一、背景
大家好,我是J哥。
也许你还记得,前不久复旦大学一博士生写了130行Python
代码,批量识别核酸截图内容的故事。当时还被人民日报公众号报道出来,夸赞用所学贡献青春力量!
其实,批量文字识别(OCR)是Python
办公自动化的基本操作,应用在我们工作生活中的方方面面,比如车牌识别、证件识别、银行卡识别、票据识别等等。
Python
中OCR
第三方库非常多,比如easyocr
、PaddleOCR
、cnocr
等等。当然,直接调用百度API
也是可以的,不过超过一定限额后要收费,因此本文主要以开源免费的easyocr
来进行介绍。
二、需求
本文以证件识别为例,我网上找了3张虚拟身份证来实验:
运用easyocr
进行识别并保存为Excel
,效果如下:
三、实战
1.安装模块
在Python
中使用 easyocr
非常简单,只要使用pip
命令安装easyocr
即可(建议使用清华源,否则安装会比较慢)。
pip install easyocr
不过 easyocr
的深度学习算法依赖于另一个著名的第三方模块 pytorch
,图形处理部分则会用到 opencv
、Pillow
等,所以还需要确保自己电脑上已经安装这些基础模块。
2.识别一张图片
1.easyocr
识别图片代码非常简洁,只需要创建一个easyocr.Reader
类对象,指定以下两个常用参数:
- 需要识别的文字属于哪几种语言
- 是否启用GPU显卡加速
2.调用Reader
对象的readtext
方法,将图片中所有文字读入一个列表并返回。
''' 公众号:菜J学Python 作者:J哥 ''' # 导入模块 import easyocr # 图片路径 image = './id_card/1.jpg' # 创建ocr的reader对象,识别中英文 ocr = easyocr.Reader(['ch_sim', 'en'],gpu=False) # 识别图片文字 content = ocr.readtext(image) print(content)
识别结果如下:
[([[39, 31], [207, 31], [207, 67], [39, 67]], '姓 名 韦小宝', 0.8973890994570185), ([[40, 82], [159, 82], [159, 119], [40, 119]], '性 别 男', 0.9799311480828728), ([[178, 86], [272, 86], [272, 116], [178, 116]], '民 族汉', 0.5456928014755249), ([[40, 131], [100, 131], [100, 161], [40, 161]], '出 生', 0.5362269878387451), ([[114, 134], [240, 134], [240, 162], [114, 162]], '1654 年12', 0.6952526392609933), ([[266, 134], [322, 134], [322, 162], [266, 162]], '20日', 0.31329770168285426), ([[42, 181], [395, 181], [395, 213], [42, 213]], '住 址 北京市东城区景山前街4号', 0.48138251996753667), ([[112, 222], [256, 222], [256, 254], [112, 254]], '紫禁城敬事房', 0.9732440311960702), ([[44, 307], [195, 307], [195, 337], [44, 337]], '公民身份证号码', 0.612808391503521), ([[212, 308], [526, 308], [526, 334], [212, 334]], '112044165412202438', 0.7003081027071493)]
readtext
返回的列表中,每个元素都是一个元组,内含三个信息:位置、文字、置信度。我们可以在调用readtext
时指定一个参数 detail=0
,从而只返回文字内容。于是修改后代码和效果如下:
import easyocr image = './id_card/1.jpg' ocr = easyocr.Reader(['ch_sim', 'en'],gpu=False) content = ocr.readtext(image,detail=0) print(content)
['姓 名 韦小宝', '性 别 男', '民 族汉', '出 生', '1654 年12', '20日', '住 址 北京市东城区景山前街4号', '紫禁城敬事房', '公民身份证号码', '112044165412202438']
3.批量识别图片
批量识别图片无非就是遍历图片文件夹,这里用到了os.listdir()
方法以返回文件列表。然后用ocr.readtext()
去识别每一张图片文字内容,接着通过字符串切片来获取姓名、性别、民族、出生、住址和身份证号等关键信息,最后统一将这些信息存入列表data
中。
''' 公众号:菜J学Python 作者:J哥 ''' import easyocr import os # 指明所有图片所在的文件夹 images = './id_card' # 创建ocr的reader对象,识别中英文 ocr = easyocr.Reader(['ch_sim', 'en']) # 识别图片文字 content = ocr.readtext(images,detail=0) # 遍历所有图片并识别文字,切片提取有效信息 data = [] for image in os.listdir(images): content = ocr.readtext(f'{images}/{image}', detail=0) print(f"正在识别:{image}") name = content[0][4:] gender = content[1][-1] nation = content[2][-1] birth = content[-5] if "月" not in birth: birth = content[-6] + "月" + content[-5] if "日" not in birth: birth = birth[:-1] + "日" address = content[-4][4:] + content[-3] number = content[-1] print(f"完成识别:{image}") print("-" * 50) data.append([name, gender, nation, birth, address, number])
4.保存数据
图片文字识别之后,建议通过pandas
输出为Excel
,方便简洁。
''' 公众号:菜J学Python 作者:J哥 ''' import pandas as pd # 保存识别结果至Excel df = pd.DataFrame(data, columns=["姓名", "性别", "民族", "出生", "住址", "身份证号"]) print(f"识别结果如下:") print(df) df.to_excel("识别结果.xlsx", index=False)
到此这篇关于Python实现批量识别图片文字并存为Excel的文章就介绍到这了,更多相关Python识别图片文字内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!