用Python写了一个图像文字识别OCR工具 |
您所在的位置：网站首页 › 识别图片中文字的小程序软件 › 用Python写了一个图像文字识别OCR工具 |
用Python写了一个图像文字识别OCR工具
|
人生苦短，快学Python！ 在之前的文章里，我们多次尝试用Python实现文本OCR识别！ 不过今天我们要搞一个升级版：直接写一个图像文字识别OCR工具！ 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 + labelme + 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：  ▲OCR工具识别效果 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、编辑区域复制所选文本识别结果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。 代码语言：javascript复制conda create -n ocr conda activate ocr 安装框架如果你没有NVIDIA GPU，或GPU不支持CUDA，可以安装CPU版本： 代码语言：javascript复制# 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： 代码语言：javascript复制# GPU版本 python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple 安装 PaddleOCR安装paddleocr： 代码语言：javascript复制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： 代码语言：javascript复制pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl 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： 代码语言：javascript复制paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false输出一个list：  在python中调用代码语言：javascript复制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，其中pyqt GUI程序开发入门和环境配置，详见一篇博客(具体见文末)。 主要步骤： 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。  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。  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。 代码语言：javascript复制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) 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 。 代码语言：javascript复制# 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。 代码开源地址：https://gitee.com/signal926/ocr-gui-demo 参考链接画框、区域列表：https://github.com/wkentaro/labelme icons：https://github.com/google/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 |
【本文地址】
今日新闻 |
推荐新闻 |