php实现ocr文字识别

阅读更多

 OCR的百度定义 （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法 将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成 文本格式，供文字处理软件进一步编辑加工的技术。

 

作为一个工程师，在实际编程中，可能需要把图片中的文字显示出来，这就需要用到ocr技术。因为php开发，所以优先选择php，找了php的ocr扩展测试了下，结果发现不可用（地址：http://sourceforge.net/projects/phpocr.berlios）？ 网上也看了很多朋友的demo，基本上原理都是对图片分解成0，1矩阵，然后根据特征，转化成相应的字符串。测试几个都是不可行的。然后看到别人说PHP 搞OCR的很少，也不适合，语言效率太低，这种算法需要很高的效率。可以尝试C,MATLAB 等的OCR算法。搞matlab的玩OCR这类偏算法的很多。

 

无奈才虚学浅，不会C。无意中却发现百度有ocr的api提供：http://apistore.baidu.com/apiworks/servicedetail/146.html。

 

写了个玩下：

 

1. php
2. header("Content-type: text/html; charset=utf-8");
3.  
4. function curl($img){
5.  
6. $ch = curl_init();
7. $url ='http://apis.baidu.com/apistore/idlocr/ocr';//百度ocr api
8. $header = array(
9. 'Content-Type:application/x-www-form-urlencoded',
10. 'apikey:69c2ace1ef297ce88869f0751cb1b618',
11. );
12.  
13. $data_temp = file_get_contents($img);
14. $data_temp = urlencode(base64_encode($data_temp));
15. //封装必要参数
16. $data ="fromdevice=pc&clientip=127.0.0.1&detecttype=LocateRecognize&languagetype=CHN_ENG&imagetype=1&image=".$data_temp;
17. curl_setopt($ch, CURLOPT_HTTPHEADER , $header);// 添加apikey到header
18. curl_setopt($ch, CURLOPT_POST,1);
19. curl_setopt($ch, CURLOPT_POSTFIELDS, $data);// 添加参数
20. curl_setopt($ch, CURLOPT_RETURNTRANSFER,1);
21. curl_setopt($ch , CURLOPT_URL , $url);// 执行HTTP请求
22. $res = curl_exec($ch);
23. if($res === FALSE){
24. echo "cURL Error: ". curl_error($ch);
25. }
26. curl_close($ch);
27. $temp_var = json_decode($res,true);
28. return $temp_var;
29.  
30. }
31.  
32. $wordArr = curl('4.jpg');
33. if($wordArr['errNum']==0){
34. var_dump($wordArr);
35. }else{
36. echo "识别出错:".$wordArr["errMsg"];
37. }

测试了几张图片，准确度还是蛮高的。百分百的话，是不现实的~

 

更多：http://www.webyang.net/Html/web/article_161.html