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。

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其它相关文章！