使用百度文字识别API进行图片中文字的识别

今天，为了满足我女朋友作业的需求，我使用Python制作了一个图片转文字的小应用。
（当然，下面导入模块的问题我就不多说了，是非常简单的）

一. 申请百度通用文字识别接口。

1.先在百度AI开放平台注册账号（点击这里进入百度智能云）。一般使用百度账号即可。

2.注册成功后登录，在右侧菜单栏中寻找文字识别功能。

3.进入后创建一个新的应用，并按要求填写好应用名称等信息后，立即创建即可。

4.创建完成后，我们可以看到应用的信息，这些信息在后续写代码中时至关重要的。（注意：Secret Key是不可泄露的！！！）

二. 到了这一步，我们真正的进入到程序中来。

1.baidu-aip模块安装
在Pycharm中新建Project，在工程文件夹中新建一个py文件，命名随意。点击File->Setting，进入Setting。刚开始没有baidu-aip模块，点击右侧加号搜索baidu-aip进行安装。

2.因为我们这次只测试两张图片，所以我们在与py文件同级下新建一个目录images，里存放我们需要识别的所有图片（这些图片最好按1，2……命名，在读入时会按数字顺序一张一张扫描）。

------1.jpg

-----2.jpg

3.首先我们先找到这些图片所在文件夹的路径

PROJECT_ROOT = os.path.dirname(os.path.realpath(__file__))#获取项目根目录
path = os.path.join(PROJECT_ROOT,"images") #文件路径

 

• 1
• 2

4.将百度AppID, API Key, Secret Key这些关键信息写入调用百度ORC接口。这里要导入我们安装好的baidu-aip模块了。

"""你的百度AppID, API Key, Secret Key"""
APP_ID = '16545975'
API_KEY = 'qbK2kKKtrXTo0rE1rg4M6Tl6'
SECRET_KEY = 'xxxxxxxxxxxx'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

 

• 1
• 2
• 3
• 4
• 5
• 6

5.定义打开图片的函数

"""打开文件，读取图片"""
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

 

• 1
• 2
• 3
• 4

6.循环读入目录中的每一张图片

for r, ds, fs in os.walk(path):
     for fn in fs:
        fname = os.path.join(r, fn)
        image = get_file_content(fname)
        ret = client.basicGeneral(image)
        #print(ret)
        #print(ret['words_result'])
        for item in ret['words_result']:
            print(item['words'])

 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

5.接下来我们一步一步的分析结果，首先我们调用通用文字识别，打印结果看看是什么吧！（我们只截前面一部分）

# 调用通用文字识别，图片参数为本地图片
ret = client.basicGeneral(image)
print(ret)

 

• 1
• 2
• 3

可以看到，结果是一个字典，我们需要的图片内容都在关键字为words_result中，又可以发现，这个关键字的值是一个列表。我们先把这个字典中的words_result关键字的值取出来并打印。

print(ret['words_result'])

 

• 1

这样我们就取出了这个列表，图片中文字的内容是分段显示的，每一段又是一个字典（在图片中每一次换行都会形成一个字典），这就很简单了，我们只需要把每个字典中的关键字word的值取出来拼接上不就是我们图片中想要的内容了吗？这就要借助我们的循环。

for item in ret['words_result']:
    print(item['words'])

 

• 1
• 2

可以看到，输出的格式和图片中的格式是完全一样的。两张图片的内容已经被我们全部扫描出来了。

到这里这个小应用就全部结束了，大家可以根据需要继续完善，例如将输出结果保存到文本文件中等等。表情包中的文字也是可以识别的哦！

今天拿着QQ文字扫描发现QQ识别率还是很高的，但是一张一张太麻烦了，我想还是让他们自己来识别更方便。

完整代码：

from aip import AipOcr
import os


"""你的百度AppID, API Key, Secret Key"""
APP_ID = '16545975'
API_KEY = 'qbK2kKKtrXTo0rE1rg4M6Tl6'
SECRET_KEY = 'xxxxxxxxxxx'

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)

"""打开文件，读取图片"""
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

PROJECT_ROOT = os.path.dirname(os.path.realpath(__file__))#获取项目根目录
path = os.path.join(PROJECT_ROOT,"images") #文件路径

for r, ds, fs in os.walk(path):
     for fn in fs:
        fname = os.path.join(r, fn)
        image = get_file_content(fname)
        ret = client.basicGeneral(image)
        for item in ret['words_result']:
            print(item['words'])

 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26