在之前的文章里，我們就嘗試用Python實現(xiàn)文本OCR識別！

不過今天我們要搞一個升級版：直接寫一個圖像文字識別OCR工具！

引言

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

博主基于 PyQt + labelme + PaddleOCR 寫了一個桌面端的OCR工具，用于快速實現(xiàn)圖片中文本區(qū)域自動檢測+文本自動識別。

識別效果如下圖所示：

所有框選區(qū)域為OCR算法自動檢測，右側(cè)列表有每個框?qū)?yīng)的文字內(nèi)容；點擊右側(cè)“識別結(jié)果”中的文本記錄，然后點擊“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+文字識別
• 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)制所選文本識別結(jié)果

OCR部分

圖像文字檢測+文字識別算法，主要借助 paddleocr 實現(xiàn)。

創(chuàng)建或者選擇一個虛擬環(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

測試安裝是否成功

安裝完成后，測試一張圖片--image_dir ./imgs/11.jpg，采用中英文檢測+方向分類器+識別全流程：

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

輸出一個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list，每個item包含了文本框，文字和識別置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['純臻營養(yǎng)護發(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

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

利用 pyuic 自動生成界面代碼

在 pycharm 的項目文件結(jié)構(gòu)中找到*.ui文件，右鍵——External Tools——pyuic，會在ui文件同級目錄下自動生成界面 ui 的 Python 代碼。

編寫界面業(yè)務(wù)類

業(yè)務(wù)類 MainWindow 實現(xiàn)程序邏輯和算法功能，與前面第2步生成的ui實現(xiàn)解耦，避免每次修改ui文件會影響業(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對象
??self._ui.setupUi(self)??#?構(gòu)造ui
??self.setWindowTitle(__appname__)

??#?加載默認配置
??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)?????

實現(xiàn)界面業(yè)務(wù)邏輯

對主界面上的按鈕、列表、繪圖控件進行信號槽連接。自定義的槽函數(shù)不用專門聲明，如果是自定義的信號，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。按鈕點擊的信號是 clicked，listWidget列表切換選擇的信號是 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. 運行看看效果

運行 python main.py 即可啟動GUI程序。

打開圖片→選擇語言模型ch（中文）→選擇文本檢測+識別→點擊開始，檢測完的文本區(qū)域會自動畫框，并在右側(cè)識別結(jié)果——文本Tab頁的列表中顯示。

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

軟件代碼

由于時間有限，軟件細節(jié)功能還需進一步完善。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：https://gitee.com/signal926/ocr-gui-demo

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

如果本文對你有幫助的話，歡迎點贊、收藏~

推薦閱讀
為什么我們現(xiàn)在不再需要殺毒軟件了？
2021年互聯(lián)網(wǎng)公司“死亡”名單?。ǜ角鍐危?/a>
U1S1，靠譜的中美程序員對比！
手寫數(shù)字圖像數(shù)據(jù)集MNIST

您看此文用???分??秒，轉(zhuǎn)發(fā)只需1秒哦