简述
上篇文章记录了百度Ocr的两种模式用法，接下来这篇文章开始记录腾讯Ocr的使用方法。腾讯Ocr的通用印刷体识别模式使用比较简单，直接接入sdk即可，但手写体的识别相对比较麻烦，需要自己post表单（也可能是能用sdk的，但我是没有找到）
通用文字识别
1.直接在Android Studio的app->build.gradle->dependencies中添加：
implementation 'com.qcloud:qcloud-image-sdk:2.3.6'
2.初始化识别程序：
ImageClient imageClient = new ImageClient(APPID, SecretId, SecretKey,
ImageClient.NEW_DOMAIN_recognition_image_myqcloud_com);
其中APPID、SecretId、SecretKey这些和百度一样是需要去注册获取的，具体获取方式没什么难度就不详说(点击前往腾讯AI开放平台)。最后一个参数是服务器域名，默认使用新域名，也就是：
ImageClient.NEW_DOMAIN_recognition_image_myqcloud_com
如果是老用户，修改为以下域名：
ImageClient.OLD_DOMAIN_service_image_myqcloud_com
3.开始进行文字识别：
GeneralOcrRequest request = new GeneralOcrRequest("", getBitmapFile(mBitmap));
try {
String orcResult = imageClient.generalOcr(request);
} catch (AbstractImageException e) {
e.printStackTrace();
}
GeneralOcrRequest的第一个参数是bucketName实际上没什么用（官方说是遗留字段，至少对我来说没什么用，不知道实际上是什么样子），可以直接用空字符填充，第二个参数是File，上面代码是我项目中从bitmap获取file文件的写法。代码中的orcResult即为文字识别结果，返回的是一段json数据，需要自己去转换，推荐使用fastjson框架。
手写体文字识别
1.本项目中使用的是okhttp3框架进行get-post操作，因此是okhttp3框架的代码写法，实际使用因框架的不同而不同，但发送的数据都一样。如果要识别的图片是一个url地址，则用以下的post数据形式：
POST /ocr/handwriting HTTP/1.1
Authorization: 自己生成签名
Host: recognition.image.myqcloud.com
Content-Length: 自定义长度 ps:有使用者称加上这个会报错，本人使用的时候是不加上Content-Length的
Content-Type: application/json
{
"appid":"你的appid",
"bucket":"",
"url":"图片url地址"
}
如果识别本地图片，则使用以下post数据形式（本人就是使用本地图片，因此之后的代码是用这种方式）：
POST /ocr/handwriting HTTP/1.1
Authorization: 自己生成签名
Host: recognition.image.myqcloud.com
Content-Length: 自定义长度 ps:同上
Content-Type: multipart/form-data;boundary=--------------acebdf13572468
----------------acebdf13572468
Content-Disposition: form-data; name="appid";
你的appid
----------------acebdf13572468
Content-Disposition: form-data; name="bucket";
空串
----------------acebdf13572468
Content-Disposition: form-data; name="image"; filename="test.jpg"
Content-Type: image/jpeg
xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
----------------acebdf13572468--
上面这些数据让不懂multipart/form-data格式的童鞋来说，看上去就眼花缭乱，不知道该怎么用，但是不要紧，实际上我们根本不需要写这么多东西，这就是使用http框架的好处，它已经帮我们做了很多事。
2.首先需要自己生成签名：
public class Sign {
/**
* 生成 Authorization 签名字段
*
* @param appId
* @param secretId
* @param secretKey
* @param bucketName
* @param expired
* @return
* @throws Exception
*/
public static String appSign(long appId, String secretId, String secretKey, String bucketName,
long expired) throws Exception {
long now = System.currentTimeMillis() / 1000;
int rdm = Math.abs(new Random().nextInt());
String plainText = String.format("a=%d&b=%s&k=%s&t=%d&e=%d&r=%d", appId, bucketName,
secretId, now, now + expired, rdm);
byte[] hmacDigest = HmacSha1(plainText, secretKey);
byte[] signContent = new byte[hmacDigest.length + plainText.getBytes().length];
System.arraycopy(hmacDigest, 0, signContent, 0, hmacDigest.length);
System.arraycopy(plainText.getBytes(), 0, signContent, hmacDigest.length,
plainText.getBytes().length);
return Base64Encode(signContent);
}
/**
* 生成 base64 编码
*
* @param binaryData
* @return
*/
public static String Base64Encode(byte[] binaryData) {
String encodedstr = Base64.getEncoder().encodeToString(binaryData);
return encodedstr;
}
/**
* 生成 hmacsha1 签名
*
* @param binaryData
* @param key
* @return
* @throws Exception
*/
public static byte[] HmacSha1(byte[] binaryData, String key) throws Exception {
Mac mac = Mac.getInstance("HmacSHA1");
SecretKeySpec secretKey = new SecretKeySpec(key.getBytes(), "HmacSHA1");
mac.init(secretKey);
byte[] HmacSha1Digest = mac.doFinal(binaryData);
return HmacSha1Digest;
}
/**
* 生成 hmacsha1 签名
*
* @param plainText
* @param key
* @return
* @throws Exception
*/
public static byte[] HmacSha1(String plainText, String key) throws Exception {
return HmacSha1(plainText.getBytes(), key);
}
}
上面代码可以直接复制使用，获取签名就是调用appSign这个方法，方法的前四个参数就是之前说的三个值，就不多说了，最后一个参数是时间值，也就是从现在开始，授权多久的时间，单位是秒。获取签名：
String sign = "";
try {
sign = Sign.appSign(APPID, SECRETID, SECRETKEY, "", 2592000);
} catch (Exception e) {
e.printStackTrace();
}
3.请求头和请求体：
File file = getBitmapFile(mBitmap);
OkHttpClient okHttpClient = new OkHttpClient();
RequestBody requestBody = new MultipartBody.Builder()
.setType(MultipartBody.FORM)
.addFormDataPart("image", file.getAbsolutePath(), RequestBody.create(MediaType.parse("image/png"), file))
.addFormDataPart("appid", APPID)
.build();
Request request = new Request.Builder()
.header("host", "recognition.image.myqcloud.com")
.addHeader("authorization", sign)
.url("https://recognition.image.myqcloud.com/ocr/handwriting")
.post(requestBody)
.build();
重点要注意第一个addFormDataPart方法，第一个参数是“image”无需改动，第二个参数是文件的路径，第三个参数是文件的类型，第四个参数就是file本身。其他的设置项都是默认的，不需要修改。
4.开始post并返回结果：
okHttpClient.newCall(request).enqueue(new Callback() {
@Override
public void onFailure(Call call, IOException e) {
Log.d("TAG", "onFailure: " + e.getMessage());
}
@Override
public void onResponse(Call call, Response response) throws IOException {
JSONObject jsonObject=new JSONObject();
jsonObject= JSON.parseObject(response.body().string());
Log.i("TAG", "tencent handwrite: " +jsonObject.toString());
}
});
返回的结果也是json数据体，需要自己解析。
两种模式相互比较和与百度比较
印刷体模式操作比较简单，毕竟已经封装好了，手写体需要自己post数据比较麻烦。从识别率上，这两种方式都差别不大。在我的测试样例中，百度的高精度印刷体模式识别率是最好的，其次到百度的手写体模式，腾讯的两种识别率都不是很好。
总结
图片识别目前使用百度的sdk准确率比较高。但如果识别的是印刷体，四种都差不多，腾讯印刷体使用最为简单。但这四种都不是很符合本人项目的需要，因此抛弃了光学字符识别，找了另一种方式识别：联机手写识别技术，该方式适合有笔迹过程记录的文字识别（例如输入法的手写输入），下篇文章记录灵云的HWR的使用。