在开始API开发工作之前,您需要完成必要的开发准备工作,同时请确保您的工程中已经配置HMS Core SDK的maven仓地址,并且完成了本服务的SDK集成。
1. 创建文档分析器。推荐使用文档识别自定义参数MLDocumentSetting设置需要识别的语种列表,创建分析器,以获取更加精确的文本识别结果。
- // 方式一:使用自定义参数配置。
- // 创建语言集合。
- List<String> languageList = new ArrayList();
- languageList.add("zh");
- languageList.add("en");
- // 设置参数。
- MLDocumentSetting setting = new MLDocumentSetting.Factory()
- // 设置识别语言列表,使用ISO 639-1标准。
- .setLanguageList(languageList)
- // 设置文本边界框返回格式,
- // MLRemoteTextSetting.NGON:返回四边形的四个顶点坐标。
- // MLRemoteTextSetting.ARC:返回文本排列为弧形的多边形边界的顶点,最多可返回多达72个顶点的坐标。
- .setBorderType(MLRemoteTextSetting.ARC)
- .create();
- MLDocumentAnalyzer analyzer =
- MLAnalyzerFactory.getInstance().getRemoteDocumentAnalyzer(setting);
- // 方式二:使用默认参数配置,自动检测语种进行识别,文本框返回格式为:MLRemoteTextSetting.NGON。
- MLDocumentAnalyzer analyzer =
- MLAnalyzerFactory.getInstance().getRemoteDocumentAnalyzer();
2. 通过android.graphics.Bitmap创建MLFrame,支持的图片格式包括:jpg/jpeg/png/bmp。
- // 通过bitmap创建MLFrame,bitmap为输入的Bitmap格式图片数据。
- MLFrame frame = MLFrame.fromBitmap(bitmap);
3. 将创建的MLFrame对象传递给“asyncAnalyseFrame”方法进行文档识别。
- Task<MLDocument> task = analyzer.asyncAnalyseFrame(frame);
- task.addOnSuccessListener(new OnSuccessListener<MLDocument>() {
- @Override
- public void onSuccess(MLDocument document) {
- // 识别成功。
- }
- }).addOnFailureListener(new OnFailureListener() {
- @Override
- public void onFailure(Exception e) {
- // 识别失败。
- // Recognition failure.
- try {
- MLException mlException = (MLException)e;
- // 获取错误码,开发者可以对错误码进行处理,根据错误码进行差异化的页面提示。错误码信息可参见:机器学习服务错误码。
- int errorCode = mlException.getErrCode();
- // 获取报错信息,开发者可以结合错误码,快速定位问题。
- String errorMessage = mlException.getMessage();
- } catch (Exception error) {
- // 转换错误处理。
- }
- }
- });
4. 识别完成,停止分析器,释放识别资源。
- if (analyzer != null) {
- try {
- analyzer.stop();
- } catch (IOException e) {
- // 异常处理。
- }
- }