手把手教你使用Python实现一款OCR软件

微信关注公众号“平凡而诗意”，原创内容第一时间获取。
微博：Jackpopc

实现OCR，关键的并不是在于Python，而是在于后端实现部分，在这个过程中Python只是作为一种串通不同模块的一个工具，你同样也可以使用JS、php、Java等语言把一款ocr工具流程打通。

既然题目提到了使用Python，那么这里就介绍使用Python实现ocr的方式，介绍3种方式，

调用API
调用后端服务
直接使用算法模型
调用第三方库

调用API

OCR作为当下非常热门且在现实生活中较为常用的一个领域，在OCR方面的研究自然是非常多的。目前提供OCR API调用的网站有很多，但是绝大多数都是收费的，这个也能理解，别人提供调用，需要很大的服务资源支撑，毕竟都要吃饭嘛。

但是，也的确会有一些非常良心的平台，直接提供 免费的API调 用，它就是 ocr.space ，有很多不错的工具，例如，ShareX就是使用的ocr.space的API接口。

ocr.space免费版每个月限制25000次请求，每天限制500次，如果个人或者团队内小范围使用，这个数量是可以满足的，但是，如果希望搭建一个平台供大众使用，这显然是远远不够的。

img

Python如何实现API的调用呢？

由于ocr.space对接口以及进行了封装，所以调用非常简单，只需要下面几步，

注册API Key
使用request post请求

注册API Key

可以通过下面链接注册API Key，

https://us11.list-manage.com/subscribe?u=ce17e59f5b68a2fd3542801fd&id=252aee70a1us11.list-manage.com

发送请求

我们把api_key、语言等一些必要参数写到一个字典里，然后使用requests这个库发送post请求即可获取ocr识别结果。

img

调用后端服务

调用API是最为简单的一种方式，我们不需要去关注后端及中间数据传输的过程，只需要填写一下api_key即可，简短的几行代码就可以实现。这里我再来介绍一款进阶的方式，需要如果需要使用，需要自己做进一步的封装和完善。

这里要介绍的就是 tessearct ，它是基于Apache许可证开源的OCR识别引擎，在2006年由Google赞助开发，也被认为是当下最为优秀的OCR引擎之一，由C++实现，目前在Github已经高达33.5k个Star。

它具有支持语言丰富、识别速度快、准确率高等优点，官方提供的调用方式是适用命令行进行调用，

tesseract imagename outputbase [-l lang] [--oem ocrenginemode] [--psm pagesegmode] [configfiles...]

也就是说，tesseract作为一个核心的算法实现模块，但是没有外壳进行包装，我们想要使用的话不如很多平台或者工具那样那么方便。

它缺少的就是一个UI或者web。

因此，我们可以把tesseract作为一个后端服务，利用Python实现服务层的开发和交互层的开发。首先在服务器启动tesseract服务，然后，使用Python tkinter实现一个UI，然后基于flask、requests等第三方库实现数据传输和发送rest请求，调用后端的tesseract服务，执行上述命令，然后返回结果到前端即可。

直接使用算法模型

OCR （Optical Character Recognition，光学字符识别），它主要依托的核心技术就是图像识别、自然语言模型。因此，我们也可以不去调用ocr.space的API接口或者tesseract的后端服务，可以直接使用最为底层的计算机视觉、自然语言模型进行OCR文字识别。

这里，我推荐一个github开源项目 darknet-ocr ，基于darknet( https://github.com/pjreddie/darknet.git) 框架实现CTPN版本自然场景文字检测与CNN+CTCOCR文字识别，目前在github有480+个star。

这是一种最为简洁明了也是对Python最为依赖的一种方式，端到端实现OCR系统较为晚上的一种方式。

但是，darknet-ocr是在darknet源码的基础上进行编译实现的，它整体上和前面介绍的tesseract没有什么差别，只是更加完整的实现了一个ocr系统，如果想对ocr识别的过程中更加清晰的认识，可以看一下darknet-ocr这个项目的前身 chineseocr ，它是于 yolo3 与 crnn 实现中文自然场景文字检测及识别，在这个项目中，你可以看到模型的导入，语言模型和CV模型的应用过程。当然，如果感兴趣可以对模型进行重新训练或者进一步优化，这对比于前两种方式的好处就是定制化、扩展能力方面都较为灵活。

调用第三方库

我想这应该是选择使用Python开发一个ocr工具最喜闻乐见的方式。

Python比较吸引人的一点就是有丰富的第三方库，图像、数据、机器学习、优化算法、图、UI.......你能想到的，Python可能都会找到第三方库，ocr也不例外。

这里要推荐的库就是 pytesseract ，你可以像调用numpy、matplotlib、tensorflow那样直接在Python代码中调用pytesseract，实现图像文字的识别。

安装

pip install pytesseract

示例

from PIL import Image
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'<full_path_to_your_tesseract_executable>'

# 简单的把图像转化成文字
print(pytesseract.image_to_string(Image.open('test.png')))

# 指定图像中的语言
print(pytesseract.image_to_string(Image.open('test-european.jpg'), lang='fra'))

依赖

pytesseract支持Python 2.7或者3.5+，需要用到PIL或者pillow。这里比较重要的是，还需要安装tesseract后端引擎。

其实，虽然使用了pytesseract库，但是它和前面介绍的 调用后端服务 大同小异，只不过在上面封装了一层对Python的支持。由于tesseract是最为成功的ocr识别程序之一，所以它对php、Python等语言都有支持的模块，但是无论是哪种语言，真正起作用的还是后端的识别引擎，还是脱离不了tesseract。

因此，在使用pytesseract之前，需要在windows、linux或者mac上安装tesseract。

手把手教你使用Python实现一款OCR软件

调用API

调用后端服务

直接使用算法模型

调用第三方库

推荐阅读