【OCR】技术

OCR图像识别

此贴用来更新在工作中遇到的一些图片解析内容

一、OCR是什么

OCR(Optical Character Recognition,光学字符识别) 是​一种将图片中的文字自动识别并转换为可编辑文本的技术。比如:

  • 把一张手写笔记的照片 ➡️ 转成Word文档
  • 把扫描的PDF文件 ➡️ 转成可搜索的文本

二、Python中如何实现OCR

请见:基于Tesseract OCR的文本识别方法及代码示例

1.简单应用

python 复制代码
from PIL import Image
import pytesseract

# 设置Tesseract路径(根据你的安装位置修改)
pytesseract.pytesseract.tesseract_cmd = r'E:\developer_tools\Tesseract-OCR\tesseract.exe'

# 打开图片
image = Image.open("test.png")

# 识别文字
text = pytesseract.image_to_string(image, lang='chi_sim+eng')  # 中英文混合识别

# 打印结果
print(text)

三、OCR的核心步骤

1.​图像预处理​(提高识别准确率)

  • 灰度化:将彩色图转为黑白
  • 二值化:让文字更清晰
  • 去噪:去除背景干扰
python 复制代码
import cv2
image = cv2.imread("test.png")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)  # 转为灰度
_, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY)  # 二值化

2.​文字识别

python 复制代码
text = pytesseract.image_to_string(binary, lang='chi_sim')

3.​输出结果

  • 直接保存为文本文件
  • 生成可搜索的PDF(如你问题中的代码)

四、OCR到的应用场景

场景 说明
文档数字化 扫描件/照片转文本
车牌识别 停车场自动识别车牌
发票识别 自动提取发票金额、日期
手写笔记识别 将手写内容转为电子版

五、注意事项

1.图像质量决定效果 :模糊、倾斜、低对比度的图片识别率低。

2.多语言支持 :Tesseract支持100+种语言,需额外下载语言包。

3.复杂布局处理:表格、多列文本可能需要更复杂的处理。

六、扩展学习

  • 其他OCR库
    • easyocr:更适合中文场景
    • paddleocr:百度开发的OCR工具(中文效果优秀)
  • 深度学习OCR
    • 使用YOLO等模型实现更复杂的文本检测和识别。
相关推荐
开开心心_Every15 小时前
多线程语音识别工具
javascript·人工智能·ocr·excel·语音识别·symfony
Hi2024021715 小时前
支持OCR和AI解释的Web PDF阅读器:解决大文档阅读难题
pdf·flask·llm·ocr·阅读器
kevin 115 小时前
如何识别发票特殊版式?OCR大模型如何颠覆传统并保证准确率?
ocr
愿你天黑有灯下雨有伞1 天前
告别复杂配置!Spring Boot优雅集成百度OCR的终极方案
spring boot·百度·ocr
胡耀超2 天前
基于Docker的GPU版本飞桨PaddleOCR部署深度指南(国内镜像)2025年7月底测试好用:从理论到实践的完整技术方案
运维·python·docker·容器·ocr·paddlepaddle·gpu
2301_787725652 天前
通用图片 OCR 到 Word API 数据接口
ocr
EkihzniY4 天前
护照阅读器在上海迪士尼乐园
ocr
思通数科x4 天前
病历数智化3分钟:AI重构医院数据价值链
大数据·图像处理·人工智能·目标检测·计算机视觉·重构·ocr
EkihzniY5 天前
OCR 身份识别:让身份信息录入场景更高效安全
安全·ocr
EkihzniY10 天前
OCR 赋能档案数字化:让沉睡的档案 “活” 起来
ocr