AutoHotkey 结合 Windows 自带 OCR 实现自动化文本识别：实战指南

1次阅读

没有评论

共计 2354 个字符，预计需要花费 6 分钟才能阅读完成。

在 GUI 自动化测试和数据抓取场景中，文本识别是一个常见的需求。然而，传统的解决方案往往存在以下问题：

依赖第三方 OCR 工具 ：如 Tesseract 等工具需要额外安装和配置，增加了系统复杂性。
识别准确率不稳定 ：尤其是在低分辨率或复杂背景的情况下，识别效果不佳。
性能开销大 ：某些 OCR 工具在实时处理时会导致系统资源占用过高。

Windows 自带的 OCR 功能（通过 Windows.Media.Ocr API 提供）是一个轻量级、高精度的解决方案，尤其适合与 AutoHotkey 结合使用，实现快速、高效的文本识别。

无需额外安装 ：Windows OCR 是系统自带功能，无需额外配置。
高兼容性 ：支持多语言环境，且与 Windows 系统深度集成。
性能优越 ：识别速度快，资源占用低。

Tesseract：虽然功能强大，但需要单独安装和训练，且对复杂背景的适应性较差。
第三方 OCR 服务 ：如 Google Vision API，虽然准确率高，但依赖网络且可能产生费用。

Windows OCR API 通过 COM 接口提供，可以通过 AutoHotkey 的 COM 支持直接调用。以下是关键步骤：

初始化 OCR 引擎 ：通过 Windows.Media.Ocr.OcrEngine 类创建实例。
捕获屏幕区域 ：使用 AutoHotkey 的 ImageSearch 或 PixelGetColor 定位目标区域。
转换为位图 ：将捕获的图像转换为 Windows.Graphics.Imaging.SoftwareBitmap 格式。
调用识别接口 ：通过 OcrEngine.RecognizeAsync 方法异步识别文本。

以下是完整的 AutoHotkey 脚本示例：

#Persistent
#SingleInstance Force

; 初始化 COM 库
DllCall("ole32\CoInitialize", "Ptr", 0)

; 获取屏幕截图并识别文本
F1::
    ; 捕获屏幕区域（示例为 100x100 像素的区域）hBitmap := GetScreenShot(0, 0, 100, 100)

    ; 转换为 SoftwareBitmap
    pBitmap := HBitmapToSoftwareBitmap(hBitmap)

    ; 调用 OCR 识别
    text := RecognizeText(pBitmap)
    MsgBox, 识别结果: %text%

    ; 释放资源
    DeleteObject(hBitmap)
    ObjRelease(pBitmap)
return

; 获取屏幕截图的函数
GetScreenShot(x, y, w, h) {hDC := DllCall("GetDC", "Ptr", 0)
    hMemDC := DllCall("CreateCompatibleDC", "Ptr", hDC)
    hBitmap := DllCall("CreateCompatibleBitmap", "Ptr", hDC, "Int", w, "Int", h)
    DllCall("SelectObject", "Ptr", hMemDC, "Ptr", hBitmap)
    DllCall("BitBlt", "Ptr", hMemDC, "Int", 0, "Int", 0, "Int", w, "Int", h, "Ptr", hDC, "Int", x, "Int", y, "UInt", 0x00CC0020)
    DllCall("ReleaseDC", "Ptr", 0, "Ptr", hDC)
    DllCall("DeleteDC", "Ptr", hMemDC)
    return hBitmap
}

; 将 HBitmap 转换为 SoftwareBitmap 的函数
HBitmapToSoftwareBitmap(hBitmap) {
    ; 省略具体实现，需调用 Windows.Graphics.Imaging API
    return pBitmap
}

; 调用 OCR 识别的函数
RecognizeText(pBitmap) {
    ; 初始化 OCR 引擎
    ocrEngine := ComObjCreate("Windows.Media.Ocr.OcrEngine")

    ; 异步识别文本
    asyncOp := ocrEngine.RecognizeAsync(pBitmap)
    asyncOp.Completed := Func("OnRecognizeCompleted")

    ; 等待识别完成
    while (!asyncOp.Status)
        Sleep, 100

    ; 获取识别结果
    ocrResult := asyncOp.GetResults()
    return ocrResult.Text
}

OnRecognizeCompleted(asyncOp, status) {; 回调函数，处理识别完成事件}

; 释放资源的函数
DeleteObject(hObject) {DllCall("DeleteObject", "Ptr", hObject)
}