争渡读屏OCR文字/图像识别插件接口功能实现详解

ZDSR.OCRAddin.IOCRAddin 是争渡读屏设计的图像识别扩展插件接口。该规范能让第三方开发者创建自定义 OCR 插件，将第三方图像/文字识别功能集成到读屏中。

下面深入详解该接口的每个部分。

一、接口设计目标

插件接口的核心目标是实现一个标准化的第三方 OCR 引擎扩展接入机制，使得：

读屏软件能以统一方式调用第三方扩展的不同 OCR 引擎
插件开发者能专注于识别算法，无需关心读屏软件内部实现
支持多种识别模式（纯文本识别、带坐标的精准识别）

二、接口方法

1. `Name` 属性

csharp 复制代码

string IOCRAddin.Name => throw new NotImplementedException();

作用：返回插件的显示名称
实现要点 ：
- 必须返回一个有意义的字符串（如"Cirong AI OCR"）
- 该名称会在读屏的插件引擎列表中显示
- 示例：public string Name => "Cirong AI OCR";

2. `Type` 属性

csharp 复制代码

string IOCRAddin.Type => throw new NotImplementedException();

作用：返回当前 OCR 的子类别
实现要点 ：
- 如果插件支持多种识别模式（如"通用"、"身份证"、"银行卡"），返回当前选中的类型
- 示例：public string Type => "通用";

3. `ChangeType` 方法

csharp 复制代码

string IOCRAddin.ChangeType(bool bReset)
{
    throw new NotImplementedException();
}

作用：切换 OCR 子类别
参数说明 ：
- bReset: true 表示重置到第一项，false 表示切换到下一项
返回值：新的类别名
实现要点 ：
- 维护一个类型列表（如 string[] types = { "通用", "身份证", "银行卡" }）
- 根据 bReset 参数切换当前类型索引
- 返回新的类别名

4. `Initial` 方法

csharp 复制代码

int IOCRAddin.Initial()
{
    throw new NotImplementedException();
}

作用：初始化插件
返回值 ：
- 1 表示插件初始化成功
- 0表示失败
实现要点 ：
- 加载模型、初始化插件资源等
- 检查依赖项是否齐全
- 返回 1 表示准备就绪

5. `OCR` 方法

csharp 复制代码

OCRResult IOCRAddin.OCR(System.Drawing.Image img, bool bNeedRect)
{
    throw new NotImplementedException();
}

作用：执行 OCR 图像识别
参数说明 ：
- img: 需要识别的图像
- bNeedRect: 是否需要返回坐标信息
  - true: 需要返回每个字符/控件的精确坐标
  - false: 只需返回文本内容
返回值 ：OCRResult 对象，存放识别结果

三、数据结构详解

1. `OCRResult` 结构

csharp 复制代码

public class OCRResult
{
    public List<OCRLine> ocrLines { get; set; }
}

核心字段 ：
- ocrLines: 识别到的所有文本行/控件列表

2. `OCRLine` 结构

csharp 复制代码

public class OCRLine
{
    public string line { get; set; }       // 整行文本
    public Rectangle lineRect { get; set; } // 行边界框
    public List<OCRWord> words { get; set; } // 逐字信息
}

关键字段 ：
- line: 整行文本内容（如"确定"、"用户名"）
- lineRect: 该行在图像中的边界框（x, y, width, height）
- words: 仅当 bNeedRect=true 时填充，包含每个字的详细信息

3. `OCRWord` 结构

csharp 复制代码

public class OCRWord
{
    public string text { get; set; }  // 字符内容
    public int x { get; set; }        // 相对于图像左上角的X坐标
    public int y { get; set; }        // 相对于图像左上角的Y坐标
    public int width { get; set; }    // 字符宽度
    public int height { get; set; }   // 字符高度
}

作用：提供字符级精确坐标
注：仅当 bNeedRect=true 时才需要填充

四、工作流程

1. 读屏调用插件流程

(1) 读屏启动时，调用 Initial() 初始化插件，成功则将插件注册到 OCR 引擎列表

(2) 用户触发 OCR 识别

(3) 读屏软件截取当前屏幕/窗口

(4) 调用 OCR(img, true) 识别（需要坐标）

(5) 读屏软件接收 OCRResult

(6) 将相对坐标转换为屏幕绝对坐标

(7) 朗读或模拟点击相应内容

2. 两种识别模式的区别

模式	`bNeedRect`	返回数据	用途
纯文本模式	false	仅 `line` 字段	简单文本朗读或描述图中内容
精准定位模式	true	完整坐标信息	模拟点击、逐字词浏览

五、编译和部署

使用 Visual Studio 创建 C# 类库项目 ，目标框架选择 .NET Framework 4.8 。在项目中添加对争渡读屏安装根目录下 ZDSROCRAddin.dll 的引用，并导入 using ZDSR.OCRAddin 命名空间，随后，按上述说明，实现 IOCRAddin 接口的 Name、Type、ChangeType、Initial 和 OCR 等。编译生成插件 DLL；若插件依赖模型或其他资源文件，随 DLL 一并放置。

在争渡读屏安装目录（如 C:\Program Files (x86)\zdsr\zdsr）的 addins\OCR 下新建一个与插件 DLL 同名的文件夹 ，将插件 DLL 放入该文件夹。例如 CirongOCRAddin.dll 应部署为 addins\OCR\CirongOCRAddin\CirongOCRAddin.dll。可参考读屏目录下 addins\OCR\TestOCRAddin 中的演示样例。读屏启动时会调用 Initial()，返回 1 表示初始化成功并注册到 OCR 引擎列表；返回 0 表示失败。

这套接口设计的精妙之处在于既支持简单文本识别或图像描述，又支持精准坐标定位，同时通过 bNeedRect 参数让插件可以优化不同场景下的性能表现。

参考

作者

张赐荣，视障者，信息无障碍软件优化解决方案资深研发专家。

深耕Web/PC/移动端可访问性工作多年，对跨平台无障碍解决方案拥有深厚的理论研究和丰富的实战经验。

精通障碍用户软件交互设计，长期致力于改善、提升产品可及性体验。

争渡读屏OCR文字/图像识别插件接口功能实现详解