本文共 1985 字,大约阅读时间需要 6 分钟。
将图片翻译成文字一般被称为光学文字识别(Optical Character Recognition,OCR)。可以实现OCR 的底层库并不多,目前很多库都是使用共同的几个底层OCR 库,或者是在上面进行定制。
Tesseract 是一个OCR 库,目前由Google 赞助(Google 也是一家以OCR 和机器学习技术闻名于世的公司)。Tesseract 是目前公认最优秀、最精确的开源OCR 系统。 除了极高的精确度,Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体(只要这些字体的风格保持不变就可以),也可以识别出任何Unicode 字符。此外我们也可以调用百度AI的文字识别API进行文字识别,具体流程如下:
1. 百度智能云注册用户
百度智能云地址:
2. 找到产品服务 / 文字识别 - 概览,创建应用
应用有三个关键参数:AppID,API Key,Secret Key
3. python脚本调用文字识别接口
具体api文档参考下面OCR Python SDK地址
OCR Python SDK地址:
4. 具体文字识别代码如下:只是展示了几个接口,具体的还是看上面OCR Python SDK地址文档说明
'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''#作者:cacho_37967865#博客:https://blog.csdn.net/sinat_37967865#文件:baiduAI.py#日期:2019-06-18#备注:Python利用百度AI进行文字识别, pip install baidu-aip'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''from aip import AipOcr# 定义常量APP_ID = '16552814'API_KEY = '93R0OpMdmPy31WBBgPEKE1qB'SECRET_KEY = 'kIClrcG******'# 初始化AipFace对象aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)# 打开图片def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read()# 调用通用文字识别接口def basicGeneral(file): """ 如果有可选参数 """ options = {} options["detect_direction"] = "true" # 检测朝向 options["detect_language"] = "true" # 检测语言 result = aipOcr.basicGeneral(file, options) return(result)# 通用文字识别(高精度版)def basicAccurate(file): options = {} options["detect_direction"] = "true" # 检测朝向 options["detect_language"] = "true" # 检测语言 result = aipOcr.basicAccurate(file, options) return (result)# 识别一些网络上背景复杂,特殊字体的文字。def webImage(file): options = {} options["detect_direction"] = "true" # 检测朝向 options["detect_language"] = "true" # 检测语言 result = aipOcr.webImage(file, options) return (result)def main(): file = get_file_content("bd.png") result = basicGeneral(file) print(result) for word in result['words_result']: print(word['words'])if __name__ == '__main__': main()
识别后的文字: