前语

Vision 是 Apple 在 WWDC2017 推出的一个视觉处理结构，它能够进行人脸检测、文本辨认、条形码检测、图画匹配和一般特征跟踪。它也支持运用自定义 Core ML 模型来完结分类或目标检测等使命。

在这篇文章里，我将运用 Vision 的文本辨认功用来进行身份证信息的提取。废话不多说，让咱们开端吧！

示例代码

import Vision
fun recognizeTextRequest {
    // 初始化 VNImageRequestHandler
    let image = UIImage(named: "xxx")
    var cgOrientation = CGImagePropertyOrientation.right
    guard let image = image else { return }
    switch image.imageOrientation {
        case .up: cgOrientation = .up
        case .upMirrored: cgOrientation = .upMirrored
        case .down: cgOrientation = .down
        case .downMirrored: cgOrientation = .downMirrored
        case .left: cgOrientation = .left
        case .leftMirrored: cgOrientation = .leftMirrored
        case .right: cgOrientation = .right
        case .rightMirrored: cgOrientation = .rightMirrored
    @unknown default:
        fatalError()
    }
    guard let cgImage = image.cgImage else { return }
    let requestHandler = VNImageRequestHandler(cgImage: cgImage, orientation: cgOrientation)
    // 初始化 VNRecognizeTextRequest
    let request = VNRecognizeTextRequest(completionHandler: recognizeTextHandler)
    // 默认情况下不会辨认中文，需求手动指定 recognitionLanguages
    request.recognitionLanguages = ["zh-Hans", "zh-Hant"]
    request.usesLanguageCorrection = true
    // 执行 request
    DispatchQueue.global(qos: .userInitiated).async {
        do {
            try requestHandler.perform([request])
        } catch {
            print("Unable to perform the requests: (error).")
        }
    }
}
func recognizeTextHandler(request: VNRequest, error: Error?) {
        guard let observations = request.results as? [VNRecognizedTextObservation] else {
            return
        }
        DispatchQueue.main.async {
            let recognizedStrings = observations.compactMap { observation in
                return observation.topCandidates(1).first?.string
            }
            print(recognizedStrings)
        }
}

完整版代码如上，下面咱们来进行代码阐明。

代码解释

要想运用 Vision 结构，首先要做的第一步肯定是导入该结构。

接着，咱们需求初始化 VNImageRequestHandler 来进行相片的文字提取。VNImageRequestHandler 共支持五种初始化方法，在本篇的示例代码中，咱们运用了 CGImage 来进行初始化。

请注意：由于 CGImage、CIImage 和 CVPixelBuffer 的示例目标没有资源的方向信息，所以运用这三种类型初始化时，需求把资源的方向信息也带进去。以下是其他四种初始化方法：

  • CIImageL：能够经过 UIImage 的 ciImage 特点取得，需求经过枚举 CGImagePropertyOrientation 来指定，调用 init(ciImage:orientation:options:) 来初始化。
  • CVPixelBuffer：它是 Core Video 的图画资源格式，首要用于实时画面或者电影。 经过 init(cvPixelBuffer:orientation:options:) 进行初始化。
  • NSData：图画数据可能会被紧缩或保存在内存中，也可能在服务器获取。假如在服务器获取资源，请检查从网络下载的图画是否有垂直方向;假如没有，需求调用 init(data:orientation:options:) 将资源的方向信息传递进去。
  • NSURL：图片在磁盘的路径。

为什么 Vision 必需求取得图片的方向呢？由于假如 Vision 假设了错误的方向，它可能无法正确地检测到侧面或上下颠倒的特征。假如是相册中挑选的相片包括方向信息。咱们能够经过 UIImage 的 imageOrientation 特点来取得这些数据。假如你是经过其他方法获取相片，比如从网络或其他应用程序获取相片，假如这些图片没有包括方向信息，则你需求就独自提供。

在 Vision 中，每项功用都是一个 request，不同项的功用运用不同的 request。这儿咱们用到的是文字辨认，所以接下来咱们就需求初始化 VNRecognizeTextRequest 了。

VNRecognizeTextRequest 的初始化参数需求咱们传递一个 completionHandler 来执行辨认完结之后的逻辑。在 completionHandler 里咱们只是简单的打印了一下辨认结果。

然后便是设置一下 recognitionLanguages 和 usesLanguageCorrection 两个特点的值，由于 Vision 默认情况下不会辨认中文，所以咱们需求给 recognitionLanguages 赋值让 Vision 能够辨认中文。

usesLanguageCorrection 则能够进步文字辨认的准确率，但会多耗费性能。

最终一步便是调用 perform 执行 request 了。由于 Vision 的操作都是比较耗费性能的，所以最好将其放在后台行列里执行，以免堵塞主行列。

Tips：尽管 recognizeTextHandler 的打印代码不回到主行列也没问题，但为了表明假如进行 UI 操作是需求回到主行列的，所以我还是写了 DispatchQueue.main.async。

总结

运用 Vision 进行文字辨认需求以下几个过程：

  • 导入 Vision 结构
  • 声明 completionHandler 处理辨认后的逻辑
  • 初始化 VNImageRequestHandler
  • 初始化 VNRecognizeTextRequest
  • handle 执行 request 即可