百度AI攻略：网络图片文字识别

1.功能描述：

依托全网海量优质数据和业界领先的深度学习技术针对网络图片进行优化识别，支持更多网络字体和复杂背景下的文字识别

2.平台接入

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.调用攻略（Python3）及评测

3.1首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key

3.2网络图片识别分析接口调用：

详细说明请参考： https://ai.baidu.com/docs#/OCR-API/

说明的比较清晰，这里就不重复了。

大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/ocr/v1/webimage
图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/jpeg/png/bmp格式

Python3调用代码如下：

#网络图片
#filename:图片名（本地存储包括路径）
def webimage(filename):
    request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/webimage"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print(content)
        data = json.loads(content)
        #print(data)
        words_result=data['words_result']
        for item in words_result:
            print(item['words'])

webimage('../img/webimage5.jpg')  

4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：

先测试几个文字组合效果

只凡
运动·上新★
The new
movement is
only extraordinary

好消息
长★

一个你一个我一心一意
爱就是这么简单

再测试一下户外广告牌

打造畅通平安和谐高速
河北高速
助推经济社会发展
96122
减

最后是普通的店面照片

肯德基
期
四
实到
乎你想

 

测试下来，整体识别效果不错。对于网络图片有较强的识别能力。可以广泛的应用于图片内容审核，视频内容分析和审核等方面。不过对于模糊，变形的文字，识别率还有提高的空间，希望后续进一步提高。