代码收藏家技术教程 2023-02-16

Python中常用的OCR文字识别与图片定位技术

python常用的OCR文字识别与图片定位方式

前言

统一版本

更换pip源

1. Python调用百度文字识别ocr的实现方式

前言

统一版本

如果想一次性调用成功，最好与本教程所用的版本保持一致

python版本：3.10
PyCharm版本：PyCharm 2022.1.2

更换pip源

平常使用python自带的pip进行安装是比较慢的，该处推荐几个自己用着比较快的源，可以进行替换

百度源： https://mirror.baidu.com/pypi/simple
清华大学：https://pypi.tuna.tsinghua.edu.cn/simple/

如果使用的是命令窗口的形式，只需要在安装的包名后面添加个 -i https://mirror.baidu.com/pypi/simple即可，如下所示

pip install paddlepaddle==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

如果使用的是PyCharm

1.在左下角找到Python Packages
2点击设置按钮
3.起个名字
4.输入源
5.点击确定
6.此时PyCharm中的源添加完毕，在使用Python Interpreter的时候，即可选择对应的源进行下载，提高下载速度

按照如图所示即可

1. Python调用百度文字识别ocr的实现方式

1.1 使用PyCharm安装依赖

首先，使用PyCharm创建好一个项目，设置如图所示

使用PyCharm创建完成一个项目后，开始安装必要的插件，本案例使用的是Python Interpreter。
路径为File–>Settings–>Project:你的项目名称–>Python Interpreter
如下图所示，备注：示例中是已经安装后的，如果是首次创建，则只有三个包

开始安装运行所需要的依赖

baidu-aip

版本为4.16.8
点击图中红框中的 + 号

在搜索框中，输入要安装的包名，选择合适的源（此处请参考前言中的更换pip源,如果未添加其他的源，则只显示一个baidu-aip）进行下载，如图所示，可以选择版本，确定好版本后，点击下面的Install Package进行安装即可。接下来的包安装与该方式相同，如果有其他包安装的话，不再进行截图，下载方式参考该处即可

chardet

具体安装详情请参考baidu-api,版本为5.1.0

1.2 代码实现

准备工作

需求自己先在百度工作台上找到对应的APP_ID 、API_KEY 、SECRET_KEY
具体怎么找请自行百度

经过前面的步骤，已经安装了启动代码所需要的依赖，此时，把该代码复制到自己的项目中，稍作修改即可

import os.path
from aip import AipOcr

if __name__ == '__main__':

    """ 你的 APPID AK SK """
    APP_ID = '你的APP_ID'
    API_KEY = '你的API_KEY '
    SECRET_KEY = '你的SECRET_KEY '
    client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
   
    """ 相对路径，在项目跟路径下，创建个img文件夹，然后文件夹中有个zhuogui.png图片，用来进行测试是否可用 """
    img_dir_path = r'img'
    imagepath = os.path.join(img_dir_path, 'zhuogui.png')
    with open(imagepath, 'rb') as fp:
        """识别到信息以字典形式返回"""
        dic = client.general(fp.read())
        print(dic)
        """遍历字典与想要的文案对比如果对比到就返回坐标"""
    exit(0)

1.3 运行结果展示

效果如下图所示

2. Python实现图片匹配与定位

该实现方式适用于以下场景：
如给定一张小图片，判断该图片是否在另一张图片中；或者在一张大图片中，截出来一小部分图片，然后定位该图片在大图中的位置

2.1 安装依赖

在运行项目前，需要先安装如下依赖，具体安装方式，请参考标题1中的baidu-aip的方式进行安装

aircv

版本为1.4.6

opencv-python

版本为4.6.0.66

2.2 python代码实现

import aircv as ac

# Press the green button in the gutter to run the script.
if __name__ == '__main__':

    # 源文件，要在该图片中进行查找,被注释的方式为java传参
   # imsrc = ac.imread(sys.argv[1])
    imsrc = ac.imread('D:\code\yujian\yujian-admin\src\main\\resources\static\image\coordinate.png')
    # 查找的图标，需要查找的图标,被注释的方式为java传参
   # imobj = ac.imread(sys.argv[2])
    imobj = ac.imread('D:\code\yujian\yujian-admin\src\main\\resources\static\image\c0002.png')

    # {'confidence': 0.5435812473297119, 'rectangle': ((394, 384), (394, 416), (450, 384), (450, 416)), 'result': (422.0, 400.0)
    # confidence：匹配相似率
    # rectangle：匹配图片在原始图像上四边形的坐标
    # result：匹配图片在原始图片上的中心坐标点，也就是我们要找的点击点
    # similarity = ac.imread(sys.argv[3])
    # match_result = ac.find_template(imsrc, imobj, 0.70)
    match_result = ac.find_template(imsrc, imobj, 0.70)
    if match_result is not None:
        match_result['shape'] = (imsrc.shape[1], imsrc.shape[0])  # 0为高，1为宽

    print(match_result);

2.3 运行结果展示

如下图所示，返回小图片在大图片中的坐标位置

3.python调用PaddleOCR

详细信息，可去飞桨官网进行查看,本教程只介绍简单的使用与安装

3.1 安装依赖

在运行项目前，需要先安装如下依赖，具体安装方式，请参考标题1中的baidu-aip的方式进行安装

paddlepaddle

版本为2.4.1

paddleocr

版本为2.6.1.2

备注：
1.安装包较大，时间较长，PyCharm导入时间也长，耐心等待即可
2. 安装完成后，可以先看下numpy包的版本，如果是1.24.0，则更换为1.23.2即可，否则运行时会报错

3.2 python中的代码

import os
from paddleocr import PaddleOCR
import cv2
from math import *
import numpy as np


def img_match(img_address):
	ocr = PaddleOCR(use_angle_cls=False, lang="ch", use_gpu=False)
	# 该处注释掉了其他的字库，如果需要下面的字库，可在github上自行下载，该教材以上面的简单字库为例，复制即用
    #ocr = PaddleOCR(use_angle_cls=True, lang="ch",
    #               rec_model_dir='../models/ch_PP-OCRv3_rec_slim_infer/',
    #               cls_model_dir='../models/ch_ppocr_mobile_v2.0_cls_slim_infer/',
    #               det_model_dir='../models/ch_PP-OCRv3_det_slim_infer/')
    src_img = cv2.imread(img_address)
    h, w = src_img.shape[:2]
    big = int(sqrt(h * h + w * w))
    big_img = np.empty((big, big, src_img.ndim), np.uint8)
    yoff = round((big - h) / 2)
    xoff = round((big - w) / 2)
    big_img[yoff:yoff + h, xoff:xoff + w] = src_img
    # 文字识别
    matRotate = cv2.getRotationMatrix2D((big * 0.5, big * 0.5), 0, 1)
    dst = cv2.warpAffine(big_img, matRotate, (big, big))
    result = ocr.ocr(dst, cls=True)
    results = ""
    for text in result:
        for value in text:
            results = results + str(value[1])
    print(results)


if __name__ == '__main__':
	
    img_dir_path = r'img'
    imagepath = os.path.join(img_dir_path, 'zhuogui.png')
    img_match(imagepath)
    # 此处可以更换成字符串的绝对路径，如果更换为绝对路径的话，上面三行需要删除
    # img_match("G:\\360MoveData\\Users\\86177\\Desktop\\zhuogui.png")