图片转文字—百度OCR实现图像识别

        OCR （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。

        利用OCR api 可以轻松实现图片中文字的提取。目前比较成熟的 OCR api 有百度、搜狗、有道等。这里玩玩百度，简单的几行代码就可以对接百度，从而实现简单的文字提取。关于百度OCR的介绍看 官网。

一、创建应用

       需要在官网上创建一个自己的应用，填写应用名称、类型、应用描述等就可以。

       创建成功后在应用列表可以看到刚刚创建的，我们过会需要这里面的两个key

二、获取 access_token

       查看 提供的API文档，可以看到在调用api识别接口之前，需要获取一个access_token。获取方式也很简单，对一个固定的url传入我们应用的 apikey 和 secretkey 即可。

        一个简单的获取 token 的函数便诞生了：

def get_token():
    token_url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=xxxxxxxxxxxxxx&client_secret=yyyyyyyyyyyyyyyyyyyyyyyy' 
    try:
        token_res = requests.get(token_url)
    except:
        return 'error'
    else:
        try:
            print(token_res.text)
            res = token_res.json()["access_token"]
        except:
            return 'error'
        else:
             return res

服务器返回的JSON文本参数如下：我们取其中的 access_token 字段即可。

• access_token： 要获取的Access Token；
• expires_in： Access Token的有效期(秒为单位，一般为1个月)；
• 其他参数忽略，暂时不用;

三、获取图片64编码

       查看api文档，通用文本识别需要我们将图片的base64编码传入，于是又诞生了获取图片编码的函数。

def get_pic64():
    try:
        with open ('./test.png','rb') as pic:
            img64 = base64.b64encode(pic.read())
    except:
        return 'error'
    else:
        return img64

四、传入百度api解析

简单的请求参数如下：

HTTP 方法：POST

请求URL： https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic

URL参数：

Header如下：

Body中放置请求参数，参数如下：

返回参数如下：

于是，我们可以构造post请求，具体的参数格式参照api的要求。得出的函数如下：

def get_ocr(token,img64):
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    params = {"image": img64}
    url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=' + token
    res = requests.post(url, data=params, headers=headers)
    try:
        num = res.json()["words_result_num"]
        text = res.json()["words_result"]
    except:
        print("Json ERR")
    else:
        print("识别到结果共计: " + str(num))
        for i in text:
            print(i['words'])

返回结果同样是json数据，我们取其中的字段数[words_result_num]和具体字段[words_result]即可。

实现效果：

要识别的图：

识别结果：

       哈哈，通用版本貌似精度不是很高？没关系，百度okr还提供了高精度识别、含位置的高精度识别等等，换个高精度url试一试：

       卧槽？果然高精度识别更吊一些~！

       其次，百度还提供了针对不同场景的识别：手写文字识别、身份证、银行卡、营业执照、护照、名片、户口本等等，各位老哥自己可以试试。如果有机会，博主想集成一个网页识别到博客里，这样就可以更方便的操作了。

       （插句题外话，关于python的枚举代码）

from enum import IntEnum

class OCR_TYPE(IntEnum):
    general_basic      =1,       #通用文字识别
    accurate_basic     =2,       #通用文字识别（高精度版）
    general_enhanced   =3,       #通用文字识别（含生僻字版）
    handwriting        =4,       #手写文字识别
    idcard             =5,       #身份证识别
    bankcard           =6,       #银行卡识别

if __name__ == '__main__':
    for i in OCR_TYPE:
        print(i.name,'->',i.value)
   print(OCR_TYPE['handwriting'].value)

最后附上完整源码，改下clientID 和 clientKey 即可。

# coding:utf-8
import requests
import base64

#修改为你申请的app参数
AppKey = 'HGXnQTTvk3mTeP1Fk3mOgdbI'
SecretKey = '4e7U2tOmEAhKfqirIKMgEzbOy1ChlOsK'

def get_token():
    token_url = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + AppKey+ '&client_secret=' + SecretKey 
    try:
        token_res = requests.get(token_url)
    except:
        return 'error'
    else:
        try:
            print(token_res.text)
            res = token_res.json()["access_token"]
        except:
            return 'error'
        else:
             return res


def get_pic64():
    try:
        with open ('./test.png','rb') as pic:
            img64 = base64.b64encode(pic.read())
    except:
        return 'error'
    else:
        return img64


def get_ocr(token,img64):
    print(token)
    headers = {'Content-Type': 'application/x-www-form-urlencoded'}
    params = {"image": img64}
    #通用识别版本
    #url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=' + token
    #高精度识别版本
    url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic?access_token=' + token
    res = requests.post(url, data=params, headers=headers)
    try:
        num = res.json()["words_result_num"]
        text = res.json()["words_result"]
    except:
        print("Json ERR")
    else:
        print("识别到结果共计: " + str(num))
        for i in text:
            print(i['words'])

if __name__ == '__main__':

    token = get_token()
    if (token == 'error'):
        print("Get token Err!")
        exit(0)
    img64 = get_pic64()
    if (token == 'error'):
        print("Get img Err!")
        exit(0)

    get_ocr(token, img64)
  

       最后，博主自己基于百度OCR的开发的图片文字提取工具，可识别普通文本、手写文本、身份证、银行卡、护照、营业执照、车牌等。链接：https://www.jerrycoding.com/tool/ocr-ui