python实现OCR识别

摘要：在日常生活工作中，我们难免会遇到一些问题，比如自己辛辛苦苦写完的资料，好不容易打印出来却发现源文件丢了;收集了一些名片，却要一个一个地录入信息，很麻烦；快递公司的业务越来越好，但每天需要花费很多时间登记录入运单，效率非常的低。

那么，有没有什么技术能帮助我们解决这些难题呢？有的，那就是OCR文字识别技术。
前面显示：让你把这个世界看得清清楚楚，真真切切

什么是OCR？

OCR英文全称是Optical Character Recognition，中文叫做光学字符识别。它是是实时高效的定位与识别图片中的所有文字信息，返回文字框位置与文字内容。支持多场景、任意版面下整图文字的识别，以及中英文、字母、数字的识别。简单来说，就是将图片上的文字内容，智能识别成为可编辑的文本，例如：

OCR的技术原理是什么？

OCR本质是图像识别。其原理也和其他的图像识别问题基本一样。包含两大关键技术：文本检测和文字识别。先将图像中的特征进行提取并检测目标区域，之后对目标区域的字符进行分割和分类。

以深度学习兴起的时间为分割点，直至近五年之前，业界最为广泛使用的仍然是传统的OCR识别技术框架，而随着深度学习的崛起，基于这一技术的OCR识别框架以另外一种新的思路迅速突破了原有的技术瓶颈（如文字定位、二值化和文字分割等），并已在工业界得到广泛应用。

首先文本定位，接着进行倾斜文本矫正，之后分割出单字后，并对单字识别，最后基于统计模型（如隐马尔科夫链，HMM）进行语义纠错。

OCR技术的难点是什么？

复杂背景、艺术字体、低分辨率、非均匀光照、图像退化、字符形变、多语言混合、文本复杂版式、检测框字符残缺，等等。

如何克服这些难点？

从几个方面入手。一是使用场景，另一方面是从技术上进行改进。腾讯优图实验室在文本检测技术方进行了深度优化，提出了Compact Inception，通过设计合理的网络结构来提升各尺度的文字检测／提取能力。同时引入RNN多层自适应网络和Refinement结构来提升检测完整性和准确性。

OCR目前支持什么功能？

• 身份证识别
• 银行卡识别
• 名片识别
• 营业执照识别
• 行驶证驾驶证识别
• 车牌号识别
• 通用印刷体识别
• 手写体识别

通用印刷体的技术难点，使用场景

我们知道身份证识别可广泛应用在金融行业中，在身份认证中，可以减少用户的信息输入，提升效率，提高用户体验，营业执照的识别完全省去了手工录入的繁琐，还可以为企业省去大量的人力资源成本，这些场景大家都已经比较熟悉。

对于通用印刷体，腾讯优图实验室自主设计一整套全方位多尺度文字识别引擎，可攻破模糊，散焦，透视，文字部分遮挡的问题，识别准确率高达90%以上，处于业界领先水平。使用场景广泛，例如对任意版面上图像的文字识别，可广泛应用在印刷文档、广告图、医疗、物流等行业中的识别。

code（python）

下面调用百度API进行识别：

from aip import AipOcr

APP_ID = "10739584"
API_KEY = "RQTE6EpB6y4OXUA2iNKyPMhR"
SECRET_KEY = "ibD0O15GOC949V2V16nwOkZZcVdwObcw"

client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
""" 读取图片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()

def scrope(pic_path):
    image = get_file_content(pic_path)
    """ 如果有可选参数 """
    options = {}
    options["language_type"] = "CHN_ENG"
    options["detect_direction"] = "true"
    options["detect_language"] = "true"
    options["probability"] = "true"
    print("正在识别图片信息......")
    """ 带参数调用通用文字识别, 图片参数为本地图片 """
    result=client.basicGeneral(image, options)
    src=result['words_result']
    print(len(src))
    dicfile=open('file.txt','a+',encoding='utf-8')
    for key in range(len(src)):
        dicfile.write(src[key]['words'])
        dicfile.write('\n')
        print(src[key]['words'])
    dicfile.close()

pic_path='ocr_test.png'
scrope(pic_path)

对比一下识别效果

参考：腾讯云技术