基於百度雲的OCR識別（Python）

東小東發表於2019-07-05
Python

2019年7月3日早上，在百度AI開發者大會上，一個來自山西的青年，將一瓶礦泉水澆在了同樣來自山西的李彥巨集身上。

可以回顧一下 https://b23.tv/av57665929/p1 ，著實讓人一驚，這麼大的會議上既然讓人這麼容易接近大佬。

（圖片來源網路）

OCR識別準備工作

百度雲真的是測試介面的天堂，免費介面很多，當然有量的限制，但個人使用是完全夠用的，什麼人臉識別、MQTT伺服器、語音識別等等，應有盡有吧

看看OCR識別免費的量

第一步：

建立一個文字識別的應用，也就是向百度雲申請一個文字識別的使用者介面

 

第二步：

開啟技術文件，基本涵蓋了當今流行的程式語言

https://cloud.baidu.com/doc/OCR/s/ejwvxzls6/

  • C++SDK文件              Android-SDK文件        Java-SDK文件         Node-SDK文件       
  • PHP-SDK文件             Python-SDK文件          C#SDK文件               iOS-SDK文件

第三步：

安裝OCR Python SDK，OCR Python SDK目錄結構

├── README.md
├── aip                   //SDK目錄
│   ├── __init__.py       //匯出類
│   ├── base.py           //aip基類
│   ├── http.py           //http請求
│   └── ocr.py //OCR
└── setup.py              //setuptools安裝

支援Python版本：2.7.+ ,3.+

安裝命令：

在win10環境下通過cmd安裝後需要關掉當前cmd視窗，重新開啟cmd視窗進行命令執行python程式方可正確實現

pip install baidu-aip

測試程式碼

通用文字識別

from aip import AipOcr

#更換為自己的註冊資訊
APP_ID = '---'
API_KEY = '---'
SECRET_KEY = '---'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#建立連線
fp=open("tu2.png","rb").read()#開啟並讀取檔案內容
res=client.basicGeneral(fp)#普通
#print(res)

#將所有的文字都合併到一起
strx=""
for tex in res["words_result"]:#遍歷結果
    strx+=tex["words"]#每一行
print(strx)#輸出內容

通用文字識別（高精度版）

from aip import AipOcr

#更換為自己的註冊資訊
APP_ID = '---'
API_KEY = '---'
SECRET_KEY = '---'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#建立連線
fp=open("tu2.png","rb").read()#開啟並讀取檔案內容
#res=client.basicGeneral(fp)#普通
res=client.basicAccurate(fp)#高精度
#print(res)

#將所有的文字都合併到一起
strx=""
for tex in res["words_result"]:#遍歷結果
    strx+=tex["words"]#每一行
print(strx)#輸出內容

 URL圖片地址方式

from aip import AipOcr

#更換為自己的註冊資訊
APP_ID = '----'
API_KEY = '----'
SECRET_KEY = '-----'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#建立連線
url = "https://img2018.cnblogs.com/blog/1485202/201907/1485202-20190705210445649-2093672772.png"
res=client.basicGeneralUrl(url)#普通
#print(res)

#將所有的文字都合併到一起
strx=""
for tex in res["words_result"]:#遍歷結果
    strx+=tex["words"]
print(strx)#輸出內容

注意

圖片格式（image）：

影象資料，base64編碼，要求base64編碼後大小不超過4M，最短邊至少15px，最長邊最大4096px,支援jpg/png/bmp格式

URL格式（url）：

圖片完整URL，URL長度不超過1024位元組，URL對應的圖片base64編碼後大小不超過4M，最短邊至少15px，最長邊最大4096px,支援jpg/png/bmp格式，當image欄位存在時url欄位失效

語言設定（language_type）

識別語言型別，預設為CHN_ENG

可設定：- CHN_ENG：中英文混合；- ENG：英文；- POR：葡萄牙語；- FRE：法語；- GER：德語；- ITA：義大利語；- SPA：西班牙語；- RUS：俄語；- JAP：日語；- KOR：韓語；

影象倒置設定（detect_direction）

是否檢測影象朝向，預設不檢測，即：false。朝向是指輸入影象是正常方向、逆時針旋轉90/180/270度。可選值包括:- true：檢測朝向；- false：不檢測朝向

是否檢測語言（detect_language）

是否檢測語言，預設不檢測。當前支援（中文、英語、日語、韓語），值為flase或者true

是否返回識別結果中每一行的置信度（probability）

值為flase或者true

引數新增舉例

""" 如果有可選引數 """
options = {}
options["detect_direction"] = "true"
options["detect_language"] = "true"

""" 帶引數呼叫網路圖片文字識別, 圖片引數為遠端url圖片 """
client.webImageUrl(url, options)

 更多參考：

https://cloud.baidu.com/doc/OCR/s/Rjwvxzm3n

相關文章