酷应用

用 Python 写了一个图像文字识别 OCR 工具

百家作者：程序员的那些事 2022-03-23 19:38:31

引言

最近聊到一个关于图像文字识别的需求，在工作、生活中常常会用到，比如票据、漫画、扫描件、照片的文本提取。

博主基于 PyQt + labelme + PaddleOCR 写了一个桌面端的OCR工具，用于快速实现图片中文本区域自动检测+文本自动识别。

识别效果如下图所示：

所有框选区域为OCR算法自动检测，右侧列表有每个框对应的文字内容；点击右侧“识别结果”中的文本记录，然后点击“复制到剪贴板”即可复制该文本内容。

功能列表

文本区域检测+文字识别
文本区域可视化
文字内容列表
图像、文件夹加载
图像滚轮缩放查看
绘制区域、编辑区域
复制所选文本识别结果

OCR部分

图像文字检测+文字识别算法，主要借助 paddleocr 实现。

创建或者选择一个虚拟环境，安装需要用到的第三方库。

conda?create?-n?ocr
conda?activate?ocr

安装框架

如果你没有NVIDIA GPU，或GPU不支持CUDA，可以安装CPU版本：

#?CPU版本
pip?install?paddlepaddle==2.1.0?-i?https://mirror.baidu.com/pypi/simple?

如果你的GPU安装过CUDA9或CUDA10，cuDNN 7.6+，可以选择下面这个GPU版本：

#?GPU版本
python3?-m?pip?install?paddlepaddle-gpu==2.1.0?-i?https://mirror.baidu.com/pypi/simple

安装 PaddleOCR

安装paddleocr：

pip?install?"paddleocr>=2.0.1"?#?推荐使用2.0.1+版本

版面分析，需要安装 Layout-Parser：

pip3?install?-U?https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

测试安装是否成功

安装完成后，测试一张图片--image_dir ./imgs/11.jpg，采用中英文检测+方向分类器+识别全流程：

paddleocr?--image_dir?./imgs/11.jpg?--use_angle_cls?true?--use_gpu?false

输出一个list：

在python中调用

from?paddleocr?import?PaddleOCR,?draw_ocr

#?Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换
#?例如`ch`,?`en`,?`fr`,?`german`,?`korean`,?`japan`
ocr?=?PaddleOCR(use_angle_cls=True,?lang="ch")??#?need?to?run?only?once?to?download?and?load?model?into?memory
img_path?=?'./imgs/11.jpg'
result?=?ocr.ocr(img_path,?cls=True)
for?line?in?result:
????print(line)

输出结果是一个list，每个item包含了文本框，文字和识别置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], ['纯臻营养护发素', 0.964739]] [[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], ['产品信息/参数', 0.98069626]] [[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], ['（45元/每公斤，100公斤起订）', 0.9676722]] ......

界面部分

界面部分基于pyqt5实现，其中pyqt GUI程序开发入门和环境配置，详见一篇博客(具体见文末)。

主要步骤：

界面布局设计

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

利用 pyuic 自动生成界面代码

在 pycharm 的项目文件结构中找到*.ui文件，右键——External Tools——pyuic，会在ui文件同级目录下自动生成界面 ui 的 Python 代码。

编写界面业务类

业务类 MainWindow 实现程序逻辑和算法功能，与前面第2步生成的ui实现解耦，避免每次修改ui文件会影响业务代码。ui界面上的控件可以通过self._ui.xxxObjectName 访问。

class?MainWindow(QMainWindow):
?FIT_WINDOW,?FIT_WIDTH,?MANUAL_ZOOM?=?0,?1,?2

?def?__init__(self):
??super().__init__()??#?调用父类构造函数，创建QWidget窗体
??self._ui?=?Ui_MainWindow()??#?创建ui对象
??self._ui.setupUi(self)??#?构造ui
??self.setWindowTitle(__appname__)

??#?加载默认配置
??config?=?get_config()
??self._config?=?config????
??
??#?单选按钮组
????????self.checkBtnGroup?=?QButtonGroup(self)
????????self.checkBtnGroup.addButton(self._ui.checkBox_ocr)
????????self.checkBtnGroup.addButton(self._ui.checkBox_det)
????????self.checkBtnGroup.addButton(self._ui.checkBox_recog)
????????self.checkBtnGroup.addButton(self._ui.checkBox_layoutparser)
????????self.checkBtnGroup.setExclusive(True)?????

实现界面业务逻辑

对主界面上的按钮、列表、绘图控件进行信号槽连接。自定义的槽函数不用专门声明，如果是自定义的信号，需要在类__init__()前加上 yourSignal= pyqtSignal(args)。

这里以按钮响应函数、列表响应函数为例。按钮点击的信号是 clicked，listWidget列表切换选择的信号是 itemSelectionChanged 。

#?按钮响应函数
self._ui.btnOpenImg.clicked.connect(self.openFile)
self._ui.btnOpenDir.clicked.connect(self.openDirDialog)
self._ui.btnNext.clicked.connect(self.openNextImg)
self._ui.btnPrev.clicked.connect(self.openPrevImg)
self._ui.btnStartProcess.clicked.connect(self.startProcess)
self._ui.btnCopyAll.clicked.connect(self.copyToClipboard)
self._ui.btnSaveAll.clicked.connect(self.saveToFile)
self._ui.listWidgetResults.itemSelectionChanged.connect(self.onItemResultClicked)