Python实现OCR大批量识别图片文字,并将文字保存到txt文档中,文末源码直接拿!

文章目录

  • 项目背景
  • 项目介绍
  • 运行项目
  • 代码详解
  • 源码地址

项目背景

在当今数字化时代,图像文字识别(Optical Character Recognition, OCR)技术的应用越来越广泛。

OCR技术可以将印刷体文字转化为可编辑的文本格式,从而方便进行文本分析、数据挖掘等操作。Python作为一种简洁、易用的编程语言,提供了丰富的图像处理和机器学习库,使得实现图像文字识别变得简单而高效。

本文将介绍如何使用Python实现大批量识别图片文字,并将文字保存到txt文档中!

项目介绍

本项目使用的文字识别模型来自飞桨开源模型: chinese_ocr_db_crnn_server Module

该模型基于 chinese_text_detection_db_server 检测得到的文本框,继续识别文本框中的中文文字。之后对检测文本框进行角度分类。最终识别文字算法采用 CRNN(Convolutional Recurrent Neural Network) 即卷积递归神经网络。其是DCNN和RNN的组合,专门用于识别图像中的序列式对象。与CTC loss配合使用,进行文字识别,可以直接从文本词级或行级的标注中学习,不需要详细的字符级的标注。该Module是一个通用的OCR模型,支持直接预测。

项目主要功能:

  • 支持识别多种图片类型
support_type = ["bmp", "dib", "jpeg", "jpg", "jpe", "jp2", "png", "webp", "pbm", "pgm", "pxm", "pnm", "tiff", "tif"]
  • 支持自定义图片路径
  • 支持大批量的图片识别
  • 支持将每一张图片的文字写入对应的txt文件中

运行项目

第一步: 从文末的源码地址,下载项目并解压到本地电脑

第二步: 配置运行环境,使用pycharm导入项目,在【terminal】下运行下面命令:

pip install -r requirements.txt

如果下载第三方库比较慢,可以考虑换一下pip的下载源:

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

第三步: 运行前可以替换image_path为自定义的路径,默认图片保存位置为当前py文件下的image文件夹。

代码详解

1、导入需要的库,paddlehub用于搭建模型,cv2用于读取图片,os模块创建文件

import paddlehub as hub
import cv2
import warnings
import os

2、识别图片,传入图片地址,,并将识别出的文字保存到对应的txt文本中

def ocr_images(images):
    if images:
        for r in images:
            file_path = r.get("file_path")
            ocr_result_txt_path = r.get("result_txt_path")
            ocr = hub.Module(name="chinese_ocr_db_crnn_server", enable_mkldnn=True) 
            ocr_result = ocr.recognize_text(images=[cv2.imread(file_path)])
            with open(ocr_result_txt_path, "w") as f:
                for i in ocr_result[0]["data"]:
                    f.write(i["text"])
                print(ocr_result_txt_path, "写入完成!")

3、获取指定路径下的所有图片地址,或者同级文件夹images中的所有图片地址

def return_images_files(images_path=None):
    # 返回指定路径下的所有图片绝对地址,如果没有指定,当前路径下的images文件夹
    if images_path is None:
        # 获取当前 py 文件所在的绝对地址
        cwd = os.getcwd()
        # 拼接 images 文件夹地址
        images_path = os.path.join(cwd, "images")
        # 如果没有 images 文件夹,就新建一个
        if "images" not in os.listdir(cwd):
            os.mkdir(images_path)
    # 拼接 ocr_result 文件夹地址
    ocr_result_path = os.path.join(images_path, "ocr_result")
    if "ocr_result" not in os.listdir(images_path):
        os.mkdir(ocr_result_path)
    # 获取文件夹下所有文件
    files = [os.path.abspath(os.path.join(r, f)) for r, _, fs in os.walk(images_path) for f in fs]
    # 判断文件夹下是否有文件
    if files:
        result = []
        for f in files:
            f_type = f.split(".")[1]
            # 判断文件类型是否存在
            if f_type in support_type:
                # 返回图片地址和识别结果txt的文件名
                result_txt_name = f.split(images_path)[1].replace("\\", "").split(".")[0] + ".txt"
                result_txt_path = os.path.join(ocr_result_path, result_txt_name)
                result_dict = {
                    "file_path": f,
                    "result_txt_path": result_txt_path
                }
                result.append(result_dict)
        return result

以上是部分源码,,有需要的朋友可以在文末的源码地址免费获取!

源码地址

链接:https://pan.baidu.com/s/1TRcxqttjnGfg6xPwnHuCuA?pwd=akxs
提取码:akxs

你可能感兴趣的:(数据分析,python,ocr,深度学习,文字识别,机器学习,飞桨,人工智能)