目的

        Autojs是简单、快捷、全面的一站式自动化脚本解决方案仅需极少时间、极低成本即可快速实现各种自动化脚本功能。本篇文章主要讲解下autojs、autoxjs等变种版的TomatoOCR纯本地离线文字识别插件如何使用和集成。

准备工作

1. 在设备上安装好Autojs开发工具

     2、下载对应的TomatoOCR插件：下载插件

• 目前插件支持中英文、繁体字、日语、韩语识别；
• 支持小图、区域图和单行文字识别，准确率高达99%；
• 支持多种返回格式，json\文本\数字\自定义；
• 支持二值化；
• 支持找字返回坐标并点击；
• 超高的稳定性，速度快；
• 支持多线程
• 支持滤色

插件集成

分安装版和免安装版，两种方式都可以，只是加载代码不一样

安装版

插件放置

下载对应的插件后，直接在设备上安装。

由于autojs的目前版本比较混乱，这里提供多种架构的插件，真机上下任意版本都没问题，模拟器上需要自行尝试。 如：华仔AutoJs工具箱在雷电模拟器上就只需下载【arm64-v8a、armeabi-v7a】架构的就可以，其他版本的Autojs就自行尝试。

注：插件包需要安装，只再手机设置-应用中才可以看到

调用方式

以下代码拷贝到js中，配置license后，点击运行

let OCR = $plugins.load('com.tomato.ocr');
let tmo_ocr = new OCR();

let license = "";
let flag = tmo_ocr.setLicense(license); // 设置license，见授权码获取
console.log(flag)
// ----------------------注：以上代码全局只需写一次-------------------------------

function ocr_start(x1, y1, x2, y2){
    // 以下方法详细介绍，见文档：方法介绍
    tmo_ocr.setRecType("ch-3.0")
    // 注：ch、ch-2.0、ch-3.0版可切换使用，对部分场景可适当调整
    // "ch"：普通中英文识别，1.0版模型
    // "ch-2.0"：普通中英文识别，2.0版模型
    // "ch-3.0"：普通中英文识别，3.0版模型
    // "cht"：繁体，"japan"：日语，"korean"：韩语
    
    tmo_ocr.setDetBoxType("rect")
    // 调整检测模型检测文本参数- 默认"rect": 由于手机上截图文本均为矩形文本，从该版本之后均改为rect，"quad"：可准确检测倾斜文本
    
    tmo_ocr.setDetUnclipRatio(1.9) // 文字识别错误，可尝试将这个值调大点
    // 调整检测模型检测文本参数 - 默认1.9: 值范围1.6-2.5之间
    
    tmo_ocr.setRecScoreThreshold(0.3)
    // 识别得分过滤 - 默认0.1，值范围0.1-0.9之间
    
    tmo_ocr.setReturnType("json")
    // 返回类型 - 默认"json": 包含得分、坐标和文字；
    // "text"：纯文字；
    // "num"：纯数字；
    // 自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容
    
    tmo_ocr.setBinaryThresh(0)
    // 二值化设定，非必须
    
    tmo_ocr.setRunMode("slow")
    // 默认“slow”；“fast”：小图识别上会加速，但准确率会降低，推荐用默认值“slow”
    
    //tmo_ocr.setFilterColor("", "black"); //  设置滤色值和背景色(black\white)，滤色值默认是空的，详细使用见方法说明
      

    // 例子
    if(!requestScreenCapture()){
        $events.broadcast.emit('console','error','无法截取！')
        exit()
    }
    let img = captureScreen()
    let bitmap = img.bitmap;
    let type = 3
    // type=-1 : 检测 + 方向分类 + 识别
    // type=0 : 只检测
    // type=1 : 方向分类 + 识别
    // type=2 : 只识别
    // type=3 : 检测 + 识别
    // 只检测文字位置：type=0
    // 全屏识别: type=3或者不传type
    // 截取单行文字识别：type=1或者type=2
    let result = tmo_ocr.ocrBitmap(bitmap, type);
    console.log("结果: " + result);
    if (result != "") { // setReturnType为“json”时，返回的是json对象，可以直接解析
        // 自行解析
    }

    // 找字返回坐标，没有找到字返回“”空字符串，返回的是“百度”的中心点坐标
    var point = tmo_ocr.findTapPoint("百度")
    if (point != "") {
        var center_x = point[0] + x1
        var center_y = point[1] + y1
    }
    
    var points = tmo_ocr.findTapPoints("百度")
    if (points != "") {
        for(var i = 0; i< points.length; i++) {
            var data = points[i]
            var words = data.words
            var point = data.point
            var center_x = point[0] + x1
            var center_y = point[1] + y1
        }
    }
}

ocr_start(100, 100, 500, 500)

免安装版

插件放置

下载免安装版的插件后，放到项目的根目录中，如下图：

调用方式

以下代码拷贝到js中，配置license后，点击运行

runtime.loadDex("./TomatoOCR/TomatoOCR.dex")

importClass('com.tomato.ocr.aj.OCRApi');
let tmo_ocr = new OCRApi(context, files.cwd());

let license = "";
let flag = tmo_ocr.setLicense(license); // 设置license，见授权码获取
console.log(flag)
// ----------------------注：以上代码全局只需写一次-------------------------------

$events.on('exit', () => {
    tmo_ocr.release();
});

function ocr_start(x1, y1, x2, y2){
    // 以下方法详细介绍，见文档：方法介绍
    tmo_ocr.setRecType("ch-3.0")
    tmo_ocr.setDetBoxType("rect")
    tmo_ocr.setDetUnclipRatio(1.9) 
    tmo_ocr.setRecScoreThreshold(0.3) 
    tmo_ocr.setReturnType("json")
    tmo_ocr.setBinaryThresh(0)

    // 例子
    if(!requestScreenCapture()){
        $events.broadcast.emit('console','error','无法截取！')
        exit()
    }
    let img = captureScreen()
    let bitmap = img.bitmap;
    let type = 3
    let result = tmo_ocr.ocrBitmap(bitmap, type);
    console.log("结果: " + result);
    if (result != "") { // setReturnType为“json”时，返回的是json对象，可以直接解析
        // 自行解析
    }

    // 找字返回坐标，没有找到字返回“”空字符串，返回的是“百度”的中心点坐标
    var point = tmo_ocr.findTapPoint("百度")
    if (point != "") {
        var center_x = point[0] + x1
        var center_y = point[1] + y1
    }
    
    var points = tmo_ocr.findTapPoints("百度")
    if (points != "") {
        for(var i = 0; i< points.length; i++) {
            var data = points[i]
            var words = data.words
            var point = data.point
            var center_x = point[0] + x1
            var center_y = point[1] + y1
        }
    }
}

ocr_start(100, 100, 500, 500)

其中的方法说明

setDetUnclipRatio

调整检测模型检测文本参数，默认1.9：
值范围1.6-2.5之间，如果文字的检测框太小，可调整改参数，一般往大调整

setRecScoreThreshold

设置识别得分过滤，默认0.1：
值范围0.1-0.9之间

setReturnType

设置返回类型，默认"json"，包含得分、坐标和文字；
"text"：纯文字；
"num"：纯数字；
自定义输入想要返回的文本：".￥1234567890"，仅只返回这些内容

setBinaryThresh

默认值0，对图片进行二值化处理，非必须，正常情况下可以不用写

ocrFile/ocrBase64

type=-1 : 检测 + 方向分类 + 识别
type=0 : 只检测
type=1 : 方向分类 + 识别
type=2 : 只识别（单行识别）
type=3 : 检测 + 识别
只检测文字位置：type=0
全屏识别: type=3或者不传type
截取单行文字识别：type=1或者type=2

findTapPoint

findTapPoints

运行结果

完毕

        相对来说，在autojs插件开发还是比较困难的，官方提供的功能太少，原生插件集成无法采用直连的方式，但相比部署在服务器上，还是减少了很多资源占用情况，更加方便便捷。