用 python 写一个图像文字识别 OCR 工具

引言

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。

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

① 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 ```

② 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

③ 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：

④ 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。

pyqt GUI 程序开发入门和环境配置，详见这篇博客。

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) ```