深度学习开发语言 python之OCR文字识别

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。

方法一：使用easyocr模块

easyocr是基于torch的深度学习模块 easyocr安装后调用过程中出现opencv版本不兼容问题，所以放弃此方案。

方法二：通过pytesseract调用tesseract

优点：部署快，轻量级，离线可用，免费缺点：自带的中文库识别率较低，需要自己建数据进行训练

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。

Tesseract的安装与使用

python 识别图片上的数字，使用pytesseract库从图像中提取文本，而识别引擎采用 tesseract-ocr。

pytesseract是python包装器，它为可执行文件提供了pythonic API。

1、安装必要的包：

pip install pillow pip install pytesseract

2、安装tesseract-ocr的识别引擎

最新版本下载地址： https://github.com/UB-Mannheim/tesseract/wiki 或者更多版本的tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 　　安装完后，需要将Tesseract添加到系统变量中。　环境变量：我的电脑 ->属性 -> 高级系统设置 ->环境变量 ->系统变量，在 path 中添加安装路径。　并将训练好的模型文件 chi_sim.traineddata 放入该目录中，这样安装就完成了。　在命令行 WIN+R 输入cmd ：输入 tesseract -v ,出现版本信息，则配置成功。

tesseract-ocr默认不支持中文识别。支持中文识别.png

3、解决pytesseract 找不到路径的问题。

在自己安装的pytesseract包中，找到pytesseract.py文件打开pytesseract.py文件，修改 tesseract_cmd 的值：tesseract.exe 的安装路径。为了避免其他的错误，使用双反斜杠，或者斜杠

4、简单使用

import pytesseract

from PIL import Image

if __name__ == '__main__':

text = pytesseract.image_to_string(Image.open("D:\\test.png"),lang="eng")

# 如果你想试试Tesseract识别中文，只需要将代码中的eng改为chi_sim即可

print(text)

测试图片：输出结果：

用Tesseract可以识别格式规范的文字，主要具有以下特点：

使用一个标准字体（不包含手写体、草书，或者十分“花哨的”字体）虽然被复印或拍照，字体还是很清晰，没有多余的痕迹或污点排列整齐，没有歪歪斜斜的字没有超出图片范围，也没有残缺不全，或紧紧贴在图片的边缘下面将给出几个tesseract识别图片中文字的例子。首先是E://figures/other/poems.jpg, 输入命令 tesseract E://figures/other/poems.jpg E://figures/other/poems.txt，则会将poems.jpg中的识别文字写入到poems.txt中，如下图：

接着是稍微有点倾斜的文字图片th.jpg,识别情况如下：

可以看到识别的情况不如刚才规范字体的好，但是也能识别图片中的大部分字母。最后是识别简体中文，需要事先安装简体中文语言包，下载地址为：https://github.com/tesseract-ocr/tessdata/find/master/chi_sim.traineddata ,再讲chi_sim.traineddata放在C:\Program Files (x86)\Tesseract-OCR\tessdata目录下。我们以图片timg.jpg为例：

输入命令：

tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim

识别结果如下：

只识别错了一个字，识别率还是不错的。最后加一句，Tesseract对于彩色图片的识别效果没有黑白图片的效果好。

pytesseract

pytesseract是Tesseract关于Python的接口，可以使用pip install pytesseract安装。安装完后，就可以使用Python调用Tesseract了，不过，你还需要一个Python的图片处理模块，可以安装pillow. 输入以下代码，可以实现同上述Tesseract命令一样的效果：

import pytesseract

from PIL import Image

pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'

text = pytesseract.image_to_string(Image.open('E://figures/other/poems.jpg'))

print(text)

运行结果如下：

cnocr 第二种 Python 开源识别工具的效果

两个工具的使用方法和对比效果。

安装 cnocr：

pip install cnocr

看到 Successfully installed xxx 则说明安装成功。

如果你只想对图片中的中文进行识别，那么 cnocr 是一个不错的选择，你只需要安装 cnocr 包即可。

但如果你想试试其他语言的OCR识别，Tesseract 是更好的选择。

cnocr 识别图片的中文

cnocr 主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。目前内置的文字检测和分行模块无法处理复杂的文字排版定位。

尽管它分别提供了单行识别函数和多行识别函数，但在本人实测下，单行识别函数的效果非常糟糕，或者说要求的条件十分苛刻，基本上连截图的文字都识别不出来。

不过多行识别函数还不错，使用该函数识别的代码如下：

from cnocr import CnOcr

ocr = CnOcr()

res = ocr.ocr('test.png')

print("Predicted Chars:", res)

用于识别这个图片里的文字：

效果如下：

如果不是很吹毛求疵，这样的效果已经很不错了。

方法三：调用百度API

优点：使用方便，功能强大缺点：大量使用需要收费

我自己采用的是调用百度API的方式，下面是我的步骤：注册百度账号，创建OCR应用可以参考其他教程。购买后使用python调用方法

方式一：通过urllib直接调用，替换自己的api_key和secret_key即可

# coding=utf-8

import sys

import json

import base64

# 保证兼容python2以及python3

IS_PY3 = sys.version_info.major == 3

if IS_PY3:

from urllib.request import urlopen

from urllib.request import Request

from urllib.error import URLError

from urllib.parse import urlencode

from urllib.parse import quote_plus

else:

import urllib2

from urllib import quote_plus

from urllib2 import urlopen

from urllib2 import Request

from urllib2 import URLError

from urllib import urlencode

# 防止https证书校验不正确

import ssl

ssl._create_default_https_context = ssl._create_unverified_context

API_KEY = 'YsZKG1wha34PlDOPYaIrIIKO'

SECRET_KEY = 'HPRZtdOHrdnnETVsZM2Nx7vbDkMfxrkD'

OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"

""" TOKEN start """

TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'

"""

获取token

"""

def fetch_token():

params = {'grant_type': 'client_credentials',

'client_id': API_KEY,

'client_secret': SECRET_KEY}

post_data = urlencode(params)

if (IS_PY3):

post_data = post_data.encode('utf-8')

req = Request(TOKEN_URL, post_data)

try:

f = urlopen(req, timeout=5)

result_str = f.read()

except URLError as err:

print(err)

if (IS_PY3):

result_str = result_str.decode()

result = json.loads(result_str)

if ('access_token' in result.keys() and 'scope' in result.keys()):

if not 'brain_all_scope' in result['scope'].split(' '):

print ('please ensure has check the ability')

exit()

return result['access_token']

else:

print ('please overwrite the correct API_KEY and SECRET_KEY')

exit()

"""

读取文件

"""

def read_file(image_path):

f = None

try:

f = open(image_path, 'rb')

return f.read()

except:

print('read image file fail')

return None

finally:

if f:

f.close()

"""

调用远程服务

"""

def request(url, data):

req = Request(url, data.encode('utf-8'))

has_error = False

try:

f = urlopen(req)

result_str = f.read()

if (IS_PY3):

result_str = result_str.decode()

return result_str

except URLError as err:

print(err)

if __name__ == '__main__':

# 获取access token

token = fetch_token()

# 拼接通用文字识别高精度url

image_url = OCR_URL + "?access_token=" + token

text = ""

# 读取测试图片

file_content = read_file('test.jpg')

# 调用文字识别服务

result = request(image_url, urlencode({'image': base64.b64encode(file_content)}))

# 解析返回结果

result_json = json.loads(result)

print(result_json)

for words_result in result_json["words_result"]:

text = text + words_result["words"]

# 打印文字

print(text)

方式二：通过HTTP-SDK模块进行调用

from aip import AipOcr

APP_ID = '25**9878'

API_KEY = 'VGT8y***EBf2O8xNRxyHrPNr'

SECRET_KEY = 'ckDyzG*****N3t0MTgvyYaKUnSl6fSw'

client = AipOcr(APP_ID,API_KEY,SECRET_KEY)

def get_file_content(filePath):

with open(filePath, 'rb') as fp:

return fp.read()

image = get_file_content('test.jpg')

res = client.basicGeneral(image)

print(res)

#res = client.basicAccurate(image)

#print(res)

直接识别屏幕指定区域上的文字

from aip import AipOcr

APP_ID = '25**9878'

API_KEY = 'VGT8y***EBf2O8xNRxyHrPNr'

SECRET_KEY = 'ckDyzG*****N3t0MTgvyYaKUnSl6fSw'

client = AipOcr(APP_ID,API_KEY,SECRET_KEY)

from io import BytesIO

from PIL import ImageGrab

out_buffer = BytesIO()

img = ImageGrab.grab((100,200,300,400))

img.save(out_buffer,format='PNG')

res = client.basicGeneral(out_buffer.getvalue())

print(res)

金钥匙

深度学习开发语言 python之OCR文字识别

人工智能深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元

python 深度学习开发语言 MMDetection中对Resnet增加注意力机制Attention的简单方法

发表评论取消回复

金钥匙

深度学习 开发语言 python之OCR文字识别

人工智能 深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元

python 深度学习 开发语言 MMDetection中对Resnet增加注意力机制Attention的简单方法

相关文章

发表评论取消回复

深度学习开发语言 python之OCR文字识别

人工智能深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元

python 深度学习开发语言 MMDetection中对Resnet增加注意力机制Attention的简单方法