张伟伟-层次2 利用百度API进行通用文字识别

Posted 2021-07-11 ZHW_AI课题组

层次2 利用百度API进行通用文字识别

• 作者介绍
• API介绍
• 调用过程
• 代码实现
• 运行和识别结果

作者介绍

张伟伟，男，西安工程大学电子信息学院，2019级硕士研究生，张宏伟人工智能课题组。
研究方向：机器视觉与人工智能。
电子邮件：[e-mail]

API介绍

配置环境

pip install baidu-aip

支持多种语种识别（丹麦语、荷兰语、马来语、瑞典语、印尼语、波兰语、罗马尼亚语、土耳其语、希腊语、匈牙利语），并将字库从1w+扩展到2w+，能识别所有常用字和大部分生僻字。

调用过程

• 1.首先打开百度智能云官网注册登录。

• 2 登录之后选择文字识别服务

• 3 点击创建应用
  
• 4 创建并填写应用相关信息
  例如，填写应用名称为“通用文字识别”。

• 5 应用相关信息填写完成后点击“返回应用列表”，即可查看已创建好的应用，得到API Key 与Secret Key。
  

代码实现

使用如下代码，例如建立名为Text_me.py。使用示例代码前，请记得替换其中的API Key 与Secret Key。代码中os.chdir(“D:/wenzi/testdir”) ，需要改为自己识别图片的目录。例如博主转换的图片目录为"D:/wenzi/testdir"。

#-*- coding: UTF-8 -*-
#前提是python已安装aip库--》pip install baidu-aip

import os
from aip import AipOcr
import json
# APP_ID = '你注册账号创建应用后得到的APPID'
# API_KEY = '你注册账号创建应用后得到的API_KEY'
# SECRET_KEY = '你注册账号创建应用后得到的SECRET_KEY '
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''

aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)
os.chdir("D:/wenzi/testdir")  #你需要转换的图片目录
dirs = os.listdir()
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "true"
options["detect_language"] = "true"
options["probability"] = "true"

print('开始处理，共'+str(len(dirs))+"张图片。")
flag=0
T = 0 #统计处理图片成功的数量
for filePath in dirs:
    if filePath.split('.')[-1]=='txt':continue
    flag+=1
    print('正在处理第'+str(flag)+'张图片')
    try:
        result = aipOcr.basicGeneral(get_file_content(filePath), options)
    except BaseException as e:
        print(e)
    else:
        try:
            with open(filePath.split('.')[0]+'.txt','w',encoding='utf-8') as f:
                for i in result['words_result']:
                        f.write(i['words']+'\\n')
                T += 1
        except BaseException as e :
            print(e)
        else:
            print('处理完成')
print('{}全部处理完成！{}'.format("="*30,"="*30))
print('处理成功的图片有{}张,处理失败的图片有{}张'.format(T,len(dirs)-T))

运行和识别结果

1. 运行结果
   
2. 识别结果
   例如，一次可以处理多张有文字的图片，我们无法复制，可以使用此方法实现一种OCR的效果，并且可以识别各种图片的信息，车票等写入Text文件中。一下展示部分识别结果：

• 待识别的图片1
  
• 识别为text文本的结果。
  
• 待识别的图片2
  
• 识别为text文本的结果。