初探利用Python进行图文识别(OCR)


Posted in Python onFebruary 26, 2019

话说什么是OCR?????

简介

OCR技术是光学字符识别的缩写(Optical Character Recognition),是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息,再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。适合于银行、税务等行业大量票据表格的自动扫描识别及长期存储。相对一般文本,通常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为OCR技术的评测依据;而相对于表格及票据,通常以识别率或整张通过率及识别速度为测定OCR技术的实用标准。

解析

采用OCR识别技术,可以将其应用于银行票据光盘缩微系统,可以自动提取票据要素,可减轻操作员的工作量,减少重复劳动,尤其是在与银行事后且监督系统相结合后,可以替代原先的操作人员完成事后监督工作。由计算机自动识别票据上的日期、帐号、金额等要素,通过银行事后监督系统与业务系统中的数据进行比较,完成传统的事后监督操作;配有印章验证系统后,自动将凭证图像中的印章与系统中预留的印鉴进行比较,完成印章的真伪识别。

OCR识别技术不仅具有可以自动判断、拆分、识别和还原各种通用型印刷体表格,在表格理解上做出了令人满意的实用结果,能够自动分析文稿的版面布局,自动分栏、并判断出标题、横栏、图像、表格等相应属性,并判定识别顺序,能将识别结果还原成与扫描文稿的版面布局一致的新文本。表格自动录入技术,可自动识别特定表格的印刷或打印汉字、字母、数字,可识别手写体汉字、手写体字母、数字及多种手写符号,并按表格格式输出。提高了表格录入效率,可节省大量人力。同时支持将表格识别直接还原成PTF、PDF、HTML等格式文档;并可以对图像嵌入横排文本和竖排文本、表格文本进行自动排版面分析。

利用目前的高新技术-OCR,直接从凭证影像中提取金额、帐号等重要数据,代替人的手工录入,与条码识别/流水识别紧密结合,实现建立事后副本帐、完成事后监督的工作。OCR处理一般使用性能较好的PC机,OCR处理程序一经启动会自动扫描数据库中的凭证影像,发现有需OCR处理而未处理的,提取到本地进行处理。

 

OCR手写体、印刷体识别技术,能识别不同人写的千差万别的手写体汉字和数字,应用于本系统,识别凭证影像中储户填写的信息,如大写金额、小写金额、帐号、存期、日期、证件号等,可以代替手工录入。同时被识别得出的金额还要与流水识别所得的金额进行核对,核对成功,则OCR识别成功。这样处理是为了避免误判。

 

经过对银行产生的实际凭证进行的大量测试,在实际开发过程中,根据银行的实际需求,OCR技术在票据和表格识别能力和手写体自动识别能力上不断提升,目前处理速度可达到每分钟60~80张票据,存折识别率已经达到了85%以上,存单、凭条识别率达到90%以上,而85%以上的识别率就能减少80%以上的数据录入员。

在档案领域OCR技术使档案扫描成果达到了全文可识别,将档案数字化发展提升了到了一个新的阶段,是原本扫描出来的图片变得更容易进行检索,为数字档案馆的数据查询提供了技术支持,是档案数字化发展中必不可少的一环。

以上来自百度百科哈哈哈哈哈!!

相关的工具:Tesseract

Tesseract概述:

Tesseract 是一个OCR库,目前由Google赞助(Google也是一家以OCR和机器学习技术闻名于世的公司)。Tesseract是目前公认最优秀、最精确的开源OCR系统。

Tesseract的Windows安装包下载地址为:http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe,下载后双击直接安装即可。安装完后,需要将Tesseract添加到系统变量中。在CMD中输入tesseract-v,如显示以下界面,则表示Tesseract安装完成且添加到系统变量中。

初探利用Python进行图文识别(OCR)

配置完成后在命令行输入tesseract -v,如果出现如下图所示,说明环境变量配置成功

初探利用Python进行图文识别(OCR)

命令使用: tesseract C://Users\lenovo\Desktop\Tesseract-OCR\233.jpg C://Users\lenovo\Desktop\Tesseract-OCR\Max.txt,则会将233.jpg中的识别文字写入到Max.txt一执行报错???什么情况?

初探利用Python进行图文识别(OCR)

后来我找了一些资料来看 上面的意思就是说不能加载'eng'语言包。请将tessdata的父文件夹路径设置为TESSDATA_PREFIX环境变量值,这个就是说在环境变量中新建一个系统变量,变量名称为TESSDATA_PREFIX,tessdata是放置语言包的文件夹,一般在你安装tesseract的目录下,即tesseract的安装目录就是tessdata的父目录,把ESSDATA_PREFIX的值设置为它就没问题了

初探利用Python进行图文识别(OCR)

更改完成后重启就没问题了。

初探利用Python进行图文识别(OCR)

初探利用Python进行图文识别(OCR)

规整的中文也是可以识别的哦。

命令:tesseract C://Users\lenovo\Desktop\Tesseract-OCR\libai.png C://Users\lenovo\Desktop\Tesseract-OCR\libai.txt -l chi_sim

初探利用Python进行图文识别(OCR)

我们开始使用python编写识别小脚本了,这里我们需要一个pytesseract库使用pip install pytesseract安装。安装完后,就可以使用Python调用Tesseract这里我们还需要安装一个Python的图片处理模块,可以安装pillow.  

输入以下代码,可以实现同上述Tesseract命令一样的效果:

初探利用Python进行图文识别(OCR)

我们的图片里面内容是:

初探利用Python进行图文识别(OCR)

运行程序:

初探利用Python进行图文识别(OCR)

识别!!

以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持三水点靠木。

Python 相关文章推荐
python简单分割文件的方法
Jul 30 Python
讲解Python的Scrapy爬虫框架使用代理进行采集的方法
Feb 18 Python
详解python调度框架APScheduler使用
Mar 28 Python
python 中的int()函数怎么用
Oct 17 Python
深入理解Python3 内置函数大全
Nov 23 Python
Python模拟浏览器上传文件脚本的方法(Multipart/form-data格式)
Oct 22 Python
python组合无重复三位数的实例
Nov 13 Python
简述python Scrapy框架
Aug 17 Python
Python常用base64 md5 aes des crc32加密解密方法汇总
Nov 06 Python
彻底解决Python包下载慢问题
Nov 15 Python
手把手教你实现PyTorch的MNIST数据集
Jun 28 Python
python热力图实现的完整实例
Jun 25 Python
Python编写合并字典并实现敏感目录的小脚本
Feb 26 #Python
Python实现监控Nginx配置文件的不同并发送邮件报警功能示例
Feb 26 #Python
利用python实现对web服务器的目录探测的方法
Feb 26 #Python
python selenium 弹出框处理的实现
Feb 26 #Python
python实现学员管理系统
Feb 26 #Python
python实现电子产品商店
Feb 26 #Python
Python selenium根据class定位页面元素的方法
Feb 26 #Python
You might like
简单易用的计数器(数据库)
2006/10/09 PHP
PHP令牌 Token改进版
2008/07/18 PHP
php文章内容分页并生成相应的htm静态页面代码
2010/06/07 PHP
第七章 php自定义函数实现代码
2011/12/30 PHP
PHP封装的MSSql操作类完整实例
2016/05/26 PHP
PHP is_array() 检测变量是否是数组的实现方法
2016/06/13 PHP
Jqyery中同等与js中windows.onload的应用
2011/05/10 Javascript
jquery中防刷IP流量软件影响统计的一点对策
2011/07/10 Javascript
node.js 一个简单的页面输出实现代码
2012/03/07 Javascript
js 获取后台的字段 改变 checkbox的被选中的状态 代码
2013/06/05 Javascript
JS两种定义方式的区别、内部原理
2013/11/21 Javascript
javascript实现点击单选按钮链接转向对应网址的方法
2015/08/12 Javascript
浅析javascript异步执行函数导致的变量变化问题解决思路
2016/05/13 Javascript
JavaScript实现in-place思想的快速排序方法
2016/08/07 Javascript
Vue.js实现无限加载与分页功能开发
2016/11/03 Javascript
jQuery实现全选、反选和不选功能
2017/08/16 jQuery
详解ionic本地相册、拍照、裁剪、上传(单图完全版)
2017/10/10 Javascript
javascript、php关键字搜索函数的使用方法
2018/05/29 Javascript
webpack4 配置 ssr 环境遇到“document is not defined”
2019/10/24 Javascript
JS 数组基本用法入门示例解析
2020/01/16 Javascript
Python多线程编程(一):threading模块综述
2015/04/05 Python
浅谈python中截取字符函数strip,lstrip,rstrip
2015/07/17 Python
你应该知道的python列表去重方法
2017/01/17 Python
python opencv检测目标颜色的实例讲解
2018/04/02 Python
Python语言异常处理测试过程解析
2020/01/08 Python
浅谈django 重载str 方法
2020/05/19 Python
阿迪达斯印度官方商城:adidas India
2017/03/26 全球购物
什么是符号链接,什么是硬链接?符号链接与硬链接的区别是什么?
2013/05/03 面试题
几个MySql的面试题
2013/04/22 面试题
信息专业毕业生五年职业规划参考
2014/02/06 职场文书
二年级学生评语大全
2014/04/23 职场文书
办公室领导干部作风整顿个人整改措施
2014/09/17 职场文书
三峡人家导游词
2015/01/31 职场文书
浅析NIO系列之TCP
2021/06/15 Java/Android
攻略丨滑雪究竟该选哪款对讲机?
2022/02/18 无线电
Nginx安装配置详解
2022/06/25 Servers