【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
sali-tec8 小时前
C# 基于halcon的视觉工作流-章39-OCR识别
开发语言·图像处理·算法·计算机视觉·c#·ocr
AI人工智能+4 天前
AI攻克阿拉伯文OCR:深度学习如何破译千年文字密码
人工智能·深度学习·ocr·阿拉伯文识别
开开心心就好5 天前
PDF清晰度提升工具,让模糊文档变清晰
java·服务器·前端·python·智能手机·pdf·ocr
一条数据库5 天前
高质量票据识别数据集:1000张收据图像+2141个商品标注,支持OCR模型训练与文档理解研究
人工智能·ocr
中科逸视OCR14 天前
当OCR遇见NLP:解析深度学习发票识别中的语义理解与关系抽取模块
nlp·ocr·发票识别
EkihzniY16 天前
OCR 识别技术:各行业信息化转型的 “加速器”
ocr
虚行16 天前
一个海康相机OCR的程序
ocr
kevin 117 天前
智能文档处理业务,应该选择大模型还是OCR专用小模型?
ocr
空影星17 天前
Pot Translator,跨平台划词翻译与OCR工具
python·ocr·电脑
私人珍藏库17 天前
[Windows] 天若OCR开源版 6.0.0
ocr