文字图片识别

前几天公司领导有个想法就是识别发票图片，将需要的内容识别出来。我之前并没有做过类似的工作，于是我就拿了一些发票仔细观察，发现了一些共同点，贴一张我下载的电子发票：

1、发票都有发票代码，发票号码。

2、发票都有二维码。

3、发票都是以表格形式给出，表格形式大同小异。

那就根据这几点可有以下解决方案可供参考：

1、发票可以使用发票代码和发票号码作为查询条件来查询票面信息。这种属于开放接口的方式，但是这些接口并不容易找到，或者获取这些接口的使用权并不容易。

2、识别二维码。我试过使用支付宝的扫码功能来识别发票上的二维码，从扫描结果上看，可能是因为地域差异二维码识别出来的信息格式并没有统一标准。贴个图片体会一下：

3、通过图片识别，这个需要技术。

调用接口和识别二维码我不多说了，这里主要说一下图片识别我所能想到的思路。说一下前提：我要识别的是电子发票，没有考虑字体模糊不清，打印重叠等问题。

首先要识别图片上的信息，肯定要对图片做处理。计划首先识别图片上的表格，再识别文字信息。

识别表格要用到opencv，

识别文字用Google的tesseract-ocr

这些只是我的一些想法，当然有很多不成熟甚至不对的地方。如有老司机请带带我啊。

转载于:https://my.oschina.net/strzb/blog/849474