從鴻蒙文字識別到開發成功：一個開發者的實戰之路

郝敬学發表於2024-12-03
鴻蒙

最近在公司裡，我突然被老闆指派了一個新任務：利用鴻蒙的文字識別API開發一個功能。雖然我有一定的鴻蒙開發經驗，但面對這項任務時，還是有點緊張，因為這是我第一次接觸到這個特定的API。老闆只給了我一個連結，那就是官方的文字識別API文件。在簡單瀏覽了一下文件後，我決定立刻動手，看看能不能把這個看起來有些複雜的功能搞定。

image.png

第一步：理解需求

老闆的需求很明確：希望能夠開發一個應用，能夠從圖片中提取文字，比如掃描快遞單上的內容，自動提取地址和電話之類的資訊。鴻蒙系統的文件給了我很多提示，但如何將它真正應用到專案中，這卻是個挑戰。我決定先用最簡單的方式做個小demo，確保自己理解了文件中的每一個細節。

image.png

在深入閱讀文件的過程中，我逐漸意識到，文字識別不僅僅是簡單的文字提取，還需要處理各種各樣的影像質量問題，比如光線不足、模糊等情況。為了確保我能夠全面理解每一個步驟，我開始為每一個功能模組寫一些小測試程式碼，透過這些實驗，我逐漸掌握了文字識別API的工作原理。這也幫助我在後續開發中能夠快速定位和解決問題。

第二步：開始動手

首先，我根據文件中介紹的內容配置了開發環境。這包括一些基本的配置步驟，比如在build.gradle檔案中新增必要的依賴。

dependencies {
    implementation 'com.huawei.hms:ml-computer-vision:5.0.0.300'
}

接下來，我開始實現文字識別的基本功能。根據文件的提示，我需要先匯入必要的包並初始化文字識別器：

import com.huawei.hms.mlsdk.text.MLTextAnalyzer;
import com.huawei.hms.mlsdk.text.MLText;

public class TextRecognitionDemo {
    private MLTextAnalyzer analyzer;

    public void initializeAnalyzer() {
        analyzer = new MLTextAnalyzer.Creator().create();
    }
}

透過這一小段程式碼，我建立了一個文字分析器。接下來要做的就是將它應用到圖片中，看看能不能識別出圖片中的文字。

在這個過程中，我也遇到了一些坑，比如初始化分析器的時候需要確保裝置連線到網際網路，否則API無法正常工作。這個問題在我最初的測試中浪費了不少時間，但最終透過仔細閱讀文件和檢視錯誤日誌，我找到了問題的根源併成功解決。

第三步：圖片處理與識別

我寫了一個方法來從使用者選擇的圖片中獲取文字資訊，這也是實現文字識別的核心部分。這裡是主要的程式碼段：

public void analyzeTextFromImage(Bitmap bitmap) {
    MLFrame frame = MLFrame.fromBitmap(bitmap);
    Task<MLText> task = analyzer.asyncAnalyseFrame(frame);
    
    task.addOnSuccessListener(mlText -> {
        // 處理成功的結果
        StringBuilder recognizedText = new StringBuilder();
        for (MLText.Block block : mlText.getBlocks()) {
            recognizedText.append(block.getStringValue()).append("\n");
        }
        System.out.println("識別的文字內容: " + recognizedText.toString());
    }).addOnFailureListener(e -> {
        // 處理失敗的情況
        System.err.println("文字識別失敗: " + e.getMessage());
    });
}

這段程式碼會接收使用者上傳的圖片，並將其轉換為MLFrame，然後透過analyzer.asyncAnalyseFrame(frame)進行文字識別。成功的話，識別到的文字會被輸出到控制檯。

在開發這部分功能時，我嘗試了不同型別的圖片，包括手寫文字、印刷體文字以及一些背景複雜的圖片。透過不斷測試和調整，我逐漸找到了API在不同情況下的表現，並根據測試結果對程式碼進行了最佳化。例如，我發現手寫文字的識別效果相對較差，因此需要結合一些影像預處理技術來提高準確性。

第四步：除錯與最佳化

在實際測試的時候，我發現有些圖片因為光線太暗或者背景太複雜，識別效果並不是特別好。於是我參考了文件中關於最佳化圖片質量的建議，嘗試做了一些預處理，比如調整對比度和亮度，甚至引入了簡單的濾鏡來去除噪點。

為了實現這些改進，我引入了一些影像處理庫，比如OpenCV，用來對圖片進行預處理。例如，我新增了一個增強對比度的功能，使得文字在影像中的邊緣更加清晰，從而提高識別率。同時，我還編寫了一個簡單的降噪演算法，用於去除圖片中的背景干擾。這些改進雖然增加了一些開發時間，但效果非常明顯，識別的準確性有了顯著提升，特別是在辦公室的環境光下，識別率提升了大約20%。

在整個除錯過程中，我也遇到了一些挑戰，比如在低光環境下影像的噪聲非常嚴重，導致識別結果不理想。為了克服這些問題，我專門研究了一些影像增強的技術，並結合鴻蒙API的能力，對影像進行了一系列最佳化處理。最終，這些努力得到了回報，系統的整體識別效果有了很大改善。

第五步：整合與展示

當功能基本實現後，我將其整合到了公司原有的系統中。為了讓它更符合使用者的操作習慣，我還新增了一些UI介面，使用者可以直接透過手機拍照，然後自動識別出文字內容並顯示在螢幕上。

為了提升使用者體驗，我設計了一些額外的功能。例如，當使用者拍攝圖片時，我加入了一個實時預覽的功能，用於在拍照前對影像質量進行評估，提示使用者是否需要調整光線或重新拍攝。這不僅提高了識別的成功率，也讓使用者感覺更加智慧和人性化。

當我在週會上向老闆和同事們展示這個功能時，他們都覺得非常有用，尤其是物流部門的同事，因為這個功能可以大幅減少手動輸入的工作量，提高效率。物流部門的同事表示，之前他們需要手動錄入快遞單資訊，既費時又容易出錯。而現在，只需要用手機拍個照，系統就能自動識別並錄入，大大減輕了他們的工作負擔。

最後的感悟

從接到任務到最後成功開發出這個文字識別功能，整個過程雖然有些曲折，但我覺得非常充實。官方文件雖然內容很多，但一步步解讀、實驗，再到解決具體問題的過程，讓我對鴻蒙的API有了更深的理解。最重要的是，我也在這個過程中感受到了開發的樂趣與成就感。

在這個專案中，我不僅學到了如何使用鴻蒙的文字識別API，還學會了如何透過不斷的測試和最佳化來提升系統的效能和使用者體驗。這種不斷探索和改進的過程讓我更加深刻地理解了開發工作的本質——不僅僅是實現功能，而是要追求更高的質量和更好的使用者體驗。

image.png

如果你也在做類似的開發任務，不妨多看看官方文件，多動手試一試，遇到問題也不用怕，慢慢來總能解決！我相信，只要保持好奇心和耐心，每一個開發者都能在這樣的過程中獲得成長和滿足感。

相關文章