超简单集成HMS ML Kit文字超分能力,一键提升文本分辨率

前言

大家有没有遇到过这种情况,在浏览微博或者公众号时看到一段有趣的文字,于是截图发到朋友圈想和好友分享。但是在发布图片时,软件会对图片强制进行压缩,导致图片分辨率下降,文字变得模糊难以阅读。那么有没有什么办法可以解决这种情况呢?当然有啦。华为HMS ML Kit提供了文字超分技术,可以突破图像中文本分辨率的物理限制,对包含文字内容的图像进行9倍放大(长宽各放大3倍),同时显著增强图像中文字的清晰度和可辨识度,轻松解决图片中文字分辨率低的问题。

应用场景

文字超分技术在生活中有很多的应用场景,比如刚刚提到朋友圈发布的截图被压缩时,文字超分技术可以把截图还原到高清晰度。


或者是在文档翻拍时,因为距离远、未聚焦等原因,导致拍摄的文字不清晰。文字超分技术可以提高翻拍文档的清晰度和可辨识度,让文档中的字变得清晰。

怎么样,是不是很实用?下面给大家简单介绍如何集成HMS ML Kit文字超分服务。

开发实战

[if !supportLists]1.     [endif]配置Maven仓地址

[if !supportLists]1.1  [endif]打开Android

Studio项目级“build.gradle”文件。

1.2 添加HUAWEI

agcp插件以及Maven代码库。

在allprojects ->repositories里面配置HMS Core SDK的Maven仓地址。

allprojects {


  repositories {


  google()


  jcenter()


  maven {url 'https://developer.huawei.com/repo/'}


  }

 }

在buildscript->repositories里面配置HMS Core SDK的Maven仓地址。

buildscript {


  repositories {


  google()


  jcenter()


  maven {url 'https://developer.huawei.com/repo/'}


  }

 }

[if !supportLists]2.     [endif]集成文字图像超分辨率服务SDK

2.1 Full SDK方式集成(推荐使用)

dependencies{ 

    //引入基础SDK

    Implementation 'com.huawei.hms:ml-computer-vision-textimagesuperresolution:2.0.3.300'

    //引入文字图像超分辨率模型包

    implementation  'com.huawei.hms:ml-computer-vision-textimagesuperresolution-model:2.0.3.300'

}

2.2 文件头添加配置

apply  plugin: 'com.android.application'

apply  plugin: 'com.huawei.agconnect'

2.3 更新机器学习模型



  android:name="com.huawei.hms.ml.DEPENDENCY" 

        android:value= "tisr"/>

[if !supportLists]3.     [endif]代码开发

3.1 创建文字图像超分辨率分析器。

MLTextImageSuperResolutionAnalyzer analyzer =  MLTextImageSuperResolutionAnalyzerFactory.getInstance().getTextImageSuperResolutionAnalyzer();

3.2 通过android.graphics.Bitmap构造MLFrame(注意此处的bitmap类型必须为ARGB8888,请注意做必要的转换)。          

// 通过bitmap创建MLFrame,bitmap为输入的图片数据。

MLFrame frame = new MLFrame.Creator().setBitmap(bitmap).create();

[if !supportLists]3.3  [endif] 对包含文字的图片进行超分辨率处理。

Task task =  analyzer.asyncAnalyseFrame(frame);

task.addOnSuccessListener(new OnSuccessListener()  {

    public void  onSuccess(MLTextImageSuperResolutionResult result) {

        //超分成功的处理逻辑。

    }})


  .addOnFailureListener(new OnFailureListener() {

        public void  onFailure(Exception e) {

            //超分失败的处理逻辑。

            if (e instanceof  MLException) {

                MLException  mlException = (MLException)e;

                //获取错误码,开发者可以对错误码进行处理,根据错误码进行差异化的页面提示。

                int  errorCode = mlException.getErrCode();

                //获取报错信息,开发者可以结合错误码,快速定位问题。

                String  errorMessage = mlException.getMessage();

            } else {

                //其他异常。

        }

});


3.4 超分完成,停止分析器,释放检测资源。

if (analyzer != null) {

    analyzer.stop();

}

Github地址

https://github.com/HMS-Core/hms-ml-demo/tree/master/MLKit-Sample/module-vision/src/main/java/com/huawei/mlkit/sample/activity

更详细的开发指南参考华为开发者联盟官网

https://developer.huawei.com/consumer/cn/hms/huawei-mlkit

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,928评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,192评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,468评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,186评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,295评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,374评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,403评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,186评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,610评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,906评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,075评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,755评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,393评论 3 320
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,079评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,313评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,934评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,963评论 2 351