摘要：
近几天在做一个东西，其中需要对图像中的文字进行识别，看了前辈们的文章，找到两个较简单的方法：使用python的pytesseract库和调用百度AI平台接口。写下这篇文章做一个比较简短的记录和学习，后期如果有新内容再行补充。
1、使用python的pytesseract库
主要是安装库，比较简单，直接使用 pip install 安装即可；另外，如果进行中文识别，需要下载语言包，并配置好相应环境，具体操作可以进行百度，教程有不少。因为这个识别方法比较简单（但效果并不是很理想），下面直接贴出测试代码：
import pytesseract
from PIL import Image
img = Image.open('./testImages/test01.jpg')
pytesseract.pytesseract.tesseract_cmd = 'C:/Program Files (x86)/Tesseract-OCR/tesseract.exe'
s = pytesseract.image_to_string(img, lang='chi_sim') #不加lang参数的话，默认进行英文识别
print(s)
2、调用百度AI平台接口（有调用次数限制，通用50000次/天，学习完全够用）
这个类似于调用接口实现词法分析等操作，首先通过注册获得APP_ID、API_KEY、SECRET_KEY，然后调用接口实现OCR。由于是在线API，如果图片体积比较大，涉及到上传数据、分析数据、返回数据等一系列操作，需要一定的时间。此外，因为返回的是 dict 类型数据，所以需要对结果进行处理（这套算法是按行识别文字的，准确率较高，基本可以直接将结果进行提取和拼接）。实现起来比较简单，下面直接贴出代码：
from aip import AipOcr
APP_ID = '00000000'
API_KEY = '00000000000000000000'
SECRET_KEY = '00000000000000000000'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
def image2text(fileName):
image = get_file_content(fileName)
dic_result = client.basicGeneral(image)
res = dic_result['words_result']
result = ''
for m in res:
result = result + str(m['words'])
return result
getresult = image2text('./test01.jpg')
print(getresult)
小结：
主要是初次接触OCR这个领域所做的一些笔记，后续再深入进行学习。
python实现的ocr接口
import pytesseract
import requests
from PIL import Image
from PIL import ImageFilter
from StringIO import StringIO
from werkzeug.utils import secure_filename
from gevent import monkey
from gevent.pywsgi import WSGIServer
monkey.patch_all()
from flask import Flask,render_template,jsonify,request,send_from_directory
import time
import os
import base64
import random
app = Flask(__name__)
UPLOAD_FOLDER='upload'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
basedir = os.path.abspath(os.path.dirname(__file__))
ALLOWED_EXTENSIONS = set(['png','jpg','JPG','PNG'])
def allowed_file(filename):
return '.' in filename and filename.rsplit('.',1)[1] in ALLOWED_EXTENSIONS
@app.route('/',methods=['GET'],strict_slashes=False)
def indexpage():
return render_template('index.html')
@app.route('/',methods=['POST'],strict_slashes=False)
def api_upload():
log = open("error.log","w+")
file_dir = os.path.join(basedir, app.config['UPLOAD_FOLDER'])
if not os.path.exists(file_dir):
os.makedirs(file_dir)
print request.headers
print >> log, request.headers
f = request.files['file']
postLang = request.form.get("lang", type=str)
log.close()
if f and allowed_file(f.filename):
fname = secure_filename(f.filename)
ext = fname.rsplit('.',1)[1]
unix_time = int(time.time())
new_filename = str( random.randrange(0, 10001, 2))+str(unix_time)+'.'+ext
f.save(os.path.join(file_dir,new_filename))
if cmp(postLang, "chi_sim"):
strboxs = pytesseract.image_to_boxes(Image.open("/var/OCRhtml/upload/" + new_filename), lang="chi_sim")
strdata = pytesseract.image_to_string(Image.open("/var/OCRhtml/upload/" + new_filename), lang="chi_sim")
print "Chinese"
else:
strboxs = pytesseract.image_to_boxes(Image.open("/var/OCRhtml/upload/"+new_filename))
strdata = pytesseract.image_to_string(Image.open("/var/OCRhtml/upload/"+new_filename))
return jsonify({"errno":0, "msg":"succeed ","data":strdata,"info":strboxs})
else:
return jsonify({"errno":1001, "errmsg":u"failed"})
if __name__ == '__main__':
http_server = WSGIServer(('', 80), app)
http_server.serve_forever()
