Python怎么實現(xiàn)OCR識別

這篇文章主要講解了“Python怎么實現(xiàn)OCR識別”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python怎么實現(xiàn)OCR識別”吧！

目錄

• 前期準(zhǔn)備
  

• 界面編寫
  

• 截圖功能實現(xiàn)
  

• OCR實現(xiàn)
  

• 內(nèi)容顯示
  

  
  

前期準(zhǔn)備

在這個階段主要準(zhǔn)備整個小程序的結(jié)構(gòu)，既然要實現(xiàn)ocr，那么輸入就是一張圖片，而圖片這里采用屏幕截圖的方式獲得，輸出是文字，這里采用搜狗的ocr接口，我們把截好的圖片傳到搜狗ocr接口中，然后把返回的文字作為輸出即可。

由于想做一個小程序，所以要為程序做GUI，這里采用tkinter編制GUI界面。

界面編寫

界面主要就準(zhǔn)備一個窗體，里面有菜單，給出OCR功能。

之后我們點擊菜單，則啟動一個截圖功能，在截圖完成后，我們就把截得的圖片傳入ocr接口并返回文字到主窗體中。

主面板的編寫則直接使用tkinter建立菜單等

	root = Tk() 
	root.title("小新的OCR")
	# 創(chuàng)建一個頂級菜單
    menubar = Menu(root)
    # 創(chuàng)建一個下拉菜單“文件”，然后將它添加到頂級菜單中
    filemenu = Menu(menubar, tearoff=False)
    filemenu.add_command(label="OCR", command=buttonCaptureClick, accelerator='Ctrl+N')
    filemenu.add_command(label="幫助",command=helpClick)
    filemenu.add_command(label="退出", command=root.quit)
    menubar.add_cascade(label="操作", menu=filemenu)
    # 顯示菜單
    root.config(menu=menubar)
    root.bind_all("<Control-d>", lambda event: buttonCaptureClick())
    #啟動消息主循環(huán)
    root.mainloop()

這樣變回產(chǎn)生一個窗體，用戶可以和這個窗體進(jìn)行交互，你可以點擊菜單，然后找到其子菜單中的OCR一項，點擊它便會調(diào)用一個buttonCaptureClick的函數(shù)，這個函數(shù)就來產(chǎn)生截圖，并且保存截圖。

截圖功能實現(xiàn)

截圖功能我也是參考網(wǎng)上的內(nèi)容，原理就是先把整個屏幕給捕捉到，然后監(jiān)聽鼠標(biāo)事件，當(dāng)鼠標(biāo)左邊按下則作為截圖的左頂點，鼠標(biāo)左鍵松下則最為截圖的右底點，這樣我們截圖區(qū)域就出來了，然后進(jìn)行保存即可。

#用來顯示全屏幕截圖并響應(yīng)二次截圖的窗口類
class MyCapture:
    def __init__(self, png):
        #變量X和Y用來記錄鼠標(biāo)左鍵按下的位置
        self.X = tkinter.IntVar(value=0)
        self.Y = tkinter.IntVar(value=0)
        #屏幕尺寸
        screenWidth = root.winfo_screenwidth()
        screenHeight = root.winfo_screenheight()
        #創(chuàng)建頂級組件容器
        self.top = tkinter.Toplevel(root, width=screenWidth, height=screenHeight)
        #不顯示最大化、最小化按鈕
        self.top.overrideredirect(True)
        self.canvas = tkinter.Canvas(self.top,bg='white', width=screenWidth, height=screenHeight)
        #顯示全屏截圖，在全屏截圖上進(jìn)行區(qū)域截圖
        self.image = tkinter.PhotoImage(file=png)
        self.text =""
        self.canvas.create_image(screenWidth//2, screenHeight//2, image=self.image)
        #鼠標(biāo)左鍵按下的位置
        def onLeftButtonDown(event):
            self.X.set(event.x)
            self.Y.set(event.y)
            #開始截圖
            self.sel = True
        self.canvas.bind('<Button-1>', onLeftButtonDown)
        #鼠標(biāo)左鍵移動，顯示選取的區(qū)域
        def onLeftButtonMove(event):
            if not self.sel:
                return
            global lastDraw
            try:
                #刪除剛畫完的圖形，要不然鼠標(biāo)移動的時候是黑乎乎的一片矩形
                self.canvas.delete(lastDraw)
            except Exception as e:
                pass
            lastDraw = self.canvas.create_rectangle(self.X.get(), self.Y.get(), event.x, event.y, outline='black')
        self.canvas.bind('<B1-Motion>', onLeftButtonMove)
        #獲取鼠標(biāo)左鍵抬起的位置，保存區(qū)域截圖
        def onLeftButtonUp(event):
            self.sel = False
            try:
                self.canvas.delete(lastDraw)
            except Exception as e:
                pass
            sleep(0.1)
            #考慮鼠標(biāo)左鍵從右下方按下而從左上方抬起的截圖
            left, right = sorted([self.X.get(), event.x])
            top, bottom = sorted([self.Y.get(), event.y])
            pic = ImageGrab.grab((left+1, top+1, right, bottom))
            fileName ="temp.jpg"
            pic.save(fileName)
            self.text = get_text(fileName)
            #關(guān)閉當(dāng)前窗口
            self.top.destroy()
        self.canvas.bind('<ButtonRelease-1>', onLeftButtonUp)
#讓canvas充滿窗口，并隨窗口自動適應(yīng)大小
        self.canvas.pack(fill=tkinter.BOTH, expand=tkinter.YES)
 #開始截圖
def buttonCaptureClick():
    #最小化主窗口
#     root.state('icon')
    root.withdraw()
    sleep(0.4)
    filename = 'temp.png'
    #grab()方法默認(rèn)對全屏幕進(jìn)行截圖
    im = ImageGrab.grab()
    im.save(filename)
    im.close()
    #顯示全屏幕截圖
    w = MyCapture(filename)
    root.wait_window(w.top)
    #截圖結(jié)束，恢復(fù)主窗口，并刪除臨時的全屏幕截圖文件
    root.update()
    root.deiconify()
    text1.config(state = NORMAL)
    text1.delete(0.0,END)
    text1.insert('insert',w.text)
    text1.config(state = DISABLED)
    text1.pack()
    os.remove(filename)

OCR實現(xiàn)

因為OCR其實是采用了搜狗的接口，所以需要做的工作也不是很多，只需要把我們的圖片傳入即可。

def get_text(img_path):
    print("")
    img = img_path # 圖片路徑
    files = {"pic_path": open(img, "rb")}  # files # 類似data數(shù)據(jù)
    url = "http://pic.sogou.com/pic/upload_pic.jsp"  # post的url
    keywords = requests.post(url, files=files).text  # requests 提交圖片
    url = "http://pic.sogou.com/pic/ocr/ocrOnline.jsp?query=" + keywords  # keywords就是圖片url此方式為get請求
    ocrResult = requests.get(url).json()  # 直接轉(zhuǎn)換為json格式
    
    contents = ocrResult['result']  # 類似字典 把result的value值取出來 是一個list然后里面很多json就是識別的文字
    text = ""
    for content in contents:  # 遍歷所有結(jié)果
        text+=(content['content'].strip()+'\n')  # strip去除空格 他返回的結(jié)果自帶一個換行
    return text

內(nèi)容顯示

內(nèi)容顯示是在截圖結(jié)束后我們把ocr識別的內(nèi)容存儲起來

self.text = get_text(fileName)

然后再顯示到主窗體上

text1.config(state = NORMAL)
    text1.delete(0.0,END)
    text1.insert('insert',w.text)
    text1.config(state = DISABLED)
    text1.pack()

感謝各位的閱讀，以上就是“Python怎么實現(xiàn)OCR識別”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對Python怎么實現(xiàn)OCR識別這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關(guān)知識點的文章，歡迎關(guān)注！