使用python制作的OCR工具，适用截图识别、单图识别、批量识别

1、使用tkinter制作GUI界面

2、使用PIL获取截图图片

3、使用opencv对图像进行缩放，高斯滤波以及二值化处理

4、使用pytesseract引擎进行OCR文字识别

具体的代码如下：

#导入相关的库

import cv2 as cv

import numpy as np

import pytesseract

from PIL import ImageGrab

import tkinter as tk

import os

from tkinter import filedialog

#定义以下方法

#图像识别方法

def imageact(src,lang='chi_sim'):

    '''

    src:灰度图片

    lang:指定ocr引擎的识别方式

    使用高斯滤波和直方图均衡化CLAHE算法处理图像

    使用自适应阈值进行图像二值化

    返回两个值，一个是提取的文字，一个是处理后的图像

    '''

    #5*5的高斯滤波

    src = cv.GaussianBlur(src, (5, 5), 0)

    #简单阈值，获得二值化图形

    _,src=cv.threshold(src,180,255,cv.THRESH_BINARY)

    # 文字提取

    text = pytesseract.image_to_string(src, lang=lang)

    return text,src

#屏幕截图方法

def screengrab():

    #定义三个全局变量，f1：GUI窗口对象,ck：GUI画布对象,color：颜色变量

    global f1,ck,color

    #将根窗口最小化

    root.state('icon')

    #并在窗口顶层生成一个新的子窗口

    f1=tk.Toplevel(root)

    #设置子窗口的透明度，使这个子窗口呈现玻璃效果

    f1.wm_attributes('-alpha',0.6)

    #将窗口设置为无边框

    f1.overrideredirect(True)

    #获取屏幕长和宽

    ws=f1.winfo_screenwidth()

    hs=f1.winfo_screenheight()

    #使新建的f1窗口和当前屏幕窗口一样大，使得当前窗口好像被雾遮住

    s=str(ws)+'x'+str(hs)+'+0+0'

    f1.geometry(s)

    color='gray'

    #设置灰色为窗口透明颜色

    f1.wm_attributes('-transparentcolor', color)

    #在f1窗口上生成一个画布对象，用于后续截图获取矩形区域

    ck=tk.Canvas(f1)

    ck.pack(fill=tk.BOTH,expand=tk.Y)

    #绑定鼠标左键按下事件，为在Toplevel窗体上拖动鼠标画矩形做准备

    ck.bind("<ButtonPress-1>",StartMove)

    #绑定鼠标左键松开事件

    ck.bind("<ButtonRelease-1>",StopMove)

    #绑定鼠标左键被按下时移动鼠标事件

    ck.bind("<B1-Motion>", OnMotion)

    return

#定义按下鼠标左键时的方法

def StartMove(event):

    #定义4个全局变量，x1,y1:用来记录当前鼠标在屏幕（不是画布所在窗口）的位置，        first_x,first_y用来记录当前鼠标的位置

    global x1,y1,first_x,first_y

    first_x=event.x

    first_y=event.y

    #鼠标在屏幕中的位置等于鼠标在f1窗口中的位置+f1窗口左上角在屏幕中的位置

    x1,y1=first_x+f1.winfo_rootx(),first_y+f1.winfo_rooty()

    #绘制一个初始的矩形

    ck.create_rectangle(first_x,first_y,event.x+1,event.y+1,fill=color, outline=color,tags=('L'))

    return

#定义鼠标移动时的方法

def OnMotion(event):

    global first_x,first_y,ck

    #当鼠标移动时，矩阵随鼠标移动而变化

    ck.coords('L',first_x,first_y,event.x,event.y)

    return

#定义左键松开时的方法

def StopMove(event):

    global x2,y2,im

    #记录鼠标松开时，此时的坐标

    x2,y2=event.x+f1.winfo_rootx(),event.y+f1.winfo_rooty()

    #使用ImageGrab模块将矩形起始坐标x1,y1和终点坐标x2,y2围成的区域转化为图形对象

    im = ImageGrab.grab((x1,y1,x2,y2))

    #将图形对象转化为灰度值的图形数组

    img=np.array(im.convert('L'))

    #将图形像素提高5倍，提高OCR的识别率

    img=cv.resize(img,None,fx=5,fy=5)

    #调用图形OCR识别方法

    text,src=imageact(img)

    #识别完成后，将f1窗口关闭,主窗口取消最小化

    f1.destroy()

    root.state('normal')

    return

#定义单图提取的方法

def oneocr():

    #读取单个图片文件

    base_path=filedialog.askopenfilename()

    if base_path.split('.')[-1] in ['jpg','JPG','png','PNG']:

        img=cv.imread(base_path,cv.COLOR_BGR2GRAY)

        text=imageact(img)

        print(text)

    return

#最后定义一个批量识别图片文件夹的方法

def pi_screengrab():

    #使用tkinter中的filedialog.askdirectory()方法打开一个文件夹

    path_dir=filedialog.askdirectory()

    if os.path.isdir(path_dir):

        #打开一个记事本，用于保存图像识别得到的文字

        f=open(r'D:\desktop/result.txt','w',encoding='utf-8')

        for n,base_path in enumerate(os.listdir(path_dir)):

            if base_path.split('.')[-1] in ['jpg','png','JPG','PNG']:

                src_path=os.path.join(path_dir,base_path)

                #将图片读取为灰度图

                img=cv.imread(src_path,cv.COLOR_BGR2GRAY)

                text,=imageact(img)

                f.write(f'第{n}张图片:\n')

                f.write(text)

                f.write('\n***********************\n')

        f.close()

    return

path_dir=r''

root=tk.Tk()

#框架

frm=tk.Frame(root)

frm.pack(fill=tk.BOTH)

#截图按钮

tk.Button(frm,text='定位截图',command=screengrab).pack(side='left')

#从文件夹批量提取按钮

tk.Button(frm,text='批量提取',command=pi_screengrab).pack(side='left')

#识别单个图片

tk.Button(frm,text='单图提取',command=oneocr).pack(side='left')

root.mainloop()

以上就是所有的代码