python 利用百度AI实现文字识别（cv2 + aip module）

python 利用百度AI实现文字识别（cv2 + aip module）

（该案例将利用cv2，aip等模块，详细的安装以及使用的方法将在后文进行简单的介绍。）

一、KNN算法的简介（机器学习算法之一）

通俗的含义：近朱者赤，近墨者黑

核心的思想：如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。

应用举例：通过AI识别手写的数字（文字的识别也是类似的）：
1、通过拍照得到手写内容；
2、识别图片后与原来已经录入的图形形状进行对比；
3、与哪一个数字的图形的形状最接近，则返回那个数字。

优点：
1、理论比较成熟;
2、容易理解， 简单而好用.
缺点：
1、可能会存在一定的错误;
2、计算复杂性较高，空间复杂性较高;
3、存在样本的不平衡问题.

二、百度AI平台简单介绍即使用方法

（1）简单介绍

百度公司开发的人工智能开放平台，目前已经在各方面有所突破，并且有较为广泛的应用。
具体的链接如下所示：（百度AI 开放平台的链接）
https://ai.baidu.com/

（2）使用方法

1、首先登录平台

2、然后创建自己的应用
（此处勾选所需要的功能即可，另外该平台可以选择免费的使用。）

（文字识别是系统勾选好的，如果想要其他功能可以自行勾选。）


3、重要信息
在百度AI平台中的设备主要有三个重要的信息：
1、AppID；
2、API Key；
3、Secret Key。
（这三个信息在写程序时会用到，即利用这三个信息调用相应的设备。）

三、安装所需要的python库

（我已经安装好了，所以下图会显示：Requirement already satisfied）
1、使用cv2， 需要安装opencv-python
命令：pip install opencv-python

2、使用aip， 需要安装baidu-aip
命令：pip install baidu-aip

四、代码实现（有详细注释的解释）

需要输入你自己的设备的appid， apikey， secretkey。
（此处定义函数是为了使功能的实现分成不同的区域块，从而便于理解，当然不定义函数也是可以实现相应的功能的。）

# using the baidu aip and python to identify the characters
# 文字识别
# import


import cv2
from aip import AipOcr
# 导入 cv2 和 aip 中的 AipOcr


# define config
"""
输入你自己的设备的appId， apiKey， secretKey。
"""
config = \
    {
       # 字典
    'appId': '********',  # appId
    'apiKey': '************************',  # apiKey
    'secretKey': '*********************************'  # secretKey
    }  # 字典的形式
# 构造调用百度aip的请求头
# 类似于headers
client = AipOcr(**config)
# 利用config来进行访问以及调用相应的设备


# 定义获取图像的函数
def get_file_content(file):
    """
    获取图像
    :param file: 文件的名称
    :return: 返回读取的内容
    """
    with open(file, 'rb') as f:
        # 获取保存下来的图像
        # 采用读和写的模式('rb')
        # return f.read()
        return f.read()


# 读取图像中的文字信息并识别文字
def img_to_string(image_path):
    """
    识别图像中的文字
    :param image_path: 文件的名称
    :return: 返回识别的结果（识别所得到的文字）
    """
    image_0 = get_file_content(image_path)
    # 调用上一个函数来得到图像
    # 调用get_file_content(file)来得到图像

    # 获得读取的结果
    result_0 = client.handwriting(image_0)
    # result_1 = client.basicGeneral(image_0)
    # 识别手写字用  ； result_0 = client.handwriting(image_0)
    # 识别印刷文字要用 ；result_1 = client.basicGeneral(image_0)
    # 此处以手写为例 ！！
    # print(result_0)

    # 返回识别的结果
    if 'words_result' in result_0:
        return '\n'.join([w['words'] for w in result_0['words_result']])


if __name__ == '__main__':
    """
    main函数实现功能
    """
    # 创建窗口
    cv2.namedWindow('Camera', 1)
    # Camera-->命名窗口

    # 调用系统自带的摄像头
    # 这是电脑自带的摄像头，当然也可以用代理IP摄像头
    capture = cv2.VideoCapture(0)
    while True:  # 循环执行
        # 获取信息
        success, image = capture.read()
        cv2.imshow('Camera', image)
        # 设置按键
        # 要让摄像头等待按键，而不是直接拍照 ！！
        key = cv2.waitKey(10)
        # 根据按键来处理获取的图片以及操控程序
        if key == 27:
            # Esc 按键
            break
        else:
            if key == 32:
                # 空格按键
                filename = 'picture.jpg'
                # 将所获取的图像保存至文件中
                cv2.imwrite(filename=filename, img=image)
                # 调用函数实现文字识别的功能
                s = img_to_string(filename)
                # 打印信息
                print(s)

五、运行结果展示

运行上述代码后的结果展示：（手写文字+程序打印内容）

六、内容总结

总之，该程序实现了调用百度人工智能平台中的文字识别功能，来进行识别手写或机器打印的文字（英语，汉语都可以哦），具体思路在这里进行一下总结：
1、首先拍摄照片；
2、构造请求头向百度AI平台中的设备发送请求以及请求的内容（图片）；
3、获取得到请求的结果；
4、显示请求得到的结果。
另外，百度AI平台实际上采用的是机器的深度学习算法，这种算法由于KNN算法，精确度更高，识别结果更可信。

七、P.S.（改良后的代码）

在上述的基础之上，可以将代码进行一定的优化与改良，具体的改良版本如下所示，这就简洁了不少（此处不再写注释，具体的改良方法可以自己总结来实现）：
（这里的改良代码仅供参考啦~~）

# 改良了的版本，这里省去了一些不必要的函数，使代码变得更加简洁
import cv2
from aip import AipOcr

if __name__ == '__main__':
    config = {
     
        'appId': '********',  # appId
    'apiKey': '************************',  # apiKey
    'secretKey': '*********************************'  # secretKey
    }
    client = AipOcr(**config)
    cv2.namedWindow('Word recognition has been improved', 1)
    capture = cv2.VideoCapture(0)
    # 电脑自带的摄像头，也可以用代理IP摄像头
    while True:
        success, image = capture.read()
        cv2.imshow('Word recognition has been improved', image)
        key = cv2.waitKey(10)
        if key == 27:  # 当然用其他的按键来控制也是可以的啊
            break
        elif key == 32:  # 当然用其他的按键来控制也是可以的啊
            filename = 'A_image_of_test.jpg'
            cv2.imwrite(filename=filename, img=image)
            with open(filename, 'rb') as a_file:
            	result = client.handwriting(a_file.read())
                if 'words_result' in result:
                	print('\n'.join(w['words'] for w in result['words_result']))