程序員調用MODI的正確姿勢
作者：馬健
郵箱：stronghorse_mj@hotmail.com
主頁：http://www.comicer.com/stronghorse
發布：2020.02.13
Q：MODI是什么？
A：MODI全稱Microsoft Office Document Imaging，是微軟Office 2003/2007所帶的光學字符識別（OCR）組件，支持對21種語言進行OCR。其中對於中日韓（CJK）的支持基於清華文通，對其他語言的支持基於ScanSoft。
Q：為什么要使用MODI？
A：因為這是目前世上唯一的一款能夠在本地免費調用的商業級OCR引擎。只有實際使用過后，你才會明白那些業余的OCR引擎是多么的不靠譜，而商業版的Abbyy之流都是要真金白銀的。單獨安裝MODI的方法有兩種：
- 采用微軟官方提供的方法：http://support.microsoft.com/kb/982760/
- 采用我山寨的獨立安裝包，只含引擎部分，不含其他，所以比微軟方案占用的空間小得多。安裝包可以從我網盤的OCR文件夾下載，解壓后按照其中的安裝說明操作即可。我的網盤地址在下面這個博客的置頂貼里提供：
http://www.cnblogs.com/stronghorse/
Q：為什么說MODI是一個OCR引擎？
A：引擎的意思，就是說它只含有最核心的OCR功能，但不提供前處理和后處理，這些都要調用者自己解決：
- 前處理：包括灰度/彩色圖像轉純黑白（二值化）、去斑點等，目標是把需要喂給MODI進行識別的圖像處理得干干凈凈，以提高識別成功率和准確率。ScanSoft還好說，清華的中文OCR部分比玻璃紙都脆弱，一言不合就崩潰給你看，尤其是在碰到圖表的時候。即使是同一張灰度圖，我都見過用Otsu二值化后用MODI識別沒事，用八叉樹二值化就造成MODI崩潰。當然結果完全反過來的我也不是沒有見過。
- 后處理：MODI結果是一個個word（中文是字），如果想得到有意義的結果，需要調用者自己根據word的坐標把word組成line，line組成paragraph。僅僅是判斷word與word之間要不要加空格，估計就讓不少人撓頭皮了，何況中文還有橫排、豎排。
所以說即使大家都調用MODI，但軟件或者說軟件開發者的前、后處理能力不同，出來的結果也會有所不同。比如說MODI識別中文時會有一些習慣性錯誤，如果軟件內部的后處理部分能對這些錯誤進行修正，那么同一張圖片的識別結果，就可能比別的沒有進行修正的軟件結果更好。而前處理部分的圖像處理能力，甚至僅僅是采用不同的二值化算法，都會導致OCR結果和軟件的穩定性不同。
Q：調用MODI有那些限制？
A：我用手上近40萬頁簡體中文掃描圖像進行了近兩個月的反復測試（電費都花了好幾百），其中大部分是掃描版技術書籍，圖文混排的比例很高。測試后發現主要有以下限制：
- MODI是32位組件，嵌入32位EXE甚至32位DLL都沒有問題，但嵌入64位EXE就不要想了。
- 如前所述，MODI在OCR含圖表的中文圖像時極其脆弱，崩潰是家常便飯。很多錯誤根本捕獲不到就退出了，有一些則可以通過異常捕獲抓到，但有時候的遞歸錯誤直接把堆棧耗盡了，這個時候什么樣的錯誤捕獲機制都不好使。另外即使捕獲到了異常，但MODI是用C++開發的，沒有自動垃圾回收機制，異常會造成內存漏洞，累積到一定程度除了殺進程之外也沒有別的辦法。
- 一次識別出來的中文字數如果不超過8個字，會直接報告說識別結果為空。
Q：這些限制要如何解決？
A：8個字的限制比較好辦，把圖像重復拼接，造成需要識別的字數超過限制即可。其他兩個限制，尤其是錯誤處理方面，我在經過長期各種努力奮斗后，終於明白了前輩們總結的一個真理：線程是不安全的，但進程很安全。
具體來說，就是開發一個橋接器，在橋接器進程中嵌入、執行MODI調用。真正需要調用MODI進行OCR的軟件自己不要嵌入MODI，而是與橋接器之間通過IPC（interprocess communications，進程間通信）進行交互——向橋接器發送OCR命令，橋接器接受后調用MODI進行OCR，再把OCR結果返回給調用者。
這樣做的好處是：
- 如果OCR過程出錯造成崩潰，崩潰的也只是橋接器進程，主進程P事沒有，重啟一個橋接器就可以進行下一頁的OCR。
- IPC可以在32位進程與64位進程之間通信，所以橋接器沒有辦法只能是32位，但與橋接器通信的主進程可以是64位。IPC的具體說明見MSDN，有若干種技術可供選擇，我選擇的是最簡單同時也是最麻煩的WM_COPYDATA。說它簡單，是因為這項技術只是基於常規消息處理，不需要上多線程，而且數據一次就是完整的一批過去，不存在發送或接收不完整的問題。說它難，是因為如果對消息分發和處理機制理解不夠，想純靠消息就實現兩個進程的同步，會很不容易。
所以從v4.00開始，FreePic2Pdf_Lib不再直接調用MODI，而是通過新增的橋接器MODI_Engine.exe進行調用。使用FreePic2Pdf_Lib+MODI生成雙層PDF、雙層DJVu的軟件，包括DjVuToy、FreePic2Pdf、Pdg2Pic、UnicornViewer等也進行了相應的升級，並更新各自的使用說明文件，對此進行說明。
（完）