溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“如何用Python實現圖像文字識別OCR工具”，在日常操作中，相信很多人在如何用Python實現圖像文字識別OCR工具問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”如何用Python實現圖像文字識別OCR工具”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
最近在技術交流群里聊到一個關于圖像文字識別的需求，在工作、生活中常常會用到，比如票據、漫畫、掃描件、照片的文本提取。
博主基于 PyQt + PaddleOCR 寫了一個桌面端的OCR工具，用于快速實現圖片中文本區域自動檢測+文本自動識別。
識別效果如下圖所示：
所有框選區域為OCR算法自動檢測，右側列表有每個框對應的文字內容；
點擊右側“識別結果”中的文本記錄，然后點擊“復制到剪貼板”即可復制該文本內容。
文本區域檢測+文字識別
文本區域可視化
文字內容列表
圖像、文件夾加載
圖像滾輪縮放查看
繪制區域、編輯區域
復制文本識別結果
圖像文字檢測+文字識別算法，主要借助 paddleocr 實現。
創建或者選擇一個虛擬環境，安裝需要用到的第三方庫。
conda create -n ocr conda activate ocr
① 安裝框架
如果你沒有NVIDIA GPU，或GPU不支持CUDA，可以安裝CPU版本：
# CPU版本 pip install paddlepaddle==2.1.0 -i https://mirror.baidu.com/pypi/simple
如果你的GPU安裝過CUDA9或CUDA10，cuDNN 7.6+，可以選擇下面這個GPU版本：
# GPU版本 python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple
② 安裝 PaddleOCR
安裝paddleocr：
pip install "paddleocr>=2.0.1" # 推薦使用2.0.1+版本
版面分析，需要安裝 Layout-Parser：
pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl
③ 測試安裝是否成功
安裝完成后，測試一張圖片--image_dir ./imgs/11.jpg，采用中英文檢測+方向分類器+識別全流程：
paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false
輸出一個list：
④ 在python中調用
from paddleocr import PaddleOCR, draw_ocr # Paddleocr目前支持的多語言語種可以通過修改lang參數進行切換 # 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)
輸出結果是一個list，每個item包含了文本框，文字和識別置信度：
[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], [‘純臻營養護發素', 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], [‘產品信息/參數', 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起訂）', 0.9676722]]
…
界面部分基于 pyqt5 實現。
pyqt GUI程序開發入門和環境配置，詳見這篇博客。
主要步驟：
1. 界面布局設計
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 自動生成界面代碼
在 pycharm 的項目文件結構中找到*.ui文件，右鍵——External Tools——pyuic，會在ui文件同級目錄下自動生成界面 ui 的 python 代碼。
3. 編寫界面業務類
業務類 MainWindow 實現程序邏輯和算法功能，與前面第2步生成的ui實現解耦，避免每次修改ui文件會影響業務代碼。ui界面上的控件可以通過self._ui.xxxObjectName 訪問。
class MainWindow(QMainWindow): FIT_WINDOW, FIT_WIDTH, MANUAL_ZOOM = 0, 1, 2 def __init__(self): super().__init__() # 調用父類構造函數，創建QWidget窗體 self._ui = Ui_MainWindow() # 創建ui對象 self._ui.setupUi(self) # 構造ui self.setWindowTitle(__appname__) # 加載默認配置 config = get_config() self._config = config # 單選按鈕組 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. 實現界面業務邏輯
對主界面上的按鈕、列表、繪圖控件進行信號槽連接。自定義的槽函數不用專門聲明，如果是自定義的信號，需要在類__init__()前加上 yourSignal= pyqtSignal(args)。
這里以按鈕響應函數、列表響應函數為例。按鈕點擊的信號是 clicked，listWidget列表切換選擇的信號是 itemSelectionChanged 。
# 按鈕響應函數 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. 運行看看效果
運行 python main.py 即可啟動GUI程序。
打開圖片→選擇語言模型ch（中文）→選擇文本檢測+識別→點擊開始，檢測完的文本區域會自動畫框，并在右側識別結果——文本Tab頁的列表中顯示。
所有檢測出文本的區域列表，在識別結果——區域Tab頁：
到此，關于“如何用Python實現圖像文字識別OCR工具”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
