用python帮别人写了个文字识别程序

Posted python可乐编程

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了用python帮别人写了个文字识别程序相关的知识，希望对你有一定的参考价值。

文章目录

  • 前言
    • 一.需求分析
    • 二.代码实现
      • 1.百度文字识别
      • 2.查看文档获取access_token
      • 3.图片代码
      • 4.代码部分解读
    • 三.效果展示
很多人学习python，不知道从何学起。

很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。

很多已经做案例的人，却不知道如何去学习更加高深的知识。

那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！

QQ群：861355058

欢迎加入，一起讨论 一起学习！

 

前言

就在前几天一个大一学妹打破了我繁忙的生活，我纳闷了，直接问她啥事啊(老直男了)

 


原来是找我帮个忙，作为好学长那肯定得助人为乐啊…

 


话不多说，进入正题

一.需求分析

根据学妹的描述来看，就只是想要一个能识别图片文字的程序，那就不管啥排版了，直接依次识别算了，主要是忙…那我直接用百度的ocr就行了，半小时搞定它！

二.代码实现

1.百度文字识别

文字识别官方入口

https://ai.baidu.com/tech/ocr/general

 

点击立即使用，我们就白嫖吧，反正一个月也用不到1000次

 


创建应用，输入应用名称，这个随意哈，然后选一个文字识别-免费的，有钱的话当我没说。
下图创建成功。

 


一会API Key和Secret Key是要使用的。

2.查看文档获取access_token

接下来就要去看看文档了，看是怎么使用的

https://ai.baidu.com/ai-doc/OCR/1k3h7y3db

不会看文档的小伙伴，我直接就讲我需要的东西了，其余的大家自己学着看吧。
从文档来看，我们首先要获取一个东西——access_token

官网代码

# encoding:utf-8
import requests 

# client_id 为官网获取的AK， client_secret 为官网获取的SK
host = \'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=【官网获取的AK】&client_secret=【官网获取的SK】\'
response = requests.get(host)
if response:
    print(response.json())
我的代码

import requests



def access_token():
    url = \'https://aip.baidubce.com/oauth/2.0/token\'
    token_ = {
        \'grant_type\': \'client_credentials\',
        # API Key
        \'client_id\': \'官网获取的AK\',
        # ecret Key
        \'client_secret\': \'官网获取的SK\'
    }
    res = requests.post(url, data=token_)
    res = res.json()
    print(res)
    access_token = res[\'access_token\']
    print(access_token)
    return access_token

if __name__ == \'__main__\':
    access_token()

 

官网说推荐使用post，那我们就用post，但是官方代码是用的get这种方法，其实结果都一样，都能得到需要的数据。只不过官方的代码还需要一步提取出access_token。

access_token = response.json()[\'access_token\']

 

 


然后就能得到access_token了。

 


如果在这个过程中遇到错误，文档也有，而且会比我讲的详细，所以遇到问题的话可以先看文档，实在不行可以问我。
获取access_token的函数

def access_token():
    url = \'https://aip.baidubce.com/oauth/2.0/token\'
    token_ = {
        \'grant_type\': \'client_credentials\',
        # API Key
        \'client_id\': \'自己获取\',
        # ecret Key
        \'client_secret\': \'自己获取\'
    }
    res = requests.post(url, data=token_)
    res = res.json()
    print(res)
    access_token = res[\'access_token\']
    print(access_token)
    return access_token

 

当我们需要用时直接调用就行了。

 


根据文档的说明，我们就开始写读取图片的代码了

 

3.图片代码

def raed_pic():

    url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate"
    request_url = url + "?access_token=" + access_token()
    f = open(\'6.jpg\', \'rb\')
    img = base64.b64encode(f.read())
    # 参数看文档
    params = {"image": img,
              "language_type": "CHN_ENG",
              "recognize_granularity": "small",
              }
    headers = {\'content-type\': \'application/x-www-form-urlencoded\'}
    response = requests.post(request_url, data=params, headers=headers)
    # print(response)
    # res = response.json()
    # print(res)
    # 判断是否响应成功
    if response:
        # 保存读出文字的文件，自动创建
        file_name = "yiming6.txt"
        # 这个没说的了，就是写入操作
        with open(file_name, \'w\', encoding=\'utf-8\') as f:
            for j in res:
                f.write(j["words"] + "\\n")

 

4.代码部分解读

从json分析来看我们只要提取当中的words_result里面的words

 

 

三.效果展示

效果如下：

 


nice！当然可以写个循环然后直接遍历一个文件夹里面的所有图片，就可以得到每张图的文字了，再读取里面的文字放在同一个txt文件里面，有闲工夫的小伙伴可以试一试，我就不写了。最后也成功得到学妹的奶茶，就不上图片了,嘻嘻嘻~

用Python写了一个图像文字识别OCR工具


导读：人生苦短，快学Python！今天我们直接写一个图像文字识别OCR工具！

作者：虾米小馄饨

来源：快学Python（ID：kxpython）

最近在技术交流群里聊到一个关于图像文字识别的需求，在工作、生活中常常会用到，比如票据、漫画、扫描件、照片的文本提取。

博主基于 PyQt + labelme + PaddleOCR 写了一个桌面端的OCR工具，用于快速实现图片中文本区域自动检测+文本自动识别。

识别效果如下图所示：

▲OCR工具识别效果

所有框选区域为OCR算法自动检测，右侧列表有每个框对应的文字内容；点击右侧“识别结果”中的文本记录，然后点击“复制到剪贴板”即可复制该文本内容。

功能列表

  • 文本区域检测+文字识别

  • 文本区域可视化

  • 文字内容列表

  • 图像、文件夹加载

  • 图像滚轮缩放查看

  • 绘制区域、编辑区域

  • 复制所选文本识别结果

01 OCR部分

图像文字检测+文字识别算法，主要借助 paddleocr 实现。

创建或者选择一个虚拟环境，安装需要用到的第三方库。

conda create -n ocr
conda activate ocr

1. 安装框架

如果你没有NVIDIA GPU，或GPU不支持CUDA，可以安装CPU版本：

# CPU版本
pip install paddlepaddle==2.1.0 -i https://mirror.baidu.com/pypi/simple

如果你的GPU安装过CUDA9或CUDA10，cuDNN 7.6+，可以选择下面这个GPU版本：

# GPU版本
python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple

2. 安装 PaddleOCR

安装paddleocr：

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本

版面分析，需要安装 Layout-Parser：

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

3. 测试安装是否成功

安装完成后，测试一张图片--image_dir ./imgs/11.jpg，采用中英文检测+方向分类器+识别全流程：

paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false

输出一个list：

4. 在Python中调用

from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
img_path = './imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
    print(line)

输出结果是一个list，每个item包含了文本框，文字和识别置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]] [[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]] [[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]] ......

02 界面部分

界面部分基于pyqt5实现，其中pyqt GUI程序开发入门和环境配置，详见一篇博客(具体见文末)。

主要步骤：

1. 界面布局设计

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

2. 利用 pyuic 自动生成界面代码

在 pycharm 的项目文件结构中找到*.ui文件，右键——External Tools——pyuic，会在ui文件同级目录下自动生成界面 ui 的 Python 代码。

3. 编写界面业务类

业务类 MainWindow 实现程序逻辑和算法功能，与前面第2步生成的ui实现解耦，避免每次修改ui文件会影响业务代码。ui界面上的控件可以通过self._ui.xxxObjectName 访问。

class MainWindow(QMainWindow):
 FIT_WINDOW, FIT_WIDTH, MANUAL_ZOOM = 0, 1, 2

 def __init__(self):
  super().__init__()  # 调用父类构造函数，创建QWidget窗体
  self._ui = Ui_MainWindow()  # 创建ui对象
  self._ui.setupUi(self)  # 构造ui
  self.setWindowTitle(__appname__)

  # 加载默认配置
  config = get_config()
  self._config = config    

  # 单选按钮组
        self.checkBtnGroup = QButtonGroup(self)
        self.checkBtnGroup.addButton(self._ui.checkBox_ocr)
        self.checkBtnGroup.addButton(self._ui.checkBox_det)
        self.checkBtnGroup.addButton(self._ui.checkBox_recog)
        self.checkBtnGroup.addButton(self._ui.checkBox_layoutparser)
        self.checkBtnGroup.setExclusive(True)

4. 实现界面业务逻辑

对主界面上的按钮、列表、绘图控件进行信号槽连接。自定义的槽函数不用专门声明，如果是自定义的信号，需要在类__init__()前加上 yourSignal= pyqtSignal(args)。

这里以按钮响应函数、列表响应函数为例。按钮点击的信号是 clicked，listWidget列表切换选择的信号是 itemSelectionChanged 。

# 按钮响应函数
self._ui.btnOpenImg.clicked.connect(self.openFile)
self._ui.btnOpenDir.clicked.connect(self.openDirDialog)
self._ui.btnNext.clicked.connect(self.openNextImg)
self._ui.btnPrev.clicked.connect(self.openPrevImg)
self._ui.btnStartProcess.clicked.connect(self.startProcess)
self._ui.btnCopyAll.clicked.connect(self.copyToClipboard)
self._ui.btnSaveAll.clicked.connect(self.saveToFile)
self._ui.listWidgetResults.itemSelectionChanged.connect(self.onItemResultClicked)

5. 运行看看效果

运行 python main.py 即可启动GUI程序。

打开图片→选择语言模型ch（中文）→选择文本检测+识别→点击开始，检测完的文本区域会自动画框，并在右侧识别结果——文本Tab页的列表中显示。

所有检测出文本的区域列表，在识别结果——区域Tab页：

软件代码

由于时间有限，软件细节功能还需进一步完善。代码已开源到 gitee 上，欢迎感兴趣的朋友提pull request，共同修改完善。

代码开源地址：

https://gitee.com/signal926/ocr-gui-demo


参考链接

画框、区域列表：

https://github.com/wkentaro/labelme

icons：

https://github.com/google/material-design-icons

https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.3/doc/doc_ch/quickstart.md

https://blog.csdn.net/Bit_Coders/article/details/119304488

延伸阅读👇

延伸阅读《深度实践OCR》

干货直达👇

更多精彩👇

在公众号对话框输入以下关键词

查看更多优质内容！

读书 | 书单 | 干货 | 讲明白 | 神操作 | 手把手

大数据 | 云计算 | 数据库 | Python | 爬虫 | 可视化

AI | 人工智能 | 机器学习 | 深度学习 | NLP

5G | 中台 | 用户画像 | 数学 | 算法 | 数字孪生

据统计，99%的大咖都关注了这个公众号

👇

以上是关于用python帮别人写了个文字识别程序的主要内容，如果未能解决你的问题，请参考以下文章

用Python写了一个图像文字识别OCR工具

用训练好的模型进行图像识别

尝试用 Python 写了个病毒传播模拟程序

第1章python基础语法

用Python20行代码实现人脸识别

爆肝一周，用Python在物联网设备上写了个智能语音助手-阿里云智能语音交互