如何用百度大腦文字識別技術，快速集成實用小工具
1、整體概述html
本文主要介紹了由本人開發的、基於百度AI的雲貓OCR軟件的主要功能，性能評價及核心代碼解讀。由於是幾個帖子合併成一個，因此篇幅較長，但願各位能耐心看完，固然也能夠各取所需。算法
本文主要分爲如下幾個部分：
第一部分是雲貓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，雲貓OCR的功能更全面，使用更簡單，關鍵的是雲貓OCR目前是徹底免費給你們用的。固然由於是試用版，可能存在一些bug，你們使用的時候不要亂按就行。雲貓展現版本的下載地址見帖子： https://ai.baidu.com/forum/topic/show/955975
第二部分是雲貓OCR基於百度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現，便於你們進行參考作出更有創意的產品。
第三部分是雲貓OCR使用說明及效果評測。 但由於雲貓OCR是2017年末左右開發的，因此用的不是百度OCR最新接口功能，若是雲貓能獲得你們的支持，我能夠考慮開發新版接入更多百度最新的AI接口，但願你們能多多捧場。
本文的最後部分是附錄，附上了我基於百度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，也一併打包給你們參考。編程
第一部分 雲貓OCR的軟件介紹緩存
1、雲貓OCR簡介網絡
雲貓OCR是基於百度雲OCR算法，由進擊的狐狸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。併發
2、雲貓OCR目前實現的主要功能：app
1.批量圖片文字識別，能夠預覽圖片，能夠對識別結果進行自動換行和縮進，能夠控制QPS併發（QPS功能由於百度雲的timeout問題而暫時擱置）；函數
2.批量表格圖片識別，支持自動打開識別結果，用戶也能夠選擇直接打開保存目錄；post
3.PDF轉圖片，在個人筆記本（配置爲I7處理器/8G內存/128G SSD硬盤）的硬件環境下，PDF轉圖片程序模塊佔用的內存不超過400M，同時能夠在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。性能
4.雲貓軟件支持換膚功能，目前有兩套皮膚；
5.能夠設置API Key和Secret Key；
6.支持中途中止識別；
7.支持把設置改變後對同一張圖片進行從新識別；
8.支持多種語言；
9.其餘功能，好比識別統計信息、控制字體大小、右鍵把識別結果另存爲rtf文件、全選和複製識別結果等等；
3、演示帖子連接
http://ai.baidu.com/forum/topic/show/492371
4、雲貓OCR演示視頻連接
https://v.qq.com/x/page/r0564n4a87e.html
建議你們用1.2x或者1.5x倍速觀看，由於本人的聲速有點慢。
第二部分 雲貓OCR基於百度OCR的具體實現方式說明
1、概述
雲貓OCR是基於百度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，咱們須要參考百度的技術文檔。
百度雲文字識別技術文檔地址：
https://cloud.baidu.com/doc/OCR/index.html
2、準備工做
首先，咱們須要下載最新的百度文字識別的SDK包。
C# SDK包的下載地址以下：
下載完畢後解壓縮，最新的包在文件夾net45裏面。
打開Visual Studio2017開發環境，選擇新建項目，由於我打算用控制檯項目講解，所以要選擇新建項目——C#控制檯項目。建好項目以後，須要在項目中引用上面下載的SDK包。
3、核心代碼講解
（一）調用百度OCR函數識別圖片文字，返回的格式爲Json
代碼以下：
using System;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.IO;
using System.Drawing;
using System.Collections.Generic;
using System.Linq;
namespace myOCRDemo
{
class Program
{
public static void GeneralBasicDemo()
{
// 設置APPID/AK/SK
var API_KEY = "你的 Api Key";
var SECRET_KEY = "你的 Secret Key";
//建立對象
var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);
client.Timeout = 60000; // 修改超時時間
var image = File.ReadAllBytes("圖片文件路徑");
// 調用通用文字識別, 圖片參數爲本地圖片，可能會拋出網絡等異常，請使用try/catch捕獲
var result = client.GeneralBasic(image);
Console.WriteLine(result);
}
static void Main(string[] args)
{
GeneralBasicDemo();
Console.Read();
}
}
}
注意，具體開發的時候要把上面的API Key和Secret Key分別改成你本身的，至於怎麼申請和查看這兩個Key，能夠參考我寫的評測篇帖子。帖子連接以下：
http://ai.baidu.com/forum/topic/show/955989
另外不要忘了把圖片文件路徑改成你本身的圖片路徑。下面是識別的結果示例：
原圖以下：
（二）解析Json格式，把識別結果轉變爲更爲直觀的文本類型
代碼以下：
using System;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.IO;
using System.Drawing;
using System.Collections.Generic;
using System.Linq;
namespace myOCRDemo
{
class Program
{
public static void GeneralBasicDemo()
{
// 設置APPID/AK/SK
var API_KEY = "你的Akey";
var SECRET_KEY = "你的SKey";
//建立對象
var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);
client.Timeout = 60000; // 修改超時時間
var image = File.ReadAllBytes(@"你的圖片路徑");
// 調用通用文字識別, 圖片參數爲本地圖片，可能會拋出網絡等異常，請使用try/catch捕獲
var result = client.GeneralBasic(image);
//解析Json的代碼
JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());
int num = (int)jo["words_result_num"];
string[] words = new string[num];
for (int i = 0; i < num; i++)
words[i] = jo["words_result"][i]["words"].ToString();
//返回值
string txtOCR = null;
for (int i = 0; i < num; i++)
txtOCR += words[i] + "\n";
//顯示結果
Console.WriteLine(txtOCR);
}
static void Main(string[] args)
{
GeneralBasicDemo();
Console.Read();
}
}
}
程序運行結果以下：
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，能夠經過這些核心的代碼去作一些優化，好比自動換行、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爲麻煩，主要分紅兩步：第一步是提交表格文字識別請求，得到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。
個人程序除了上面這兩步之外，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，提交識別請求和得到識別結果這兩步之間，程序必須設置延時，不然不能得到下載的URL 。通過實際測試，延時爲3秒以上較爲合適，3秒如下可能會出錯。
代碼以下：
///
/// 表格文字識別
///
public static void myTableRecognitionRequestDemo()
{
// 設置APPID/AK/SK
var API_KEY = "你的API Key";
var SECRET_KEY = "你的Secret Key";
//建立對象
var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);
client.Timeout = 60000; // 修改超時時間
var image = File.ReadAllBytes(@"F:\表格圖片1.jpg");//這裏要改爲你的表格圖片路徑
// 調用表格文字識別，可能會拋出網絡等異常，請使用try/catch捕獲
var result = client.TableRecognitionRequest(image);
//解析Json
JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());
string requestId = jo["result"][0]["request_id"].ToString();
Console.WriteLine("得到requestId："+requestId);
//延時3秒，這句是必須的
System.Threading.Thread.Sleep(3000);
//獲取表格識別結果
//有時會得不到連接，須要多嘗試幾回
var resultExcel = client.TableRecognitionGetResult(requestId);
Console.WriteLine("得到的表格識別結果以下：");
Console.WriteLine(resultExcel);
//解析Json，得到連接
JObject joResult = (JObject)JsonConvert.DeserializeObject(resultExcel.ToString());
string excelURL = joResult["result"]["result_data"].ToString();
Console.WriteLine("得到的Excel文件下載地址是：\n" + excelURL);
//自動下載Excel文件到電腦
WebClient df = new WebClient();
df.DownloadFile(excelURL, @"F:\識別結果.xls");//這裏要改爲你的下載文件路徑
Console.WriteLine("下載完畢");
}
做者使用的測試用圖片：
表格文字識別結果截圖：
尾記：本文的示例代碼都是最新的代碼，跟百度SDK文檔裏面的代碼是一致的，而云貓OCR是2017年底就已經寫好的了，代碼有些陳舊，因此沒直接貼源代碼了。
代碼篇的原帖子地址：
http://ai.baidu.com/forum/topic/show/956037
第三部分 雲貓OCR的使用說明及效果評測
1、概述
筆者是在2017年接觸百度雲服務平臺的，在這裏我也稱之爲百度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——雲貓OCR。雲貓OCR大部分的代碼開發是在2017年末前完成的，之因此雪藏到如今，是由於筆者的一些私人事務（小孩出生等）——我是利用業餘時間進行軟件開發的，因此中斷了大概一年多的時間，如今纔有空繼續這個項目。
評測篇的原帖子地址：
http://ai.baidu.com/forum/topic/show/955989
2、評測的具體內容
（一）準備工做
在使用雲貓OCR以前，咱們必須先去百度雲官網進行註冊帳號，有了帳號之後，咱們還要去具體的雲服務項目下申請API Key和Secret Key ，通常這兩個Key是用戶各人保管的，不能隨便透露給外人。由於百度雲如今已經正式收費，而用戶每人天天的免費調用次數都是有限的，提升限額須要支付費用，用戶使用百度雲AI接口的依據主要就是這兩個Key，因此咱們要保管好。下面是簡單的準備工做圖片說明：
（二）正式使用雲貓OCR
用戶有了百度雲API Key和Secret Key以後，就能夠正式使用雲貓OCR了。具體使用步驟以下：
（三）評測的具體內容
首先介紹一下雲貓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），最後是表格文字識別，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，用戶能夠選擇多種語言（包括德語、法語、西班牙語等等），選擇好後點擊文字識別便可。由於百度雲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之外的多種語言，因此筆者在編寫軟件中，這兩種接口是混合使用的，具體怎麼混合使用請看代碼篇。通常狀況下，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爲文件，具體以下圖操做：
保存的文件是rtf格式，能夠用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：
從上圖能夠看出，百度雲的文字識別結果速度仍是不錯的，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以下圖所示：
識別的結果軟件會自動保存爲Excel文件並打開，如圖：
從上圖能夠看出，表格文字識別的速度比普通文字識別要慢一些，大概須要5-6秒。
評測總結：百度OCR對於印刷體的識別仍是不錯的，比起之前的OCR軟件來講，百度OCR能夠說是革命性的進步。固然，它也有本身的短板。好比手寫體的識別，筆者尚未評測，但百度雲通用文字高精度接口對手寫體的識別是較差的。再好比QPS併發，個人理解是能夠提升OCR文字識別的速度，對於大量的圖片文字識別來講尤爲是重要，能夠節省大量時間。但遺憾的是，百度雲對併發好像作的不太好，程序不必定支持QPS併發，這個缺點咱們也是但願百度後面可以有所改正。
附錄：
C#編程實現手寫識別
1、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
2、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。好比文字識別的編碼問題，百度的代碼給出的編碼是Default，但在個人機器上這樣作會顯示亂碼。通過查找資料，我把編碼改爲UTF8，亂碼的問題才獲得解決。
做者的全部源代碼以下：
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Net.Http;
using Newtonsoft.Json;
using Newtonsoft.Json.Linq;
using System.IO;
using System.Drawing;
using System.Web;
using System.Net;
namespace myHandwrite
{
public static class FileUtils
{
///
/// 轉base64編碼
///
///
///
public static String getFileBase64(String fileName)
{
FileStream filestream = new FileStream(fileName, FileMode.Open);
byte[] arr = new byte[filestream.Length];
filestream.Read(arr, 0, (int)filestream.Length);
string baser64 = Convert.ToBase64String(arr);
filestream.Close();
return baser64;
}
}
class Program
{
// 調用getAccessToken()獲取的 access_token建議根據expires_in 時間 設置緩存
// 返回token示例
public static String TOKEN = "24.adda70c11b9786206253ddb70affdc46.2592000.1493524354.282335-1234567";
// 百度雲中開通對應服務應用的 API Key 建議開通應用的時候多選服務
private static String clientId = "這裏改爲你的API Key";
// 百度雲中開通對應服務應用的 Secret Key
private static String clientSecret = "這裏改爲你的Secret Key";
///
/// 獲取token的函數
///
///
public static String getAccessToken()
{
String authHost = "https://aip.baidubce.com/oauth/2.0/token";
HttpClient client = new HttpClient();
List> paraList = new List>();
paraList.Add(new KeyValuePair("grant_type", "client_credentials"));
paraList.Add(new KeyValuePair("client_id", clientId));
paraList.Add(new KeyValuePair("client_secret", clientSecret));
HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result;
String result = response.Content.ReadAsStringAsync().Result;
//本身加的代碼
JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());
string myToken = jo["access_token"].ToString();
Console.WriteLine("得到的Token是：" + myToken);
return myToken;
}
///
/// 手寫體文字識別
///
///
///
///
public static string myHandwriting(string token,string filename)
{
//string token = "#####調用鑑權接口獲取的token#####";
// 圖片的base64編碼
string strbaser64 = FileUtils.getFileBase64(filename);
string host = "https://aip.baidubce.com/rest/2.0/ocr/v1/handwriting?access_token=" + token;
Encoding encoding = Encoding.Default;
HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);
request.Method = "post";
request.ContentType = "application/x-www-form-urlencoded";
request.KeepAlive = true;
//這裏加上了一些參數
String str = "recognize_granularity=big&image=" + HttpUtility.UrlEncode(strbaser64);
byte[] buffer = encoding.GetBytes(str);
request.ContentLength = buffer.Length;
request.GetRequestStream().Write(buffer, 0, buffer.Length);
HttpWebResponse response = (HttpWebResponse)request.GetResponse();
//顯示結果是亂碼，嘗試改變編碼，通過測試須要改爲UTF8編碼
StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.UTF8);
string result = reader.ReadToEnd();
Console.WriteLine("手寫文字識別:");
//解析Json的代碼
JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());
int num = (int)jo["words_result_num"];
string[] words = new string[num];
for (int i = 0; i < num; i++)
words[i] = jo["words_result"][i]["words"].ToString();
//返回值
string txtOCR = null;
for (int i = 0; i < num; i++)
txtOCR += words[i] + "\n";
//顯示結果
Console.WriteLine(txtOCR);
return txtOCR;
}
static void Main(string[] args)
{
//這裏要改爲你的圖片路徑
string filename = @"F:\手寫體5.jpg";
string token = getAccessToken();
myHandwriting(token,filename);
Console.Read();
}
}
}
注意，上面的代碼中須要各位改爲本身的Akey和Skey，另外要改一下圖片路徑。若是返回的是亂碼，還須要改一下編碼。
識別的結果以下：
程序用的圖片文件以下：
做者：kohakuarc
- 1. 百度大腦AI小程序之通用文字識別
- 2. 如何快速將百度大腦AI技術內置智能小程序中
- 3. 百度大腦IOCR財會票據識別技術接入小程序，快速實現財會票據識別
- 4. 快速使用百度大腦手部關鍵點識別
- 5. 接入百度大腦表格文字識別技術，快速下降信息電子化錄入成本
- 6. 利用百度大腦，快速搭建一個紅酒識別的小程序
- 7. 百度大腦之通用文字識別攻略
- 8. 百度大腦手寫文字識別使用攻略
- 9. 用百度大腦植物識別，快速搞定「萬種植物和花卉」小工具
- 10. 快速上手百度大腦危險行爲識別
- 更多相關文章...
- • XSD 如何使用? - XML Schema 教程
- • Hibernate的快照技術 - Hibernate教程
- • PHP開發工具
- • 三篇文章瞭解 TiDB 技術內幕 —— 談調度
-
每一个你不满意的现在，都有一个你没有努力的曾经。