用Python寫了一個(gè)圖像文字識(shí)別OCR工具

人生苦短，快學(xué)Python！

在之前的文章里，我們多次嘗試用Python實(shí)現(xiàn)文本OCR識(shí)別！

今天我們要搞一個(gè)升級(jí)版：直接寫一個(gè)圖像文字識(shí)別OCR工具！

引言

最近在技術(shù)交流群里聊到一個(gè)關(guān)于圖像文字識(shí)別的需求，在工作、生活中常常會(huì)用到，比如票據(jù)、漫畫、掃描件、照片的文本提取。

博主基于 PyQt + labelme + PaddleOCR 寫了一個(gè)桌面端的OCR工具，用于快速實(shí)現(xiàn)圖片中文本區(qū)域自動(dòng)檢測(cè)+文本自動(dòng)識(shí)別。

識(shí)別效果如下圖所示：

所有框選區(qū)域?yàn)镺CR算法自動(dòng)檢測(cè)，右側(cè)列表有每個(gè)框?qū)?yīng)的文字內(nèi)容；點(diǎn)擊右側(cè)“識(shí)別結(jié)果”中的文本記錄，然后點(diǎn)擊“復(fù)制到剪貼板”即可復(fù)制該文本內(nèi)容。

功能列表

• 文本區(qū)域檢測(cè)+文字識(shí)別
• 文本區(qū)域可視化
• 文字內(nèi)容列表
• 圖像、文件夾加載
• 圖像滾輪縮放查看
• 繪制區(qū)域、編輯區(qū)域
• 復(fù)制所選文本識(shí)別結(jié)果

OCR部分

圖像文字檢測(cè)+文字識(shí)別算法，主要借助 paddleocr 實(shí)現(xiàn)。

創(chuàng)建或者選擇一個(gè)虛擬環(huán)境，安裝需要用到的第三方庫。

conda create -n ocr
conda activate ocr

安裝框架

如果你沒有NVIDIA GPU，或GPU不支持CUDA，可以安裝CPU版本：

# CPU版本
pip install paddlepaddle==2.1.0 -i https://mirror.baidu.com/pypi/simple 

如果你的GPU安裝過CUDA9或CUDA10，cuDNN 7.6+，可以選擇下面這個(gè)GPU版本：

# GPU版本
python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple

安裝 PaddleOCR

安裝paddleocr：

pip install "paddleocr>=2.0.1" # 推薦使用2.0.1+版本

版面分析，需要安裝 Layout-Parser：

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

測(cè)試安裝是否成功

安裝完成后，測(cè)試一張圖片--image_dir ./imgs/11.jpg，采用中英文檢測(cè)+方向分類器+識(shí)別全流程：

paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false

輸出一個(gè)list：

在python中調(diào)用

from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持的多語言語種可以通過修改lang參數(shù)進(jìn)行切換
# 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)

輸出結(jié)果是一個(gè)list，每個(gè)item包含了文本框，文字和識(shí)別置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['純臻營(yíng)養(yǎng)護(hù)發(fā)素', 0.964739]] [[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['產(chǎn)品信息/參數(shù)', 0.98069626]] [[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起訂）', 0.9676722]] ......

界面部分

界面部分基于pyqt5實(shí)現(xiàn)，其中pyqt GUI程序開發(fā)入門和環(huán)境配置，詳見一篇博客(具體見文末)。

主要步驟：

界面布局設(shè)計(jì)

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

利用 pyuic 自動(dòng)生成界面代碼

在 pycharm 的項(xiàng)目文件結(jié)構(gòu)中找到*.ui文件，右鍵——External Tools——pyuic，會(huì)在ui文件同級(jí)目錄下自動(dòng)生成界面 ui 的 Python 代碼。

編寫界面業(yè)務(wù)類

業(yè)務(wù)類 MainWindow 實(shí)現(xiàn)程序邏輯和算法功能，與前面第2步生成的ui實(shí)現(xiàn)解耦，避免每次修改ui文件會(huì)影響業(yè)務(wù)代碼。ui界面上的控件可以通過self._ui.xxxObjectName 訪問。

class MainWindow(QMainWindow):
 FIT_WINDOW, FIT_WIDTH, MANUAL_ZOOM = 0, 1, 2

 def __init__(self):
  super().__init__()  # 調(diào)用父類構(gòu)造函數(shù)，創(chuàng)建QWidget窗體
  self._ui = Ui_MainWindow()  # 創(chuàng)建ui對(duì)象
  self._ui.setupUi(self)  # 構(gòu)造ui
  self.setWindowTitle(__appname__)

  # 加載默認(rèn)配置
  config = get_config()
  self._config = config    
  
  # 單選按鈕組
        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)     

實(shí)現(xiàn)界面業(yè)務(wù)邏輯

對(duì)主界面上的按鈕、列表、繪圖控件進(jìn)行信號(hào)槽連接。自定義的槽函數(shù)不用專門聲明，如果是自定義的信號(hào)，需要在類__init__()前加上 yourSignal= pyqtSignal(args)。

這里以按鈕響應(yīng)函數(shù)、列表響應(yīng)函數(shù)為例。按鈕點(diǎn)擊的信號(hào)是 clicked，listWidget列表切換選擇的信號(hào)是 itemSelectionChanged 。

# 按鈕響應(yīng)函數(shù)
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. 運(yùn)行看看效果

運(yùn)行 python main.py 即可啟動(dòng)GUI程序。

打開圖片→選擇語言模型ch（中文）→選擇文本檢測(cè)+識(shí)別→點(diǎn)擊開始，檢測(cè)完的文本區(qū)域會(huì)自動(dòng)畫框，并在右側(cè)識(shí)別結(jié)果——文本Tab頁的列表中顯示。

所有檢測(cè)出文本的區(qū)域列表，在識(shí)別結(jié)果——區(qū)域Tab頁：

軟件代碼

由于時(shí)間有限，軟件細(xì)節(jié)功能還需進(jìn)一步完善。代碼已開源到 gitee 上，歡迎感興趣的朋友提pull request，共同修改完善。

代碼開源地址：

公眾號(hào)回復(fù)：識(shí)別源碼 即可獲得！

參考鏈接

畫框、區(qū)域列表：https://github.com/wkentaro/labelme

icons：https://github.com/google/material-design-icons

https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.3/doc/doc_ch/quickstart.md

https://blog.csdn.net/Bit_Coders/article/details/119304488

PS：公號(hào)內(nèi)回復(fù)「Python」即可進(jìn)入Python 新手學(xué)習(xí)交流群，一起 100 天計(jì)劃！

老規(guī)矩，兄弟們還記得么，右下角的 “在看” 點(diǎn)一下，如果感覺文章內(nèi)容不錯(cuò)的話，記得分享朋友圈讓更多的人知道！

【神秘禮包獲取方式】