Swift中通过摄像头扫描数字的实现方法求指导（非条码扫描）

当然有办法！我之前帮不少开发者解决过类似需求——不用局限在条码扫描库上，下面给你几个Swift开发里实用的方案：

这是最贴合iOS生态的方案，不需要依赖第三方库，性能稳定还能享受苹果的系统优化，不管是印刷体还是手写数字都能搞定。

• 第一步：准备数字识别模型
  如果你要识别印刷体数字，Vision框架自带的文字识别能力就够用；如果是手写数字，你可以用苹果的Create ML工具自己训练模型——上手超简单，导入MNIST这类手写数字数据集，点几下就能生成Core ML格式的模型，不用写复杂的训练代码。

• 第二步：用Vision处理摄像头流
  核心是通过AVFoundation获取摄像头的实时帧，再交给Vision做识别。这里给你一段针对印刷体数字的示例代码：

  import UIKit
  import AVFoundation
  import Vision
  
  class CameraDigitScanner: UIViewController, AVCaptureVideoDataOutputSampleBufferDelegate {
      private let captureSession = AVCaptureSession()
      private var previewLayer: AVCaptureVideoPreviewLayer!
      private let textRecognitionRequest = VNRecognizeTextRequest(completionHandler: handleTextRecognition)
  
      override func viewDidLoad() {
          super.viewDidLoad()
          setupCameraSession()
      }
  
      private func setupCameraSession() {
          // 配置后置摄像头输入
          guard let cameraDevice = AVCaptureDevice.default(.builtInWideAngleCamera, for: .video, position: .back) else {
              fatalError("无法访问后置摄像头")
          }
          guard let cameraInput = try? AVCaptureDeviceInput(device: cameraDevice) else {
              fatalError("无法创建摄像头输入")
          }
          captureSession.addInput(cameraInput)
  
          // 配置视频输出，实时处理每一帧
          let videoOutput = AVCaptureVideoDataOutput()
          videoOutput.setSampleBufferDelegate(self, queue: DispatchQueue(label: "camera-processing-queue"))
          captureSession.addOutput(videoOutput)
  
          // 添加预览层，让用户看到摄像头画面
          previewLayer = AVCaptureVideoPreviewLayer(session: captureSession)
          previewLayer.frame = view.bounds
          previewLayer.videoGravity = .resizeAspectFill
          view.layer.addSublayer(previewLayer)
  
          // 启动会话
          captureSession.startRunning()
      }
  
      func captureOutput(_ output: AVCaptureOutput, didOutput sampleBuffer: CMSampleBuffer, from connection: AVCaptureConnection) {
          guard let pixelBuffer = CMSampleBufferGetImageBuffer(sampleBuffer) else { return }
  
          // 配置识别请求：只识别数字，提升速度和准确率
          textRecognitionRequest.recognitionLevel = .fast
          textRecognitionRequest.recognitionLanguages = ["en-US"]
          textRecognitionRequest.customWords = ["0","1","2","3","4","5","6","7","8","9"]
          let requestHandler = VNImageRequestHandler(cvPixelBuffer: pixelBuffer, options: [:])
  
          do {
              try requestHandler.perform([textRecognitionRequest])
          } catch {
              print("识别出错：\(error.localizedDescription)")
          }
      }
  
      private static func handleTextRecognition(request: VNRequest, error: Error?) {
          guard let results = request.results as? [VNRecognizedTextObservation] else { return }
  
          // 提取识别结果并过滤出纯数字
          for result in results {
              guard let topMatch = result.topCandidates(1).first else { continue }
              let recognizedText = topMatch.string
              if recognizedText.rangeOfCharacter(from: CharacterSet.decimalDigits.inverted) == nil {
                  // 回到主线程更新UI或处理结果
                  DispatchQueue.main.async {
                      print("识别到数字：\(recognizedText)")
                      // 这里可以把结果传给UI组件，比如UILabel
                  }
              }
          }
      }
  }
  

  如果是手写数字，只需要把VNRecognizeTextRequest换成VNCoreMLRequest，传入你用Create ML生成的手写识别模型就行。

如果不想折腾模型训练，可以用成熟的第三方OCR库，比如Tesseract的Swift封装版本。它的优势是开箱即用，缺点是体积略大，不过你可以只加载数字相关的语言包来减小体积。

示例代码（以TesseractOCRiOS为例）：

import UIKit
import TesseractOCRiOS

// 假设你已经获取到摄像头的UIImage
func scanDigitFromImage(_ image: UIImage) {
    guard let tesseract = G8Tesseract(language: "eng") else { return }
    tesseract.engineMode = .tesseractOnly
    tesseract.pageSegmentationMode = .singleChar // 如果是单个数字场景
    // 白名单：只识别0-9
    tesseract.setVariableValue("0123456789", forKey: "tessedit_char_whitelist")
    tesseract.image = image.g8_blackAndWhite() // 预处理图像提升准确率
    tesseract.recognize()
    
    if let result = tesseract.recognizedText, !result.isEmpty {
        print("识别到数字：\(result)")
    }
}

• 必须在Info.plist中添加NSCameraUsageDescription字段，说明摄像头的使用用途，否则App会崩溃。
• 实时扫描时，一定要在后台队列处理图像识别逻辑，避免阻塞主线程导致UI卡顿。
• 如果识别准确率不够，可以对图像做预处理：比如灰度化、二值化、裁剪出感兴趣区域（ROI），这些都能大幅提升识别效果。

内容的提问来源于stack exchange，提问作者Mehdi Gilanpour