关键词:
文章目录
引言
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 + 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:
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
- 复制文本识别结果
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]]
…
界面部分
界面部分基于 pyqt5 实现。
pyqt GUI程序开发入门和环境配置,详见这篇博客。
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。
https://gitee.com/signal926/ocr-gui-demo
参考链接
-
画框、区域列表:labelme
-
icons: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
如果本文对你有帮助的话,欢迎点赞、收藏~
图片识别ocr:
使用Python制作一个简易的OCR图片文字识别工具:键盘上的PrtScr按键+画图工具+百度AI图片识别(账户,调用接口)+python常见的OCR工具:1.MicrosoftOnenote实在是找不到那个右键-->copyastext2.GoogleOneDrive对中文的效果不好,另外境内访问... 查看详情
python实现ai图像识别-身份证识别(代码片段)
...动抄写了,下面给大家说的这个身份识别主要是使用python+flask+华为云OCR进行实现的。步骤申请华为云OCR接口获取token调用身份证识别接口提取身份证信息申请华为云OCR接口图像识别主要使 查看详情
coco图像转换成word文字识别工具怎么破解
参考技术A这软件功能不好用,推荐你用云脉OCR文档识别软件,挺不错的,识别中文识别率高达99%,支持导出txt、pdf、Word编辑的文件,很简单,只需要上传带有图片的文字就能识别出来了 查看详情
qt+百度ai文字识别ocr小工具
基于百度AI开放平台的OCR文字识别小工具,用Qt5编写。实现通用识别,精准识别,表格识别,身份证识别等常用OCR功能。Qt+百度AI文字识别mOCR小工具@目录Qt+百度AI文字识别mOCR小工具介绍编译环境界面功能To-doList介绍基于百度AI开... 查看详情
开发函数计算的正确姿势——ocr服务(代码片段)
...文字进行识别,并以文本的形式返回。Tesserocr:Tesserocr是python的一个OCR识别库,但其实是对tesseract做的一层pythonAPI封装,所以 查看详情
基于百度ocr提取图像中的文本(代码片段)
...I_KEY、SECRET_KEY三个字段在后续调用服务的时候需要用到。pythonSDK使用OCR服务百度OCR服务提供了API接口,用户可以通过构建post请求使用OCR服务。SDK方面,支持java、python、php、c等主流语言,本节主要描述python的调用方法。安装python... 查看详情
基于百度ocr提取图像中的文本(代码片段)
...I_KEY、SECRET_KEY三个字段在后续调用服务的时候需要用到。pythonSDK使用OCR服务百度OCR服务提供了API接口,用户可以通过构建post请求使用OCR服务。SDK方面,支持java、python、php、c等主流语言,本节主要描述python的调用方法。安装python... 查看详情
ocr识别技术文档识别怎么用
...统中。 常规的OCR文字识别处理的过程包括: 1、图像输入、预处理:二值化图片、 查看详情
迅捷ocr文字识别软件怎样快速识别图中文字
...中将OCR文字识别软件打开(没有的话可以自己去下载安装一个)打开后关闭弹窗。 2:点击软件上方图片局部识别选项,接着点击添加文件按钮选择一张图片并打开。 3:图片添加进来后,先不要着 查看详情
爬虫之简单验证码处理(代码片段)
机器视觉的一个分支:文字识别,介绍如何用一些Python库来识别和使用在线图片中的文字。将图像翻译成文字一般被称为光学文字识别(OpticalCharacterRecognition,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... 查看详情
手机拍摄的图片转文字的方法
...过,图片也可以转文字。当然是可以的啦,下面小编分享一个简单图片转文字的方法吧。使用工具:迅捷OCR文字识别工具;操作方法:步骤一:比如说下面的这张文字图片,将其保存到电脑桌面上,然后在电脑上准备一个OCR文字... 查看详情
php怎么做图片识别
...eizijiaocheng-367765.html2.如果是做图片对比匹配:建议用c++、python等写一个后台程序,然后把图片交给后台程序处理,处理完成后返回处理结果 查看详情
python提取图片中的文字(代码片段)
Python提取图片中的文字相关依赖库安装OCR工具安装识别代码相关依赖库安装pipinstallPILpipinstallpytesseractOCR工具安装下载链接修改pytesseract源码中的路径,将tesseract_cmd的值改为安装Tesseract-OCR应用程序路径安装识别中文所需依赖... 查看详情
ocr基本知识
...rrecognition的简称,也就是光学识别系统,属于图形识别的一个分支,OCR是针对印刷体字符,採用光学的方式将文档资料转换成原始资料黑白点阵的图像文件,通过识别软件将图像中的文字识别成中文和英文内码,然后转换成文本... 查看详情
ocr软件是文字识别软件,怎么样用在百度文件中?
...也有一定的要求,不同软件不一样的参考技术AOCR仅能把图像上的文字有条件的识别; 参考技术B用汉王文豪7600(图形OCR识别成WORD或EXCEL),支持图形、照片、屏幕识别等。 查看详情
ocr文字识别
...课题的友好性,产品的稳定性,易用性及可行性等。开发一个OCR文字识别 查看详情
给ocr文字识别软件添加图像的方法
...现在还可使用快速扫描窗口中的快速打开、扫描并保存为图像或任务自动化任务,在没有进行预处理和OCR的ABBYYFineReader中扫描或打开图像。如果您的文档非常大,而您只需要识别其中的几个页面,就可以派上用场。下面小编将教... 查看详情
python图片文字识别——windows下tesseract-ocr的安装与使用(代码片段)
Python图片文字识别——Windows下Tesseract-OCR的安装与使用前言Windows下Tesseract-OCR的安装与配置Tesseract-OCR简介与版本选择tesseract-OCR安装Tesseract-OCR配置安装Python调用TesseractAPI所需依赖项Tesseract-OCR测试与使用命令行模式使用Python调用Tess... 查看详情