小白学Python之实现OCR识别

目录

• 前期准备

• 界面编写

• 截图功能实现

• OCR实现

• 内容显示

• 总结

前期准备

在这个阶段主要准备整个小程序的结构，既然要实现ocr，那么输入就是一张图片，而图片这里采用屏幕截图的方式获得，输出是文字，这里采用搜狗的ocr接口，我们把截好的图片传到搜狗ocr接口中，然后把返回的文字作为输出即可。

由于想做一个小程序，所以要为程序做GUI，这里采用tkinter编制GUI界面。

界面编写

界面主要就准备一个窗体，里面有菜单，给出OCR功能。

之后我们点击菜单，则启动一个截图功能，在截图完成后，我们就把截得的图片传入ocr接口并返回文字到主窗体中。

主面板的编写则直接使用tkinter建立菜单等

root = Tk()
root.title("小新的OCR")
# 创建一个顶级菜单
   menubar = Menu(root)
   # 创建一个下拉菜单“文件”，然后将它添加到顶级菜单中
   filemenu = Menu(menubar, tearoff=False)
   filemenu.add_command(label="OCR", command=buttonCaptureClick, accelerator='Ctrl+N')
   filemenu.add_command(label="帮助",command=helpClick)
   filemenu.add_command(label="退出", command=root.quit)
   menubar.add_cascade(label="操作", menu=filemenu)
   # 显示菜单
   root.config(menu=menubar)
   root.bind_all("<Control-d>", lambda event: buttonCaptureClick())
   #启动消息主循环
   root.mainloop()  

这样变回产生一个窗体，用户可以和这个窗体进行交互，你可以点击菜单，然后找到其子菜单中的OCR一项，点击它便会调用一个buttonCaptureClick的函数，这个函数就来产生截图，并且保存截图。

截图功能实现

截图功能我也是参考网上的内容，原理就是先把整个屏幕给捕捉到，然后监听鼠标事件，当鼠标左边按下则作为截图的左顶点，鼠标左键松下则最为截图的右底点，这样我们截图区域就出来了，然后进行保存即可。

#用来显示全屏幕截图并响应二次截图的窗口类
class MyCapture:
   def __init__(self, png):
       #变量X和Y用来记录鼠标左键按下的位置
       self.X = tkinter.IntVar(value=0)
       self.Y = tkinter.IntVar(value=0)
       #屏幕尺寸
       screenWidth = root.winfo_screenwidth()
       screenHeight = root.winfo_screenheight()
       #创建顶级组件容器
       self.top = tkinter.Toplevel(root, width=screenWidth, height=screenHeight)
       #不显示最大化、最小化按钮
       self.top.overrideredirect(True)
       self.canvas = tkinter.Canvas(self.top,bg='white', width=screenWidth, height=screenHeight)
       #显示全屏截图，在全屏截图上进行区域截图
       self.image = tkinter.PhotoImage(file=png)
       self.text =""
       self.canvas.create_image(screenWidth//2, screenHeight//2, image=self.image)
       #鼠标左键按下的位置
       def onLeftButtonDown(event):
           self.X.set(event.x)
           self.Y.set(event.y)
           #开始截图
           self.sel = True
       self.canvas.bind('<Button-1>', onLeftButtonDown)
       #鼠标左键移动，显示选取的区域
       def onLeftButtonMove(event):
           if not self.sel:
               return
           global lastDraw
           try:
               #删除刚画完的图形，要不然鼠标移动的时候是黑乎乎的一片矩形
               self.canvas.delete(lastDraw)
           except Exception as e:
               pass
           lastDraw = self.canvas.create_rectangle(self.X.get(), self.Y.get(), event.x, event.y, outline='black')
       self.canvas.bind('<B1-Motion>', onLeftButtonMove)
       #获取鼠标左键抬起的位置，保存区域截图
       def onLeftButtonUp(event):
           self.sel = False
           try:
               self.canvas.delete(lastDraw)
           except Exception as e:
               pass
           sleep(0.1)
           #考虑鼠标左键从右下方按下而从左上方抬起的截图
           left, right = sorted([self.X.get(), event.x])
           top, bottom = sorted([self.Y.get(), event.y])
           pic = ImageGrab.grab((left+1, top+1, right, bottom))
           fileName ="temp.jpg"
           pic.save(fileName)
           self.text = get_text(fileName)
           #关闭当前窗口
           self.top.destroy()
       self.canvas.bind('<ButtonRelease-1>', onLeftButtonUp)
#让canvas充满窗口，并随窗口自动适应大小
       self.canvas.pack(fill=tkinter.BOTH, expand=tkinter.YES)
#开始截图
def buttonCaptureClick():
   #最小化主窗口
#     root.state('icon')
   root.withdraw()
   sleep(0.4)
   filename = 'temp.png'
   #grab()方法默认对全屏幕进行截图
   im = ImageGrab.grab()
   im.save(filename)
   im.close()
   #显示全屏幕截图
   w = MyCapture(filename)
   root.wait_window(w.top)
   #截图结束，恢复主窗口，并删除临时的全屏幕截图文件
   root.update()
   root.deiconify()
   text1.config(state = NORMAL)
   text1.delete(0.0,END)
   text1.insert('insert',w.text)
   text1.config(state = DISABLED)
   text1.pack()
   os.remove(filename)

OCR实现

因为OCR其实是采用了搜狗的接口，所以需要做的工作也不是很多，只需要把我们的图片传入即可。

def get_text(img_path):
   print("")
   img = img_path # 图片路径
   files = {"pic_path": open(img, "rb")}  # files # 类似data数据
   url = "http://pic.sogou.com/pic/upload_pic.jsp"  # post的url
   keywords = requests.post(url, files=files).text  # requests 提交图片
   url = "http://pic.sogou.com/pic/ocr/ocrOnline.jsp?query=" + keywords  # keywords就是图片url此方式为get请求
   ocrResult = requests.get(url).json()  # 直接转换为json格式

contents = ocrResult['result']  # 类似字典 把result的value值取出来 是一个list然后里面很多json就是识别的文字
   text = ""
   for content in contents:  # 遍历所有结果
       text+=(content['content'].strip()+'\n')  # strip去除空格 他返回的结果自带一个换行
   return text

内容显示

内容显示是在截图结束后我们把ocr识别的内容存储起来

self.text = get_text(fileName)  

然后再显示到主窗体上

   text1.config(state = NORMAL)
   text1.delete(0.0,END)
   text1.insert('insert',w.text)
   text1.config(state = DISABLED)
   text1.pack()  

总结

虽然是一个完整的项目，但是其中的很多模块其实都是借用其他人的模块，而我做的只是把他们结合起来做成一个小项目，所以是站在巨人的肩膀上开发。

参考：

• https://cloud.tencent.com/developer/article/1097904

• https://morvanzhou.github.io/tutorials/python-basic/tkinter/

• https://www.52pojie.cn/thread-708177-1-1.html

来源：https://blog.csdn.net/qq_28888837/article/details/83475314