从图片提取文字的终极解决方法 ——通用文字识别 API

Posted 2023-04-02 海碗吃饭

写在前面

相信你用过类似对进行图片中的文字提取的功能，但是你了解过背后的原理吗？

本文将从图片中文字提取的原理以及应用案例等多方面进行讲述，希望一文能为你讲透通用文字识别。

通用文字识别是什么技术

随着信息化和数字化的发展，大量的文字信息产生和传播，这些信息需要被整理和分析。通用文字识别技术，也称为OCR（Optical Character Recognition，光学字符识别），就是一种将图像或扫描件中的文字识别出来并转化为可编辑、可搜索的数字化文本的技术。

通用文字识别的技术原理

OCR技术 的主要原理是将图片或扫描件转化为二值图像，然后利用图像处理算法对图像进行预处理，如去噪、二值化、分割、特征提取等操作。接下来，利用模式匹配和机器学习等方法对文字进行识别，并输出识别结果。OCR技术的精度和速度取决于预处理、识别算法的复杂度和识别引擎的性能等因素。

挖掘通用文字识别的应用场景

通用文字识别可以应用在多种场景，用得好能帮助用户解决很多痛点问题，如在以下领域上，通用文字识别技术能提供非常大的帮助，包括：

• 文字识别和翻译：识别图片中的文字，并将其翻译成其他语言。
• 金融服务：识别和处理客户的身份证、银行卡、票据等文档。
• 教育教学：数字化教材、试卷和笔记。
• 医疗健康：识别和转换医学报告、病历和处方等文档。
• 商业营销：识别广告宣传物料上的文字。
• 社交娱乐：识别和处理用户上传的图片和视频。
• 人工智能辅助：收集大量的文本数据，进行训练和算法优化。

通用文字识别 API 使用方法

讲透通用文字识别技术之后，如何找到并将这项技术应用在自己的应用里面呢。在这里推荐 APISpace 的 【通用文字识别】 API ，它支持多场景、多语种、高精度的整图文字检测和识别服务，多项指标行业领先，可识别中、英、日、韩、法、德多种语言。

具体使用方式如下：

1.注册并获取通用文字识别 API 密钥

进入 【通用文字识别 API】详情页，点击【免费试用】，即可唤起注册按钮。

注册成功后，我们在页面导航菜单点击 【我的 API】进入 【访问控制】页面，即可看到平台提供的密钥。

2.在线测试调用 API 进行文字识别

回到 【通用文字识别 API】详情页，再次点击【免费试用】，我们可以在获得一定次数的免费调用权限，并且进入测试界面。

在测试界面中，根据 API 接口文档中的要求，输入图片地址

如我们输入

API 返回的识别结果如下：

    "words_result": [
        "word": "桃花历乱李花香",
        "location": [
            [978, 218],
            [1046, 218],
            [1046, 810],
            [978, 810]
        ]
    , 
        "word": "草色青青柳色黄",
        "location": [
            [1088, 211],
            [1156, 210],
            [1160, 810],
            [1092, 810]
        ]
    , 
        "word": "春日偏能惹恨长",
        "location": [
            [748, 219],
            [816, 218],
            [822, 810],
            [754, 810]
        ]
    , 
        "word": "东风不为吹愁去",
        "location": [
            [862, 219],
            [930, 218],
            [932, 806],
            [864, 806]
        ]
    , 
        "word": "春思",
        "location": [
            [1238, 218],
            [1332, 218],
            [1332, 447],
            [1238, 447]
        ]
    , 
        "word": "贾至",
        "location": [
            [624, 697],
            [666, 697],
            [666, 806],
            [624, 806]
        ]
    ],
    "words_count": 6,
    "log_id": "1e165580-cde1-11ed-989b-000000003532"

哇，识别结果着实非常精确，感兴趣的小伙伴赶快去体验一下。

在程序中接入通用文字识别 API

在Java 程序中，我们可直接复制以下代码接入通用文字识别 API

OkHttpClient client = new OkHttpClient().newBuilder().build();
MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, ""image":"","url":"https://data-apibee.apispace.com/license/1678270527930990ebabe-a570-44ca-9966-b892d2bb6df8","language":"CHN_ENG"");
Request request = new Request.Builder()
  .url("https://eolink.o.apispace.com/ocrbase/ocr/v1/base")
  .method("POST",body)
  .addHeader("X-APISpace-Token","替换自己的 API 密钥")
  .addHeader("Authorization-Type","apikey")
  .addHeader("Content-Type","application/json")
  .build();

Response response = client.newCall(request).execute();
System.out.println(response.body().string());

使用OCR文字识别软件将图中文字识别提取出来的方法

有时候我们上网看见了一些文字图片，上面的内容自己很喜欢，想要将文字保存下来，但是大家都知道图片上面的文字是不可以直接进行复制粘贴的，那这时候就需要识别提取图中文字了，具体怎样去操作呢？下面小编将在文字识别软件中为大家讲解下具体的操作方法。

　　使用工具：迅捷OCR文字识别软件

　　步骤一、首先需要将文字图片保存在电脑桌面，方便待会识别查找。

　　步骤二、在电脑中将迅捷OCR文字识别软件打开，没有的话可自行下载安装一个，打开后就进入到了整个软件的基本界面，选择图片局部识别这个版块。

　　步骤三、进入图片局部识别版块后，点击添加文件按钮就可以将刚开始保存的图片添加进来了，在这里图片是支持JPG、BMP、PNG格式的。

　　步骤四、图片添加进来后，在软件左下角有个输出目录的地方，也就是待会识别好的文件保存位置，可以自行选择保存在电脑中的什么地方。

　　步骤五、下方有一排小工具，可以利用这些工具来调整一下图片的位置和大小，将图片调整合适后将有利于后面的识别。

　　步骤六、上述步骤全都完成之后，就可以点击工具栏中的框选工具，拖动鼠标在图片中框选出想要进行识别的局部区域，然后软件将自动去提取文字了。

　　步骤七、提取出来的文字会显示在右边的方框里面，这时候可以检查一下识别的效果，如果觉得没什么问题的话就可以点击右下角保存为TXT按钮了，整个步骤进行到这里就结束了。

　　上述的这种文字识别提取的方法是不是很简单呢？你们学会了没有呢？