python 利用百度AI实现文字识别（cv2 + aip module）

淩亂°似流年 2021-09-07 06:13 717阅读 0赞

## python 利用百度AI实现文字识别（cv2 + aip module） ##

（该案例将利用cv2，aip等模块，详细的安装以及使用的方法将在后文进行简单的介绍。）

## 一、KNN算法的简介（机器学习算法之一） ##

**通俗的含义：近朱者赤，近墨者黑**

**核心的思想**：如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。

**应用举例**：通过AI识别手写的数字（文字的识别也是类似的）：  
1、通过拍照得到手写内容；  
2、识别图片后与原来已经录入的图形形状进行对比；  
3、与哪一个数字的图形的形状最接近，则返回那个数字。

**优点**：  
1、理论比较成熟;  
2、容易理解， 简单而好用.  
**缺点**：  
1、可能会存在一定的错误;  
2、计算复杂性较高，空间复杂性较高;  
3、存在样本的不平衡问题.

## 二、百度AI平台简单介绍即使用方法 ##

## （1）简单介绍 ##

百度公司开发的人工智能开放平台，目前已经在各方面有所突破，并且有较为广泛的应用。  
具体的链接如下所示：（百度AI 开放平台的链接）  
[https://ai.baidu.com/][https_ai.baidu.com]

## （2）使用方法 ##

**1、首先登录平台**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]

**2、然后创建自己的应用**  
（此处勾选所需要的功能即可，另外该平台可以选择免费的使用。）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]  
（文字识别是系统勾选好的，如果想要其他功能可以自行勾选。）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 2]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 3]  
**3、重要信息**  
在百度AI平台中的设备主要有三个重要的信息：  
1、AppID；  
2、API Key；  
3、Secret Key。  
（这三个信息在写程序时会用到，即利用这三个信息调用相应的设备。）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 4]

## 三、安装所需要的python库 ##

（我已经安装好了，所以下图会显示：Requirement already satisfied）  
**1、使用cv2， 需要安装opencv-python**  
命令：pip install opencv-python  
![在这里插入图片描述][20210228172509277.png_pic_center]  
**2、使用aip， 需要安装baidu-aip**  
命令：pip install baidu-aip  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 5]

## 四、代码实现（有详细注释的解释） ##

需要输入你自己的设备的appid， apikey， secretkey。  
（此处定义函数是为了使功能的实现分成不同的区域块，从而便于理解，当然不定义函数也是可以实现相应的功能的。）

# using the baidu aip and python to identify the characters
    # 文字识别
    # import
    
    
    import cv2
    from aip import AipOcr
    # 导入 cv2 和 aip 中的 AipOcr
    
    
    # define config
    """ 输入你自己的设备的appId， apiKey， secretKey。 """
    config = \
        {   # 字典
        'appId': '********',  # appId
        'apiKey': '************************',  # apiKey
        'secretKey': '*********************************'  # secretKey
        }  # 字典的形式
    # 构造调用百度aip的请求头
    # 类似于headers
    client = AipOcr(**config)
    # 利用config来进行访问以及调用相应的设备
    
    
    # 定义获取图像的函数
    def get_file_content(file):
        """ 获取图像 :param file: 文件的名称 :return: 返回读取的内容 """
        with open(file, 'rb') as f:
            # 获取保存下来的图像
            # 采用读和写的模式('rb')
            # return f.read()
            return f.read()
    
    
    # 读取图像中的文字信息并识别文字
    def img_to_string(image_path):
        """ 识别图像中的文字 :param image_path: 文件的名称 :return: 返回识别的结果（识别所得到的文字） """
        image_0 = get_file_content(image_path)
        # 调用上一个函数来得到图像
        # 调用get_file_content(file)来得到图像
    
        # 获得读取的结果
        result_0 = client.handwriting(image_0)
        # result_1 = client.basicGeneral(image_0)
        # 识别手写字用 ； result_0 = client.handwriting(image_0)
        # 识别印刷文字要用 ；result_1 = client.basicGeneral(image_0)
        # 此处以手写为例 ！！
        # print(result_0)
    
        # 返回识别的结果
        if 'words_result' in result_0:
            return '\n'.join([w['words'] for w in result_0['words_result']])
    
    
    if __name__ == '__main__':
        """ main函数实现功能 """
        # 创建窗口
        cv2.namedWindow('Camera', 1)
        # Camera-->命名窗口
    
        # 调用系统自带的摄像头
        # 这是电脑自带的摄像头，当然也可以用代理IP摄像头
        capture = cv2.VideoCapture(0)
        while True:  # 循环执行
            # 获取信息
            success, image = capture.read()
            cv2.imshow('Camera', image)
            # 设置按键
            # 要让摄像头等待按键，而不是直接拍照 ！！
            key = cv2.waitKey(10)
            # 根据按键来处理获取的图片以及操控程序
            if key == 27:
                # Esc 按键
                break
            else:
                if key == 32:
                    # 空格按键
                    filename = 'picture.jpg'
                    # 将所获取的图像保存至文件中
                    cv2.imwrite(filename=filename, img=image)
                    # 调用函数实现文字识别的功能
                    s = img_to_string(filename)
                    # 打印信息
                    print(s)

## 五、运行结果展示 ##

运行上述代码后的结果展示：（手写文字+程序打印内容）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 6]  
![在这里插入图片描述][20210228193808538.png_pic_center]

## 六、内容总结 ##

总之，该程序实现了调用百度人工智能平台中的文字识别功能，来进行识别手写或机器打印的文字（英语，汉语都可以哦），具体思路在这里进行一下总结：  
1、首先拍摄照片；  
2、构造请求头向百度AI平台中的设备发送请求以及请求的内容（图片）；  
3、获取得到请求的结果；  
4、显示请求得到的结果。  
另外，百度AI平台实际上采用的是机器的深度学习算法，这种算法由于KNN算法，精确度更高，识别结果更可信。

## 七、P.S.（改良后的代码） ##

在上述的基础之上，可以将代码进行一定的优化与改良，具体的改良版本如下所示，这就简洁了不少（此处不再写注释，具体的改良方法可以自己总结来实现）：  
（这里的改良代码仅供参考啦~~）

# 改良了的版本，这里省去了一些不必要的函数，使代码变得更加简洁
    import cv2
    from aip import AipOcr
    
    if __name__ == '__main__':
        config = { 
            'appId': '********',  # appId
        'apiKey': '************************',  # apiKey
        'secretKey': '*********************************'  # secretKey
        }
        client = AipOcr(**config)
        cv2.namedWindow('Word recognition has been improved', 1)
        capture = cv2.VideoCapture(0)
        # 电脑自带的摄像头，也可以用代理IP摄像头
        while True:
            success, image = capture.read()
            cv2.imshow('Word recognition has been improved', image)
            key = cv2.waitKey(10)
            if key == 27:  # 当然用其他的按键来控制也是可以的啊
                break
            elif key == 32:  # 当然用其他的按键来控制也是可以的啊
                filename = 'A_image_of_test.jpg'
                cv2.imwrite(filename=filename, img=image)
                with open(filename, 'rb') as a_file:
                	result = client.handwriting(a_file.read())
                    if 'words_result' in result:
                    	print('\n'.join(w['words'] for w in result['words_result']))

[https_ai.baidu.com]: https://ai.baidu.com/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center]: /images/20210813/ef6731852454402a984ca69ca6def30c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20210813/832d5d576eaa4c93a82ef1a8f49324b7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20210813/85cb2fffcbb44be8bf22892520612b06.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20210813/72b47eedf1e048b8b9b4f662725f1541.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20210813/3cdaabc7519043578a466e9673312aae.png
[20210228172509277.png_pic_center]: /images/20210813/9228837f8ca24380acaa60f78bc454a7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20210813/b0b9effab71644bdb1a3a13f8310264c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L20wXzU0MjE4MjYz_size_16_color_FFFFFF_t_70_pic_center 6]: /images/20210813/90a9375b6d6140b8a53b94a8d26fe20d.png
[20210228193808538.png_pic_center]: /images/20210813/e0aaf4ee8c3649e4ae225d4f1bcb5a8a.png