在数字化转型的浪潮中，光学字符识别（OCR）技术已成为企业提高效率、降低成本的关键工具。腾讯云智能结构化OCR凭借其先进的技术和广泛的应用场景，正在推动跨行业高效精准的文档处理与数据提取新时代。本文将全面介绍腾讯云智能结构化OCR的功能、技术优势、应用实践以及行业案例，帮助您深入了解并有效运用这一强大的工具。
一、产品介绍与技术优势
随着信息化时代的到来，企业每天都会生成和处理大量的文档、票据和表单。这些数据往往以纸质或图像形式存在，传统的人工录入不仅效率低下，还容易出错。OCR技术的出现为解决这一问题提供了有效途径。而在众多OCR解决方案中，腾讯云智能结构化OCR以其高精度、灵活性和易用性，成为众多企业的首选。
腾讯云智能结构化OCR产品分为 基础版 与 高级版，两者均适用于各行业，能够精准识别卡证、物流单据、工业标签、服务合同及医疗报告等多种文档类型。无论面对版式灵活多变或中英文混合排版的挑战，该产品仍能保持卓越的识别精度。
腾讯云智能结构化OCR以 多模态大模型技术 为核心，融合了深度学习、图像检测技术及OCR大模型能力。通过智能建立键值对应关系，支持客户根据自身需求定制个性化模板，显著提高数据抓取与录入的效率。
腾讯云智能结构化OCR产品优势如下：
| 特性 | 描述 |
|---|---|
| 高精度识别 | 腾讯云智能结构化OCR支持任意版式的卡证票据识别，各字段的识别精度均处于业界领先水平。文本基础识别准确率达到98%以上，文本结构化准确率达到85%以上，确保企业能够获取高质量的数据。 |
| 完备性 | 该产品支持多种常见版式的数据结构化提取，如警察证、教师资格证、道路运输证等，适用于多个行业场景。无论是固定卡证还是复杂的物流单据，均可实现智能识别，满足不同业务需求。 |
| 易用性 | 用户仅需简单的几步配置，即可定制个性化需求模板，快速提取结构化数据，实现高效录入。腾讯云提供了丰富的API接口和详细的使用文档，开发者可以轻松集成OCR功能到自己的系统中。 |
二、API调用与场景实践
1. 图像增强
图像增强是指通过上传一张图片生成一张基于原图更加清晰的图片，用于提升图像质量。目前腾讯云API支持ImageBase64（图像的Base64编码字符串）或ImageUrl（图像URL）两种输入方式。
下面我们通过API Explorer中在线这个功能，我们先准备一张在线的模糊图片。
调试API后，系统返回处理成功的响应，并提供增强后的图像的base64编码。
通过将base64编码转换成文件流，我们可以得到增强后的图片。
通过对比原图和增强后的图像，可以明显看出图像质量的提升，效果非常好。
上面的只是在线调用的示例，实际开发中我们更多会用程序调用API的方法，下面是图像增强API的调用示例：
Java代码示例：
package com.tencent;
import com.tencentcloudapi.common.AbstractModel;
import com.tencentcloudapi.common.Credential;
import com.tencentcloudapi.common.profile.ClientProfile;
import com.tencentcloudapi.common.profile.HttpProfile;
import com.tencentcloudapi.common.exception.TencentCloudSDKException;
import com.tencentcloudapi.ocr.v20181119.OcrClient;
import com.tencentcloudapi.ocr.v20181119.models.*;
public class Sample {
public static void main(String [] args) {
try{
Credential cred = new Credential("SecretId", "SecretKey");
HttpProfile httpProfile = new HttpProfile();
httpProfile.setEndpoint("ocr.tencentcloudapi.com");
ClientProfile clientProfile = new ClientProfile();
clientProfile.setHttpProfile(httpProfile);
OcrClient client = new OcrClient(cred, "", clientProfile);
ImageEnhancementRequest req = new ImageEnhancementRequest();
ImageEnhancementResponse resp = client.ImageEnhancement(req);
System.out.println(AbstractModel.toJsonString(resp));
} catch (TencentCloudSDKException e) {
System.out.println(e.toString());
}
}
}
2. 票据识别
票据识别是指通过OCR技术对各类票据（如发票、收据、报销单等）进行文字识别和数据提取。腾讯云智能结构化OCR提供了高精度的票据识别能力，能够自动提取票据中的关键信息，如发票号码、金额、日期等，极大地提升了企业的自动化报销和财务管理效率。
下面我们通过API Explorer中在线这个功能，我们先准备一张票据图片。
接着，我们在Image64的参数位上传。
点击发起调用，系统返回处理成功的响应，并提供识别后的结构化数据。
上面的只是在线调用的示例，实际开发中我们更多会用程序调用API的方法，下面是票据识别API的调用示例：
.NET代码示例：
using System;
using System.Threading.Tasks;
using Newtonsoft.Json;
using TencentCloud.Common;
using TencentCloud.Common.Profile;
using TencentCloud.Ocr.V20181119;
using TencentCloud.Ocr.V20181119.Models;
namespace TencentCloudExamples
{
class VatInvoiceOCR
{
static void Main(string[] args)
{
try
{
Credential cred = new Credential {
SecretId = "********",
SecretKey = "********"
};
ClientProfile clientProfile = new ClientProfile();
HttpProfile httpProfile = new HttpProfile();
httpProfile.Endpoint = ("ocr.tencentcloudapi.com");
clientProfile.HttpProfile = httpProfile;
OcrClient client = new OcrClient(cred, "", clientProfile);
VatInvoiceOCRRequest req = new VatInvoiceOCRRequest();
VatInvoiceOCRResponse resp = client.VatInvoiceOCRSync(req);
Console.WriteLine(AbstractModel.ToJsonString(resp));
}
catch (Exception e)
{
Console.WriteLine(e.ToString());
}
}
}
}
3. 特定场景识别
腾讯云智能结构化OCR不仅支持通用的文字识别，还针对特定场景提供了专业的识别功能，如数学公式识别和印章识别。这些功能能够满足不同业务需求，提升数据处理的精度和效率。
3.1 数学公式识别
数学公式识别是指通过OCR技术对数学公式进行准确的识别和解析，支持复杂的公式结构和符号。这对于教育、科研等领域具有重要意义。
我们找一张带有复杂公式的图片进行测试，如图。
本地创建python文件app.py，将图片转为base64的字符串格式填入，最终代码如下：
# -*- coding: utf-8 -*-
import hashlib
import hmac
import json
import sys
import time
from datetime import datetime
if sys.version_info[0] <= 2:
from httplib import HTTPSConnection
else:
from http.client import HTTPSConnection
def sign(key, msg):
return hmac.new(key, msg.encode("utf-8"), hashlib.sha256).digest()
secret_id = "AKIDS***************bzE"
secret_key = "AD8rM*****************8S4f"
token = ""
service = "ocr"
host = "ocr.ap-shanghai.tencentcloudapi.com"
region = "ap-guangzhou"
version = "2018-11-19"
action = "FormulaOCR"
payload = "{\"ImageBase64\":\"data:image/png;base64,**********需要的图片base64编码*********\"}"
params = json.loads(payload)
endpoint = "https://ocr.ap-shanghai.tencentcloudapi.com"
algorithm = "TC3-HMAC-SHA256"
timestamp = int(time.time())
date = datetime.utcfromtimestamp(timestamp).strftime("%Y-%m-%d")
# ************* 步骤 1：拼接规范请求串 *************
http_request_method = "POST"
canonical_uri = "/"
canonical_querystring = ""
ct = "application/json; charset=utf-8"
canonical_headers = "content-type:%s\nhost:%s\nx-tc-action:%s\n" % (ct, host, action.lower())
signed_headers = "content-type;host;x-tc-action"
hashed_request_payload = hashlib.sha256(payload.encode("utf-8")).hexdigest()
canonical_request = (http_request_method + "\n" +
canonical_uri + "\n" +
canonical_querystring + "\n" +
canonical_headers + "\n" +
signed_headers + "\n" +
hashed_request_payload)
# ************* 步骤 2：拼接待签名字符串 *************
credential_scope = date + "/" + service + "/" + "tc3_request"
hashed_canonical_request = hashlib.sha256(canonical_request.encode("utf-8")).hexdigest()
string_to_sign = (algorithm + "\n" +
str(timestamp) + "\n" +
credential_scope + "\n" +
hashed_canonical_request)
# ************* 步骤 3：计算签名 *************
secret_date = sign(("TC3" + secret_key).encode("utf-8"), date)
secret_service = sign(secret_date, service)
secret_signing = sign(secret_service, "tc3_request")
signature = hmac.new(secret_signing, string_to_sign.encode("utf-8"), hashlib.sha256).hexdigest()
# ************* 步骤 4：拼接 Authorization *************
authorization = (algorithm + " " +
"Credential=" + secret_id + "/" + credential_scope + ", " +
"SignedHeaders=" + signed_headers + ", " +
"Signature=" + signature)
# ************* 步骤 5：构造并发起请求 *************
headers = {
"Authorization": authorization,
"Content-Type": "application/json; charset=utf-8",
"Host": host,
"X-TC-Action": action,
"X-TC-Timestamp": timestamp,
"X-TC-Version": version
}
if region:
headers["X-TC-Region"] = region
if token:
headers["X-TC-Token"] = token
try:
req = HTTPSConnection(host)
req.request("POST", "/", headers=headers, body=payload.encode("utf-8"))
resp = req.getresponse()
print(resp.read())
except Exception as err:
print(err)
使用 python app.py 直接运行，得到图中的高数公式：
识别出的结果准确无误：
C − n k = ( − 1 ) k C n + k − 1 k C_{-n}^{k}=(-1)^{k} C_{n+k-1}^{k} C−nk=(−1)kCn+k−1k
3.2 印章识别
印章识别是指通过OCR技术对印章进行准确的识别和解析，支持各种印章类型和样式。这在合同管理、文件审核等场景中具有重要应用。
以下面的公章为例：
调试API后，系统返回处理成功的响应，并提供识别后的印章内容，识别结果示例如下：
Go代码示例：
package main
import (
"fmt"
"github.com/tencentcloud/tencentcloud-sdk-go/tencentcloud/common"
"github.com/tencentcloud/tencentcloud-sdk-go/tencentcloud/common/errors"
"github.com/tencentcloud/tencentcloud-sdk-go/tencentcloud/common/profile"
ocr "github.com/tencentcloud/tencentcloud-sdk-go/tencentcloud/ocr/v20181119"
)
func main() {
credential := common.NewCredential(
"SecretId",
"SecretKey",
)
cpf := profile.NewClientProfile()
cpf.HttpProfile.Endpoint = "ocr.ap-shanghai.tencentcloudapi.com"
client, _ := ocr.NewClient(credential, "ap-guangzhou", cpf)
request := ocr.NewSealOCRRequest()
request.ImageUrl = common.StringPtr("https://example.com/seal.jpg")
response, err := client.SealOCR(request)
if _, ok := err.(*errors.TencentCloudSDKError); ok {
fmt.Printf("An API error has returned: %s", err)
return
}
if err != nil {
panic(err)
}
fmt.Printf("%s", response.ToJsonString())
}
三、实际应用与未来展望
在实际应用中，腾讯云智能结构化OCR不仅提升了文字识别的准确率，还为图像处理领域带来了更多可能性。通过智能化的结构化信息抽取，企业能够更加高效地处理和分析图像数据，进一步推动业务流程的自动化和智能化。尤其是在面对复杂文档和多语言排版时，腾讯云OCR表现出的卓越性能，使其在各行业中得到了广泛的应用和认可。
对于未来，随着技术的不断迭代和优化，OCR技术将会更加智能和高效，能够应对更复杂的应用场景，满足企业日益增长的数据处理需求。腾讯云智能结构化OCR将继续引领行业发展，为更多企业提供强有力的技术支持，推动全球数字化转型的进程。
扫一扫
5764
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
