基于Python实现图像文字识别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 + 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！
相关文章
这篇文章主要给大家介绍了关于利用python实现xml与数据库读取转换的方法，文中通过示例代码介绍的非常详细，对大家具有一定的参考学习价值，需要的朋友们下面来一起看看吧。2017-06-06
这篇文章主要介绍了python之wxPython应用实例,以加载图片为例讲述了wxPython的用法,非常具有实用价值,需要的朋友可以参考下2014-09-09
在数据生产应用部门，取数分析是一个很常见的需求，实际上业务人员需求时刻变化，最高效的方式是让业务部门自己来取，减少不必要的重复劳动，本文介绍如何用Python实现一个自助取数查询工具2021-06-06
这篇文章主要介绍了python的tkinter布局之简单的聊天窗口实现方法,对于tkinter用法做了初步的介绍与应用展示,需要的朋友可以参考下2014-09-09
这篇文章主要介绍了Python中sklearn实现交叉验证,本文python的版本为3.8，各个版本之间函数名字略有不同，但是原理都是一样的，集成开发环境使用的是Anaconda的Spyder，需要的朋友可以参考下2023-08-08
这篇文章主要介绍了numpy数组之存取文件的实现示例，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，需要的朋友们下面随着小编来一起学习学习吧2019-05-05
Python RuntimeWarning:invalid value encounter
这篇文章主要介绍了Python RuntimeWarning:invalid value encountered in double_scalars处理,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2024-06-06
这篇文章主要介绍了opencv模板匹配相同位置去除重复的框，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2021-04-04
文章介绍了如何在VSCode中使用命令行参数进行调试,并描述了如何通过修改`launch.json`文件来简化调试过程2025-01-01
这篇文章主要为大家详细介绍了python3操作微信itchat实现发送图片，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-02-02
最新评论