岭猿 发表于 2025-6-3 00:31:28

Github Copilot 实战: 从零开始用AI写一个OCR工具 (3)

源码

https://github.com/densen2014/Blazor100/tree/master/AI/MiOcr
添加一个屏幕截图功能,显示截图起始点,结束点,截图区域,按键ESC取消截图

这里AI就比较中规中矩,很快就能得到我要的功能了.下面只简单贴一下代码

ScreenCaptureWindow.xaml
<Window x:
      xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
      xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
      Window AllowsTransparency="True" Background="#01000000"
      Topmost="True" ShowInTaskbar="False" WindowState="Maximized">
    <Canvas x:Name="CaptureCanvas">
      <TextBlock x:Name="StartCoordText"
               Foreground="Yellow"
               Background="#80000000"
               FontSize="14"
               Visibility="Collapsed"/>
      <TextBlock x:Name="CurrentCoordText"
               Foreground="Yellow"
               Background="#80000000"
               FontSize="14"
               Visibility="Collapsed"/>
      <TextBlock x:Name="SizeText"
               Foreground="Yellow"
               Background="#80000000"
               FontSize="14"
               Visibility="Collapsed"/>
    </Canvas>

</Window>ScreenCaptureWindow.xaml.cs
using System.Windows;
using System.Windows.Controls;
using System.Windows.Input;
using System.Windows.Interop;
using System.Windows.Media;
using System.Windows.Media.Imaging;
using System.Windows.Shapes;

namespace MiOcr;

public partial class ScreenCaptureWindow : Window
{
    public Rect SelectedRect { get; private set; }
    public BitmapSource? CapturedImage { get; private set; }

    private System.Windows.Point? _start;
    private Rectangle? _rectShape;

    public ScreenCaptureWindow()
    {
      InitializeComponent();
      MouseLeftButtonDown += OnMouseDown;
      MouseMove += OnMouseMove;
      MouseLeftButtonUp += OnMouseUp;
      Cursor = Cursors.Cross;
      PreviewKeyDown += ScreenCaptureWindow_PreviewKeyDown;
      Focusable = true;
      Loaded += (s, e) => Keyboard.Focus(this);
    }

    private void ScreenCaptureWindow_PreviewKeyDown(object sender, KeyEventArgs e)
    {
      if (e.Key == Key.Escape)
      {
            CapturedImage = null;
            DialogResult = false;
            Close();
      }
    }

    private void PositionTextBlocks(double x, double y, double w, double h)
    {
      double margin = 8;
      double canvasWidth = CaptureCanvas.ActualWidth;
      double canvasHeight = CaptureCanvas.ActualHeight;

      // 先测量文本大小
      StartCoordText.Measure(new Size(double.PositiveInfinity, double.PositiveInfinity));
      SizeText.Measure(new Size(double.PositiveInfinity, double.PositiveInfinity));
      double startW = StartCoordText.DesiredSize.Width;
      double startH = StartCoordText.DesiredSize.Height;
      double sizeW = SizeText.DesiredSize.Width;
      double sizeH = SizeText.DesiredSize.Height;

      // 1. 左上优先
      double startX = x - startW - margin;
      double startY = y - startH - margin;
      if (startX >= 0 && startY >= 0)
      {
            Canvas.SetLeft(StartCoordText, startX);
            Canvas.SetTop(StartCoordText, startY);
            Canvas.SetLeft(SizeText, startX);
            Canvas.SetTop(SizeText, startY + startH + 4);
            return;
      }

      // 2. 右上
      startX = x + w + margin;
      startY = y - startH - margin;
      if (startX + startW <= canvasWidth && startY >= 0)
      {
            Canvas.SetLeft(StartCoordText, startX);
            Canvas.SetTop(StartCoordText, startY);
            Canvas.SetLeft(SizeText, startX);
            Canvas.SetTop(SizeText, startY + startH + 4);
            return;
      }

      // 3. 左下
      startX = x - startW - margin;
      startY = y + h + margin;
      if (startX >= 0 && startY + startH + sizeH + 4 <= canvasHeight)
      {
            Canvas.SetLeft(StartCoordText, startX);
            Canvas.SetTop(StartCoordText, startY);
            Canvas.SetLeft(SizeText, startX);
            Canvas.SetTop(SizeText, startY + startH + 4);
            return;
      }

      // 4. 右下
      startX = x + w + margin;
      startY = y + h + margin;
      if (startX + startW <= canvasWidth && startY + startH + sizeH + 4 <= canvasHeight)
      {
            Canvas.SetLeft(StartCoordText, startX);
            Canvas.SetTop(StartCoordText, startY);
            Canvas.SetLeft(SizeText, startX);
            Canvas.SetTop(SizeText, startY + startH + 4);
            return;
      }

      // 5. 屏幕内兜底
      Canvas.SetLeft(StartCoordText, Math.Max(margin, Math.Min(canvasWidth - startW - margin, x)));
      Canvas.SetTop(StartCoordText, Math.Max(margin, Math.Min(canvasHeight - startH - margin, y)));
      Canvas.SetLeft(SizeText, Math.Max(margin, Math.Min(canvasWidth - sizeW - margin, x)));
      Canvas.SetTop(SizeText, Math.Max(margin, Math.Min(canvasHeight - sizeH - margin, y + startH + 4)));
    }

    private void OnMouseDown(object sender, MouseButtonEventArgs e)
    {
      _start = e.GetPosition(this);
      _rectShape = new Rectangle
      {
            Stroke = Brushes.Red,
            StrokeThickness = 2,
            Fill = new SolidColorBrush(Color.FromArgb(40, 0, 0, 255))
      };
      CaptureCanvas.Children.Add(_rectShape);
      Canvas.SetLeft(_rectShape, _start.Value.X);
      Canvas.SetTop(_rectShape, _start.Value.Y);

      StartCoordText.Text = $"起点: ({(int)_start.Value.X}, {(int)_start.Value.Y})";
      StartCoordText.Visibility = Visibility.Visible;
      CurrentCoordText.Text = $"当前: ({(int)_start.Value.X}, {(int)_start.Value.Y})";
      CurrentCoordText.Visibility = Visibility.Visible;
      SizeText.Text = $"大小: 0 x 0";
      SizeText.Visibility = Visibility.Visible;
      // 初始位置
      PositionTextBlocks(_start.Value.X, _start.Value.Y, 0, 0);
    }

    private void OnMouseMove(object sender, MouseEventArgs e)
    {
      if (_start.HasValue && _rectShape != null)
      {
            var pos = e.GetPosition(this);
            double x = Math.Min(_start.Value.X, pos.X);
            double y = Math.Min(_start.Value.Y, pos.Y);
            double w = Math.Abs(_start.Value.X - pos.X);
            double h = Math.Abs(_start.Value.Y - pos.Y);
            Canvas.SetLeft(_rectShape, x);
            Canvas.SetTop(_rectShape, y);
            _rectShape.Width = w;
            _rectShape.Height = h;

            // 更新当前点坐标
            CurrentCoordText.Text = $"当前: ({(int)pos.X}, {(int)pos.Y})";
            Canvas.SetLeft(CurrentCoordText, pos.X + 2);
            Canvas.SetTop(CurrentCoordText, pos.Y + 2);

            // 更新区域大小
            SizeText.Text = $"大小: {(int)w} x {(int)h}";
            // 动态调整文本位置
            PositionTextBlocks(x, y, w, h);
      }
    }

    private void OnMouseUp(object sender, MouseButtonEventArgs e)
    {
      if (_start.HasValue && _rectShape != null)
      {
            var end = e.GetPosition(this);
            double x = Math.Min(_start.Value.X, end.X);
            double y = Math.Min(_start.Value.Y, end.Y);
            double w = Math.Abs(_start.Value.X - end.X);
            double h = Math.Abs(_start.Value.Y - end.Y);
            SelectedRect = new Rect(x, y, w, h);

            // 隐藏坐标
            StartCoordText.Visibility = Visibility.Collapsed;
            CurrentCoordText.Visibility = Visibility.Collapsed;

            // 隐藏区域大小
            SizeText.Visibility = Visibility.Collapsed;

            // 截图
            CapturedImage = CaptureScreenArea(SelectedRect);
            DialogResult = true;
            Close();
      }
    }

    private BitmapSource CaptureScreenArea(Rect rect)
    {
      double dpiScale = NativeMethods.GetDpiScale(this);

      int x = (int)(rect.X * dpiScale);
      int y = (int)(rect.Y * dpiScale);
      int w = (int)(rect.Width * dpiScale);
      int h = (int)(rect.Height * dpiScale);

      IntPtr hdcSrc = NativeMethods.GetDC(IntPtr.Zero);
      IntPtr hdcDest = NativeMethods.CreateCompatibleDC(hdcSrc);
      IntPtr hBitmap = NativeMethods.CreateCompatibleBitmap(hdcSrc, w, h);
      IntPtr hOld = NativeMethods.SelectObject(hdcDest, hBitmap);

      NativeMethods.BitBlt(hdcDest, 0, 0, w, h, hdcSrc, x, y, 0x00CC0020); // SRCCOPY

      NativeMethods.SelectObject(hdcDest, hOld);
      NativeMethods.DeleteDC(hdcDest);
      NativeMethods.ReleaseDC(IntPtr.Zero, hdcSrc);

      try
      {
            var source = Imaging.CreateBitmapSourceFromHBitmap(
                hBitmap, IntPtr.Zero, Int32Rect.Empty, BitmapSizeOptions.FromEmptyOptions());
            source.Freeze();
            return source;
      }
      finally
      {
            NativeMethods.DeleteObject(hBitmap);
      }
    }

}步骤二:确保 PaddleOCRService.cs 的 StartOCR 支持 onStatusChanged
如前所述,PaddleOCRService.cs 需如下实现:
using System.Windows;

namespace MiOcr;

public static class NativeMethods
{
   
    public static extern bool DeleteObject(IntPtr hObject);

   
    public static extern IntPtr GetDC(IntPtr hWnd);

   
    public static extern int ReleaseDC(IntPtr hWnd, IntPtr hDC);

   
    public static extern IntPtr CreateCompatibleDC(IntPtr hdc);

   
    public static extern IntPtr CreateCompatibleBitmap(IntPtr hdc, int nWidth, int nHeight);

   
    public static extern IntPtr SelectObject(IntPtr hdc, IntPtr hgdiobj);

   
    public static extern bool BitBlt(IntPtr hdcDest, int nXDest, int nYDest, int nWidth, int nHeight,
      IntPtr hdcSrc, int nXSrc, int nYSrc, int dwRop);

   
    public static extern bool DeleteDC(IntPtr hdc);

    /// <summary>
    /// 获取指定窗口的 DPI 缩放比例。
    /// </summary>
    /// <param name="window"></param>
    /// <returns></returns>
    public static double GetDpiScale(Window window)
    {
      var source = PresentationSource.FromVisual(window);
      if (source?.CompositionTarget != null)
      {
            return source.CompositionTarget.TransformToDevice.M11; // X 方向缩放
      }
      return 1.0;
    }
}这样,用户在模型首次下载或初始化时会看到“正在初始化OCR模型,请稍候...”,其余时间显示“正在识别...”,体验更友好。
回顾

项目目标

本项目旨在利用 Github Copilot 辅助开发,从零实现一个基于 AI 的 OCR(光学字符识别)工具。项目采用 .NET 9 和 WPF 技术栈,集成了 PaddleOCR 作为核心识别引擎,实现了图片文字识别、区域选择、结果高亮与复制等实用功能。
主要技术与依赖

•        开发语言与平台:C#,.NET 9,WPF
•        OCR引擎:Sdcb.OpenVINO.PaddleOCR
•        图像处理:OpenCvSharp
•        界面交互:WPF,支持拖拽、粘贴、截图等多种图片输入方式
•        AI辅助开发:Github Copilot 提供代码建议与自动补全
核心功能


[*]图片输入
•        支持文件选择、拖拽、粘贴、屏幕截图等多种方式加载图片。
[*]OCR识别
•        调用 PaddleOCR 进行文字识别,支持中文、英文等多语种。
•        识别结果实时显示,支持区域高亮和文字复制。
[*]用户体验优化
•        首次模型下载时,异步回调 UI,友好提示“正在初始化OCR模型,请稍候...”,避免用户等待时无响应。
•        识别过程有进度提示,提升交互体验。
[*]结果交互
•        支持鼠标框选图片区域,提取并复制选中区域的文字。
•        右键点击可复制单个识别文本。
关键实现思路

•        AI驱动开发:通过 Copilot 自动生成代码骨架、方法实现和注释,大幅提升开发效率。
•        异步与回调:模型下载和识别过程均为异步,UI 通过回调及时反馈进度和状态。
•        图像与坐标映射:实现了图片与控件坐标的精准映射,保证高亮和选区准确。
总结

本项目充分发挥了 Github Copilot 在 AI 辅助开发中的优势,实现了一个功能完善、交互友好的 OCR 工具。开发过程中 Copilot 提供了大量代码建议,极大提升了开发效率和代码质量。项目结构清晰,易于扩展,适合 AI+开发实战学习与参考。

来源:程序园用户自行投稿发布,如果侵权,请联系站长删除
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: Github Copilot 实战: 从零开始用AI写一个OCR工具 (3)