2019年7月3日早上,在百度AI开发者大会上,一个来自山西的青年,将一瓶矿泉水浇在了同样来自山西的李彦宏身上。
可以回顾一下 https://b23.tv/av57665929/p1 ,着实让人一惊,这么大的会议上既然让人这么容易接近大佬。
(图片来源网络)
OCR识别准备工作
百度云真的是测试接口的天堂,免费接口很多,当然有量的限制,但个人使用是完全够用的,什么人脸识别、MQTT服务器、语音识别等等,应有尽有吧
看看OCR识别免费的量
第一步:
创建一个文字识别的应用,也就是向百度云申请一个文字识别的用户接口
第二步:
打开技术文档,基本涵盖了当今流行的编程语言
https://cloud.baidu.com/doc/OCR/s/ejwvxzls6/
- C++SDK文档 Android-SDK文档 Java-SDK文档 Node-SDK文档
- PHP-SDK文档 Python-SDK文档 C#SDK文档 iOS-SDK文档
第三步:
安装OCR Python SDK,OCR Python SDK目录结构
├── README.md
├── aip //SDK目录
│ ├── __init__.py //导出类
│ ├── base.py //aip基类
│ ├── http.py //http请求
│ └── ocr.py //OCR
└── setup.py //setuptools安装
支持Python版本:2.7.+ ,3.+
安装命令:
在win10环境下通过cmd安装后需要关掉当前cmd窗口,重新打开cmd窗口进行命令执行python程序方可正确实现
pip install baidu-aip
测试代码
通用文字识别
from aip import AipOcr #更换为自己的注册信息 APP_ID = '---' API_KEY = '---' SECRET_KEY = '---' client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接 fp=open("tu2.png","rb").read()#打开并读取文件内容 res=client.basicGeneral(fp)#普通 #print(res) #将所有的文字都合并到一起 strx="" for tex in res["words_result"]:#遍历结果 strx+=tex["words"]#每一行 print(strx)#输出内容
通用文字识别(高精度版)
from aip import AipOcr #更换为自己的注册信息 APP_ID = '---' API_KEY = '---' SECRET_KEY = '---' client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接 fp=open("tu2.png","rb").read()#打开并读取文件内容 #res=client.basicGeneral(fp)#普通 res=client.basicAccurate(fp)#高精度 #print(res) #将所有的文字都合并到一起 strx="" for tex in res["words_result"]:#遍历结果 strx+=tex["words"]#每一行 print(strx)#输出内容
URL图片地址方式
from aip import AipOcr #更换为自己的注册信息 APP_ID = '----' API_KEY = '----' SECRET_KEY = '-----' client = AipOcr(APP_ID, API_KEY, SECRET_KEY)#创建连接 url = "https://img2018.cnblogs.com/blog/1485202/201907/1485202-20190705210445649-2093672772.png" res=client.basicGeneralUrl(url)#普通 #print(res) #将所有的文字都合并到一起 strx="" for tex in res["words_result"]:#遍历结果 strx+=tex["words"] print(strx)#输出内容
注意
图片格式(image):
图像数据,base64编码,要求base64编码后大小不超过4M,最短边至少15px,最长边最大4096px,支持jpg/png/bmp格式
URL格式(url):
图片完整URL,URL长度不超过1024字节,URL对应的图片base64编码后大小不超过4M,最短边至少15px,最长边最大4096px,支持jpg/png/bmp格式,当image字段存在时url字段失效
语言设置(language_type)
识别语言类型,默认为CHN_ENG
可设置:- CHN_ENG:中英文混合;- ENG:英文;- POR:葡萄牙语;- FRE:法语;- GER:德语;- ITA:意大利语;- SPA:西班牙语;- RUS:俄语;- JAP:日语;- KOR:韩语;
图像倒置设置(detect_direction)
是否检测图像朝向,默认不检测,即:false。朝向是指输入图像是正常方向、逆时针旋转90/180/270度。可选值包括:- true:检测朝向;- false:不检测朝向
是否检测语言(detect_language)
是否检测语言,默认不检测。当前支持(中文、英语、日语、韩语),值为flase或者true
是否返回识别结果中每一行的置信度(probability)
值为flase或者true
参数添加举例
""" 如果有可选参数 """ options = {} options["detect_direction"] = "true" options["detect_language"] = "true" """ 带参数调用网络图片文字识别, 图片参数为远程url图片 """ client.webImageUrl(url, options)
更多参考: