什么是OCR?
OCR是英文optical character recognition的首字母缩写,中文意思:光学字符识别。或者我们管它叫做:文字识别。文字识别是指电子设备(例如扫描仪或数码相机)检查纸上打印的字符,然后用字符识别方法将形状翻译成计算机文字的过程;即,对文本资料进行扫描,然后对图像文件进行分析处理,获取文字及版面信息的过程。通俗理解,举个例子:就是把图片\PDF里的文字信息进行抓取,转换成Word、TXT等可以编辑的文字文本。
扫描文档仅仅呈现纸质文档最原始的图像形式,由于文本无法被软件读取,从扫描文档中提取信息通常需要耗时耗力的手动工作。工作量大且容易出错。然而,通过光学字符识别 (OCR)可识别获取文档内容,将其自动转化为可搜索的文字文档,如word/PDF,转换后的文档可以作为数据保存,大幅降低劳动力,提高工作效率。
衡量一个OCR系统性能好坏的主要指标有:拒识率、误识率、识别速度、用户界面的友好性,产品的稳定性,易用性及可行性等。
PP-OCR是PaddleOCR团队自研的超轻量OCR系统,面向OCR产业应用,权衡精度与速度。近期,PaddleOCR团队针对PP-OCRv2的检测模块和识别模块,进行共计9个方面的升级,打造出一款全新的、效果更优的超轻量OCR系统:PP-OCRv3。
从效果上看,速度可比情况下,多种场景精度均有大幅提升:
中文场景,相比于PP-OCRv2中文模型提升超5%;
英文数字场景,相比于PP-OCRv2英文数字模型提升11%;
多语言场景,优化80+语种识别效果,平均准确率提升超5%。
全新升级的PP-OCRv3的整体的框架图(粉色框中为PP-OCRv3新增策略)如下图。检测模块仍基于DB算法优化,而识别模块不再采用CRNN,更新为IJCAI 2022最新收录的文本识别算法SVTR (论文名称:SVTR: Scene Text Recognition with a Single Visual Model ),并对其进行产业适配。
最近在技术交流群里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。
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
# CPU版本
pip installpaddlepaddle==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
测试安装是否成功
在python中调用
界面部分
1. 界面布局设计
2. 利用 pyuic 自动生成界面代码
3. 编写界面业务类
4. 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 。
5. 运行看看效果
所有检测出文本的区域列表,在识别结果——区域Tab页:
原文地址
https://blog.csdn.net/Bit_Coders/article/details/121561632