Python实现OCR的一种方法,无需了解ML算法

本菜的第一篇博客，打算写一下怎么用白嫖的百度人工智能API来干点一本正经的事

"OCR （Optical Character Recognition，光学字符识别）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，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程"_____来自百度百科

 简单的说，给你一堆文章或者电子表格的照片或截图，你在不用手抄的情况下把其中的内容提取出来，到这有些人会说，那这个现在很多软件都可以干这个啊，嗯！大概是的，但是用自己写的代码批量的解决问题就是有一种优雅的感觉，对不起！

废话不多说，进入正题：

如果从底层开始解决这个问题，可能需要收集图像，转换成像素，然后标注数据，训练和验证机器学习或者深度学习算法。这个过程漫长而且繁琐，百度人工智能API已经帮你把这个过程弄好了，程序开发者无需再去接触底层的算法，自己调用API传递参数和接收结果即可。

具体白嫖的方法见https://ai.baidu.com/ai-doc/OCR/fk3h7xu7h

话不多说，直接上代码：

首先获取access_token

# encoding:utf-8
import requests 

# client_id 为官网获取的AK， client_secret 为官网获取的SK
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=myapikey&client_secret=mysk'
response = requests.get(host)
if response:
    print(response.json())

把url中的client_id 和client_secret 替换为自己的api_key和secret_key即可

调用同步接口实时返回文字识别结果

import requests
import base64

'''
表格文字识别(同步接口)
'''

request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/form"
# 二进制方式打开图片文件
f = open('./test.png', 'rb')
img = base64.b64encode(f.read())

params = {"image":img}
access_token = '24.cd42a3baaccede9413147f8bc1a4aaa6.2592000.1638949976.282335-24999117'
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
if response:
    print (response.json())   
result_df=pd.DataFrame()
for result_json in response.json()['forms_result'][0]['body']:
    result_df.loc[result_json['row'],result_json['column']]=result_json['words']

测试结果如下：

原图：

 识别结果：

整体的识别准确率还是比较高的，除此之外API支持许多不同的业务场景，如电子表格识别，证件识别等。

第一次发博客，代码不精，逻辑混乱，架构松散，封装无力， 不喜勿喷。