使用AI技术获取图片文字与识别图像内容

获取图片文字

如何使用python获取图片文字呢？

关注公众号【轻松学编程】了解更多…

1、通过python的第三方库pytesseract获取

通过pip install pytesseract导入。

1.1、安装tesseract-ocr

先在官网下载对应操作系统的tesseract-ocr ，比如我现在在windows系统下，就下载exe文件安装，可点击这里下载，下载后运行exe后选择一个目录安装，这个目录需要记住，后面中需要用到，比如我的目录为D:\ruanjian\Tesseract-OCR。

1.2 下载训练好的语言包

地址 ,这里想提取图片中的中文字，于是下载chi_sim.traineddata，下载到上面安装tesseract-ocr目录中的文件夹tessdata中，如图：

1.3 代码

import pytesseract

from PIL import Image

# 打开一张图片

image = Image.open(r'images\82-望岳.png')

pytesseract.pytesseract.tesseract_cmd = r'D:\ruanjian\Tesseract-OCR\tesseract.exe'

tessdata_dir_config = r'--tessdata-dir "D:\ruanjian\Tesseract-OCR\tessdata"'

# 提取中文，如果是提取英文，则先下载语言包，然后设置以下参数lang='eng'即可。

code = pytesseract.image_to_string(image, lang='chi_sim', config=tessdata_dir_config)

print(code)

比如我需要提取以下图片文字：

处理结果：

这种方式优点就是可以无限次运行，只要配置好电脑环境就可以，缺点就是不能混语言。比如图片中夹杂中文与英文，提取效果就不是很好。

2、使用百度接口

先到百度智能云创建一个应用获取APP_ID、API_KEY、SECRET_KEY

然后下载python的SDK，下载后使用pip install aip-python-sdk-2.2.15.zip安装

import base64

import requests

import time

import ast

from aip import AipOcr

# https://console.bce.baidu.com/ai/#/ai/ocr/overview/index

""" 你的 APPID AK SK """

APP_ID = '你的'

API_KEY = '你的'

SECRET_KEY = '你的'

# 百度api客户端

CLIENT = AipOcr(APP_ID, API_KEY, SECRET_KEY)

# 请求头

HEADERS = {

    'Content-Type': 'application/x-www-form-urlencoded'

}

# 获取令牌的url

URL = 'https://aip.baidubce.com/oauth/2.0/token'

ACCESS_TOKEN = None

# 用于记录获取令牌的开始时间

SRART_TIME = time.time()

def get_file_content(filePath):

    # 获取文件内容

    with open(filePath, 'rb') as fp:

        return fp.read()

def get_access_token():

    # 获取令牌

    global ACCESS_TOKEN, SRART_TIME, URL

    response = requests.post(URL,

                             {'grant_type': 'client_credentials', 'client_id': API_KEY, 'client_secret': SECRET_KEY})

    ACCESS_TOKEN = ast.literal_eval(response.content.decode('utf-8'))['access_token']

    SRART_TIME = time.time()

def req_url(image):

    # 调用百度AI接口获取图像识别后的内容，调用接口次数为每日5万次

    global ACCESS_TOKEN, SRART_TIME, HEADERS

    if not ACCESS_TOKEN or (time.time() - SRART_TIME > 7000):

        get_access_token()

    response = requests.post('https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=%s' % ACCESS_TOKEN,

                             {'image': image}, headers=HEADERS)

    return response.content.decode('utf-8')

if __name__ == '__main__':

    # 图片内容

    image = get_file_content(r'image\望岳.png')

    # 获取分析结果

    ret = req_url(base64.b64encode(image).decode())

    # 字符串转字典

    ret = ast.literal_eval(ret)

    if 'words_result' in ret:

        for words in ret['words_result']:

            print(words['words'])

输出：

使用场景

可以利用这些图片识别给名片分类、获取图片上的关键信息、车牌识别等。

后记

【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。

也可加我微信【1257309054】，拉你进群，大家一起交流学习。
如果文章对您有帮助，请我喝杯咖啡吧！

公众号

156789.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj,size_16,color_FFFFFF,t_70)

关注我，我们一起成长~~

巴特西