python怎么實現(xiàn)圖片轉文字

本文小編為大家詳細介紹“python怎么實現(xiàn)圖片轉文字”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“python怎么實現(xiàn)圖片轉文字”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學習新知識吧。

python圖片轉文字

用python+Tesseract-OCR做了一個圖片轉文字的小工具，GUI設計使用tkinter庫的控件

界面及效果見下圖：

#進一步優(yōu)化  1. 底部添加label   2.對識別后的文本處理，去空格


from PIL import Image as PImage
from PIL import ImageTk
import pytesseract
from tkinter import *
from tkinter import filedialog
from tkinter.scrolledtext import ScrolledText
import re

# 將圖片內(nèi)容翻譯為文字，顯示在文本框內(nèi)
def trans():
    contents.delete('1.0', END)
    transTxt = pytesseract.image_to_string(PImage.open(filePath.get()),lang='chi_sim')
    #對transTxt進行處理  去空格，換行符去重
    transTxt = transTxt.strip('\n\r')   #無參數(shù)可以刪除開頭結尾的空格\n\t\r
    print(transTxt)
    contents.insert( INSERT, transTxt.replace(' ','').replace('\n\n','\n').replace('\r',''))

#打開圖片文件，顯示路徑，并將圖片展現(xiàn)
def openfile():
    filename.delete('1.0', END)
    filePath.set(filedialog.askopenfilename())
    filename.insert(1.0,filePath.get())
    org_img = PImage.open(filePath.get())
    #調(diào)整圖片顯示大小 600*800
    w,h = org_img.size
    if w>600:
        h=int(h*600/w)
        w=600
    if h>800:
        w=int(w*800/h)
        h=800
    img = ImageTk.PhotoImage(org_img.resize((w,h)))
    showPic.config(image=img)
    showPic.image = img       #保持一個引用才能顯示圖片，tkinter的BUG
    

#設置主窗口
top = Tk()
top.title("OCR圖片轉文字  引擎：Tesseract-OCR  Made by: kaivis")
#top.iconbitmap("./pic/y1.ico")
top.geometry("1200x800")

filePath=StringVar()

bt_img1 = ImageTk.PhotoImage( file= "./pic/Outbox1.png")
bt_img2 = ImageTk.PhotoImage( file= "./pic/bt_img2.png")

#第一個窗體
frame1 = Frame (top, relief=RAISED, borderwidth=2)
frame1.pack(side=TOP, fill=BOTH,  ipady=5, expand=0)
Label(frame1,height=1,text="圖片路徑：").pack(side=LEFT)
filename = Text(frame1,height=2)
filename.pack(side=LEFT,padx=1, pady=0,expand=True, fill=X)
Button(frame1,text="打開文件", image=bt_img1, command=openfile).pack(side=LEFT,padx=5, pady=0)
Button(frame1,text="中文識別", image=bt_img2, command=trans).pack(side=LEFT,padx=5, pady=0)

#第二個窗體
frame2 = Frame (top, relief=RAISED, borderwidth=2)
frame2.pack (side=LEFT, fill=BOTH,  expand=1)
Label(frame2,text='圖片顯示：',borderwidth=5).pack(side=TOP,padx=20,pady=5)
showPic = Label(frame2,text='圖片顯示區(qū)')
showPic.pack(side=BOTTOM,expand=1,fill=BOTH)

#第三個窗體
frame3 = Frame (top)
frame3.pack (side=RIGHT, fill=BOTH,  expand=1)
#contents = ScrolledText(frame3)
Label(frame3,text='識別結果：',borderwidth=5).pack(side=TOP,padx=20,pady=10)
contents = Text(frame3,font=('Arial',15))
contents.pack(side=TOP,expand=1,fill=BOTH)
Label(frame3,text='Copyright 2021 baidu.com ALL Rights Reserved',borderwidth=5).pack(side=BOTTOM,padx=20,pady=10)

top.mainloop()

存在的問題：

• 識別率不高，對緊密型的漢字更是難以做到較高的準確率，有沒有更好的OCR引擎呢

• 識別后的文字已經(jīng)做了去空格處理 ，文本可以進一步優(yōu)化，特別是多余的換行符需要處理

python截圖轉文字功能

由于在網(wǎng)上找資料時，經(jīng)常遇到文章無法復制的情況，為了能夠快速copy想要的文字，于是就想寫一個python程序去實現(xiàn)截圖轉文字的功能。

1. 思路

首先要有記錄鍵盤的功能(讓程序知道你在截圖) - keyboard庫截圖后需要接收圖像 - ImageGrab庫獲取圖像后要進行文字識別 - 百度AI文字識別API

2. 實現(xiàn)

2.1 導入相關庫

2.2 創(chuàng)建類，并編寫實現(xiàn)截圖保存的函數(shù)

由于我使用的是win10自帶的截圖軟件，所以截圖熱鍵為‘win+shift+s’，大家可以根據(jù)截圖軟件的不同自由更改。

2.3 編寫圖片轉文字的函數(shù)

先去百度智能云官網(wǎng)申請一個圖像識別的API。

將參數(shù)寫入程序：

編寫轉文字函數(shù)：

2.5 運行

使用時創(chuàng)建類，調(diào)用兩個函數(shù)即可：

2.6 效果

運行程序，隨意在百度文庫的一篇文章里截一張圖：

結果如下：

注意：

由2.6運行結果可知，效果還是不錯的。完美解決了我當前的需求。

讀到這里，這篇“python怎么實現(xiàn)圖片轉文字”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領會，如果想了解更多相關內(nèi)容的文章，歡迎關注億速云行業(yè)資訊頻道。