR服务。

    2、云函数：云函数即在云端运行的代码函数，具有天然鉴权的属性，开发者只需编写函数代码并部署到云端即可提供服务。

    3、微信小程序：小程序的一种，是一种不需要下载安装即可使用的应用。

    4、云数据库：是指被部署到一个虚拟云计算环境中的数据库，具有按需付费、按需扩展等优势。

    5、云存储：是一种云上在线存储的模式，即把数据存放在通常云上的多台虚拟服务器。

2.2 系统流程

    1、获取图片信息：用户访问小程序，使用小程序功能，选择图片或者拍摄照片，获取所需要的图片数据。

    2、云服务处理数据：小程序将图片数据送至云服务中，利用云函数对数据进行处理。

    3、访问OCR服务：在云服务中，使用云函数发起访问华为OCR服务的请求。

    4、返回服务数据处理：对华为OCR处理返回的数据进行处理，在云数据库中对相关数据进行检索。

    5、界面数据信息呈现：将相关数据进行加工和整理，呈现在客户的小程序界面中。

3、OCR技术的实现具体代码解析

3.1、上传图片

    利用小程序的API 功能调用 wx.chooseImage 方法，从本地相册选择图片或使用相机拍照。这里设置是一张图片，可以获得一张图片的本地临时文件路径 (本地路径)，和尺寸信息。 

 // 1、上传图片--
  getImage: function(){
    wx.chooseImage({
      count: 1,
      sizeType: ['original', 'compressed'],
      sourceType: ['album', 'camera'],
      success (res) {
        // tempFilePath可以作为img标签的src属性显示图片
        const tempFilePaths = res.tempFilePaths;
        console.log(tempFilePaths);
        wx.navigateTo({
          url: '../display/display?imagepath=' + tempFilePaths[0]
        })
      }
    })
  }

3.2、调用云函数处理

    这里首先读取云存储种的图片路径，从中读取数据，转化为Base64的数据格式内容，然后调用一个用于处理华为云OCR服务的API ，将Base64 数据传输过去，然后华为云处理信息的结果。

var image = wx.getFileSystemManager().readFileSync(options.imagepath, 'base64');
wx.cloud.callFunction({
      name: 'ocrAnalysis',
      data: {image: image},
      success: res => {
        console.log('[云函数] [onAnalysisImage]:  ', res);
        let ret = res.result;
        if (ret.error == null){
          this.setData({
            text: ret.text,
            gbResult: ret.gbResult
          });
        }else{
          this.setData({
            error: ret.error
          });
        };
      },
      fail: err => {
        console.error('[云函数] [onAnalysisImage] 调用失败', err)
        wx.navigateTo({
          url: '../deployFunctions/deployFunctions',
        })
      }
    })

3.3、封装的调用函数ocrApi

    这里封装了一个处理函数，是一个Promise返回对象。在里面进行配置参数后，生成一个新的处理API 对象OcrClientAksk，然后进行调用，处理返回结果。

function ocrApi(image){
  return new Promise(function(resolve, reject){
    let appKey = config.appKey; // your ak
    let appSecret = config.appSecret; // your sk
    let endPoint2 = 'ocr.cn-north-4.myhuaweicloud.com';
    let httpUri2 = '/v1.0/ocr/general-text';
    let ocrClientAksk = new OcrClientAksk(appKey, appSecret, endPoint2);
    let opt2 = {};
    ocrClientAksk.requestOcrServiceBase64(httpUri2, image, opt2).then(result => {
      let data = result.result;
      resolve(data);
    }).catch(error => {
      reject(error)
    });
  });
};

    这里可以看到使用了AK/SK 方式鉴权，因为token鉴权会是http请求header部内容大于10K，使NodeJS程序的https组件出现异常。

3.4、https 请求API

    这里是云函数内处理对象OcrClientAksk内的https请求方式，首先调用了getOptions进行参数处理，里面包含签名算法的调用，然后使用request方法发起https请求，根据不同的结果返回一个Promise对象。

httpRequest (service, image, opt) {
        return new Promise((resolve, reject) => {
            let options = this.getOptions(service, image, opt);
            request.post(options, (error, response, body) => {
                if (error) {
                    reject(error)
                }
                let result = JSON.parse(body);
                result.statusCode =  response.statusCode;
                resolve(result)
            })
        });    
    }
};

3.5、OCR返回数据的处理   

    API返回数据的格式：返回为一个JSON数据内容，包含如下：

    1、result：调用成功时表示调用结果。调用失败时无此字段。

    2、direction：图片朝向。

    3、words_block_count：识别文字块数目。

    4、words_block_list：识别文字块列表，输出顺序从左到右，从上到下。

    根据业务内容分别处理GB/T，GB和GSB的内容，分别类型和提取业务代码。在资料数据库内，根据提取的数据关键字，对数据库进行检索，搜索所需要的商品信息。

var text = '';
for(let i = 0; i < result.words_block_count; i++){
  let txt = result.words_block_list[i].words;
  text += txt + '\n';
  if (txt.indexOf('GB/T') > -1){
    type = 'GB/T';
    let retCode = getCode(txt, type);
    code = retCode.code;
    codeNumber = retCode.codeNumber;
    break;
  }else if (txt.indexOf('GB') > -1){
    type = 'GB';
    let retCode = getCode(txt, type);
    code = retCode.code;
    codeNumber = retCode.codeNumber;
    break;
  }else if (txt.indexOf('GSB') > -1){
    type = 'GSB';
    let retCode = getCode(txt, type);
    code = retCode.code;
    codeNumber = retCode.codeNumber;
    break;
  };
};
let retDB = await db.collection('gb_list').where({
     code: code,
     type: type
 }).get();

4、OCR应用服务的发展

4.1、应用场景：    

    1、数字图片：数字以及各种字体、背景、排列、组合等，最复杂多样，信息量最大。

    2、自然类场景：无具体数据类型定义，比如街拍数据、摄像监控、自动驾驶，市场潜力巨大。

    3、文档类：文档类OCR需求非常广，涉及各种公务场景，商业价值非常成熟。

    4、拍照表单：拍照表单类OCR价值非常大，数据具有隐私性，典型行业应用场景沉淀技术能力。

4.2、业务落地：

    大致两类方向为主：

    1、金融：金融行业用戶涉足的AI技术领域非常广，对人体与人脸识别、OCR、内容安全审核等领域都有关注。

    2、互联网服务：专业服务/互联网/信息服务用戶涉足的技术领域也非常广泛，引入了NLP、机器学习平台、图像、语音等多种AI能力。