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。
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。
此外我们也可以调用百度AI的文字识别API进行文字识别,具体流程如下:
1. 百度智能云注册用户
百度智能云地址:https://cloud.baidu.com/
2. 找到产品服务 / 文字识别 - 概览,创建应用
应用有三个关键参数:AppID,API Key,Secret Key
3. python脚本调用文字识别接口
具体api文档参考下面OCR Python SDK地址
OCR Python SDK地址:https://ai.baidu.com/docs#/OCR-Python-SDK/fad9fbb6
4. 具体文字识别代码如下:只是展示了几个接口,具体的还是看上面OCR Python SDK地址文档说明
'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''
#作者:cacho_37967865
#博客:https://blog.csdn.net/sinat_37967865
#文件:baiduAI.py
#日期:2019-06-18
#备注:Python利用百度AI进行文字识别, pip install baidu-aip
'''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''from aip import AipOcr# 定义常量
APP_ID = '16552814'
API_KEY = '93R0OpMdmPy31WBBgPEKE1qB'
SECRET_KEY = 'kIClrcG******'# 初始化AipFace对象
aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)# 打开图片
def get_file_content(filePath):with open(filePath, 'rb') as fp:return fp.read()# 调用通用文字识别接口
def basicGeneral(file):""" 如果有可选参数 """options = {}options["detect_direction"] = "true" # 检测朝向options["detect_language"] = "true" # 检测语言result = aipOcr.basicGeneral(file, options)return(result)# 通用文字识别(高精度版)
def basicAccurate(file):options = {}options["detect_direction"] = "true" # 检测朝向options["detect_language"] = "true" # 检测语言result = aipOcr.basicAccurate(file, options)return (result)# 识别一些网络上背景复杂,特殊字体的文字。
def webImage(file):options = {}options["detect_direction"] = "true" # 检测朝向options["detect_language"] = "true" # 检测语言result = aipOcr.webImage(file, options)return (result)def main():file = get_file_content("bd.png")result = basicGeneral(file)print(result)for word in result['words_result']:print(word['words'])if __name__ == '__main__':main()
识别后的文字: