python实战教程之OCR文字识别方法汇总_Python

将图片翻译成文字一般被称为光学文字识别（Optical Character Recognition，OCR）。可以实现OCR 的底层库并不多，目前很多库都是使用共同的几个底层OCR 库，或者是在上面进行定制。

方法一：使用easyocr模块

easyocr是基于torch的深度学习模块

easyocr安装后调用过程中出现opencv版本不兼容问题，所以放弃此方案。

方法二：通过pytesseract调用tesseract

优点：部署快，轻量级，离线可用，免费

缺点：自带的中文库识别率较低，需要自己建数据进行训练

Tesseract 是一个OCR 库，目前由Google 赞助（Google 也是一家以OCR 和机器学习技术闻名于世的公司）。Tesseract 是目前公认最优秀、最精确的开源OCR 系统。

除了极高的精确度，Tesseract 也具有很高的灵活性。它可以通过训练识别出任何字体（只要这些字体的风格保持不变就可以），也可以识别出任何Unicode 字符。

Tesseract的安装与使用

python 识别图片上的数字，使用pytesseract库从图像中提取文本，而识别引擎采用 tesseract-ocr。

pytesseract是python包装器，它为可执行文件提供了pythonic API。

1、安装必要的包：

				?

									pip install pillow

									pip install pytesseract

2、安装tesseract-ocr的识别引擎

最新版本下载地址： https://github.com/UB-Mannheim/tesseract/wiki

python实战教程之OCR文字识别方法汇总

或者更多版本的tesseract下载地址：https://digi.bib.uni-mannheim.de/tesseract/　

　安装完后，需要将Tesseract添加到系统变量中。

　环境变量：我的电脑 ->属性 -> 高级系统设置 ->环境变量 ->系统变量，在 path 中添加安装路径。

python实战教程之OCR文字识别方法汇总

并将训练好的模型文件 chi_sim.traineddata 放入该目录中，这样安装就完成了。

在命令行 WIN+R 输入cmd ：输入 tesseract -v ,出现版本信息，则配置成功。

python实战教程之OCR文字识别方法汇总

tesseract-ocr默认不支持中文识别。支持中文识别.png

python实战教程之OCR文字识别方法汇总

3、解决pytesseract 找不到路径的问题。

在自己安装的pytesseract包中，找到pytesseract.py文件

python实战教程之OCR文字识别方法汇总

打开pytesseract.py文件，修改 tesseract_cmd 的值：tesseract.exe 的安装路径。

为了避免其他的错误，使用双反斜杠，或者斜杠

python实战教程之OCR文字识别方法汇总

4、简单使用

				?

									import pytesseract

									from PIL import Image

									if __name__ == '__main__':

									    text = pytesseract.image_to_string(Image.open("D:\test.png"),lang="eng")  

									    # 如果你想试试Tesseract识别中文，只需要将代码中的eng改为chi_sim即可

									    print(text)

测试图片：

python实战教程之OCR文字识别方法汇总

输出结果：

python实战教程之OCR文字识别方法汇总

用Tesseract可以识别格式规范的文字，主要具有以下特点：

使用一个标准字体（不包含手写体、草书，或者十分“花哨的”字体）
虽然被复印或拍照，字体还是很清晰，没有多余的痕迹或污点
排列整齐，没有歪歪斜斜的字
没有超出图片范围，也没有残缺不全，或紧紧贴在图片的边缘

下面将给出几个tesseract识别图片中文字的例子。

首先是E://figures/other/poems.jpg, 输入命令 tesseract E://figures/other/poems.jpg E://figures/other/poems.txt，则会将poems.jpg中的识别文字写入到poems.txt中，如下图：

python实战教程之OCR文字识别方法汇总

接着是稍微有点倾斜的文字图片th.jpg,识别情况如下：

python实战教程之OCR文字识别方法汇总

可以看到识别的情况不如刚才规范字体的好，但是也能识别图片中的大部分字母。

最后是识别简体中文，需要事先安装简体中文语言包，下载地址为：https://github.com/tesseract-ocr/tessdata/find/master/chi_sim.traineddata ,再讲chi_sim.traineddata放在C:Program Files (x86)Tesseract-OCR essdata目录下。我们以图片timg.jpg为例：

python实战教程之OCR文字识别方法汇总

输入命令：

				?

									tesseract E://figures/other/timg.jpg E://figures/other/timg.txt -l chi_sim

识别结果如下：

python实战教程之OCR文字识别方法汇总

只识别错了一个字，识别率还是不错的。

最后加一句，Tesseract对于彩色图片的识别效果没有黑白图片的效果好。

pytesseract

pytesseract是Tesseract关于Python的接口，可以使用pip install pytesseract安装。安装完后，就可以使用Python调用Tesseract了，不过，你还需要一个Python的图片处理模块，可以安装pillow.

输入以下代码，可以实现同上述Tesseract命令一样的效果：

				?

									import pytesseract

									from PIL import Image

									pytesseract.pytesseract.tesseract_cmd = 'C://Program Files (x86)/Tesseract-OCR/tesseract.exe'

									text = pytesseract.image_to_string(Image.open('E://figures/other/poems.jpg'))

									print(text)

运行结果如下：

python实战教程之OCR文字识别方法汇总

cnocr 第二种 Python 开源识别工具的效果

两个工具的使用方法和对比效果。

安装 cnocr：

				?

									pip install cnocr

看到 Successfully installed xxx 则说明安装成功。

如果你只想对图片中的中文进行识别，那么 cnocr 是一个不错的选择，你只需要安装 cnocr 包即可。

但如果你想试试其他语言的OCR识别，Tesseract 是更好的选择。

cnocr 识别图片的中文

cnocr 主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。目前内置的文字检测和分行模块无法处理复杂的文字排版定位。

尽管它分别提供了单行识别函数和多行识别函数，但在本人实测下，单行识别函数的效果非常糟糕，或者说要求的条件十分苛刻，基本上连截图的文字都识别不出来。

不过多行识别函数还不错，使用该函数识别的代码如下：

				?

									from cnocr import CnOcr

									ocr = CnOcr()

									res = ocr.ocr('test.png')

									print("Predicted Chars:", res)

用于识别这个图片里的文字：

python实战教程之OCR文字识别方法汇总

效果如下：

python实战教程之OCR文字识别方法汇总

如果不是很吹毛求疵，这样的效果已经很不错了。

方法三：调用百度API

优点：使用方便，功能强大

缺点：大量使用需要收费

我自己采用的是调用百度API的方式，下面是我的步骤：

注册百度账号，创建OCR应用可以参考其他教程。

购买后使用python调用方法

方式一：通过urllib直接调用，替换自己的api_key和secret_key即可

				?

									# coding=utf-8

									import sys

									import json

									import base64

									# 保证兼容python2以及python3

									IS_PY3 = sys.version_info.major == 3

									if IS_PY3:

									    from urllib.request import urlopen

									    from urllib.request import Request

									    from urllib.error import URLError

									    from urllib.parse import urlencode

									    from urllib.parse import quote_plus

									else:

									    import urllib2

									    from urllib import quote_plus

									    from urllib2 import urlopen

									    from urllib2 import Request

									    from urllib2 import URLError

									    from urllib import urlencode

									# 防止https证书校验不正确

									import ssl

									ssl._create_default_https_context = ssl._create_unverified_context

									API_KEY = 'YsZKG1wha34PlDOPYaIrIIKO'

									SECRET_KEY = 'HPRZtdOHrdnnETVsZM2Nx7vbDkMfxrkD'

									OCR_URL = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"

									"""  TOKEN start """

									TOKEN_URL = 'https://aip.baidubce.com/oauth/2.0/token'

									"""

									    获取token

									"""

									def fetch_token():

									    params = {'grant_type': 'client_credentials',

									              'client_id': API_KEY,

									              'client_secret': SECRET_KEY}

									    post_data = urlencode(params)

									    if (IS_PY3):

									        post_data = post_data.encode('utf-8')

									    req = Request(TOKEN_URL, post_data)

									    try:

									        f = urlopen(req, timeout=5)

									        result_str = f.read()

									    except URLError as err:

									        print(err)

									    if (IS_PY3):

									        result_str = result_str.decode()

									    result = json.loads(result_str)

									    if ('access_token' in result.keys() and 'scope' in result.keys()):

									        if not 'brain_all_scope' in result['scope'].split(' '):

									            print ('please ensure has check the  ability')

									            exit()

									        return result['access_token']

									    else:

									        print ('please overwrite the correct API_KEY and SECRET_KEY')

									        exit()

									"""

									    读取文件

									"""

									def read_file(image_path):

									    f = None

									    try:

									        f = open(image_path, 'rb')

									        return f.read()

									    except:

									        print('read image file fail')

									        return None

									    finally:

									        if f:

									            f.close()

									"""

									    调用远程服务

									"""

									def request(url, data):

									    req = Request(url, data.encode('utf-8'))

									    has_error = False

									    try:

									        f = urlopen(req)

									        result_str = f.read()

									        if (IS_PY3):

									            result_str = result_str.decode()

									        return result_str

									    except  URLError as err:

									        print(err)

									if __name__ == '__main__':

									    # 获取access token

									    token = fetch_token()

									    # 拼接通用文字识别高精度url

									    image_url = OCR_URL + "?access_token=" + token

									    text = ""

									    # 读取测试图片

									    file_content = read_file('test.jpg')

									    # 调用文字识别服务

									    result = request(image_url, urlencode({'image': base64.b64encode(file_content)}))

									    # 解析返回结果

									    result_json = json.loads(result)

									    print(result_json)

									    for words_result in result_json["words_result"]:

									        text = text + words_result["words"]

									    # 打印文字

									    print(text)

方式二：通过HTTP-SDK模块进行调用

				?

									from aip import AipOcr

									APP_ID = '25**9878'

									API_KEY = 'VGT8y***EBf2O8xNRxyHrPNr'

									SECRET_KEY = 'ckDyzG*****N3t0MTgvyYaKUnSl6fSw'

									client = AipOcr(APP_ID,API_KEY,SECRET_KEY)

									def get_file_content(filePath):

									    with open(filePath, 'rb') as fp:

									        return fp.read()

									image = get_file_content('test.jpg')

									res = client.basicGeneral(image)

									print(res)

									#res = client.basicAccurate(image)

									#print(res)

直接识别屏幕指定区域上的文字

				?

									from aip import AipOcr

									APP_ID = '25**9878'

									API_KEY = 'VGT8y***EBf2O8xNRxyHrPNr'

									SECRET_KEY = 'ckDyzG*****N3t0MTgvyYaKUnSl6fSw'

									client = AipOcr(APP_ID,API_KEY,SECRET_KEY)

									from io import BytesIO

									from PIL import ImageGrab

									out_buffer = BytesIO()

									img = ImageGrab.grab((100,200,300,400))

									img.save(out_buffer,format='PNG')

									res = client.basicGeneral(out_buffer.getvalue())

									print(res)