初窥强大，AI识别技术实现图像转文字（OCR技术）

⭐️⭐️⭐️⭐️⭐️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-apiconfig.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.databreakexcept 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 messageprint(error)# 诊断地址print(error)UtilClient.assert_as_string(error)#更改keynew_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 sysfrom typing import Listfrom 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 UtilClientclass aliyunOcrImgPiao:'''阿里云票证OCR识别（不限额度）'''def __init__(self):pass@staticmethoddef 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-apiconfig.endpoint = f'ocr-api.cn-hangzhou.aliyuncs.com'return ocr_api20210707Client(config)@staticmethoddef 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.databreakexcept 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 messageprint(error)# 诊断地址print(error)UtilClient.assert_as_string(error)#更改keynew_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_infoif __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。

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/69729.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

不小心删除服务[null]后，git bash出现错误

不小心删除服务[null]后，git bash出现错误

不小心删除服务[null]后，git bash出现错误，如何解决？ 错误描述：打开 git bash、msys2都会出现错误「bash: /dev/null: No such device or address」 问题定位： 1.使用搜索引擎搜索「bash: /dev/null: No such device o…
阅读更多...
zsh: command not found: conda

zsh: command not found: conda

场景描述 在 Linux 服务器上使用 zsh 时，如果出现 zsh: command not found: conda 错误，说明你的系统未正确配置 conda 命令，或者你尚未安装 Anaconda/Miniconda。 解决方案 确保已安装 Anaconda 或 Miniconda conda 是 Anaconda 或 Minico…
阅读更多...
github不翻墙就可以访问

github不翻墙就可以访问

目录 简介资料准备windows平台设置下载运行git设置firefox设置 ubuntu平台设置下载启动服务设置系统代理git设置firefox设置证书 注意事项 简介 由于github访问不稳定,严重影响了国内软件开发,在网上搜索并验证了一些方法.现在整理出来一个可以正常使用的方法, 在windows和Lin…
阅读更多...
k8s部署logstash

k8s部署logstash

1. 编写logstash.yaml配置文件 --- apiVersion: v1 kind: Service metadata:name: logstash spec:type: ClusterIPclusterIP: Noneports:- name: logstash-tcpport: 5000targetPort: 5000- name: logstash-beatsport: 5044targetPort: 5044- name: logstash-apiport: 9600targ…
阅读更多...
【JVM详解一】类加载过程与内存区域划分

【JVM详解一】类加载过程与内存区域划分

一、简介 1.1 概述 JVM是Java Virtual Machine（Java虚拟机）的缩写，是通过在实际的计算机上仿真模拟各种计算机功能来实现的。由一套字节码指令集、一组寄存器、一个栈、一个垃圾回收堆和一个存储方法域等组成。JVM屏蔽了与操作系统平台相关…
阅读更多...
25考研电子信息复试面试常见核心问题真题汇总，电子信息考研复试没有项目怎么办?电子信息考研复试到底该如何准备？

25考研电子信息复试面试常见核心问题真题汇总，电子信息考研复试没有项目怎么办?电子信息考研复试到底该如何准备？

你是不是在为电子信息考研复试焦虑？害怕被老师问到刁钻问题、担心专业面答不上来？别慌！作为复试面试92分逆袭上岸的学姐，今天手把手教你拆解电子信息类复试通关密码！看完这篇，让你面试现场直接开大&#xf…
阅读更多...
SOA（面向服务架构）全面解析

SOA（面向服务架构）全面解析

1. 引言 什么是SOA（面向服务架构） SOA（Service-Oriented Architecture，面向服务架构）是一种将应用程序功能以“服务”的形式进行模块化设计的架构风格。这些服务是独立的功能模块，它们通过定义明确的接口…
阅读更多...
【leetcode 32】1047. 删除字符串中的所有相邻重复项

【leetcode 32】1047. 删除字符串中的所有相邻重复项

Java中的queue、deque、ArrayDeque的区别 使用 Deque 作为堆栈(ArrayDeque是双端队列，当仅使用栈操作时push/pop，就是栈) class Solution {public String removeDuplicates(String s) {//使用 Deque 作为堆栈(ArrayDeque是双端队列，当仅使用栈…
阅读更多...
C# COM 组件在.NET 平台上的编程介绍

C# COM 组件在.NET 平台上的编程介绍

.NET学习资料 .NET学习资料 .NET学习资料 一、COM 组件简介 COM（Component Object Model）即组件对象模型，是一种微软提出的软件组件技术，它允许不同的软件模块在二进制层面进行交互。COM 组件可以用多种编程语言开发&#xff0…
阅读更多...
【鸿蒙HarmonyOS Next实战开发】mp4parser库-音视频裁剪、合成、取帧等操作

【鸿蒙HarmonyOS Next实战开发】mp4parser库-音视频裁剪、合成、取帧等操作

mp4parser 简介 一个读取、写入操作音视频文件编辑的工具。 下载安装 ohpm install ohos/mp4parserOpenHarmony ohpm 环境配置等更多内容，请参考如何安装 OpenHarmony ohpm 包 使用说明 视频合成 import {MP4Parser} from "ohos/mp4parser";import {I…
阅读更多...
Maven 中常用的 scope 类型及其解析

Maven 中常用的 scope 类型及其解析

在 Maven 中，scope 属性用于指定依赖项的可见性及其在构建生命周期中的用途。不同的 scope 类型能够影响依赖项的编译和运行阶段。以下是 Maven 中常用的 scope 类型及其解析： compile（默认值）： 这是默认的作用域。如果…
阅读更多...
redis项目

redis项目

短信登录 这一块我们会使用redis共享session来实现 商户查询缓存 通过本章节，我们会理解缓存击穿，缓存穿透，缓存雪崩等问题，让小伙伴的对于这些概念的理解不仅仅是停留在概念上，更是能在代码中看到对应的内容 优惠…
阅读更多...
瑞友天翼应用虚拟化系统 GetPwdPolicy SQL注入漏洞复现

瑞友天翼应用虚拟化系统 GetPwdPolicy SQL注入漏洞复现

免责声明 本文旨在提供有关特定漏洞的深入信息，帮助用户充分了解潜在的安全风险。发布此信息的目的在于提升网络安全意识和推动技术进步，未经授权访问系统、网络或应用程序，可能会导致法律责任或严重后果。因此，作者不对读者基于本文内容所采取的任何行为承担责任。读者在使…
阅读更多...
android设置添加设备QR码信息

android设置添加设备QR码信息

摘要：客户衍生需求，通过扫QR码快速获取设备基础信息，并且基于POS SDK进行打印。 1. 定位至device info的xml添加相关perference Index: vendor/mediatek/proprietary/packages/apps/MtkSettings/res/xml/my_device_info.xml--- vendor/medi…
阅读更多...
Ubuntu 多版本 gcc 配置常用命令备忘

Ubuntu 多版本 gcc 配置常用命令备忘

用的频率不高，总忘记具体参数 1，安装多版本 gcc 以 gcc-11 和12 为例： sudo apt-get install gcc-11 gcc-12 sudo apt-get install gcc-11 gcc-12 2，配置多版本 gcc gcc 与 g 一起配置进数据库中： sudo update-a…
阅读更多...
【kubernetes组件合集】深入解析Kubernetes组件之三：client-go

【kubernetes组件合集】深入解析Kubernetes组件之三：client-go

深入解析Kubernetes组件之三：client-go 目录 深入解析Kubernetes组件之三：client-go 引言 1. client-go简介 2. client-go的功能 2.1 资源操作 2.2 资源监听 2.3 认证和授权 2.4 错误处理和重试 2.5 扩展性和定制化 3. 使用client-go与Kubern…
阅读更多...
数据结构——【二叉树模版】

数据结构——【二叉树模版】

#思路 1、二叉树不同于数的构建，在树节点类中，有数据，左子结点，右子节点三个属性，在树类的构造函数中，添加了变量maxNodes，用于后续列表索引的判断 2.GetTreeNode()函数是常用方法，…
阅读更多...
【ubuntu下验证下菜品识别，训练，部署，验证 CNN + TensorFlow / PyTorch】

【ubuntu下验证下菜品识别，训练，部署，验证 CNN + TensorFlow / PyTorch】

下来我会详细介绍如何在 Ubuntu 上运行你训练和部署的 菜品识别模型，确保每一步都能理解并能在你的系统中运行。 环境准备 1.1 安装必要的软件 在 Ubuntu 上，首先需要安装 Python 和相关的依赖库：更新系统： 打开终端，运行以下命令： bash sudo apt update && su…
阅读更多...
多项式插值（数值计算方法）Matlab实现

多项式插值（数值计算方法）Matlab实现

多项式插值（数值计算方法）Matlab实现 一. 原理介绍二. 程序设计1. 构建矩阵2. 求解矩阵方程3. 作出多项式函数4. 绘制插值曲线5. 完整代码 三. 图例 一. 原理介绍 关于插值的定义及基本原理可以参照如下索引 插值原理（数值计算方法&#xff…
阅读更多...
【Python深入浅出㉙】Python3邂逅MySQL：开启数据交互之旅

【Python深入浅出㉙】Python3邂逅MySQL：开启数据交互之旅

目录 一、Python 与 MySQL 的 “牵手” 前奏二、准备工作：搭建 “舞台”三、建立连接：开启沟通桥梁（一）pymysql 连接示例（二）mysql-connector 连接示例 四、基本操作：数据库的 “增删改查”&…
阅读更多...
最新文章

Copyright @ 2022~2023