一、 總體概述
本文介紹了基于百度AI的云貓OCR軟件相關功能、性能評價及核心代碼解讀。因篇幅較長大家可以直接檢索所需信息參考。
本文主要介紹了由本人開發的、基于百度AI的云貓OCR軟件的主要功能,性能評價及核心代碼解讀。因為是幾個帖子合并成一個,所以篇幅較長,希望各位能耐心看完,當然也可以各取所需。
本文主要分為以下幾個部分:
第一部分是云貓OCR軟件介紹。 由開發者本人親自介紹軟件的主要功能。對標ABBYY等OCR軟件,云貓OCR的功能更全面,使用更簡單,關鍵的是云貓OCR目前是完全免費給大家用的。當然因為是試用版,可能存在一些bug,大家使用的時候不要亂按就行。
第二部分是云貓OCR基于百度OCR的具體實現方式說明。 同時也會對軟件的部分核心代碼進行展示,便于大家進行參考做出更有創意的產品。
第三部分是云貓OCR使用說明及效果評測。 但因為云貓OCR是2017年底左右開發的,所以用的不是百度OCR最新接口功能,如果云貓能得到大家的支持,我可以考慮開發新版接入更多百度最新的AI接口,希望大家能多多捧場。
本文的最后部分是附錄,附上了我基于百度OCR進行開發的代碼解讀,使用的是最新的百度手寫體識別接口,也一并打包給大家參考。
第一部分 云貓OCR的軟件介紹
一、云貓OCR簡介
云貓OCR是基于百度云OCR算法,由進擊的狐貍進行開發的一款軟件。本軟件由C#語言進行開發,運行在Windows平臺上。主要調用的接口是通用文字識別、通用文字識別(高精度)和表格識別等。
二、云貓OCR目前實現的主要功能:
1.批量圖片文字識別,可以預覽圖片,可以對識別結果進行自動換行和縮進,可以控制QPS并發(QPS功能因為百度云的timeout問題而暫時擱置);
2.批量表格圖片識別,支持自動打開識別結果,用戶也可以選擇直接打開保存目錄;
3.PDF轉圖片,在我的筆記本(配置為I7處理器/8G內存/128G SSD硬盤)的硬件環境下,PDF轉圖片程序模塊占用的內存不超過400M,同時可以在2分鐘左右的時間內轉換超過500頁內容的PDF文件。支持一鍵打開轉換結果文件夾。
4.云貓軟件支持換膚功能,目前有兩套皮膚;
5.可以設置API Key和Secret Key;
6.支持中途停止識別;
7.支持把設置改變后對同一張圖片進行重新識別;
8.支持多種語言;
9.其他功能,比如識別統計信息、控制字體大小、右鍵把識別結果另存為rtf文件、全選和復制識別結果等等;
三、演示帖子鏈接
http://ai.baidu.com/forum/topic/show/492371
四、云貓OCR演示視頻鏈接
https://v.qq.com/x/page/r0564n4a87e.html
第二部分 云貓OCR基于百度OCR的具體實現方式說明
一、概述
云貓OCR是基于百度AI,在Windows平臺運行的一款軟件。我是用C#語言在Visual Studio2017集成開發環境中進行開發的,開發方式是SDK包開發。在開發中,我們需要參考百度的技術文檔。
百度云文字識別技術文檔地址:
https://cloud.baidu.com/doc/OCR/index.html
二、準備工作
首先,我們需要下載最新的百度文字識別的SDK包。
C# SDK包的下載地址:http://ai.baidu.com/sdk#ocr
下載完畢后解壓縮,最新的包在文件夾net45里面。
打開Visual Studio2017開發環境,選擇新建項目,因為我打算用控制臺項目講解,因此要選擇新建項目——C#控制臺項目。建好項目之后,需要在項目中引用上面下載的SDK包。
三、 核心代碼講解
注意,具體開發的時候要把上面的API Key和Secret Key分別改為你自己的,另外不要忘了把圖片文件路徑改為你自己的圖片路徑。下面是識別的結果示例:
原圖如下:
(二)解析Json格式,把識別結果轉變為更為直觀的文本類型
程序運行結果如下:
這樣就比較符合人類的閱讀習慣了,上面這段代碼也是核心的基礎代碼,可以通過這些核心的代碼去做一些優化,比如自動換行、自動縮進、根據語言習慣自動改變標點符號等等。
(三)表格識別
百度的表格文字識別的編程較為麻煩,主要分成兩步:第一步是提交表格文字識別請求,獲得requestId;第二步是根據requestId獲取表格文字識別的結果,默認是Excel文件格式,Json結果會返回一段下載地址。
我的程序除了上面這兩步以外,還添加了自動下載Excel文件到本地電腦的代碼,供各位參考。另外要注意的是,提交識別請求和獲得識別結果這兩步之間,程序必須設置延時,否則不能獲得下載的URL 。經過實際測試,延時為3秒以上較為合適,3秒以下可能會出錯。
代碼如下:
作者使用的測試用圖片:
表格文字識別結果截圖:
第三部分 云貓OCR的使用說明及效果評測
一、概述
筆者是在2017年接觸百度云服務平臺的,在這里我也稱之為百度AI 。筆者根據百度AI提供的函數接口,自行編程實現了一款OCR軟件——云貓OCR。云貓OCR大部分的代碼開發是在2017年底前完成的,之所以雪藏到現在,是因為筆者的一些私人事務(小孩出生等)——我是利用業余時間進行軟件開發的,所以中斷了大概一年多的時間,現在才有空繼續這個項目。
評測篇的原帖子地址:
http://ai.baidu.com/forum/topic/show/955989
二、評測的具體內容
(一)準備工作
在使用云貓OCR之前,我們必須先去百度云官網進行注冊賬號,有了賬號以后,我們還要去具體的云服務項目下申請API Key和Secret Key ,一般這兩個Key是用戶各人保管的,不能隨便透露給外人。因為百度云現在已經正式收費,而用戶每人每天的免費調用次數都是有限的,提高限額需要支付費用,用戶使用百度云AI接口的依據主要就是這兩個Key,所以我們要保管好。下面是簡單的準備工作圖片說明:
(二)正式使用云貓OCR
用戶有了百度云API Key和Secret Key之后,就可以正式使用云貓OCR了。具體使用步驟如下:
(三)評測的具體內容
首先介紹一下云貓OCR調用的百度AI的主要接口,首先是通用文字識別(帶位置版),其次是通用文字識別(帶位置高精度版),最后是表格文字識別,下面依次介紹這三種識別。
1. 通用文字識別(帶位置版)和通用文字識別(帶位置高精度版)的混合使用
如上圖所示,用戶可以選擇多種語言(包括德語、法語、西班牙語等等),選擇好后點擊文字識別即可。因為百度云提供的高精度文字識別接口只支持中英文,而通用的文字識別支持除中英文以外的多種語言,所以筆者在編寫軟件中,這兩種接口是混合使用的,具體怎么混合使用請看代碼篇。一般情況下,高精度的文字識別效果比通用的好,但也比較耗時。
本軟件支持識別的文字結果在本機保存為文件,具體如下圖操作:
保存的文件是rtf格式,可以用WPS或者Office Word打開。下面再給出一次性識別20張圖片的統計結果圖示:
從上圖可以看出,百度云的文字識別結果速度還是不錯的,識別速度是平均大概2-3秒一張圖。
2. 表格文字識別
表格文字識別的主要步驟如下圖所示:
識別的結果軟件會自動保存為Excel文件并打開,如圖:
從上圖可以看出,表格文字識別的速度比普通文字識別要慢一些,大概需要5-6秒。
評測總結:百度OCR對于印刷體的識別還是不錯的,比起以前的OCR軟件來說,百度OCR可以說是革命性的進步。當然,它也有自己的短板。比如手寫體的識別,筆者還沒有評測,但百度云通用文字高精度接口對手寫體的識別是較差的。再比如QPS并發,我的理解是可以提高OCR文字識別的速度,對于大量的圖片文字識別來說尤其是重要,可以節省大量時間。但遺憾的是,百度云對并發好像做的不太好,程序不一定支持QPS并發,這個缺點我們也是希望百度后面能夠有所改正。
附錄:
C#編程實現手寫識別
一、概述
本人是用C#編程,調用百度API接口實現手寫體識別的,參考了百度的產品文檔。
文檔地址:https://cloud.baidu.com/doc/OCR/index.html
二、代碼及解說
本人的源代碼大部分是來自百度的產品文檔,但其中也遇到了一些麻煩。比如文字識別的編碼問題,百度的代碼給出的編碼是Default,但在我的機器上這樣做會顯示亂碼。經過查找資料,我把編碼改成UTF8,亂碼的問題才得到解決。
作者的所有源代碼如下:
注意,上面的代碼中需要各位改成自己的Akey和Skey,另外要改一下圖片路徑。如果返回的是亂碼,還需要改一下編碼。
識別的結果如下:
程序用的圖片文件如下:
(新聞稿 2019-12-13)