标签： #HarmonyOS #ArkTS #CoreVisionKit #OCR #NPU #端侧AI

🚀 前言：为什么它是“降维打击”？

在鸿蒙生态中，AI 不是一个“插件”，而是基础设施。
当你调用 CoreVisionKit 时，系统会自动判断当前设备的算力情况。在华为 Mate/P 系列手机上，它会直接调用麒麟芯片里的 NPU 进行矩阵运算加速。

• 速度：比 CPU 计算快 5-10 倍。
• 隐私：完全离线运行，护照、身份证信息不出手机。
• 开发：API 极度精简。

处理流程对比 (Mermaid):

🛠️ 一、 准备工作

在 module.json5 中，你甚至不需要申请网络权限，也不需要申请相机权限（如果我们直接识别本地图片）。
这就是端侧 AI 的魅力。

你只需要引入核心 Kit：

// 导入文本识别能力
import { textRecognition } from '@kit.CoreVisionKit'; 
// 导入图片处理能力
import { image } from '@kit.ImageKit'; 

💻 二、 代码实战：30 行核心逻辑

我们要实现的功能：传入一张图片（PixelMap），返回里面的文字字符串。

1. 核心封装函数 (Utils)

import { textRecognition } from '@kit.CoreVisionKit';
import { image } from '@kit.ImageKit';
import { hilog } from '@kit.PerformanceAnalysisKit';

export class OcrUtil {
  /**
   * 核心方法：调用 NPU 进行文字识别
   * @param pixelMap 图片的位图对象
   * @returns 识别到的纯文本
   */
  public static async recognize(pixelMap: image.PixelMap): Promise<string> {
    try {
      // 1. 创建视觉信息对象
      let visionInfo: textRecognition.VisionInfo = {
        pixelMap: pixelMap
      };

      // 2. 配置识别参数 (是否需要方向矫正等)
      let config: textRecognition.TextRecognitionConfiguration = {
        isDirectionDetectionSupported: true // 支持文字方向检测
      };

      // 3. 【关键一步】调用系统 AI 能力
      // 这行代码底层会由 NPU 驱动
      let result = await textRecognition.recognizeText(visionInfo, config);

      // 4. 解析结果 (result.value 包含提取的文本)
      return result.value;

    } catch (error) {
      hilog.error(0x0000, 'OCR', `识别失败: ${JSON.stringify(error)}`);
      return "识别失败";
    }
  }
}

2. UI 调用示例 (ArkTS)

在页面中，用户点击按钮，从资源中读取图片并识别。

@Entry
@Component
struct OcrPage {
  @State recognizedText: string = "等待识别...";
  @State imageSrc: Resource = $r('app.media.test_receipt'); // 假设有一张收据图片

  build() {
    Column({ space: 20 }) {
      Image(this.imageSrc)
        .width('80%')
        .height(200)
        .objectFit(ImageFit.Contain)

      Button("开始 NPU 识别")
        .onClick(async () => {
          // 1. 获取资源图片的 PixelMap (此处省略将 Resource 转 PixelMap 的辅助代码)
          // 实际开发中通常从相册选择得到 PixelMap
          const pixelMap = await this.getPixelMapFromResource(this.imageSrc);
          
          // 2. 调用上面的工具类
          if (pixelMap) {
            this.recognizedText = "识别中...";
            // 🚀 耗时操作，但 NPU 极快
            const text = await OcrUtil.recognize(pixelMap);
            this.recognizedText = text;
          }
        })

      TextArea({ text: this.recognizedText })
        .width('90%')
        .height(200)
    }
    .width('100%')
    .height('100%')
  }

  // 模拟：将 Resource 转为 PixelMap (非核心逻辑，仅作补充)
  async getPixelMapFromResource(res: Resource): Promise<image.PixelMap | undefined> {
    // 实际需使用 resourceManager 读取流并解码，此处为伪代码占位
    return undefined; 
  }
}

📊 三、 效果实测：吊打 Tesseract

找一张包含 500 字左右的密密麻麻的合同照片进行测试：

🎯 总结

这就是鸿蒙 “一次开发，多端部署” 之外的另一大优势：“硬件能力的极致抽象”。
作为开发者，你不需要懂 TensorFlow，不需要懂模型量化，也不需要懂 NPU 指令集。你只需要像调用 String.split() 一样，调用 AI 能力。

这 30 行代码，在没有鸿蒙之前，可能是一个初创公司 3 个月的研发工作量。

Next Step:
打开 DevEco Studio，新建一个项目，把你的身份证拍张照放进 resources/base/media，尝试用上面的代码把它识别出来。你会发现，它甚至能精准识别出身份证号码的位置（通过 result.blocks 坐标信息）。