#$ocr - 文字识别

• 更新时间:2026-04-07 10:13:44

文字识别

文字识别是指通过计算机视觉技术，将图片中的文字提取出来，转换为程序可处理的文本格式。文字识别在很多场景下都有广泛的应用，比如文档扫描、图片识别、验证码识别等等。

目前本应用内涵盖三种识别引擎,分别是 PaddleOcr、PpOcrV5、GoogleMlkit。

#版本(版本名称)

设置要使用的OCR引擎

下面我简单介绍几个识别引擎的特点,ncnn速度最快,但是部分手机会出现识别混乱的现象; mlkit是google提供的OCR引擎,速度较慢,但是识别准确率较高,并且兼容性比ncnn好很多; ppv5是2025年比较流行的一款OCR识别方案,支持识别中英文以及特殊字符,精确度高,不过它是和ncnn同系列的产品;

• 参数 : 版本名称 {字符串} 可选:ncnn,mlkit(默认),ppv5
• 版本 : 1.6.0

//此函数要放在识别之前调用
$文字识别.版本("mlkit"); //设置要使用的OCR引擎

#初始化()

初始化ocr

在使用OCR(文字识别)之前,需要加载文字模型,因此需要进行初始化,不过目前版本来看,初始化速度都很快,一般都在1秒左右

实际上mlkit是不需要初始化的,此外如果你忘记了初始化,在进行识别文字的时候,也会自动进行初始化

• 返回 : {结果集} 结果
• 版本 : 1.6.0

$文字识别.初始化();

#识别位置(文字, 配置)

识别文字拿位置

识别后将把每行结果去除空格和换行符后,判断是否包含指定文字,如果包含则返回该文字识别出来的位置

该函数其实是对'识别()'函数的封装,只是在识别到文字后,会判断文字关系是否包含指定文字,如果包含则返回该文字识别出来的位置

• 参数 : 文字 {字符串} 文字
• 参数 : 配置 {对象} 配置
• 返回 : {Point} 位置
• 版本 : 1.6.0

//配置方式1:灰度化识别
定义 配置1 = {
    范围: [0,0,200,100], //(可选)识别范围(为空则识别整个屏幕)
    是否灰度化: 是, //(必须)开启灰度化(默认:否),开启后会将图片转换为灰度图,识别速度会快很多,但是识别准确率会低一些
    是否保存图片: 是, //(可选)是否保存图片(默认:否),开启后会将识别到的图片保存到指定路径
    保存路径: "/sdcard/ocr.png" //(可选)保存图片路径(为空则不保存图片),仅开启保存图片功能时有效
};
//配置方式2:二值化识别
定义 配置2 = {
    范围: [0,0,200,100], //(可选)识别范围(为空则识别整个屏幕)
    颜色: "#EEEEEE", //(必须)文字颜色(默认:#EEEEEE)
    阈值: 20, //(可选)二值化阈值(默认:20)推荐在20-50之间
    是否保存图片: 是, //(可选)是否保存图片(默认:否),开启后会将识别到的图片保存到指定路径
    保存路径: "/sdcard/ocr.png" //保存图片路径(为空则不保存图片),仅开启保存图片功能时有效
};
//上面的配置自己根据自身需求选择一个即可
//返回opencv的Point对象
定义 识别结果 = $文字识别.识别位置("文字", 配置2);
如果 (识别结果 != 空) {
    //直接点击opencv的Point对象
    $动作.点击(识别结果);
}

#识别单行(配置)

识别单行文字

识别的方式有二值化和灰度化，自行配置即可，识别完成后会对识别的结果进行包装处理，提取出文字为单行字符串，并且去除不需要的空格和换行符。

当你开启提取数字的时候,该函数会把提取的数字按照','号进行分隔。

该函数是对'识别()'函数的封装,只是在识别到文字后,会先去除空白字符之后拼接成一行;

• 参数 : 配置 {对象} 配置
• 返回 : {字符串} 一行字符
• 版本 : 1.0.0

定义 配置 = {
    范围: [0,0,200,100], //(推荐)识别范围(为空则识别整个屏幕)
    是否提取数字: 是, //(可选)是否提取数字(用,号分割)
    //其他配置项目参考'识别()'方法
};
定义 结果 = $文字识别.识别单行(配置);

#识别单行(图片)

识别单行文字

识别单行文字并且提取去除空格符的字符串

注意：为了兼容其他函数复用资源，不会回收传入的位图/图片对象，需要你手动释放。

• 参数 : 图片 {位图对象} 图片
• 返回 : {字符串} 文本
• 版本 : 1.9.7

//设置版本
$文字识别.版本("nnn");
//获取图片对象
定义 图片 = $图片.读取("t01.png");
//识别位图、拿到文本
定义 文本 = $文字识别.识别单行(图片.获取位图());
日志(文本);
//释放资源
图片.回收();

#识别单行(图片)

识别单行文字

识别单行文字并且提取去除空格符的字符串

注意：为了兼容其他函数复用资源，不会回收传入的位图/图片对象，需要你手动释放。

• 参数 : 图片 {图片对象} 图片
• 返回 : {字符串} 文本
• 版本 : 1.9.7

//设置版本
$文字识别.版本("nnn");
//获取图片对象
定义 图片 = $图片.读取("t01.png");
//识别图片、拿到文本
定义 文本 = $文字识别.识别单行(图片);
日志(文本);
//释放资源
图片.回收();

#识别单行(图片, x, y, w, h)

识别单行文字

识别单行文字并且提取去除空格符的字符串

注意：为了兼容其他函数复用资源，不会回收传入的位图/图片对象，需要你手动释放。

• 参数 : 图片 {图片对象} 图片
• 参数 : x {数字} 需要识别的区域起点x值
• 参数 : y {数字} 需要识别的区域起点y值
• 参数 : w {数字} 需要识别的区域宽度
• 参数 : h {数字} 需要识别的区域高度
• 返回 : {字符串} 文本
• 版本 : 1.9.7

//设置版本
$文字识别.版本("nnn");
//获取图片对象
定义 图片 = $图片.读取("t01.png");
//识别范围中的图片、拿到文本
定义 文本 = $文字识别.识别单行(图片,660,350,100,32);
日志(文本);
//释放资源
图片.回收();

#识别(配置)

识别文字

会自动截屏并且识别文字,支持灰度化识别,支持二值化(默认)识别

如果你是小白,那么请记住:二值化其实就是把图片转换为黑白的图片,而灰度化就是把图片转换为灰度的图片,经过处理之后的图片识别起来更加准确。

• 参数 : 配置 {对象} 参数
• 返回 : {结果集} 结果
• 版本 : 1.0.0

//灰度化识别
定义 配置1 = {
    范围: [0,0,200,100], //(推荐)识别范围(为空则识别整个屏幕)
    是否灰度化: 是, //(推荐)开启灰度化
    是否保存图片: 是, //(可选)是否保存图片
    保存路径: "./资源/处理后的图片.png" //(可选)保存图片路径(为空则不保存图片)
};
定义 结果1 = $文字识别.识别(配置1);
//二值化识别
定义 配置2 = {
    范围: [0,0,200,100], //(推荐)识别范围(为空则识别整个屏幕)
    颜色: "#EEEEEE", //(推荐)文字颜色(默认:#EEEEEE)
    阈值: 20, //(推荐)二值化阈值(默认:20)
    是否保存图片: 是, //(可选)是否保存图片
    保存路径: "./资源/处理后的图片.png" //(可选)保存图片路径(为空则不保存图片)
};
//如果你是小白,不懂阈值是什么意思,记住:二值化是把图片处理成黑白图片,那么颜色就是黑白两级的分界线,
//而阈值就相当于给这个分界线增加范围,范围内的会被处理成白色,其他的都会变成黑色
//最原始的识别函数
定义 结果2 = $文字识别.识别(配置2);

#识别base64(base64)

识别base64图片

• 参数 : base64 {字符串} 图片base64字符串
• 返回 : {结果集} 结果
• 版本 : 1.6.0

//识别base64图片
定义 测试图片 = $图片.读取("./资源/图片01.png");
定义 base64字符串 = $图片.转base64(测试图片);
//一般情况下,base64可以从服务器端获取,而上面的代码是把本地图片转成base64的
定义 识别结果 = $文字识别.识别base64(base64字符串);

#识别路径(图片路径)

识别路径中图片

• 参数 : 图片路径 {字符串} 图片路径
• 返回 : {结果集} 结果
• 版本 : 1.6.0

//识别本地图片
定义 识别结果 = $文字识别.识别路径("./资源/图片01.png");

#识别图片(img)

识别图片

• 参数 : img {图片} 图片对象
• 返回 : {结果集} 结果
• 版本 : 1.0.0

//获取本地图片对象
定义 图片 = $图片.读取("./资源/图片01.png");
//识别图片对象
定义 识别结果 = $文字识别.识别图片(图片);
如果 (识别结果.是否成功()) {
    //...
}

#识别位图(位图)

识别路径中图片

• 参数 : 位图 {Bitmap} 位图对象
• 返回 : {DetectResult} 结果
• 版本 : 1.7.0

//获取一个位图对象
定义 图片 = $图片.读取("/sdcard/t01.png");
定义 位图 = 图片.获取位图();
//识别本地图片
定义 结果 = $文字识别.识别位图(位图);

#只识别文字(图片对象)

只识别文字

只识别图片中的文字，不进行文字方位检测，能够省略检测文字方位的时间。

需要注意：

1. 需要传入的图片只能是单一文字的图片，如果过大或者比较复杂，会导致异常。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 图片对象 {图片} 图片对象
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//获取本地图片对象
定义 图片 = $图片.读取("/sdcard/test.png");
//识别图片对象
定义 文字 = $文字识别.只识别文字(图片);
日志(文字);

#只识别文字(位图)

只识别文字

只识别图片中的文字，不进行文字方位检测，能够省略检测文字方位的时间。

需要注意：

1. 需要传入的图片只能是单一文字的图片，如果过大或者比较复杂，会导致异常。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 位图 {位图对象} 位图对象
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//获取本地图片对象
定义 图片 = $图片.读取("/sdcard/test.png");
//获取位图对象
定义 位图 = 图片.获得位图();
//识别位图对象
定义 文字 = $文字识别.只识别文字(位图);
日志(文字);

#只识别文字(路径)

只识别文字

只识别图片中的文字，不进行文字方位检测，能够省略检测文字方位的时间。

需要注意：

1. 需要传入的图片只能是单一文字的图片，如果过大或者比较复杂，会导致异常。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 路径 {字符串} 图片路径
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//识别路径上的图片
定义 文字 = $文字识别.只识别文字("/sdcard/test.png");
日志(文字);

#只检测位置(图片对象)

只检测位置

只检测图片中的文字位置，这个速度一般非常快。

需要注意：

1. 该函数允许传入较大的屏幕截屏图片，只检测文字的位置，不会识别文字具体是什么。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 图片对象 {图片} 图片对象
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//获取本地图片对象
定义 图片 = $图片.读取("/sdcard/test.png");
//识别图片对象
定义 结果 = $文字识别.只检测位置(图片);
日志(结果);

#只检测位置(位图)

只检测位置

只检测图片中的文字位置，这个速度一般非常快。

需要注意：

1. 该函数允许传入较大的屏幕截屏图片，只检测文字的位置，不会识别文字具体是什么。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 位图 {位图对象} 位图对象
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//获取本地图片对象
定义 图片 = $图片.读取("/sdcard/test.png");
//获取位图对象
定义 位图 = 图片.获得位图();
//识别位图对象
定义 结果 = $文字识别.只检测位置(位图);
日志(结果);

#只检测位置(路径)

只检测位置

只检测图片中的文字位置，这个速度一般非常快。

需要注意：

1. 该函数允许传入较大的屏幕截屏图片，只检测文字的位置，不会识别文字具体是什么。
2. 该函数是ncnn、ppocrv5独特函数，mlkit无此功能。

• 参数 : 路径 {字符串} 图片路径
• 返回 : {字符串} 文字
• 版本 : 1.9.6

//识别路径上的图片
定义 结果 = $文字识别.只检测位置("/sdcard/test.png");
日志(结果);