采菊东篱下，Python满乾坤！

Liblib AI（哩布哩布 AI）是一个集成了先进人工智能技术和用户友好设计的 AI 图像创作绘画平台和模型分享社区。Liblib是个图像ai平台，有根据文字生成图片，修复图片，图片重绘等多种功能。API试用计划：登录后可领取500试用积分，限时7天免费测试体验。

扫描件上的污渍、老照片的黄斑、手机翻拍的摩尔纹，这些噪声如同数字时代的“文字迷彩服”。从Tesseract的开源先驱到Gemini 2.5 Pro的多模态突破，OCR技术始终在“识别率-速度-成本”的三角中寻找平衡。从楷书的连笔到黑体的刻板，从古籍的竖排繁体到现代文档的多栏混排，文字形态的复杂性远超想象。当遇到“甲乙丙方”等上下文依赖的表述，或“O/1/I”等形似字符时，再先进的算法也可能误判。正如数字世界的翻译官，OCR的价值不在于完美，而在于让沉默的文字重新开口说话。

在数字化的时代，光学字符识别（OCR）技术成为了我们处理文档、图像文字信息的得力助手。它能够将图像中的文字信息转换为可编辑和可处理的文本数据，极大地提高了信息处理的效率。今天，我要给大家介绍一些优秀的开源 OCR 工具，它们在不同的场景下各显神通，让我们一起来看看它们的强大之处吧！

pdfminer是一个高度可定制的PDF处理库，适用于需要深度自定义提取逻辑的场景。在PDF文本与表格提取的征程中，我们遇到了各种挑战，也探索了多种解决方案。简单文本提取：PyPDF2和fitz是不错的选择，简单易用，适合初学者快速上手。表格与精确文本提取：pdfplumber在处理表格方面表现出色，能够满足对文本和表格精确提取的需求。复杂PDF处理：pdfminer的灵活性使其能够应对复杂的PDF结构，适合需要深度自定义提取逻辑的场景。扫描PDF处理。

数据预处理：将验证码文本标签转换为独热编码向量。：将独热编码向量转换回文本标签。：从指定目录加载图片数据，并将RGB图片转换为灰度图片，同时从文件名中提取标签。模型定义：定义了一个卷积神经网络（CNN）模型，用于定长验证码的识别。模型包含多层卷积、池化和全连接层，最终输出验证码的预测结果。训练过程train函数：加载训练和验证数据，初始化模型，使用回调函数（如）监控训练过程，并保存最佳模型。预测功能Predictor类：加载训练好的模型，提供单张图片或远程图片的预测功能。

性能强大，适合复杂场景的文字识别。：封装了多个 OCR 引擎（如 Tesseract、Cuneiform 等），提供了统一的接口。：Tesseract 的 Python 封装，支持多种语言，使用简单，适合传统 OCR 任务。注意：根据你的具体需求（如语言支持、应用场景、性能要求等），可以选择最适合的 OCR 库。：易于使用，支持多种语言（包括中文、英文等），基于深度学习技术，适合初学者和快速集成。：专注于文档分析和表格识别，能够提取文档中的结构化信息，适合处理复杂布局的文档。

什么是 OCROCR，即，是光学字符识别的简称。它是指电子设备（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。简言之，OCR技术可以将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工。OCR技术基于图像处理和模型识别技术，其应用场景非常广泛，包括文档数字化、数据提取、自动翻译、安全监控、智能客服等，还可以应用于医疗、金融、教育等领域。衡量一个OCR。

有很多图片在不同的文件夹中，将所有图片汇集起来，按照固定的数量保存到新建的文件夹中。

使⽤matplotlib画图时，由于matplotlib默认没有中⽂，显⽰中文时会出现空⽩⼩⽅块。

无损放大”是指在不损失图片质量的情况下，将图片进行放大操作，使图片的分辨率变高。与之相对的是“有损放大”，也就是通过插值等技术进行放大，但是在过程中会丢失部分原本的图片信息，导致放大后的图片像素不清晰或出现锯齿等。

将上传的图片无损放大2倍、4倍、8倍。

图片保存到服务器的两种方法：1、根据图片的 URL 将其保存到服务器的固定位置2、根据方式从请求中获取上传的图片文件，并将其保存到服务器的固定位置。

使用 YOLO_NAS_S 模型进行目标检测，并保存预测到的主体图片。

对图片进行颜色分析，为您提供图片中的主要颜色以及其相应的出现频率。

处理大量图片可能会导致内存占用过高，特别是当所有图片都被同时加载到内存中时。

由于网络宽带速度不一，所以想着把transformers模型保存到本地，并实现本地加载。

给指定的图片添加标签。

注意：本软件未经过360检测，若报病毒，请选择信任！批量将文件夹中所有的图片裁剪为统一像素的图片。2、填写裁减后图片的宽与高像素。1、提交批量图片所在的文件夹。4、点击提交按钮，等待结束。3、选择保存文件的文件夹。

如果此前没有安装过PIL库，在python3环境下，命令行输入 pip install pillow 即可安装完成。1、cut_out_pic方法参数分别为，图片地址、输出目录地址、起始像素点位置、需要裁剪的宽高。2、做了简单的图片格式校验，如需添加，可以自己看着来。3、最终图片名使用uuid避免重复。4、截取的图片宽高不能超过图片大小。

对图片进行操作，使图片上下、左右翻转。

前言常见的图像任务通常需要把照片统一成相同的格式，所以此文章正是为了统一格式而生，常见的主要有cv2和PIL.Image的相关操作，照片格式是一串数字加上后缀名工具一：cv2pip install opencv-python之后就可以import cv21.1 导包import osimport cv2import sysimport numpy as np1.2 路径设置path = r"C:\\Users\\86775\\test_ch

一、python环境：根据电脑的情况去下载对应的python安装包，我使用的是python3.7.0的版本二、python编译器：打开pycharm，然后我们创建一个project，在project下创建一个python file，建议取名字不要使用中文，创建成功后把我的代码复制过去，然后在该页面右键-运行（run）。三、代码：import turtle as t #as就是取个别名，后续调用的t都是turtlefrom turtle import *import random

一、前言对很多人来说，将PDF转换为可编辑的文本是个刚需，却苦于没有简单的方法。发现 pdf 幻灯片，效果还不错。传统的讲座通常伴随有很多pdf幻灯片。一般来说，想要对自己的讲座做笔记，需要从pdf复制、补充大量内容。最近，来自 K1 Digital 的高级机器工程师 Lucas Soares 一直在尝试通过使用 CR（光学字符识别）自动 pdf 幻灯片，以便直接在 Markdown 文件中操作它们的内容，从而避免手动复制和粘贴 pdf 内容，实现这个过程的自动化。图为项目作者卢卡斯·苏

一、需求：批量修改该图片长与宽尺寸二、素材：三、代码：from PIL import Imageimport os.pathimport globdef convertjpg(jpgfile,outdir,width=512,height=512): img=Image.open(jpgfile) try: new_img=img.resize((width,height),Image.BILINEAR) if not os.path.exists(ou

本文实例为大家分享了python实现图片横向和纵向拼接的具体代码，这里主要用Python扩展库pillow中Image对象的paste()方法把两张图片拼接起来供大家参考，具体内容如下：一、代码：from PIL import Imagedef join(png1, png2, flag='horizontal'): """ :param png1: path :param png2: path :param flag: horizontal or ver

一、需求：给出立方体六个面，合成一张全景图二、主要知识：py360convert2.1、该项目的特点：立方体贴图和等矩形之间的转换 等角于平面 纯python实现，仅依赖于numpy和scipy 矢量化实施（在大多数地方） c2ee2c在1.6 GHz Intel Core i5 CPU上花费300ms并花费160ms 2.2、安装pip install py360convert现在，您可以在任何地方import py360con..

一、需求：给出四张图片，按照一定的顺序拼接起来二、图片：左上角：（像素512*512）右上角：（像素284*512）左下角：（像素284*512）右下角：（像素284*284）三、代码及说明：import skimage.io as ioimport numpy as np# 上面左右拼接jzg = io.imread(r"C:\Users\dyrs\Desktop\aaa\l1_b_1_1.jpg") # np.ndarray, [h, w,

一、需求：从一张图片里提取主要的几种颜色二、效果：三、代码from PIL import Image, ImageDraw, ImageFontdef get_dominant_colors(infile): image = Image.open(infile) # 缩小图片，否则计算机压力太大 small_image = image.resize((80, 80)) result = small_image.convert( "P"