自学教程：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 ocrconda 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 memoryimg_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，详见这篇博客。

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
selenium
Python Pygame实现兔子猎人守护城堡游戏