# PhotoOCR

**Repository Path**: kin1987/photo-ocr

## Basic Information

- **Project Name**: PhotoOCR
- **Description**: PhotoOCR - Android 离线 OCR 应用
基于 ONNX Runtime + PaddleOCR 模型的纯本地 Android OCR 应用。

零网络请求、零第三方 API 依赖，所有推理均在设备本地完成。
- **Primary Language**: Kotlin
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 0
- **Created**: 2026-04-30
- **Last Updated**: 2026-09-14

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PhotoOCR - Android 离线 OCR 应用

基于 ONNX Runtime + PaddleOCR 模型的纯本地 Android OCR 应用。

零网络请求、零第三方 API 依赖，所有推理均在设备本地完成。

## 功能

- 📷 拍照识别 / 相册选图 / 批量识别
- 📄 PDF 文件识别
- 📑 分页浏览结果，滑动换页
- ✏️ 点击高亮文字区域，长按编辑识别结果
- 📋 复制当前页 / 全部识别结果
- 💾 识别进度实时显示
- 🔒 完全离线，不上传任何数据

## 环境要求

| 项目 | 要求 |
|------|------|
| 系统 | Android 7.0+ (API 24) |
| 架构 | ARM64 / ARMv7 |
| Android Studio | 2022.3.1+ (推荐最新版) |
| JDK | 17+ (Android Studio 自带) |
| SDK | compileSdk 35 |

## 快速开始

### 方式一：Android Studio（推荐）

1. **克隆项目**
   ```bash
   git clone <仓库地址>
   cd PhotoOCR
   ```

2. **打开项目**
   - 启动 Android Studio
   - File → Open → 选择项目根目录
   - 等待 Gradle 自动同步完成

3. **运行**
   - 连接手机并开启 USB 调试，或启动模拟器
   - 点击 Run 按钮 (▶️) 或 `Shift + F10`

### 方式二：命令行编译

```bash
# 编译 Debug 版本
./gradlew assembleDebug

# 编译 Release 版本
./gradlew assembleRelease
```

APK 输出位置：
- Debug: `app/build/outputs/apk/debug/app-debug.apk`
- Release: `app/build/outputs/apk/release/app-release.apk`

安装到手机：
```bash
adb install app/build/outputs/apk/debug/app-debug.apk
```

### 常见问题

**Q: Gradle Sync 失败，提示 SDK 未安装**
```
Failed to find target with hash string 'android-35'
```
打开 SDK Manager，安装 Android 15 (API 35) SDK Platform。

**Q: 提示 JDK 版本不匹配**
Android Studio 自带 JDK，确保使用 AS 自带的 JDK：
- File → Settings → Build → Gradle → Gradle JDK → 选择 `jbr` 或 `17`

**Q: 编译时内存不足**
在 `gradle.properties` 中调整：
```properties
org.gradle.jvmargs=-Xmx4096m
```

## 架构

```
拍照/选图 → 检测(DBNet) → 分类(Cls) → 识别(CRNN+CTC) → 输出文字
              ↑                ↑              ↑
         det模型.onnx     cls模型.onnx    rec模型.onnx
```

全部推理通过 ONNX Runtime Android SDK 执行，纯 Kotlin 实现 PP-OCR 的前处理和后处理逻辑。

## 项目结构

```
app/src/main/java/com/photoocr/
├── MainActivity.kt              # 主界面：菜单/选图/分页结果
├── ImageSelectionAdapter.kt     # 图片批量选择网格
├── OcrPageAdapter.kt            # ViewPager2 分页适配器
├── TextLinesAdapter.kt          # 文字列表适配器
├── OcrHighlightView.kt          # 文字框高亮绘制
├── OCRManager.kt                # OCR 管理器：协调 det→cls→rec
├── OCRResult.kt                 # 数据模型
└── ocr/
    ├── OnnxEngine.kt            # ONNX Runtime 推理封装
    ├── OcrDetector.kt           # DBNet 文本检测 + 后处理
    ├── OcrClassifier.kt         # 方向分类（180°旋转检测）
    ├── OcrRecognizer.kt         # CRNN + CTC 文本识别
    └── OcrUtils.kt              # 图像处理工具
```

## 模型文件

内置 PP-OCRv5 mobile 模型（`app/src/main/assets/`）：

| 文件 | 说明 | 大小 |
|------|------|------|
| ch_PP-OCRv5_det_infer.onnx | 文本检测 | ~4.8MB |
| ch_PP-OCRv5_rec_infer.onnx | 文本识别 | ~16.6MB |
| ch_ppocr_mobile_v2.0_cls_infer.onnx | 方向分类 | ~571KB |
| ppocr_keys_v1.txt | 中文字典 | ~74KB |

**PP-OCRv5 vs PP-OCRv4（mobile 模型）：**
- 印刷中文检测：90.5% vs 87.2% (+3.3%)
- 印刷英文检测：91.0% vs 77.3% (+13.7%)
- 推理速度提升 22.6%，模型体积减少 50%

## 手写体优化

调整 `OcrDetector.kt` 中的阈值：
```kotlin
const val BIN_THRESH = 0.3f    // 降低 → 检测更多笔划
const val BOX_THRESH = 0.5f    // 降低 → 保留低置信度区域
const val UNCLIP_RATIO = 1.6f  // 增大 → 扩展文本框
```

## 性能参考

| 设备 | 检测 | 识别（25行） | 总计 |
|-----|------|-------------|------|
| 骁龙 865 | ~80ms | ~50ms/行 | ~1.1s |
| 红米 Note 9 | ~400ms | ~300ms/行 | ~8s |

## 依赖

- ONNX Runtime Android 1.19.2
- CameraX 1.3.1
- Kotlin Coroutines 1.9.0
- Material Design 3
- ViewPager2

## License

MIT