调用RecognizeHandwriting进行通用手写体识别_文字识别(OCR)-阿里云帮助中心

支持中文手写体、英文手写体、数字手写体等各种复杂场景的手写文字识别。

接口说明

本接口适用场景

阿里云通用手写体识别，是阿里云官方自研 OCR 文字识别产品，适用于获取手写体书面形式的文字场景，适用于各类手写笔记、板书等。
阿里云 OCR 产品基于阿里巴巴达摩院强大的 AI 技术及海量数据，历经多年沉淀打磨，具有服务稳定、操作简易、实时性高、能力全面等几大优势。
本接口图片示例

本接口核心能力

分类	概述
多文字形式	支持中文手写体、英文手写体、数字手写体。
图像增强	默认支持图像增强，包括图像自动旋转、畸变自动矫正、模糊图片自动增强等能力。
多类型覆盖	支持模糊、光照不均、透视畸变、任意背景等低质量图像识别。
高精度识别	总体识别准确率可达 98%。

如何使用本接口

步骤	概述
1	开通通用文字识别服务。开通服务前后，您可以通过体验馆免费体验本功能识别效果。
2	购买通用手写体识别资源包。本 API 会赠送免费额度，可使用免费额度测试。
3	可以参照调试页面提供的代码示例完成 API 接入开发。接入完成后，调用 API 获取识别结果。如果使用子账号调用接口，需要阿里云账号（主账号）对 RAM 账号进行授权。创建 RAM 用户的具体操作，请参考：创建 RAM 用户。文字识别服务提供一种系统授权策略，即 AliyunOCRFullAccess。具体授权操作，请参见在用户页面为 RAM 用户授权。

重要提示

类型	概述
图片格式	本接口支持：PNG、JPG、JPEG、BMP、GIF、TIFF、WebP。暂不支持 PDF 格式。
图片尺寸	图片长宽需要大于 15 像素，小于 8192 像素。长宽比需要小于 50。如需达到较好识别效果，建议长宽均大于 500px。图片尺寸过小，会影响识别精度。图片内单字大小在 10-50px 内时，识别效果较好。
图片大小	图片二进制文件不能超过 10MB。图片过大会影响接口响应速度，建议使用小于 1.5M 图片进行识别，且通过传图片 URL 的方式调用接口。
其他提示	接口响应速度和图片中的文字数量有关，如果图片中文字数量越多，接口响应可能越慢。接口会自动处理反光、扭曲等干扰信息，但会影响精度。请尽量选择清晰度高、无反光、无扭曲的图片。
相关能力	云市场手写体识别。

调试

您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。

调试

授权信息

下表是API对应的授权信息，可以在RAM权限策略语句的Action元素中使用，用来给RAM用户或RAM角色授予调用此API的权限。具体说明如下：

操作：是指具体的权限点。
访问级别：是指每个操作的访问级别，取值为写入（Write）、读取（Read）或列出（List）。
资源类型：是指操作中支持授权的资源类型。具体说明如下：
- 对于必选的资源类型，用背景高亮的方式表示。
- 对于不支持资源级授权的操作，用全部资源表示。
条件关键字：是指云产品自身定义的条件关键字。
关联操作：是指成功执行操作所需要的其他权限。操作者必须同时具备关联操作的权限，操作才能成功。

操作	访问级别	资源类型	条件关键字	关联操作
ocr:RecognizeHandwriting		全部资源 ``	无	无

请求参数

名称	类型	必填	描述	示例值
Url	string	否	本字段和 body 字段二选一，不可同时透传或同时为空。图片链接（长度不超 2048 字节，不支持 base64）。	https://img.alicdn.com/tfs/TB1Wo7eXAvoK1RjSZFDXXXY3pXa-2512-3509.jpg
body	byte	否	本字段和 URL 字段二选一，不可同时透传或同时为空。图片二进制文件，最大 10MB。使用 HTTP 方式调用，把图片二进制文件放到 HTTP body 中上传即可。使用 SDK 的方式调用，把图片放到 SDK 的 body 中即可。	图片二进制文件
OutputCharInfo	boolean	否	是否输出单字识别结果，默认不需要。 true：需要；false：不需要。	false
NeedRotate	boolean	否	是否需要自动旋转功能，默认不需要。 true：需要；false：不需要。	false
OutputTable	boolean	否	是否输出表格识别结果，包含单元格信息，默认不需要。 true：需要；false：不需要。	false
NeedSortPage	boolean	否	是否按顺序输出文字块，默认为 false。 false 表示从左往右，从上到下的顺序；true 表示从上到下，从左往右的顺序。	false
Paragraph	boolean	否	是否需要分段功能，默认不需要。 true：需要；false：不需要。	false

返回参数

名称	类型	描述	示例值
	object	Schema of Response
RequestId	string	请求唯一 ID	43A29C77-405E-4CC0-BC55-EE694AD00655
Data	string	返回数据	{"content":"炼句提问方式 1.请赏析诗歌某一联(句) 2.赏析某一联(句)的妙处 3.请赏析诗歌某、角度抒胸意、借景抒情、托物","height":1277,"orgHeight":1277,"orgWidth":1080,"prism_version":"1.0.9","prism_wnum":26,"prism_wordsInfo":[{"angle":-87,"direction":0,"height":83,"pos":[{"x":177,"y":56},{"x":260,"y":60},{"x":259,"y":88},{"x":176,"y":84}],"prob":96,"width":28,"word":"炼句","x":203,"y":30}],"width":1080}
Code	string	状态码	200
Message	string	详细信息	message

返回参数说明

字段	类型	说明
angle	int	图片的角度（当 NeedRotate=true 时，返回此字段）。0 表示正向，90 表示图片朝右，180 朝下，270 朝左。
content	string	识别出图片的文字块汇总。
prism_wordsInfo	list	文字块信息。
prism_paragraphsInfo	list	段落信息（当 Paragraph=true 时，返回此字段）。
prism_tablesInfo	list	表格信息（当 OutputTable=true 时，返回此字段）。
prism_wnum	int	识别的文字块的数量，prism_wordsInfo 数组的大小。
height	int	算法矫正图片后的高度。
width	int	算法矫正图片后的宽度。
orgHeight	int	原图的高度。
orgWidth	int	原图的宽度。

文字块信息（prism_wordsInfo 字段。）

字段	类型	说明
angle	int	文字块的角度。
height	int	文字块的高度（需考虑文字块的角度）
width	int	文字块的宽度（需考虑文字块的角度）
pos	list	文字块的外矩形四个点的坐标按顺时针排列（左上、右上、右下、左下）。当 NeedRotate=true 时，如果最外层的 angle 不为 0，需要按照 angle 矫正图片后，坐标才准确。
word	string	文字块的文字内容。
tableId	int	表格的 id（当 OutputTable=true 时，返回此字段）。
tableCellId	int	表格中单元格的 id（当 OutputTable=true 时，返回此字段）。
charInfo	list	单字信息。

单字信息（charInfo 字段。当 OutputCharInfo=true 时，返回此字段。）

字段	类型	说明
word	string	单字文字。
prob	int	置信度。
x	int	单字左上角横坐标。
y	int	单字左上角纵坐标。
w	int	单字宽度。
h	int	单字高度。

表格信息（prism_tablesInfo 字段。当 OutputTable=true 时，返回此字段。）

字段	类型	说明
tableId	int	表格 id，和 prism_wordsInfo 信息中的 tableId 对应。
xCellSize	int	表格中横坐标单元格的数量。
yCellSize	int	表格中纵坐标单元格的数量。
cellInfos	list	单元格信息。

单元格信息（cellInfos 字段。）

字段	类型	说明
tableCellId	int	表格中单元格 id，和 prism_wordsInfo 信息中的 tableCellId 对应。
word	string	单元格中的文字。
xsc	int	xStartCell 缩写，表示横轴方向该单元格起始在第几个单元格，第一个单元格值为 0。
xec	int	xEndCell 缩写，表示横轴方向该单元格结束在第几个单元格，第一个单元格值为 0，如果 xsc 和 xec 都为 0 说明该文字在横轴方向占据了一个单元格并且在第一个单元格内。
ysc	int	yStartCell 缩写，表示纵轴方向该单元格起始在第几个单元格，第一个单元格值为 0。
yec	int	yEndCell 缩写，表示纵轴方向该单元格结束在第几个单元格，第一个单元格值为 0。
pos	list	单元格位置，按照单元格四个角的坐标顺时针排列，分别为左上 XY 坐标、右上 XY 坐标、右下 XY 坐标、左下 XY 坐标。

段落信息（prism_paragraphsInfo 字段。当 Paragraph=true 时，返回此字段。）

字段	类型	说明
paragraphId	int	段落 id，和 prism_wordsInfo 信息中的 paragraphId 对应。
word	string	段落文字。

示例

正常返回示例

JSON格式

{
  "RequestId": "43A29C77-405E-4CC0-BC55-EE694AD00655",
  "Data": "{\"content\":\"炼句 提问方式 1.请赏析诗歌某一联(句) 2.赏析某一联(句)的妙处 3.请赏析诗歌某、角度抒胸意、借景抒情、托物\",\"height\":1277,\"orgHeight\":1277,\"orgWidth\":1080,\"prism_version\":\"1.0.9\",\"prism_wnum\":26,\"prism_wordsInfo\":[{\"angle\":-87,\"direction\":0,\"height\":83,\"pos\":[{\"x\":177,\"y\":56},{\"x\":260,\"y\":60},{\"x\":259,\"y\":88},{\"x\":176,\"y\":84}],\"prob\":96,\"width\":28,\"word\":\"炼句\",\"x\":203,\"y\":30}],\"width\":1080}",
  "Code": "200",
  "Message": "message"
}

错误码

访问错误中心查看更多错误码。

变更历史

变更时间	变更内容概要	操作
2024-01-23	OpenAPI 入参发生变更	查看变更详情
2021-08-17	OpenAPI 入参发生变更	查看变更详情