ImageToText

README

🚀 ImageToText: 高性能安卓离线 OCR 助手

ImageToText 是一款基于 Go 语言、Fyne 界面框架以及 ONNX Runtime 构建的高性能安卓离线 OCR 工具。它集成了 PaddleOCR 模型，并针对移动端进行了深度优化，实现了在安卓设备上极致的识别速度。

✨ 核心特性

• 极致速度：经过深度优化的全链路处理，首识别仅需 1045ms，后续稳定在 1000ms 以内。
• 全离线识别：无需联网，保护隐私，随时随地可用。
• 智能并行处理：采用 IoBinding 机制实现线程安全的多行并行识别。
• 交互顺畅：
  • 状态分离：独立的只读状态栏，实时显示识别耗时。
  • 一键保存：集成原生文件保存对话框，轻松导出识别结果。
• 底层优化：
  • 手写图像预处理（CHW 格式转换），避开昂贵的绘图接口。
  • CTC 解码性能优化，减少内存分配。
  • 全自动模型预热机制，启动即巅峰。

📸 运行预览

🛠️ 技术架构

• UI 框架: Fyne
• 推理引擎: ONNX Runtime Go
• OCR 模型: PaddleOCR V3 (Detection + Recognition)
• 语言: Go 1.2x (CGO)

🏗️ 编译与打包

环境准备

1. 安装 Android SDK & NDK (推荐 r25c)。
2. 配置 Go 移动开发环境。
3. 准备 libonnxruntime.so 动态库(已包含在 /lib)。

自动化构建脚本

可参考 release.yml 脚本自己生成 build.sh，可一键完成编译、库注入、对齐及签名：

./build.sh

📖 使用指南

1. 加载模型：应用启动后会自动后台预热，无需手动干预。
2. 选择图片：点击顶部的 “选择图片” 按钮。
3. 保存结果：点击 “保存到本地”，将文字导出为 .txt 文件。

⚙️ 核心性能指标 (基于 Android 真机单次并行测试, 文本行数少于CPU核心数)

阶段	耗时	优化技术
预处理(后台)	~1200ms	Pointer-based Pix Access
文本检测 (Det)	~170ms	Single-thread Intra-Op
文本识别 (Rec)	~700ms	IoBinding Parallelism
CTC 解码	< 10ms	strings.Builder & Segmented Slice
总计	~900ms	全链路预热与并发调度

🤝 贡献

欢迎提交 Issue 或 Pull Request 来完善这个项目！

📄 开源协议

本项目基于 MIT License 协议开源。