如何用Python实现图像文字识别OCR工具

本文主要介绍“如何使用Python实现图像字符识别的OCR工具”。在日常操作中，相信很多人对于如何用Python实现图像字符识别的OCR工具都有疑问。边肖查阅了各种资料，整理出简单易用的操作方法，希望能帮助大家解答“如何用Python实现图像字符识别的OCR工具”的疑惑！接下来，请和边肖一起学习！

引言

最近，我在技术交流组谈了一个图像字符识别的需求，在工作和生活中经常用到，比如票据、漫画、扫描件、照片的文字提取。

基于PyQt PaddleOCR，该博主编写了桌面OCR工具，用于快速实现图片中文本区域的自动检测和文本自动识别。

识别效果如下图所示：

所有的选框区域都是通过OCR算法自动检测出来的，右边的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”复制文本内容。

00-1010文本区域检测和字符识别

文本可视化

文本内容列表

图像，文件夹加载

图像轮缩放视图

绘图和编辑区域

复制文本识别结果

功能列表

图像字符检测和字符识别算法，主要由paddleocr实现。

或者选择一个虚拟环境来安装所需的第三方库。

condarcrate-nocr

Aactivateeocr 安装框架

如果没有NVIDIA GPU，或者GPU不支持CUDA，可以安装CPU版本：

#CPU版本

pinstallpaddlepaddle==2.1.0-ihttps://mirror.baidu.com/pypi/simple如果你的GPU已经安装了CUDA9或CUDA10，cuDNN 7.6，你可以选择以下GPU版本：

#GPU版本

python 3-mpiinstallpaddlepaddle-GPU==2.1.0-ihttps://mirror.baidu.com/pypi/simple安装PaddleOCR

安装叶轮：

Pipinstall'paddleocr=2.0.1'#推荐2.0.1版布局分析，需要安装Layout-Parser:

pip install-u https://paddleocr . bj . bcebos.com/WHL/layoutperser-0 . 0 . 0-Py3-none-any。WHL 测试安装是否成功。

安装后，测试一个图片图像目录。/imgs/11.jpg，并用中英文方向量词标识全过程：

划动ocr-image _ dir。/imgs/11 . jpg-use _ angle _ clsstrue-use _ GPU false输出一个列表：

用python调用

frompaddleocrimportPaddleOCR，draw_ocr

#Paddleocr当前支持的多语言语言可以通过修改lang参数进行切换。

#例如‘ch’、‘en’、‘fr’、‘德语’、‘韩语’、‘日本’

ocr=paddleorcr(use _ angle _ cls=True，lang='ch')#nbsp

;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：

到此，关于“如何用Python实现图像文字识别OCR工具”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注网站，小编会继续努力为大家带来更多实用的文章！