Github Copilot 实战: 从零开始用AI写一个OCR工具
笔记哥 /
05-27 /
21点赞 /
0评论 /
730阅读
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.
环境是 Windows11 + Microsoft Visual Studio Enterprise 2022 (64 位) - Current 版本 17.13.7 + VS内置的 Github Copilot Pro
#### 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
1. 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。
2. 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。
3. 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。
4. 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。
### 源码
https://github.com/densen2014/Blazor100/tree/master/AI/MiOcr
### 首先创建wpf工程
```csharp
WinExe
net9.0-windows
enable
enable
true
```
简单放置一个本地ocr服务
```csharp
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 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 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 strings, PaddleOcrResult result)> StartOCR(Mat src)
{
PaddleOcrResult result;
var resultText = new List();
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）。
1. MainWindow.xaml（UI布局）
```csharp
```
1. MainWindow.xaml.cs（核心逻辑）
```csharp
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，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 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）：
```csharp
public class PaddleOcrResult
{
public List 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：
1. 显示文本
OcrTextBox.Text = string.Join(Environment.NewLine, results.result.Regions.Select(r => r.Text));
2. 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。
```csharp
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;
}
```
1. 调用方式
```csharp
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：
```csharp
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：
```csharp
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：
```csharp
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
本文来自投稿，不代表本站立场，如若转载，请注明出处：http//www.knowhub.vip/share/2/3721
- 热门的技术博文分享
- 1 . ESP实现Web服务器
- 2 . 从零到一：打造高效的金仓社区 API 集成到 MCP 服务方案
- 3 . 使用C#构建一个同时问多个LLM并总结的小工具
- 4 . .NET 原生驾驭 AI 新基建实战系列Milvus ── 大规模 AI 应用的向量数据库首选
- 5 . 在Avalonia/C#中使用依赖注入过程记录
- 6 . [设计模式/Java] 设计模式之工厂方法模式
- 7 . 5. RabbitMQ 消息队列中 Exchanges(交换机) 的详细说明
- 8 . SQL 中的各种连接 JOIN 的区别总结！
- 9 . JavaScript 中防抖和节流的多种实现方式及应用场景
- 10 . SaltStack 远程命令执行中文乱码问题
- 11 . 推荐10个 DeepSeek 神级提示词，建议搜藏起来使用
- 12 . C#基础：枚举、数组、类型、函数等解析
- 13 . VMware平台的Ubuntu部署完全分布式Hadoop环境
- 14 . C# 多项目打包时如何将项目引用转为包依赖
- 15 . Chrome 135 版本开发者工具（DevTools）更新内容
- 16 . 从零创建npm依赖，只需执行一条命令
- 17 . 关于 Newtonsoft.Json 和 System.Text.Json 混用导致的的序列化不识别的问题
- 18 . 大模型微调实战之训练数据集准备的艺术与科学
- 19 . Windows快速安装MongoDB之Mongo实战
- 20 . 探索 C# 14 新功能：实用特性为编程带来便利
- 相关联分享