初窥强大，AI识别技术实现图像转文字（OCR技术）

news/2025/2/9 3:01:39 标签: 人工智能

⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️
🐴作者：秋无之地

🐴简介：CSDN爬虫、后端、大数据、人工智能领域创作者。目前从事python全栈、爬虫和人工智能等相关工作，主要擅长领域有：python全栈、爬虫、大数据开发、人工智能等。

🐴欢迎小伙伴们点赞👍🏻、收藏⭐️、留言💬、关注🤝，关注必回关

前言:

上一篇讲到采用AI技术Docling实现高效地解析和转换多种文档格式。无论是PDF、Word文档，还是PPT、Excel表格，Docling都能够高效地解析和转换多种文档格式，将文档内容以HTML、Markdown和JSON等格式呈现，并支持OCR识别和表格结构的解析。

今天就来“初窥强大”，AI识别技术实现图像转文字（OCR技术）。

一、OCR技术的介绍

1、OCR技术是个啥

OCR（Optical Character Recognition，光学字符识别）技术是一种将图像中的文字转换为计算机可编辑文本格式的技术。

OCR 技术凭借其高效、准确的文字识别能力，在众多行业和领域都有广泛应用，以下是一些主要的方面。

金融行业

  • 票据处理：银行等金融机构每天会处理大量的票据，如支票、汇票、存单等。OCR 技术可快速准确地识别票据上的文字信息，包括金额、账号、日期等，实现票据处理的自动化，提高处理效率，降低人工录入的错误率。
  • 信用卡审批：在信用卡申请审批过程中，OCR 技术可以识别申请人提交的身份证、工作证明等文件上的文字信息，快速提取关键数据，辅助银行进行风险评估和审批决策。

医疗行业

  • 病历管理：医院的病历资料通常包含大量的文字信息，使用 OCR 技术可以将纸质病历快速转换为电子文本，方便医生查阅、检索和分析患者的病史、诊断结果等信息，提高医疗服务的效率和质量。
  • 医疗报告解读：对于一些医学检验报告、影像诊断报告等，OCR 技术能够识别其中的文字内容，结合自然语言处理技术，帮助医生更快速地理解报告信息，做出准确的诊断。

教育行业

  • 试卷批改：在考试阅卷过程中，OCR 技术可以识别学生答题卡上的答案信息，实现客观题的自动批改，提高阅卷效率。同时，对于一些手写的主观题，也可以通过 OCR 技术进行文字识别，辅助教师进行批改。
  • 数字化教学资源建设：将纸质教材、教案、文献资料等转化为电子文本，便于制作数字化教学资源，如电子课件、在线课程等，方便学生学习和教师教学。

物流行业

  • 快递面单识别：快递包裹上的面单包含了收件人、寄件人、地址等重要信息，OCR 技术可以快速准确地识别这些信息，实现包裹信息的自动化录入和跟踪，提高物流配送的效率和准确性。
  • 物流单据处理：在物流运输过程中，涉及到各种单据，如托运单、提货单等。OCR 技术可以对这些单据上的文字信息进行识别和提取，实现物流信息的数字化管理，方便物流企业进行业务调度和跟踪。
2、技术原理
  • 图像预处理：对输入的图像进行处理，包括灰度化、降噪、二值化、倾斜校正等操作，以提高图像的质量，便于后续的字符分割和识别。例如，通过灰度化将彩色图像转换为黑白图像，减少数据量；利用降噪算法去除图像中的噪声点，使文字更加清晰。
  • 字符分割：尝试将文本中的字符分割开，对于手写文字或不规则排列的文字，这一步尤为重要。方法包括基于字符间距、笔画连接等特征进行分割。比如在识别手写体时，根据笔画的走势和间隔，将每个字符准确地分离出来。
  • 特征提取：提取字符的特征，如笔画特征、轮廓特征、结构特征等。这些特征是识别字符的关键依据，不同的字体、字号可能具有不同的特征组合。以汉字为例，可能会提取笔画的端点、交叉点、弯曲度等特征。
  • 分类识别：将提取的特征与预定义字库对比，以找出最匹配的字符。常用的分类方法包括模板匹配、神经网络、支持向量机等。例如模板匹配就是将待识别字符与字库中的模板进行逐一比对，计算相似度，选择相似度最高的模板对应的字符作为识别结果。
  • 后处理：对识别结果进行校正、修补和质量评估等处理。如通过语言模型、上下文信息来纠正可能出现的识别错误，提高识别的准确性和可靠性。比如在一段英文文本中，根据语法和词汇搭配，对识别出的单词进行校正。

3、技术应用
  • 文档处理：能快速将纸质文档中的文字转换为电子文本，便于编辑、存储和检索，提高办公效率。如将大量的纸质合同、文件转换为电子文档，方便进行文字搜索和内容修改。
  • 数字图书馆：把扫描的图书、文献等转化为可搜索的文本，既方便读者查阅，也有利于图书资源的长期保存和传播。
  • 车牌识别：在智能交通系统中，用于识别车辆号牌，实现自动收费、违章监控等功能。通过对车牌图像的处理和字符识别，快速准确地获取车牌号码信息。
  • 身份证识别：在公安、银行等领域，快速识别身份证上的文字信息，用于身份验证和信息录入，提高业务办理的效率和准确性。
  • 图像识别：在处理包含文字的图像时，能够提取其中的文字信息，为图像分析和理解提供支持。比如在分析广告图片、宣传海报等时，提取其中的文字内容进行语义分析。

二、OCR技术的接入

1、选择第三方OCR服务

看到这里，或许有人疑惑，为啥要接入第三方的服务，自己安装训练不可以吗？

可以，但效率太低，而且第三方的服务已经很成熟，而且有些是免费试用的或有一定试用额度的。

常用的第三方OCR服务有如下几种：

  • 阿里云的OCR服务

  • 百度的OCR服务

  • 华为云的OCR服务

基于识别准确度、使用成本和接入复杂度，优先选择阿里云的OCR服务。

2、开通服务

在阿里云控制台——>搜索“文字识别”——>服务管理与开通，点击开通，结果如下：

  • 统一识别有每月200次的额度
  • 通用票证识别免费试用

3、根据开发文档安装SDK

打开“通用票证识别”的文档：RecognizeGeneralStructure - 通用票证抽取_文字识别(OCR)-阿里云帮助中心

点击“调试页面”，可以看到SDK的python示例：

安装SDK命令：

pip install alibabacloud_ocr_api20210707==3.1.2
4、连接服务
@staticmethod
def create_client() -> ocr_api20210707Client:
    """
    使用AK&SK初始化账号Client
    @return: Client
    @throws Exception
    """
    # 工程代码泄露可能会导致 AccessKey 泄露，并威胁账号下所有资源的安全性。以下代码示例仅供参考。
    # 建议使用更安全的 STS 方式，更多鉴权访问方式请参见：https://help.aliyun.com/document_detail/378659.html。
    config = open_api_models.Config(
        # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_ID。,
        access_key_id='xxx',
        # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_SECRET。,
        access_key_secret='xxx'
    )
    # Endpoint 请参考 https://api.aliyun.com/product/ocr-api
    config.endpoint = f'ocr-api.cn-hangzhou.aliyuncs.com'
    return ocr_api20210707Client(config)
5、调用函数
@staticmethod
def main(img_link=''):
    client = aliyunOcrImgPiao.create_client()
    recognize_general_structure_request = ocr_api_20210707_models.RecognizeGeneralStructureRequest(
        url=img_link,
        keys=['统一社会信用代码','名称类型','公司类型','注册资本','住所','成立日期','法定代表人']
    )
    runtime = util_models.RuntimeOptions()
    img_info = {}
    try:
        # 复制代码运行请自行打印 API 的返回值
        resp = client.recognize_general_structure_with_options(recognize_general_structure_request, runtime)
        # print(resp.body.data)
        for i in resp.body.data.sub_images:
            img_info = i.kv_info.data
            break
    except Exception as error:
        # 此处仅做打印展示，请谨慎对待异常处理，在工程项目中切勿直接忽略异常。
        # 错误 message
        print(error)
        # 诊断地址
        print(error)
        UtilClient.assert_as_string(error)
    #更改key
    new_info = {
        'creditCode':img_info['统一社会信用代码'],
        'legalPerson':img_info['法定代表人'],
        'companyName': img_info['名称类型'],
        'companyType':img_info['公司类型'],
        'businessAddress':img_info['住所'],
        'RegistrationDate':img_info['成立日期'],
        'registeredCapital':img_info['注册资本'],
    }
    print("输出结果：",new_info)
    return new_info

三、完整代码

# -*- coding: utf-8 -*-
import os
import sys

from typing import List

from alibabacloud_ocr_api20210707.client import Client as ocr_api20210707Client
from alibabacloud_tea_openapi import models as open_api_models
from alibabacloud_ocr_api20210707 import models as ocr_api_20210707_models
from alibabacloud_tea_util import models as util_models
from alibabacloud_tea_util.client import Client as UtilClient


class aliyunOcrImgPiao:
    '''阿里云票证OCR识别（不限额度）'''
    def __init__(self):
        pass

    @staticmethod
    def create_client() -> ocr_api20210707Client:
        """
        使用AK&SK初始化账号Client
        @return: Client
        @throws Exception
        """
        # 工程代码泄露可能会导致 AccessKey 泄露，并威胁账号下所有资源的安全性。以下代码示例仅供参考。
        # 建议使用更安全的 STS 方式，更多鉴权访问方式请参见：https://help.aliyun.com/document_detail/378659.html。
        config = open_api_models.Config(
            # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_ID。,
            access_key_id='xxx',
            # 必填，请确保代码运行环境设置了环境变量 ALIBABA_CLOUD_ACCESS_KEY_SECRET。,
            access_key_secret='xxx'
        )
        # Endpoint 请参考 https://api.aliyun.com/product/ocr-api
        config.endpoint = f'ocr-api.cn-hangzhou.aliyuncs.com'
        return ocr_api20210707Client(config)

    @staticmethod
    def main(img_link=''):
        client = aliyunOcrImgPiao.create_client()
        recognize_general_structure_request = ocr_api_20210707_models.RecognizeGeneralStructureRequest(
            url=img_link,
            keys=['统一社会信用代码','名称类型','公司类型','注册资本','住所','成立日期','法定代表人']
        )
        runtime = util_models.RuntimeOptions()
        img_info = {}
        try:
            # 复制代码运行请自行打印 API 的返回值
            resp = client.recognize_general_structure_with_options(recognize_general_structure_request, runtime)
            # print(resp.body.data)
            for i in resp.body.data.sub_images:
                img_info = i.kv_info.data
                break
        except Exception as error:
            # 此处仅做打印展示，请谨慎对待异常处理，在工程项目中切勿直接忽略异常。
            # 错误 message
            print(error)
            # 诊断地址
            print(error)
            UtilClient.assert_as_string(error)
        #更改key
        new_info = {
            'creditCode':img_info['统一社会信用代码'],
            'legalPerson':img_info['法定代表人'],
            'companyName': img_info['名称类型'],
            'companyType':img_info['公司类型'],
            'businessAddress':img_info['住所'],
            'RegistrationDate':img_info['成立日期'],
            'registeredCapital':img_info['注册资本'],
        }
        print("输出结果：",new_info)
        return new_info


if __name__ == '__main__':
    obj_ = aliyunOcrImgPiao()
    obj_.main(img_link='https://xxx.com/123.png')

版权声明

本文章版权归作者所有，未经作者允许禁止任何转载、采集，作者保留一切追究的权利。


http://www.niftyadmin.cn/n/5845466.html

相关文章

Vue中el-table定义单元格底色的几种方式

Vue中el-table定义单元格底色的几种方式

1. 使用 row-class-name 属性 这种方式可以为整行设置样式类&#xff1a; <template><el-table :data"tableData" :row-class-name"tableRowClassName"><!-- 表格列定义 --></el-table> </template><script> export…
阅读更多...
计算机网络笔记再战——理解几个经典的协议6——TCP与UDP

计算机网络笔记再战——理解几个经典的协议6——TCP与UDP

目录 先说端口号 TCP 使用序号保证顺序性和应答来保证有效性 超时重传机制 TCP窗口机制 UDP 路由协议 协议分类&#xff1a;IGP和EGP 几个经典的路由算法 RIP OSPF 链路状态数据库&#xff08;LSDB&#xff09; LSA&#xff08;Link State Advertisement&#xff0…
阅读更多...
全网多平台媒体内容解析工具使用指南

全网多平台媒体内容解析工具使用指南

一、工具特性概述 近期体验了一款基于Web端的多媒体解析服务&#xff0c;该平台通过技术创新实现跨平台内容解析功能&#xff0c;主要特点如下&#xff1a; 1.1 跨平台支持 兼容主流社交媒体&#xff1a;Bilibili、YouTube、Twitter、Instagram等 支持短视频平台&#xff1a…
阅读更多...
2025 IT职业发展方向及推荐

2025 IT职业发展方向及推荐

一、云计算与DevOps&#xff08;推荐指数&#xff1a;★★★★★&#xff09; 推荐理由&#xff1a; 市场需求&#xff1a; 据Gartner报告&#xff0c;2025年全球公有云市场规模将突破8300亿美元&#xff0c;但混合云管理人才缺口达400万&#xff08;IDC数据&#xff09;。 企…
阅读更多...
5.【BUUCTF】[BJDCTF2020]Easy MD5及知识点

5.【BUUCTF】[BJDCTF2020]Easy MD5及知识点

进入题目页面如下 尝试提交XSS攻击以及sql注入 并没有回显&#xff0c;尝试无果&#xff0c;用burp suite抓取响应包查看一下&#xff0c;右键→拦截→拦截响应 在响应中找到了响应头 Hint&#xff1a;select * from ‘admin’ where password md5($pass,ture) 给出提示MD5 SQ…
阅读更多...
文件上传到腾讯云存储、签名及设置过期时间

文件上传到腾讯云存储、签名及设置过期时间

将文件上传到腾讯云对象存储&#xff08;COS&#xff0c;Cloud Object Storage&#xff09;可以通过腾讯云提供的 SDK 实现。以下是详细的步骤和示例代码&#xff0c;帮助您完成文件上传操作。 步骤 注册腾讯云账号并创建存储桶&#xff1a; &#xff08;1&#xff09;登录腾讯…
阅读更多...
MAC OS安装Homebrew

MAC OS安装Homebrew

文章目录 1.下载Homebrew2.完成安装3.验证安装4.更新 Homebrew作为一个包管理器&#xff0c;提供了一种简便的方式来安装、更新和卸载各种命令行工具和应用程序。相比于手动下载和编译源代码&#xff0c;或者从不同的网站下载安装包&#xff0c;使用Homebrew可以显著减少这些操…
阅读更多...
采用idea中的HTTP Client插件测试

采用idea中的HTTP Client插件测试

1.安装插件 采用idea中的HTTP Client插件进行接口测试,好处是不用打开post/swagger等多个软件,并且可以保存测试时的参数,方便后续继续使用. 高版本(2020版本以上)的idea一般都自带这个插件,如果没有也可以单独安装. 2.使用 插件安装完成(或者如果idea自带插件),会在每个Con…
阅读更多...
最新文章

Copyright @ 2022~2023