前言: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。本文主要介绍了基于PyQt + PaddleOCR实现的一个桌面端的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,需要的朋友可以参考一下 小编基于 PyQt + 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
OCR部分图像文字检测+文字识别算法,主要是借助 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。 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: 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: ② 安装 PaddleOCR 安装paddleocr: 版面分析,需要安装 Layout-Parser: 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: 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 memoryimg_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: 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: 1. 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。 2. 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。 3. 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。 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 运行 python main.py 即可启动GUI程序。 打开图片→选择语言模型ch(中文)→选择文本检测+识别→点击开始,检测完的文本区域会自动画框,并在右侧识别结果——文本Tab页的列表中显示。 所有检测出文本的区域列表,在识别结果——区域Tab页: |
|