CameraX + MLKit 打造超简单 OCR 方案

身份证扫描主要需要用到文字识别技术（OCR）。这类技术方案已经很多了，本文介绍基于 CameraX + MLKit 的实现方式。其中 CameraX 用来实现相机的取景和预览，MLKit 用来进行图片中的文字识别。

1. CameraX 实现相机预览

1.1 CameraX 简介

Android 自 5.0 开始引入了全新的相机框架 Camera2 ，相较于之前的 Camera1 对多摄像头的支持更加友好，功能更加强大，但使用成本也更高。此背景下谷歌发布了 CameraX，它基于 Camera2 封装，大大提高了 API 的易用性。我们可以用很少的代码搭建出面向特定场景的相机应用，OCR 就是一种典型的相机应用场景 。

CameraX 引入 UseCase 的概念完成各种相机能力，UseCase 有利于功能模块的解耦，聚焦特定领域进行功能开发。CameraX 默认提供了几个常用的 UseCase 实现，能够满足大多数场景下的使用

• Preview : 提供相机取景和预览

• ImageCapture：拍照并保存图片

• ImageAnalysis：处理预览帧图片

本文 OCR 场景中将会使用到 Preview 和 ImageAnalysis 这两个 UseCase。Preview 帮助我们实现相机的取景和预览，ImageAnalysis 帮助我们将采集的图片送入 OCR 分析。

接下来让我们使用 CameraX 一步步完成相机预览功能

1.2 工程引入 CameraX

首先，在 Gradle 中引入 CameraX 相关库如下

implementation "androidx.camera:camera-lifecycle:1.2.0"implementation "androidx.camera:camera-view:1.2.0"implementation "androidx.camera:camera-camera2:1.2.0"

另外，需要使用相机，所以在 AndroidManifest 中申请相机权限

1.3 获取 ProcessCameraProvider

CameraX 通过 ProcessCameraProvider 访问相机实例。顾名思义，ProcessCamera 表示每个 Application Process 期间可使用的相机服务，所以 ProcessCameraProvider 是一个进程单例，通过 getInstance 创建并获取。创建是一个异步过程，所以借助 CameraProviderFuture 异步返回：

// 通过 cameraProviderFuture 异步返回创建的 ProcessCameraProvider 实例val cameraProviderFuture = ProcessCameraProvider.getInstance(context)//监听 ProcessCameraProvider 获取成功cameraProviderFuture.addListener(    Runnable {        //获取 cameraProvider        val cameraProvider = cameraProviderFuture.get()        ...    },     ContextCompat.getMainExecutor(context) // Runnable 运行的 Executor)

在 Runnable 中成功获取 ProcessCameraProvider 单例，接下来可以用它来组装 UseCase ，实现相机功能了。

CameraX 的一个重要特征是 LifecycleAware，相机可以根据应用的前后台情况自动开启或关闭，降低开发者的心智负担。ProcessCameraProvider 添加 UseCase 时会关联 LifecycleOwner。

UseCase 根据 Lifecycle 调用 onStateAttached / onStateDetatched，当我们自定义 UseCase 时，可以在这里进行一些自定义前 / 后处理。

1.4 添加 Preview UseCase

//选择后置镜头val cameraSelector =    CameraSelector.Builder().requireLensFacing(CameraSelector.LENS_FACING_BACK).build()//添加 Preivew UseCase cameraProvider.bindToLifecycle(     lifecycleOwner,      cameraSelector,     preview)

如上，ProcessCameraProvicer#bindToLifecycle 添加 Preview 。

Preview UseCase 的创建非常简单，如下：

val preview = Preview.Builder().build().ly {    setSurfaceProvider(previewView.surfaceProvider)}

创建 Preview 的关键是设置渲染用的 Surface，这是通过 PreviewView 获取的。

PreviewView 是 CameraX 提供的用于显示相机预览流的自定义 View，它内部可以根据需要切换 TexureView 或者 SurfaceView。

SurfaceView 有更好的性能，但在 Android 7.0 之前无法实现旋转、透明、动画等常规自定义 View 的能力，此时需要使用 TextureView 替代。PreviewView 默认使用性能优先的 SurfaceView，如果如果需要其有更好的兼容性，则可以设置 previewView.implementationMode = PreviewView.ImplementationMode.COMPATIBLE

1.5 布局 PreviewView

我们可以像下面这样在 xml 中布局使用 PreviewView

如果我们使用 Compose 渲染 UI ，可以借助 AndroidView 显示 PreviewView，Compose 展示相机预览的代码大体如下所示：

@Composablefun CameraScreen() {    //获取 ProcessCameraProvider    val cameraProviderFuture = remember {        ProcessCameraProvider.getInstance(context)    }        // 显示预览    AndroidView(        modifier = Modifier.fillMaxSize(),        factory = { ctx ->            PreviewView(ctx).ly {                cameraProviderFuture.addListener({                    val cameraProvider = cameraProviderFuture.get()                    val preview = //略                    val cameraSelector = //略                                       cameraProvider.unbindAll()                    cameraProvider.bindToLifecycle(                        LocalLifecycleOwner.current,                        cameraSelector,                        preview                    )                            }, ContextCompat.getMainExecutor(previewView.context))        }    })    }

2. MLKit 实现文字识别

2.1 MLKit 简介

MLKit 是谷歌的面向移动端开发者的机器学习库，帮助移动应用在离线状态下使用各种端智能技术，例如：

智能视觉处理：二维码扫描、文字识别、人脸检测、物体捕捉等；

自然语言处理：语言识别、智能回复、自动翻译等

这些端上的技术让应用变得更加智能的同时依然保持高性能，更重要的是这一切都是免费的，且不依赖 GMS（Google Mobile Service）。

2.2 工程引入 MLKit

本文我们主要使用到 MLKit 的文字识别功能，只需要添加以下依赖即可:

implementation 'com.google.mlkit:text-recognition-chinese:16.0.0-6'

text-recognition-chinese 可以识别中文字符，另外也有其他的 Artifact 可以识别日文韩文等非拉丁系的语言。

2.3 CameraX 实现图像分析

前面我们通过 Preview 实现了相机预览，接下来我们为 CameraProvider 添加 ImageAnalysis ，它可以接收相机的预览帧用于图像分析和处理。

val imageAnalysis = ImageAnalysis.Builder)    .setBackpressureStrategy(ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST).build()    .ly         //设置图像分析器        setAnalyzer            Executors.newSingleThreadExecutor(),            OcrAnalyzer  result: String -                //基于 MLKit 处理 OCR，并返回 result                         cameraProvider.bindToLifecycle    LocalLifecycleOwner.current,    cameraSelector,    preview,    imageAnalysis // 增加 ImageAnalysis 能力，关联 Lifecycle

setBackpressureStrategy 是设置预览帧的生产消费的缓冲策略，其默认值 ImageAnalysis.STRATEGY_KEEP_ONLY_LATEST 表示在每一帧没有分析结束之前，新的渲染帧会自动丢弃，避免排队。

ImageAnalysis#setAnalyzer 添加自定义图像分析器，这里我们定义一个 OcrAnalyzer，它基于 MLKit 实现 OCR 功能。

2.4 自定义 OcrAnalyzer

class OcrAnalyzer(    privateval onRecognized : (result: String) -> Unit) : ImageAnalysis.Analyzer {    // 获取可识别中文的 TextRecognition    privateval recognition =         TextRecognition.getClient(ChineseTextRecognizerOptions.Builder().build())            // 对 Image 进行处理    override fun analyze(imageProxy: ImageProxy) {        val image = imageProxy.image        if (image != null) {            val imageRotation = imageProxy.imageInfo.rotationDegrees            val inputImage = InputImage.fromMediaImage(image, imageRotation)            recognition.process(inputImage)                .addOnSuccessListener { recognizedText ->                    val textBlocks = recognizedText.textBlocks                    //解析 textBlocks 获取所需的信息并返回                    extractText(textBlocks)?.let { onRecognized(it) }                    imageProxy.close()                }.addOnFailureListener {                    imageProxy.close()                }        }     }}

ImageAnalysis.Analyzer 返回的 ImageProxy 中包含了预览帧信息：

imageProxy.image：图像信息

ImageInfo.rotationDegrees：根据设备情况获得的图片旋转角度。

InputImage.fromMediaImage 根据这两个参数获取具体的 InputImage，后者提交 recognition 处理。这里的 recognition 是一个可识别中文的 TextRecognition。

2.5 解析 TextBlocks

经过 TextRecognition 文字识别后将返回 Block / Line / Element 这样的数据结构，这种结构有利于进一步细粒度的解析。

Block 代表一个自然段落，由若干 Line（行） 组成，每一个 Line 又包含多个 Element（单词） 。

假设我们希望从身份证中获取姓名以及身份证号，虽然不确定身份证这样的排版会被识别为怎样的 Block，但是姓名和身份证号肯定处于不同 Line 中。我们定义 extractText 方法，将所有的 Block 下的 Line 聚合到一起，统一进行解析：

private fun extractText(textBlocks: List): String {    val lines = textBlocks.flatMap { it.lines }    var name = "unknown"    var id = "unknown"    lines.forEach {        val lineText = it.elements.joinToString { it.text }        if (lineText.contains("姓名")) {            name = lineText.substringAfter("姓名")        }        if (lineText.contains("公民身份证号码")) {            id = lineText.substringAfter("公民身份证号码")        }    }    return "$name\n$id"}

成功识别文字后的效果如下：

结束语

透过文字识别这样一个小的应用场景，我们切实感受到了 CameraX 以及 MLKit 开箱即用般的的易用性。作为谷歌官方工具包，它们还与 Compose 等其他 Jetpack 组件有着不错的兼容性。感谢谷歌强大的开发者生态，让开发者们可以低成本地开发自己的移动应用。

• CameraX：https://developer.android.com/training/camerax

• MLKit：https://developers.google.com/ml-kit

本文来自微信公众号：AndroidPub （ID：gh_e312d1adb6ec），作者：fundroid