基于Python实现图像文字识别OCR工具_开发_开发者

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：

基于Python实现图像文字识别OCR工具

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 ocr
conda activa编程客栈te 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.combZDilThUSe/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：

基于Python实现图像文字识别OCR工具

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 memory
img_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。

基于Python实现图像文字识别OCR工具

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——External Tools——pyuic，会在ui文件同级目录下自动生成界面 ui 的 python 代码。

基于Python实现图像文字识别OCR工具

3. 编写界面业务类

业务类 MainWindow 实现程序逻辑和算法功能，与前面第2步生成的ui实现解耦，避免每次修改ui文件会影响业务代码。ui界面上的控件可以通过self._ui.xxxObjectName 访问。

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

	def __init__(self):
		super().__init__()  # 调用父类构造函数，创建QWidget窗体
		self._ui = Ui_MainWindow()  # 创建ui对象
		self._ui.setupUi(self)  # 构造ui
		self.setWindowTbZDilThUSeitle(__appname__)

		# 加载默认配置
		config = get_config()
		self._config = config	   
		
		# 单选按钮组
        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)

4. 实现界面业务逻辑

对主界面上的按钮、列表、绘图控件进行信号槽连接。自定义的槽函数不用专门声明，如果是自定义的信号，需要在类__init__()前加上 yourSignal= pyqtSignal(args)。

这里以按钮响应函数、列表响应函数为例。按钮点击的信号是 clicked，listWidget列表切换选择的信号是 itemSelectionChanged 。

# 按钮响应函数
self._ui.btnOpenImg.clicked.connect(self.openFile)
self._ui.btnOpenDir.clicked.connect(self.openDirDialog)
self._ui.btnNext.clhttp://www.cppcns.comicked.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. 运行看看效果

运行 python main.py 即可启动GUI程序。

打开图编程客栈片→选择语言模型ch（中文）→选择文本检测+识别→点击开始，检测完的文本区域会自动画框，并在右侧识别结果——文本Tab页的列表中显示。

基于Python实现图像文字识别OCR工具