python进行批量图片文字识别

一、概述

ocr技术是当下比较热门的技术，利用它可以方便的对图片上的文字进行扫描识别，本文使用python+百度api实现图片的文字识别。

二、环境准备：

1. python环境的准备

1.1 首先需要到python官网下载最新版本的python，点击python下载。下载完成后进行安装，程序会自动进行环境变量配置。

安装配置完成后，运行python -v 若出现版本则表示安装成功。

>python --version
Python 3.9.6

1.2 安装百度api库。python安装完成后，运行以下命令安装百度api库

pip install baidu-aip

2. 百度云api的注册

接下来需要进行百度api的注册申请，点击百度ai进入官网

进入官网后，点击右上角控制台

进行账号登陆，登陆完成后出现控制台界面，点击左侧产品服务——人工智能——文字识别。

点击创建应用，并在相应页面填写好相关信息，然后点击立即创建。

创建完成后回到控制台点击管理应用。

刚刚创建好的文字识别应用就会出现在应用列表中，其中的APP_ID,API_KEY,SECRET_KEY需要记住，这三项是我们需要用到的。

三、实现：

1. 首先要在当前文件夹下建立一个text目录，用于存放识别出的文本文件。对文件夹内的所有图片进行识别，需要用到os.walk(path)函数来遍历目录，并寻找所有后缀为jpg格式的图片。walk()方法语法格式为

os.walk(top, topdown = True, onerror = None, followlinks = False)

代码如下：

for path,dir,file in os.walk(path):
	break
pic=[]
for i in file:
	if(".jpg" in i):
		pic.append(i)

由于walk函数递归查找目录，我们只在当前目录下寻找图片，因此在第一次循环结束就直接break，当前目录下所有图片名保存在pic变量里

2. 使用百度api来进行图片识别

APP_ID = 'aaa'
API_KEY = 'bbb'
SECRET_KEY = 'ccc'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
dic_result=client.basicAccurate(image)

其中"aaa","bbb","ccc"是之前申请百度api中得到的APP_ID,API_KEY,SECRET_KEY三个对应值。识别结果保存在dic_result变量中。其中basicAccurate(image)为高精度识别函数，如果使用低精度识别，请使用accurate(image)函数

3. 项目代码如下：

import os
from aip import AipOcr
APP_ID = 'aaa'
API_KEY = 'bbb'
SECRET_KEY = 'ccc'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)


path="./"
for path,dir,file in os.walk(path):
	break		
pic=[]
for i in file:
	if(".jpg" in i):
		pic.append(i)


def i2t(picname):
	with open(picname,'rb') as fp:
		image=fp.read()
	dic_result=client.basicAccurate(image)
	res=dic_result['words_result']
	result=''
	for m in res:
		result+=str(m['words'])

	fp2=open('./text/a.txt','a')

	
	fp2.write(result)
	fp2.close()


n=1
for j in pic:
	print("picture%d %s...\n" %(n,j))
	i2t(j)
	n=n+1

四、运行效果

程序扫描了目录下的2张照片，并将扫描内容存入text文件夹下的文本文档。识别过程如下：

 程序扫描出的文字

五、总结：

1. python实现的是命令行界面的识别过程，比较简单，可以考虑做成图形界面。

2. 在写入中文文档时若报错，可将文件打开格式设置为”utf-8“

fp2=open('./text/a.txt','a',encoding='utf-8')