摘要：一個簡單的圖片轉(zhuǎn)文字的函數(shù)實現(xiàn)如下。百度云這是偶然的發(fā)現(xiàn)，百度云提供了一定額度的免費(fèi)的，目前是每日次，做做研究或者小應(yīng)用還勉強(qiáng)夠用，本文主要為了測試其效果。論中文，還是百度比谷歌更懂一點(diǎn)。

當(dāng)今時代人工智能都已經(jīng)是爛大街的詞了，OCR應(yīng)該也很多人都知道。

OCR （Optical Character Recognition，光學(xué)字符識別）是指電子設(shè)備（例如掃描儀或數(shù)碼相機(jī)）檢查紙上打印的字符，通過檢測暗、亮的模式確定其形狀，然后用字符識別方法將形狀翻譯成計算機(jī)文字的過程。

本文主要記錄了通過Python使用OCR的兩次嘗試。

Tesseract，一款由HP實驗室開發(fā)由Google維護(hù)的開源OCR（Optical Character Recognition , 光學(xué)字符識別）引擎，特點(diǎn)是開源，免費(fèi)，支持多語言，多平臺。

項目地址：https://github.com/tesseract-...

Tesseract的安裝比較簡單，在mac可以通過brew安裝。

brew install --with-training-tools tesseract

在windows可以通過exe安裝包安裝，下載地址可以從GitHub項目中的wiki找到。安裝完成后記得將Tesseract 執(zhí)行文件的目錄加入到PATH中，方便后續(xù)調(diào)用。

另外，默認(rèn)安裝會包含英文語言訓(xùn)練包，如果需要支持簡體中文或者繁體中文，需要在安裝時勾選。

或者安裝結(jié)束后到項目地址下載：https://github.com/tesseract-...

下載好的語言包放入到安裝目錄中的testdata下即可。在windows系統(tǒng)你還需要將testdata目錄也加入環(huán)境變量。

TESSDATA_PREFIX=C:Program Files (x86)Tesseract-OCR	essdata

如果一切就緒，你在命令行中就可以使用Tesseract命令。

# tesseract
Usage:
  tesseract --help | --help-psm | --help-oem | --version
  tesseract --list-langs [--tessdata-dir PATH]
  tesseract --print-parameters [options...] [configfile...]
  tesseract imagename|stdin outputbase|stdout [options...] [configfile...]

OCR options:
  --tessdata-dir PATH   Specify the location of tessdata path.
  --user-words PATH     Specify the location of user words file.
  --user-patterns PATH  Specify the location of user patterns file.
  -l LANG[+LANG]        Specify language(s) used for OCR.
  -c VAR=VALUE          Set value for config variables.
                        Multiple -c arguments are allowed.
  --psm NUM             Specify page segmentation mode.
  --oem NUM             Specify OCR Engine mode.
NOTE: These options must occur before any configfile.

通過命令行你就可以完成簡單的圖片文字識別任務(wù)。

tesseract test.png outfile -l chi_sim

Tesseract安裝完成后可以很方便的被Python調(diào)用，你需要安裝兩個包。

pip install pillow
pip install pytesseract

一個簡單的圖片轉(zhuǎn)文字的函數(shù)實現(xiàn)如下。

from PIL import Image
import pytesseract

class Languages:
    CHS = "chi_sim"
    CHT = "chi_tra"
    ENG = "eng"

def img_to_str(image_path, lang=Languages.ENG):
    return pytesseract.image_to_string(Image.open(image_path), lang)
  
print(img_to_str("image/test1.png", lang=Languages.CHS))
print(img_to_str("image/test2.png", lang=Languages.CHS))

測試圖片- test1.png：

識別結(jié)果：

process image file "image/test1.png" in 1.4782530478747697 seconds

8 所 調(diào) 人 , 在 - 方 。
深 從 久 , 定 中 央
。 所 澈 伊 人 , 圭 水 淳
。 淇 渡 從 之 , 定 圭 北 中 坂 。
。 所 澈 伊人 , 圭 水 浩
從 丿 , 定 圭 水 中 瀝 。

測試圖片 - test2.png

識別結(jié)果：

process image file "image/test2.png" in 1.2131140296607923 seconds

清 明 時 節(jié) 雨 紛 紛 , 路 上 行 人 欲 斷 魂
信 問 酒 家 何 處 有 , 牧 奕 通 指 槍 花 村 。

Tesseract在識別清晰的標(biāo)準(zhǔn)中文字體效果還行，稍微復(fù)雜的情況就很糟糕，而且花費(fèi)的時間也很多，我個人覺得唯一的優(yōu)點(diǎn)就是免費(fèi)了。如果你不介意多花時間，可以考慮使用它提供的訓(xùn)練功能自定義你的語言庫，那樣在特定場景下識別率應(yīng)該能上一個臺階。

這是偶然的發(fā)現(xiàn)，百度云提供了一定額度的免費(fèi)的OCR API，目前是每日500次，做做研究或者小應(yīng)用還勉強(qiáng)夠用，本文主要為了測試其效果。

文檔地址：https://cloud.baidu.com/doc/O...

首先你需要注冊一個百度云BCE賬號，然后從控制面板新建一個文字識別應(yīng)用。

之后你就可以獲得調(diào)用API需要的 AppID，API Key 和 Secret Key。后面只要根據(jù)官方文檔一步一步走就可以了。

pip install baidu-aip

參考文檔： https://cloud.baidu.com/doc/O...

from aip import AipOcr

config = {
    "appId": "your-id",
    "apiKey": "your-key",
    "secretKey": "your-secret-key"
}

client = AipOcr(**config)

def get_file_content(file):
    with open(file, "rb") as fp:
        return fp.read()

def img_to_str(image_path):
    image = get_file_content(image_path)
    result = client.basicGeneral(image)
    if "words_result" in result:
        return "
".join([w["words"] for w in result["words_result"]])

測試圖片- test1.png：

識別結(jié)果：

process image file "image/test1.png" in 0.6331169034812572 seconds

蒹葭
先秦:佚名
蒹葭蒼蒼,白露為霜。所謂伊人,在水一方。
溯洄從之,道阻且長。溯游從之,宛在水中央。
蒹葭萋萋,白露未晞。所謂伊人,在水之湄。
溯洄從之,道陽且躋。溯游從之,宛在水中坻。
蒹葭采采,白露未已。所謂伊人,在水之涘。
溯洄從之,道阻且右。溯游從之,宛在水中沚。

測試圖片 - test2.png

識別結(jié)果：

process image file "image/test2.png" in 0.6621812639450142 seconds

清明時節(jié)雨紛紛,路上行人欲斷魂。
借問酒家何處有,牧童遙指杏花村。

測試結(jié)果很明顯，我只能說百度云這個OCR真是挺厲害的，一個錯別字都沒有，不服不行。論中文，還是百度比谷歌更懂一點(diǎn)。而且百度OCR提供了更多的參數(shù)讓你更靈活的處理圖片，比如自定義旋轉(zhuǎn)，返回可信度，特定類型證件識別等等。

除了本文提到的OCR，其實還是有不少其他選擇。有一些直接提供Demo頁面，你直接上傳一張圖片就可以直接看到識別效果，比如：

微軟Azure 圖像識別：https://azure.microsoft.com/z...

有道智云文字識別：http://aidemo.youdao.com/ocrdemo

阿里云圖文識別：https://www.aliyun.com/produc...

騰訊OCR文字識別： https://cloud.tencent.com/pro...

你有沒有發(fā)現(xiàn)所有的大公司都有這樣的服務(wù)？以后我們買買買就行，花大力氣去發(fā)明輪子就沒多大意義了。

關(guān)于作者：Python技術(shù)愛好者，目前從事測試開發(fā)相關(guān)工作，轉(zhuǎn)載請注明原文出處。歡迎關(guān)注我的博客 https://betacat.online，你可以到我的公眾號中去當(dāng)吃瓜群眾。