Github Copilot 实战: 从零开始用AI写一个OCR工具 (1)
最近AI很火,咱也尝试一下由浅入深探索一下 Github Copilot 的能力和底限.
使用的环境是 Windows11 + Microsoft Visual Studio Enterprise 2022 (64 位) - Current 版本 17.13.7 + VS内置的 Github Copilot Pro
首先创建wpf工程
<Project Sdk="Microsoft.NET.Sdk">
<PropertyGroup>
<OutputType>WinExe</OutputType>
<TargetFramework>net9.0-windows</TargetFramework>
<Nullable>enable</Nullable>
<ImplicitUsings>enable</ImplicitUsings>
<UseWPF>true</UseWPF>
</PropertyGroup>
<ItemGroup>
<PackageReference Include="OpenCvSharp4.runtime.win" Version="4.11.0.20250507" />
<PackageReference Include="Sdcb.OpenVINO.PaddleOCR" Version="0.6.8" />
<PackageReference Include="Sdcb.OpenVINO.PaddleOCR.Models.Online" Version="0.6.2" />
<PackageReference Include="Sdcb.OpenVINO.runtime.win-x64" Version="2025.0.0" />
</ItemGroup>
</Project>
简单放置一个本地ocr服务
using OpenCvSharp;
using Sdcb.OpenVINO.PaddleOCR;
using Sdcb.OpenVINO.PaddleOCR.Models;
using Sdcb.OpenVINO.PaddleOCR.Models.Online;
using System.Diagnostics;
using System.Net.Http;
namespace JovenApi;
public class PaddleOCRService
{
public static bool IsUrl(string filename)
{
return Uri.TryCreate(filename, UriKind.Absolute, out var uriResult)
&& (uriResult.Scheme == Uri.UriSchemeHttp || uriResult.Scheme == Uri.UriSchemeHttps);
}
public async Task<(List<string> strings, PaddleOcrResult result)> StartOCR(string filename)
{
Mat src;
if (string.IsNullOrEmpty(filename))
{
throw new ArgumentNullException(nameof(filename));
}
if (IsUrl(filename))
{
src = Cv2.ImDecode(await new HttpClient().GetByteArrayAsync(filename), ImreadModes.Color);
}
else
{
src = Cv2.ImRead(filename);
}
return await StartOCR(src);
}
public async Task<(List<string> strings, PaddleOcrResult result)> StartOCR(byte[] imageData)
{
Mat src;
ArgumentNullException.ThrowIfNull(imageData);
src = Cv2.ImDecode(imageData, ImreadModes.Color);
return await StartOCR(src);
}
public async Task<(List<string> strings, PaddleOcrResult result)> StartOCR(Mat src)
{
PaddleOcrResult result;
var resultText = new List<string>();
FullOcrModel model = await OnlineFullModels.ChineseV3.DownloadAsync();
using (PaddleOcrAll all = new(model)
{
AllowRotateDetection = true,
Enable180Classification = true,
})
{
Stopwatch sw = Stopwatch.StartNew();
result = all.Run(src);
Console.WriteLine($"elapsed={sw.ElapsedMilliseconds} ms");
Console.WriteLine("Detected all texts: \n" + result.Text);
foreach (PaddleOcrResultRegion region in result.Regions)
{
Console.WriteLine($"Text: {region.Text}, Score: {region.Score}, RectCenter: {region.Rect.Center}, RectSize: {region.Rect.Size}, Angle: {region.Rect.Angle}");
resultText.Add(region.Text);
}
}
src.Dispose();
return (resultText, result);
}
}
A. 提示词 "实现拖放,粘贴图片或者点击打开选择文件获取一张图片, 并且调用ocr服务,将结果绘图到原图上, 右边显示相应的文本"
下面是一个完整的 WPF 方案，支持拖放图片、粘贴图片、点击选择图片，并调用 OCR 服务，将识别结果绘制到原图上，右侧显示文本。代码已适配你的 PaddleOCRService，并假设其 StartOCR(byte[] image) 返回识别结果（如文本框列表）。
- MainWindow.xaml（UI布局）
<Window x:Class="MiOcr.MainWindow"
xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
Title="MiOcr" Height="600" Width="900"
AllowDrop="True"
KeyDown="Window_KeyDown"
Drop="Window_Drop"
>
<Grid>
<Grid.ColumnDefinitions>
<ColumnDefinition Width="2*"/>
<ColumnDefinition Width="*"/>
</Grid.ColumnDefinitions>
<Border Grid.Column="0" Margin="10" BorderBrush="Gray" BorderThickness="1" Background="#FFF"
MouseLeftButtonUp="ImageBorder_MouseLeftButtonUp"
AllowDrop="True"
Drop="ImageBorder_Drop"
>
<Image x:Name="MainImage" Stretch="Uniform" />
</Border>
<ScrollViewer Grid.Column="1" Margin="10">
<TextBox x:Name="OcrTextBox" AcceptsReturn="True" VerticalScrollBarVisibility="Auto" TextWrapping="Wrap" FontSize="16"/>
</ScrollViewer>
<Button Content="选择图片" Width="100" Height="30" HorizontalAlignment="Left" VerticalAlignment="Top" Margin="20"
Click="SelectImageButton_Click"/>
</Grid>
</Window>
- MainWindow.xaml.cs（核心逻辑）
using JovenApi;
using Microsoft.Win32;
using System;
using System.IO;
using System.Linq;
using System.Threading.Tasks;
using System.Windows;
using System.Windows.Input;
using System.Windows.Media.Imaging;
using System.Windows.Media;
using System.Windows.Controls;
using System.Collections.Generic;
namespace MiOcr;
public partial class MainWindow : Window
{
private BitmapImage? _currentImage;
private byte[]? _currentImageBytes;
public MainWindow()
{
InitializeComponent();
this.PreviewDragOver += (s, e) => e.Handled = true; // 允许拖放
this.PreviewKeyDown += Window_KeyDown;
}
// 拖放图片
private async void Window_Drop(object sender, DragEventArgs e)
{
if (e.Data.GetDataPresent(DataFormats.FileDrop))
{
var files = (string[])e.Data.GetData(DataFormats.FileDrop);
if (files.Length > 0 && IsImageFile(files[0]))
{
await LoadAndOcrImage(files[0]);
}
}
}
// Border区域拖放
private async void ImageBorder_Drop(object sender, DragEventArgs e)
{
await Window_Drop(sender, e);
}
// 粘贴图片
private async void Window_KeyDown(object sender, KeyEventArgs e)
{
if (e.Key == Key.V && (Keyboard.Modifiers & ModifierKeys.Control) == ModifierKeys.Control)
{
if (Clipboard.ContainsImage())
{
var img = Clipboard.GetImage();
if (img != null)
{
var bmp = BitmapFromClipboard(img);
using var ms = new MemoryStream();
var encoder = new PngBitmapEncoder();
encoder.Frames.Add(BitmapFrame.Create(bmp));
encoder.Save(ms);
await LoadAndOcrImage(ms.ToArray());
}
}
}
}
// 点击选择图片
private async void SelectImageButton_Click(object sender, RoutedEventArgs e)
{
var dlg = new OpenFileDialog
{
Filter = "图片文件|*.jpg;*.jpeg;*.png;*.bmp;*.gif"
};
if (dlg.ShowDialog() == true)
{
await LoadAndOcrImage(dlg.FileName);
}
}
// 点击图片区域也可选择图片
private async void ImageBorder_MouseLeftButtonUp(object sender, MouseButtonEventArgs e)
{
await SelectImageButton_Click(sender, e);
}
// 加载图片并调用OCR
private async Task LoadAndOcrImage(string filePath)
{
_currentImageBytes = await File.ReadAllBytesAsync(filePath);
_currentImage = new BitmapImage(new Uri(filePath));
MainImage.Source = _currentImage;
await RunOcrAndDraw(_currentImageBytes);
}
// 加载图片并调用OCR（字节流）
private async Task LoadAndOcrImage(byte[] imageBytes)
{
_currentImageBytes = imageBytes;
using var ms = new MemoryStream(imageBytes);
var bmp = new BitmapImage();
bmp.BeginInit();
bmp.CacheOption = BitmapCacheOption.OnLoad;
bmp.StreamSource = ms;
bmp.EndInit();
bmp.Freeze();
_currentImage = bmp;
MainImage.Source = _currentImage;
await RunOcrAndDraw(imageBytes);
}
// OCR并绘制
private async Task RunOcrAndDraw(byte[] imageBytes)
{
OcrTextBox.Text = "识别中...";
var ocr = new PaddleOCRService();
var results = await ocr.StartOCR(imageBytes);
if (results == null || results.Count == 0)
{
OcrTextBox.Text = "未识别到文本";
return;
}
// 假设results为List<OcrResult>，每个OcrResult有Text和Box（左上、右下坐标）
// 你需要根据PaddleOCRService的返回类型适配
OcrTextBox.Text = string.Join(Environment.NewLine, results.Select(r => r.Text));
// 绘制识别框和文字
var drawed = DrawOcrResultsOnImage(_currentImage, results);
MainImage.Source = drawed;
}
// 判断文件是否为图片
private bool IsImageFile(string file)
{
var ext = System.IO.Path.GetExtension(file).ToLower();
return ext == ".jpg" || ext == ".jpeg" || ext == ".png" || ext == ".bmp" || ext == ".gif";
}
// 从ClipboardBitmapSource转BitmapSource
private BitmapSource BitmapFromClipboard(BitmapSource src)
{
var encoder = new PngBitmapEncoder();
encoder.Frames.Add(BitmapFrame.Create(src));
using var ms = new MemoryStream();
encoder.Save(ms);
ms.Position = 0;
var bmp = new BitmapImage();
bmp.BeginInit();
bmp.CacheOption = BitmapCacheOption.OnLoad;
bmp.StreamSource = ms;
bmp.EndInit();
bmp.Freeze();
return bmp;
}
// 绘制OCR结果到图片
private BitmapSource DrawOcrResultsOnImage(BitmapImage? image, List<OcrResult> results)
{
if (image == null) return null!;
int width = image.PixelWidth;
int height = image.PixelHeight;
var visual = new DrawingVisual();
using (var dc = visual.RenderOpen())
{
dc.DrawImage(image, new Rect(0, 0, width, height));
var pen = new Pen(Brushes.Red, 2);
var typeface = new Typeface("Arial");
foreach (var r in results)
{
// 假设 r.Box 是 int[4] 或 Point[]，请根据实际类型适配
var box = r.Box; // 例如: [x1, y1, x2, y2]
dc.DrawRectangle(null, pen, new Rect(box[0], box[1], box[2] - box[0], box[3] - box[1]));
var formattedText = new FormattedText(
r.Text,
System.Globalization.CultureInfo.CurrentCulture,
FlowDirection.LeftToRight,
typeface,
20,
Brushes.Yellow,
1.25);
dc.DrawText(formattedText, new Point(box[0], box[1] - 24));
}
}
var bmp = new RenderTargetBitmap(width, height, 96, 96, PixelFormats.Pbgra32);
bmp.Render(visual);
bmp.Freeze();
return bmp;
}
}
// 假设OCR结果类型如下，实际请根据PaddleOCRService返回类型调整
public class OcrResult
{
public string Text { get; set; }
public int[] Box { get; set; } // [x1, y1, x2, y2]
}
说明
• 拖放：支持将图片文件拖到窗口或图片区域。
• 粘贴：Ctrl+V 粘贴剪贴板图片。
• 点击选择：点击图片区域或按钮弹出文件选择对话框。
• OCR调用：调用 PaddleOCRService.StartOCR(byte[])，并假设返回 List，每个包含 Text 和 Box。
• 绘图：在图片上绘制识别框和文字，右侧显示所有识别文本。
• UI：左侧图片，右侧文本，顶部有“选择图片”按钮。
如 PaddleOCRService 返回类型不同，请补充其定义，我可帮你适配。
如需支持多种图片格式或更复杂的坐标，请补充说明。
到这里,一个基本框架居然就完成了. 运行起来也差不多达到预期. 真是惊为天人.
修正一下,提示词 "返回的 results.result 类型为 PaddleOcrResult"
非常好，PaddleOCRService.StartOCR 返回的 results.result 类型为 PaddleOcrResult。
PaddleOcrResult 结构如下（基于 Sdcb.OpenVINO.PaddleOCR 官方文档和源码）：
public class PaddleOcrResult
{
public List<PaddleOcrResultRegion> Regions { get; set; }
}
public class PaddleOcrResultRegion
{
public string Text { get; set; }
public float Score { get; set; }
public RotatedRect Rect { get; set; }
// 还有 PolyPoints、Label 等属性
}
• Rect 是 RotatedRect，包含中心点、尺寸、角度。
• PolyPoints 是多边形点（通常为4个点，顺时针/逆时针），可用于绘制识别框。
你的代码应这样处理：
显示文本
OcrTextBox.Text = string.Join(Environment.NewLine, results.result.Regions.Select(r => r.Text));绘制识别框和文字
建议用 PolyPoints 绘制多边形框，Rect.Center 作为文字起点。
private BitmapSource DrawOcrResultsOnImage(BitmapImage? image, PaddleOcrResult result)
{
if (image == null) return null!;
int width = image.PixelWidth;
int height = image.PixelHeight;
var visual = new DrawingVisual();
using (var dc = visual.RenderOpen())
{
dc.DrawImage(image, new Rect(0, 0, width, height));
var pen = new Pen(Brushes.Red, 2);
var typeface = new Typeface("Arial");
foreach (var region in result.Regions)
{
// 绘制多边形框
if (region.PolyPoints != null && region.PolyPoints.Length >= 4)
{
var points = region.PolyPoints.Select(p => new System.Windows.Point(p.X, p.Y)).ToArray();
var polygon = new System.Windows.Media.PolyLineSegment(points, true);
var figure = new PathFigure(points[0], new[] { polygon }, true);
var geometry = new PathGeometry(new[] { figure });
dc.DrawGeometry(null, pen, geometry);
}
// 绘制文字
var formattedText = new FormattedText(
region.Text,
System.Globalization.CultureInfo.CurrentCulture,
FlowDirection.LeftToRight,
typeface,
20,
Brushes.Yellow,
1.25);
dc.DrawText(formattedText, new System.Windows.Point(region.Rect.Center.X, region.Rect.Center.Y));
}
}
var bmp = new RenderTargetBitmap(width, height, 96, 96, PixelFormats.Pbgra32);
bmp.Render(visual);
bmp.Freeze();
return bmp;
}
- 调用方式
var drawed = DrawOcrResultsOnImage(_currentImage, results.result);
MainImage.Source = drawed;
总结
• results.result 是 PaddleOcrResult，其 Regions 为每个识别区域。
• 推荐用 PolyPoints 绘制多边形框，region.Text 作为识别文本。
• 右侧文本框用 string.Join(Environment.NewLine, results.result.Regions.Select(r => r.Text))。
继续修正,提示词 "绘制多边形框方法有点错误, 根据 Console.WriteLine($"Text: {region.Text}, Score: {region.Score}, RectCenter: {region.Rect.Center}, RectSize: {region.Rect.Size}, Angle: {region.Rect.Angle}"); 修正一下"
你当前的绘制方法有误，因为 region.Rect 是 RotatedRect，它不是点集合，而是一个带有中心点、尺寸和角度的旋转矩形。
正确做法是：使用 region.Rect.GetVertices() 获取多边形的四个顶点，然后用这些点绘制多边形框。
请将 DrawOcrResultsOnImage 方法中的多边形绘制部分修正如下：
private BitmapSource DrawOcrResultsOnImage(BitmapImage? image, PaddleOcrResult result)
{
if (image == null) return null!;
int width = image.PixelWidth;
int height = image.PixelHeight;
var visual = new DrawingVisual();
using (var dc = visual.RenderOpen())
{
dc.DrawImage(image, new Rect(0, 0, width, height));
var pen = new Pen(Brushes.Red, 2);
var typeface = new Typeface("Arial");
foreach (var region in result.Regions)
{
// 正确获取四个顶点
var vertices = region.Rect.GetVertices(); // 返回 PointF[]，长度为4
var points = vertices.Select(p => new System.Windows.Point(p.X, p.Y)).ToArray();
// 绘制多边形
var figure = new PathFigure(points[0], new[] { new PolyLineSegment(points.Skip(1), true) }, true);
var geometry = new PathGeometry(new[] { figure });
dc.DrawGeometry(null, pen, geometry);
// 绘制文字（以中心点为准）
var formattedText = new FormattedText(
region.Text,
System.Globalization.CultureInfo.CurrentCulture,
FlowDirection.LeftToRight,
typeface,
20,
Brushes.Yellow,
1.25);
dc.DrawText(formattedText, new System.Windows.Point(region.Rect.Center.X, region.Rect.Center.Y));
}
}
var bmp = new RenderTargetBitmap(width, height, 96, 96, PixelFormats.Pbgra32);
bmp.Render(visual);
bmp.Freeze();
return bmp;
}
关键修正说明：
• 用 region.Rect.GetVertices() 获取四个顶点，而不是直接遍历 Rect。
• 用 PolyLineSegment 和 PathFigure 绘制闭合多边形。
• 文字仍然以 region.Rect.Center 为基准绘制。
这个时候还是有错误, AI需要继续引导一下 , 提示词 "region.Rect 的定义是 Point2f center, Size2f size, float angle"
感谢补充，region.Rect 是 RotatedRect，其定义为：
public struct RotatedRect
{
public Point2f Center; // 中心点
public Size2f Size; // 宽高
public float Angle; // 旋转角度（度）
}
正确绘制多边形框的方法是：
• 使用 region.Rect.GetVertices() 获取四个顶点（Point2f[]，顺序为左上、右上、右下、左下）。
• 用这些点绘制闭合多边形。
你的代码如下即可：
private BitmapSource DrawOcrResultsOnImage(BitmapImage? image, PaddleOcrResult result)
{
if (image == null) return null!;
int width = image.PixelWidth;
int height = image.PixelHeight;
var visual = new DrawingVisual();
using (var dc = visual.RenderOpen())
{
dc.DrawImage(image, new Rect(0, 0, width, height));
var pen = new Pen(Brushes.Red, 2);
var typeface = new Typeface("Arial");
foreach (var region in result.Regions)
{
// 获取四个顶点
var vertices = region.Rect.GetVertices(); // Point2f[]，长度4
var points = vertices.Select(p => new System.Windows.Point(p.X, p.Y)).ToArray();
// 绘制多边形
var figure = new PathFigure(points[0], new[] { new PolyLineSegment(points.Skip(1), true) }, true);
var geometry = new PathGeometry(new[] { figure });
dc.DrawGeometry(null, pen, geometry);
// 绘制文字（以中心点为准）
var formattedText = new FormattedText(
region.Text,
System.Globalization.CultureInfo.CurrentCulture,
FlowDirection.LeftToRight,
typeface,
20,
Brushes.Yellow,
1.25);
dc.DrawText(formattedText, new System.Windows.Point(region.Rect.Center.X, region.Rect.Center.Y));
}
}
var bmp = new RenderTargetBitmap(width, height, 96, 96, PixelFormats.Pbgra32);
bmp.Render(visual);
bmp.Freeze();
return bmp;
}
要点说明：
• region.Rect.GetVertices() 是最安全、最准确的方式获取旋转矩形的四个顶点。
• 直接用 Center、Size、Angle 计算顶点较为繁琐，库已封装好。
• 文字建议以 region.Rect.Center 为锚点绘制。
这样即可正确绘制 PaddleOCR 识别区域的旋转矩形框和文本。
本节成果
Github Copilot 实战: 从零开始用AI写一个OCR工具 (1)的更多相关文章
- Github Copilot 比在座各位更会写代码。jpg
之前大佬和我安利过 Copilot, 作为一个能用就行的践行者, 我一贯对这些东西都不太感兴趣. 就如我多年VS Code写各种编程语言, jetbrains 全家桶我都懒得搞~ 不过最近看到过Cha ...
- 如何手写一个js工具库？同时发布到npm上
自从工作以来,写项目的时候经常需要手写一些方法和引入一些js库 JS基础又十分重要,于是就萌生出自己创建一个JS工具库并发布到npm上的想法 于是就创建了一个名为learnjts的项目,在空余时间也写 ...
- 手写一个LRU工具类
LRU概述 LRU算法,即最近最少使用算法.其使用场景非常广泛,像我们日常用的手机的后台应用展示,软件的复制粘贴板等. 本文将基于算法思想手写一个具有LRU算法功能的Java工具类. 结构设计 在插入 ...
- vue 写一个聊天工具
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...
- 【java】【File】用File相关类写一个小工具，完成从指定目录下抽取指定文件并复制到新路径下完成重命名的功能
今日份代码: import com.alibaba.fastjson.JSON; import com.alibaba.fastjson.JSONObject; import java.io.*; i ...
- 2019-5-24-WPF-源代码-从零开始写一个-UI-框架
title author date CreateTime categories WPF 源代码 从零开始写一个 UI 框架 lindexi 2019-05-24 15:54:36 +0800 2018 ...
- java中定义一个CloneUtil 工具类
其实所有的java对象都可以具备克隆能力,只是因为在基础类Object中被设定成了一个保留方法(protected),要想真正拥有克隆的能力, 就需要实现Cloneable接口,重写clone方法.通 ...
- Python+Flask+Gunicorn 项目实战(一) 从零开始，写一个Markdown解析器 —— 初体验
(一)前言 在开始学习之前,你需要确保你对Python, JavaScript, HTML, Markdown语法有非常基础的了解.项目的源码你可以在 https://github.com/zhu-y ...
- 让 AI 为你写代码 - 体验 Github Copilot
前几天在群里看到有大神分享 Copoilot AI 写代码,看了几个截图有点不敢相信自己的眼睛.今天赶紧自己也来体验一下 Copoilot AI 写代码到底有多神奇. 申请 现在 Copoilot 还 ...
- [AST实战]从零开始写一个wepy转VUE的工具
为什么需要 wepy 转 VUE "转转二手"是我司用 wepy 开发的功能与 APP 相似度非常高的小程序,实现了大量的功能性页面,而新业务 H5 项目在开发过程中有时也经常需要 ...
随机推荐
- C#如何使用HttpClient对大文件进行断点上传和下载
什么是Http的断点上传和下载 断点上传:在向服务商上传大文件的时候,将一个大的文件拆分成多个小的文件,每个文件通过单独的Http请求上传给服务器. 断点下载:在向服务器请求下载一个大的资源文件的时候 ...
- [评测/调研/AIGC/流媒体] 视频内容自动生成摘要工具
概述:视频内容自动生成摘要工具 SolidPoint | 仅支持 简介 SolidPoint 是一款AI驱动的在线视频摘要工具,专注于自动生成YouTube视频的简洁摘要. 通过分析视频内容提取关键点 ...
- 一个ABAQUS model需要的Component
component of abaqus model Abaqus模型由几个不同的组件组成,它们共同描述了要分析的物理问题. a abaqus model 至少要有: discrete goemtry ...
- Web前端入门第 9 问：HTML 块级元素，内联块元素，内联元素三者有什么区别？
HELLO,这里是大熊学习前端开发的入门笔记. 本系列笔记基于 windows 系统. HTML 中的元素根据其默认的 显示类型 主要分为三类:块级元素.内联元素 和 内联块元素. 它们的核心区别在于 ...
- rust学习笔记(4)
流程控制 if if n < 0 { print!("{} is negative", n); } else if n > 0 { print!("{} is ...
- Ubuntu22.04 搭建Kubernetes 1.28版本集群
依赖安装 准备工作需要在所有节点上进行. 安装 ssh 服务 安装 openssh-server sudo apt-get install openssh-server 修改配置文件 vim /etc ...
- mac zsh终端 goframe gf 别名冲突
前言 如果你使用的是 zsh 终端,可能会存在 gf 别名冲突( git fetch 快捷指令) 解决 终端运行 alias gf=gf,gf 工具会自动修改 .zshrc 中的别名设置,source ...
- mac更新本地时间
前言 选取苹果菜单 >"系统偏好设置",然后点按"日期与时间". 点按窗口角落处的锁形图标 ,然后输入您的管理员密码以解锁设置. 在"日期与时 ...
- nginx启动失败 Starting nginx nginx [fail]
nginx -t :测试配置文件是否有语法错误 看看报什么错误,我的是忘记给权限了 nginx: [alert] could not open error log file: open() " ...
- PIL或Pillow学习1
PIL( Python Imaging Library)是 Python 的第三方图像处理库,由于其功能丰富,API 简洁易用,因此深受好评. 自 2011 年以来,由于 PIL 库更新缓慢,目前仅支 ...