Python案例OCR提取图片中的文字

Posted 2022-11-10 走召大爷

很多软件内置了OCR功能，即图片提取文字功能。有些是免费提供给大家使用，但有些是收费的。不管是免费的还是收费的，终究逃离不了隐私问题。用别人的OCR，总得把图片传到对方的服务器。今天我们使用Python开发一个OCR软件，如下图所示。

1 安装环境

本文基于PaddleOCR搭建本地开发图片提取文字软件，因此需要安装PaddlePaddle环境。

1.1 安装PaddlePaddle

如果您的机器有安装CUDA9或CUDA10，推荐安装GPU版本的PaddlePaddle，享受更快的运行速度。运行以下命令安装:

python -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

如果您的机器只有CPU环境，运行速度会稍微慢一点。请运行以下命令安装

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

1.2 安装PaddleOCR whl包

有了PaddlePaddle环境后，接下来安装PaddleOCR库，推荐使用2.0.1+版本：

pip install "paddleocr>=2.0.1"

注意：

对于Windows环境用户：直接通过pip安装的shapely库可能出现[winRrror 126]找不到指定模块的问题。建议从这里https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely下载shapely安装包完成安装。

2 调用OCR

调用OCR过程非常简单，导入PaddleOCR后，直接创建PaddleOCR对象：

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")
ocr.ocr(img_path, cls=True)

第2行代码中，use_angle_cls参数用于确定是否使用角度分类模型，即是否识别垂直方向的文字。lang参数表示识别的语言，我们传入ch，表示识别汉字。

第3行代码中, img_path表示图片路径，cls表示是否使用角度分类模型。

3 开发界面

有了以上代码就可以完成OCR功能，但使用起来还不够方便，我们进一步将OCR功能封装成软件，便于交互。首先安装PyQT5:

pip install PyQt5

接下来调用PyQT5完成界面交互，篇幅原因，这里只显示调用ocr部分代码，读者可以直接拉到最后获取完整源码。

class OCRGUI(QWidget):

    # 其他代码略...

    def run_ocr(self, img_path):
        result = self.ocr.ocr(img_path, cls=True)
        self.text.clear() 
        txts = [line[1][0] for line in result]
        for txt in txts:
            self.text.insertPlainText(txt + "\\n")
        self.loading.hide()

4 获取源码

1. 关注公众号：Python学习实战
2. 公众号聊天界面回复：OCR，获取完整源码。

如果您觉得本文有帮助，辛苦您点个不需花钱的赞，您的举手之劳将对我提供了无限的写作动力！ 也欢迎关注我的公众号：Python学习实战， 第一时间获取最新文章。