基于Python實現(xiàn)圖像文字識別OCR工具

更新時間：2021年12月09日 09:34:53 作者：蝦米小餛飩

在工作、生活中常常會用到，比如票據、漫畫、掃描件、照片的文本提取。本文主要介紹了基于PyQt + PaddleOCR實現(xiàn)的一個桌面端的OCR工具，用于快速實現(xiàn)圖片中文本區(qū)域自動檢測+文本自動識別，需要的朋友可以參考一下

引言

最近在技術交流群里聊到一個關于圖像文字識別的需求，在工作、生活中常常會用到，比如票據、漫畫、掃描件、照片的文本提取。

博主基于 PyQt + PaddleOCR 寫了一個桌面端的OCR工具，用于快速實現(xiàn)圖片中文本區(qū)域自動檢測+文本自動識別。

識別效果如下圖所示：

所有框選區(qū)域為OCR算法自動檢測，右側列表有每個框對應的文字內容；

點擊右側“識別結果”中的文本記錄，然后點擊“復制到剪貼板”即可復制該文本內容。

功能列表

文本區(qū)域檢測+文字識別
文本區(qū)域可視化
文字內容列表
圖像、文件夾加載
圖像滾輪縮放查看
繪制區(qū)域、編輯區(qū)域
復制文本識別結果

OCR部分

圖像文字檢測+文字識別算法，主要借助 paddleocr 實現(xiàn)。

創(chuàng)建或者選擇一個虛擬環(huán)境，安裝需要用到的第三方庫。

conda create -n ocr
conda activate ocr

① 安裝框架

如果你沒有NVIDIA GPU，或GPU不支持CUDA，可以安裝CPU版本：

# CPU版本
pip install paddlepaddle==2.1.0 -i https://mirror.baidu.com/pypi/simple

如果你的GPU安裝過CUDA9或CUDA10，cuDNN 7.6+，可以選擇下面這個GPU版本：

# GPU版本
python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple

② 安裝 PaddleOCR

安裝paddleocr：

pip install "paddleocr>=2.0.1" # 推薦使用2.0.1+版本

版面分析，需要安裝 Layout-Parser：

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

③ 測試安裝是否成功

安裝完成后，測試一張圖片--image_dir ./imgs/11.jpg，采用中英文檢測+方向分類器+識別全流程：

paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false

輸出一個list：

④ 在python中調用

from paddleocr import PaddleOCR, draw_ocr

# Paddleocr目前支持的多語言語種可以通過修改lang參數進行切換
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
img_path = './imgs/11.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
    print(line)

輸出結果是一個list，每個item包含了文本框，文字和識別置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], [‘純臻營養(yǎng)護發(fā)素', 0.964739]]

[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], [‘產品信息/參數', 0.98069626]]

[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起訂）', 0.9676722]]

…

界面部分

界面部分基于 pyqt5 實現(xiàn)。

pyqt GUI程序開發(fā)入門和環(huán)境配置，詳見這篇博客。

主要步驟：

1. 界面布局設計

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

2. 利用 pyuic 自動生成界面代碼

在 pycharm 的項目文件結構中找到*.ui文件，右鍵——External Tools——pyuic，會在ui文件同級目錄下自動生成界面 ui 的 python 代碼。

3. 編寫界面業(yè)務類

業(yè)務類 MainWindow 實現(xiàn)程序邏輯和算法功能，與前面第2步生成的ui實現(xiàn)解耦，避免每次修改ui文件會影響業(yè)務代碼。ui界面上的控件可以通過self._ui.xxxObjectName 訪問。

class MainWindow(QMainWindow):
	FIT_WINDOW, FIT_WIDTH, MANUAL_ZOOM = 0, 1, 2

	def __init__(self):
		super().__init__()  # 調用父類構造函數，創(chuàng)建QWidget窗體
		self._ui = Ui_MainWindow()  # 創(chuàng)建ui對象
		self._ui.setupUi(self)  # 構造ui
		self.setWindowTitle(__appname__)

		# 加載默認配置
		config = get_config()
		self._config = config	   
		
		# 單選按鈕組
        self.checkBtnGroup = QButtonGroup(self)
        self.checkBtnGroup.addButton(self._ui.checkBox_ocr)
        self.checkBtnGroup.addButton(self._ui.checkBox_det)
        self.checkBtnGroup.addButton(self._ui.checkBox_recog)
        self.checkBtnGroup.addButton(self._ui.checkBox_layoutparser)
        self.checkBtnGroup.setExclusive(True)

4. 實現(xiàn)界面業(yè)務邏輯

對主界面上的按鈕、列表、繪圖控件進行信號槽連接。自定義的槽函數不用專門聲明，如果是自定義的信號，需要在類__init__()前加上 yourSignal= pyqtSignal(args)。

這里以按鈕響應函數、列表響應函數為例。按鈕點擊的信號是 clicked，listWidget列表切換選擇的信號是 itemSelectionChanged 。

# 按鈕響應函數
self._ui.btnOpenImg.clicked.connect(self.openFile)
self._ui.btnOpenDir.clicked.connect(self.openDirDialog)
self._ui.btnNext.clicked.connect(self.openNextImg)
self._ui.btnPrev.clicked.connect(self.openPrevImg)
self._ui.btnStartProcess.clicked.connect(self.startProcess)
self._ui.btnCopyAll.clicked.connect(self.copyToClipboard)
self._ui.btnSaveAll.clicked.connect(self.saveToFile)
self._ui.listWidgetResults.itemSelectionChanged.connect(self.onItemResultClicked)

5. 運行看看效果

運行 python main.py 即可啟動GUI程序。

打開圖片→選擇語言模型ch（中文）→選擇文本檢測+識別→點擊開始，檢測完的文本區(qū)域會自動畫框，并在右側識別結果——文本Tab頁的列表中顯示。