小白學Python之實現(xiàn)OCR識別
前期準備
在這個階段主要準備整個小程序的結構,既然要實現(xiàn)ocr,那么輸入就是一張圖片,而圖片這里采用屏幕截圖的方式獲得,輸出是文字,這里采用搜狗的ocr接口,我們把截好的圖片傳到搜狗ocr接口中,然后把返回的文字作為輸出即可。
由于想做一個小程序,所以要為程序做GUI,這里采用tkinter編制GUI界面。
界面編寫
界面主要就準備一個窗體,里面有菜單,給出OCR功能。
之后我們點擊菜單,則啟動一個截圖功能,在截圖完成后,我們就把截得的圖片傳入ocr接口并返回文字到主窗體中。
主面板的編寫則直接使用tkinter建立菜單等
root = Tk() root.title("小新的OCR") # 創(chuàng)建一個頂級菜單 menubar = Menu(root) # 創(chuàng)建一個下拉菜單“文件”,然后將它添加到頂級菜單中 filemenu = Menu(menubar, tearoff=False) filemenu.add_command(label="OCR", command=buttonCaptureClick, accelerator='Ctrl+N') filemenu.add_command(label="幫助",command=helpClick) filemenu.add_command(label="退出", command=root.quit) menubar.add_cascade(label="操作", menu=filemenu) # 顯示菜單 root.config(menu=menubar) root.bind_all("<Control-d>", lambda event: buttonCaptureClick()) #啟動消息主循環(huán) root.mainloop()
這樣變回產生一個窗體,用戶可以和這個窗體進行交互,你可以點擊菜單,然后找到其子菜單中的OCR一項,點擊它便會調用一個buttonCaptureClick的函數(shù),這個函數(shù)就來產生截圖,并且保存截圖。
截圖功能實現(xiàn)
截圖功能我也是參考網上的內容,原理就是先把整個屏幕給捕捉到,然后監(jiān)聽鼠標事件,當鼠標左邊按下則作為截圖的左頂點,鼠標左鍵松下則最為截圖的右底點,這樣我們截圖區(qū)域就出來了,然后進行保存即可。
#用來顯示全屏幕截圖并響應二次截圖的窗口類 class MyCapture: def __init__(self, png): #變量X和Y用來記錄鼠標左鍵按下的位置 self.X = tkinter.IntVar(value=0) self.Y = tkinter.IntVar(value=0) #屏幕尺寸 screenWidth = root.winfo_screenwidth() screenHeight = root.winfo_screenheight() #創(chuàng)建頂級組件容器 self.top = tkinter.Toplevel(root, width=screenWidth, height=screenHeight) #不顯示最大化、最小化按鈕 self.top.overrideredirect(True) self.canvas = tkinter.Canvas(self.top,bg='white', width=screenWidth, height=screenHeight) #顯示全屏截圖,在全屏截圖上進行區(qū)域截圖 self.image = tkinter.PhotoImage(file=png) self.text ="" self.canvas.create_image(screenWidth//2, screenHeight//2, image=self.image) #鼠標左鍵按下的位置 def onLeftButtonDown(event): self.X.set(event.x) self.Y.set(event.y) #開始截圖 self.sel = True self.canvas.bind('<Button-1>', onLeftButtonDown) #鼠標左鍵移動,顯示選取的區(qū)域 def onLeftButtonMove(event): if not self.sel: return global lastDraw try: #刪除剛畫完的圖形,要不然鼠標移動的時候是黑乎乎的一片矩形 self.canvas.delete(lastDraw) except Exception as e: pass lastDraw = self.canvas.create_rectangle(self.X.get(), self.Y.get(), event.x, event.y, outline='black') self.canvas.bind('<B1-Motion>', onLeftButtonMove) #獲取鼠標左鍵抬起的位置,保存區(qū)域截圖 def onLeftButtonUp(event): self.sel = False try: self.canvas.delete(lastDraw) except Exception as e: pass sleep(0.1) #考慮鼠標左鍵從右下方按下而從左上方抬起的截圖 left, right = sorted([self.X.get(), event.x]) top, bottom = sorted([self.Y.get(), event.y]) pic = ImageGrab.grab((left+1, top+1, right, bottom)) fileName ="temp.jpg" pic.save(fileName) self.text = get_text(fileName) #關閉當前窗口 self.top.destroy() self.canvas.bind('<ButtonRelease-1>', onLeftButtonUp) #讓canvas充滿窗口,并隨窗口自動適應大小 self.canvas.pack(fill=tkinter.BOTH, expand=tkinter.YES) #開始截圖 def buttonCaptureClick(): #最小化主窗口 # root.state('icon') root.withdraw() sleep(0.4) filename = 'temp.png' #grab()方法默認對全屏幕進行截圖 im = ImageGrab.grab() im.save(filename) im.close() #顯示全屏幕截圖 w = MyCapture(filename) root.wait_window(w.top) #截圖結束,恢復主窗口,并刪除臨時的全屏幕截圖文件 root.update() root.deiconify() text1.config(state = NORMAL) text1.delete(0.0,END) text1.insert('insert',w.text) text1.config(state = DISABLED) text1.pack() os.remove(filename)
OCR實現(xiàn)
因為OCR其實是采用了搜狗的接口,所以需要做的工作也不是很多,只需要把我們的圖片傳入即可。
def get_text(img_path): print("") img = img_path # 圖片路徑 files = {"pic_path": open(img, "rb")} # files # 類似data數(shù)據 url = "http://pic.sogou.com/pic/upload_pic.jsp" # post的url keywords = requests.post(url, files=files).text # requests 提交圖片 url = "http://pic.sogou.com/pic/ocr/ocrOnline.jsp?query=" + keywords # keywords就是圖片url此方式為get請求 ocrResult = requests.get(url).json() # 直接轉換為json格式 contents = ocrResult['result'] # 類似字典 把result的value值取出來 是一個list然后里面很多json就是識別的文字 text = "" for content in contents: # 遍歷所有結果 text+=(content['content'].strip()+'\n') # strip去除空格 他返回的結果自帶一個換行 return text
內容顯示
內容顯示是在截圖結束后我們把ocr識別的內容存儲起來
self.text = get_text(fileName)
然后再顯示到主窗體上
text1.config(state = NORMAL) text1.delete(0.0,END) text1.insert('insert',w.text) text1.config(state = DISABLED) text1.pack()
總結
雖然是一個完整的項目,但是其中的很多模塊其實都是借用其他人的模塊,而我做的只是把他們結合起來做成一個小項目,所以是站在巨人的肩膀上開發(fā)。
到此這篇關于Python實現(xiàn)OCR識別的文章就介紹到這了,更多相關Python實現(xiàn)OCR識別內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
參考:
- https://cloud.tencent.com/developer/article/1097904
- https://morvanzhou.github.io/tutorials/python-basic/tkinter/
- https://www.52pojie.cn/thread-708177-1-1.html
相關文章
Django 實現(xiàn)Admin自動填充當前用戶的示例代碼
今天小編就為大家分享一篇Django 實現(xiàn)Admin自動填充當前用戶的示例代碼,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-11-11利用python 更新ssh 遠程代碼 操作遠程服務器的實現(xiàn)代碼
這篇文章主要介紹了利用python 更新ssh 遠程代碼 操作遠程服務器的實現(xiàn)代碼,需要的朋友可以參考下2018-02-02