基于Python实现图像文字识别OCR工具

更新时间：2021年12月09日 09:34:53 作者：虾米小馄饨

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。本文主要介绍了基于PyQt + PaddleOCR实现的一个桌面端的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，需要的朋友可以参考一下

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 gitlab 上，欢迎感兴趣的朋友提出建议，一起修改完善。

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

以上就是基于Python实现图像文字识别OCR工具的详细内容，更多关于Python图像文字识别的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

PyInstaller运行原理及常用操作详解
这篇文章主要介绍了PyInstaller运行原理及常用操作详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-06-06
python人物视频背景替换实现虚拟空间穿梭
这篇文章主要为大家介绍了python实现人物视频背景替换示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
2022-07-07
用Python计算三角函数之acos()方法的使用
这篇文章主要介绍了用Python计算三角函数之acos()方法的使用,是Python学习中的基础知识,需要的朋友可以参考下
2015-05-05
Pandas中describe()函数的具体使用
本文主要介绍了Pandas中describe()函数的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2023-01-01
django解决跨域请求的问题
这篇文章主要介绍了django解决跨域请求的问题，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
2018-11-11
Python3.7实现验证码登录方式代码实例
这篇文章主要介绍了Python3.7实现验证码登录方式代码实例,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-02-02
python中通过selenium简单操作及元素定位知识点总结
在本篇文章里小编给大家整理的是关于python中通过selenium简单操作及元素定位的知识点，有需要的朋友们可以学习下。
2019-09-09
基于Python实现绘制一个足球
这篇文章主要为大家详细介绍了如何基于Python实现绘制一个简单的足球，文中的示例代码讲解详细，具有一定的借鉴价值，感兴趣的可以尝试一下
2023-02-02
Python中的切片函数Slice详解
这篇文章主要介绍了Python中的切片函数Slice详解,切片是对有序的集合而言,意思从有序集合里提取数据构成子集集合,给定提取的起点start、终点end以及方向上的步长step,能否切出非空子集,起点start需能沿步长方向上到达终点,需要的朋友可以参考下
2023-09-09
Python类和方法注释规范说明
这篇文章主要介绍了Python类和方法注释规范说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2022-06-06