## 寫在前面

相信你用過類似對進行圖片中的文字提取的功能，但是你瞭解過背後的原理嗎？

本文將從圖片中文字提取的原理以及應用案例等多方面進行講述，希望一文能為你講透通用文字識別。

## 通用文字識別是什麼技術

隨著資訊化和數字化的發展，大量的文字資訊產生和傳播，這些資訊需要被整理和分析。通用文字識別技術，也稱為OCR（Optical Character Recognition，光學字元識別），就是一種將影像或掃描件中的文字識別出來並轉化為可編輯、可搜尋的數字化文字的技術。

## 通用文字識別的技術原理

OCR技術 的主要原理是將圖片或掃描件轉化為二值影像，然後利用影像處理演算法對影像進行預處理，如去噪、二值化、分割、特徵提取等操作。接下來，利用模式匹配和機器學習等方法對文字進行識別，並輸出識別結果。OCR技術的精度和速度取決於預處理、識別演算法的複雜度和識別引擎的效能等因素。

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/b0a568fd2fb1420e8fbf1d9767d7edf6~tplv-k3u1fbpfcp-zoom-1.image)

## 挖掘通用文字識別的應用場景

通用文字識別可以應用在多種場景，用得好能幫助使用者解決很多痛點問題，如在以下領域上，通用文字識別技術能提供非常大的幫助，包括：

-   文字識別和翻譯：識別圖片中的文字，並將其翻譯成其他語言。
-   金融服務：識別和處理客戶的身份證、銀行卡等文件。
-   教育教學：數字化教材、試卷和筆記。
-   醫療健康：識別和轉換醫學報告、病歷和處方等文件。
-   商業營銷：識別廣告宣傳物料上的文字。
-   社交娛樂：識別和處理使用者上傳的圖片和影片。
-   人工智慧輔助：收集大量的文字資料，進行訓練和演算法最佳化。

## 通用文字識別 API 使用方法

講透通用文字識別技術之後，如何找到並將這項技術應用在自己的應用裡面呢。在這裡推薦 APISpace 的 【[通用文字識別](https://www.apispace.com/eolink/api/ocrbase/introduction?utm_source=itpub&utm_content=high007&utm_term=tongyongwenziocr)】 API ，它支援多場景、多語種、高精度的整圖文字檢測和識別服務，多項指標行業領先，可識別中、英、日、韓、法、德多種語言。

具體使用方式如下：

#### 1.註冊並獲取通用文字識別 API 金鑰

進入 【[通用文字識別 API](https://www.apispace.com/eolink/api/ocrbase/introduction?utm_source=itpub&utm_content=high007&utm_term=tongyongwenziocr)】詳情頁，點選【免費試用】，即可喚起註冊按鈕。

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/73813c44309f4392b6d527a702eb88f0~tplv-k3u1fbpfcp-zoom-1.image)

註冊成功後，我們在頁面導航選單點選 **【我的** **API**】進入 **【訪問控制**】頁面，即可看到平臺提供的金鑰。

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/fe2f3597dd1f4eeba8c0e8c1c7562a79~tplv-k3u1fbpfcp-zoom-1.image)

#### 2.線上測試呼叫 API 進行文字識別

回到 【[通用文字識別 API](https://www.apispace.com/eolink/api/ocrbase/introduction?utm_source=itpub&utm_content=high007&utm_term=tongyongwenziocr)】詳情頁，再次點選【免費試用】，我們可以在獲得一定次數的免費呼叫許可權，並且進入測試介面。

在測試介面中，根據 API 介面文件中的要求，輸入圖片地址

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/11459b1b1c0b43ac908cc6b44c5ce96a~tplv-k3u1fbpfcp-zoom-1.image)

如我們輸入

![](https://p3-juejin.byteimg.com/tos-cn-i-k3u1fbpfcp/6a1a8a67686a46eab4f22c7c6f43ad64~tplv-k3u1fbpfcp-zoom-1.image)

API 返回的識別結果如下：

```
    "words_result": [{
        "word": "桃花歷亂李花香",
        "location": [
            [978, 218],
            [1046, 218],
            [1046, 810],
            [978, 810]
        ]
    }, {
        "word": "草色青青柳色黃",
        "location": [
            [1088, 211],
            [1156, 210],
            [1160, 810],
            [1092, 810]
        ]
    }, {
        "word": "春日偏能惹恨長",
        "location": [
            [748, 219],
            [816, 218],
            [822, 810],
            [754, 810]
        ]
    }, {
        "word": "東風不為吹愁去",
        "location": [
            [862, 219],
            [930, 218],
            [932, 806],
            [864, 806]
        ]
    }, {
        "word": "春思",
        "location": [
            [1238, 218],
            [1332, 218],
            [1332, 447],
            [1238, 447]
        ]
    }, {
        "word": "賈至",
        "location": [
            [624, 697],
            [666, 697],
            [666, 806],
            [624, 806]
        ]
    }],
    "words_count": 6,
    "log_id": "1e165580-cde1-11ed-989b-000000003532"
}
```

哇，識別結果著實非常準確，感興趣的小夥伴趕快去體驗一下。

## 在程式中接入通用文字識別 API

在Java 程式中，我們可直接複製以下程式碼接入通用文字識別 API

```
OkHttpClient client = new OkHttpClient().newBuilder().build();
MediaType mediaType = MediaType.parse("application/json");
RequestBody body = RequestBody.create(mediaType, "{"image":"","url":"https://data-apibee.apispace.com/license/1678270527930990ebabe-a570-44ca-9966-b892d2bb6df8","language":"CHN_ENG"}");
Request request = new Request.Builder()
  .url("https://eolink.o.apispace.com/ocrbase/ocr/v1/base")
  .method("POST",body)
  .addHeader("X-APISpace-Token","替換自己的 API 金鑰")
  .addHeader("Authorization-Type","apikey")
  .addHeader("Content-Type","application/json")
  .build();

Response response = client.newCall(request).execute();
System.out.println(response.body().string());
```

## 寫在最後

OCR 技術是一項十分重要的技術，可以提高資料處理的效率和準確性，將紙質文字轉化為數字化文字，從而為數字化轉型提供有力支援，APISpace 也提供了[身份證識別OCR](https://www.apispace.com/eolink/api/ocr-idcard/introduction?utm_source=itpub&utm_content=high007&utm_term=shenfenzhengocr)、[銀行卡識別OCR](https://www.apispace.com/eolink/api/bankcard/introduction?utm_source=itpub&utm_content=high007&utm_term=yinhangkaocr)、[二維碼識別OCR](https://www.apispace.com/eolink/api/ocrbarcode/introduction?utm_source=itpub&utm_content=high007&utm_term=erweimaocr)、[增值稅發票識別OCR](https://www.apispace.com/eolink/api/fapiao/introduction?utm_source=itpub&utm_content=high007&utm_term=fapiaoocr) 等多項OCR 識別介面，感興趣的小夥伴可以去了解下。

如果你有想要了解的 API 介面或者應用場景，歡迎下面評論留言~

從圖片提取文字的終極解決方法 ——【通用文字識別 API】

相關文章