通过百度OCR在线API识别带水印扫描图片文字

目录

[0 环境准备](#0 环境准备)

[1 百度OCR API申请](#1 百度OCR API申请)

[1.1 登录百度智能云](#1.1 登录百度智能云)

[1.2 创建应用](#1.2 创建应用)

[1.3 获取API key和secret key](#1.3 获取API key和secret key)

[2 创建项目python环境](#2 创建项目python环境)

[2.1 conda创建python环境](#2.1 conda创建python环境)

[2.2 在pycharm中创建项目](#2.2 在pycharm中创建项目)

[2.3 激活python环境](#2.3 激活python环境)

[2.4 安装项目依赖包](#2.4 安装项目依赖包)

[3 程序逻辑实现](#3 程序逻辑实现)

[3.1 导入依赖包](#3.1 导入依赖包)

[3.2 定义百度key](#3.2 定义百度key)

[3.3 读取图片](#3.3 读取图片)

[3.4 百度ocr API鉴权](#3.4 百度ocr API鉴权)

[3.5 定义请求通用文字识别方法](#3.5 定义请求通用文字识别方法)

[3.6 调用识别方法](#3.6 调用识别方法)

[4 完整代码](#4 完整代码)

---

0 环境准备

• 已安装miniconda环境
• 已申请百度智能云账号，且已完成实名认证

1 百度OCR API申请

1.1 登录百度智能云

百度智能云控制台，访问该地址ocr创建应用。

作为学习使用，已完成个人认证。

1.2 创建应用

按下图方式创建ocr应用，完成此博客内容仅需勾选通用文字识别（标准版），此版本每月有1000次免费调用额度，qps为2，如需其他用途可自行勾选。

1.3 获取API key和secret key

在应用创建完成后可以看到key的弹框，也可以在应用列表查看应用的key，如下图。

2 创建项目python环境

2.1 conda创建python环境

conda create -n pdf_ocr_demo python=3.10

2.2 在pycharm中创建项目

• 解释器类型：选择自定义环境
• 环境：选择现有
• 类型：选择conda
• 环境：选择上一步创建的pdf_ocr_demo环境

2.3 激活python环境

conda activate pdf_ocr_demo

2.4 安装项目依赖包

pip install pillow 
pip install paddlepaddle
pip install paddleocr
pip install opencv-python 
pip install common dual tight data prox

3 程序逻辑实现

3.1 导入依赖包

import base64
import json

import cv2
import requests

3.2 定义百度key

请替换成自己申请的key。案例代码的key是无效的。

API_KEY="d75dzXXXXXUzM98"
SECRET_KEY = "fAGjY8DXXXXXtGfP39fO1TW"

3.3 读取图片

img_path = './temp_imgs/page_00008.png'
img = cv2.imread(img_path)

3.4 百度ocr API鉴权

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"

3.5 定义请求通用文字识别方法

def baidu_ocr(image_path):
    url = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=" + get_access_token()

    # 先验证图片是否能正常读取
    try:
        # 读取图片并检查尺寸
        img = cv2.imread(image_path)
        if img is None:
            raise ValueError("无法读取图片文件")

        height, width = img.shape[:2]
        if max(height, width) > 4096 or min(height, width) < 15:
            # 图片尺寸不符合要求，进行压缩
            scale = min(4096 / max(height, width), 1.0)
            img = cv2.resize(img, (int(width * scale), int(height * scale)))
            _, img_encoded = cv2.imencode('.jpg', img)
            image_data = img_encoded.tobytes()
        else:
            with open(image_path, "rb") as image_file:
                image_data = image_file.read()

    except Exception as e:
        print(f"图片处理失败: {e}")
        return

    headers = {
        'Content-Type': 'application/x-www-form-urlencoded',
        'Accept': 'application/json'
    }

    # 检查base64编码后大小
    image_base64 = base64.b64encode(image_data).decode('utf-8')
    if len(image_base64) > 10 * 1024 * 1024:
        # 图片太大，进行压缩，百度ocr只能接受base64值10M以下的图片
        quality = 90
        while len(image_base64) > 4 * 1024 * 1024 and quality > 10:
            _, img_encoded = cv2.imencode('.jpg', img, [int(cv2.IMWRITE_JPEG_QUALITY), quality])
            image_data = img_encoded.tobytes()
            image_base64 = base64.b64encode(image_data).decode('utf-8')
            quality -= 10
    payload = {
        'detect_direction': 'false',
        'detect_language': 'false',
        'paragraph': 'false',
        'probability': 'false',
        'image': image_base64  # 确保图片数据包含在payload中
    }

    response = requests.post(url, headers=headers, data=payload)

    try:
        result = response.json()
        if 'error_code' in result:
            print(f"OCR识别错误: {result['error_msg']} (代码: {result['error_code']})")
        else:
            for word_result in result['words_result']:
                print(word_result['words'])
    except ValueError:

        print("响应解析失败:", response.text)

3.6 调用识别方法

baidu_ocr(img_path)

4 完整代码

import base64
import json

import cv2
import requests

# 步骤1：PDF转高清图片
img_path = './temp_imgs/page_00008.png'
img = cv2.imread(img_path)

API_KEY="d75dXXXXXUzM98"
SECRET_KEY = "fAGjY8DIXXXXXtGfP39fO1TW"

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"))

# 步骤2：调用百度OCR（需申请API Key）
def baidu_ocr(image_path):
    url = "https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=" + get_access_token()

    # 先验证图片是否能正常读取
    try:
        # 读取图片并检查尺寸
        img = cv2.imread(image_path)
        if img is None:
            raise ValueError("无法读取图片文件")

        height, width = img.shape[:2]
        if max(height, width) > 4096 or min(height, width) < 15:
            # 图片尺寸不符合要求，进行压缩
            scale = min(4096 / max(height, width), 1.0)
            img = cv2.resize(img, (int(width * scale), int(height * scale)))
            _, img_encoded = cv2.imencode('.jpg', img)
            image_data = img_encoded.tobytes()
        else:
            with open(image_path, "rb") as image_file:
                image_data = image_file.read()

    except Exception as e:
        print(f"图片处理失败: {e}")
        return

    headers = {
        'Content-Type': 'application/x-www-form-urlencoded',
        'Accept': 'application/json'
    }

    # 检查base64编码后大小
    image_base64 = base64.b64encode(image_data).decode('utf-8')
    if len(image_base64) > 10 * 1024 * 1024:
        # 图片太大，进行压缩，百度ocr只能接受base64值10M以下的图片
        quality = 90
        while len(image_base64) > 4 * 1024 * 1024 and quality > 10:
            _, img_encoded = cv2.imencode('.jpg', img, [int(cv2.IMWRITE_JPEG_QUALITY), quality])
            image_data = img_encoded.tobytes()
            image_base64 = base64.b64encode(image_data).decode('utf-8')
            quality -= 10
    payload = {
        'detect_direction': 'false',
        'detect_language': 'false',
        'paragraph': 'false',
        'probability': 'false',
        'image': image_base64  # 确保图片数据包含在payload中
    }

    response = requests.post(url, headers=headers, data=payload)

    try:
        result = response.json()
        if 'error_code' in result:
            print(f"OCR识别错误: {result['error_msg']} (代码: {result['error_code']})")
        else:
            for word_result in result['words_result']:
                print(word_result['words'])
    except ValueError:

        print("响应解析失败:", response.text)


# 步骤3：合并识别结果
baidu_ocr(img_path)