python用baidu-aip进行数字识别

Joy ·

更新时间:2024-11-13

· 980 次阅读

一、背景

得到一张数据表如下，现在想把图片中的数字提取出来，之前一直是用在线转换网站：https://ocr.wdku.net/进行处理，结果今天用太频繁了，不让我免费用，居然想跟我收钱，我怎么可能交这种钱呢，于是就打算自己花点时间试试强大的python。
在这里插入图片描述

二、baidu-aip

进行图片识别最常用有2种方式，一种是用tesserocr库，需要先安装tesseract，在之前已经玩过，具体可看之前的文章《python 爬取自如网租房信息（解决照片价格问题）》；第二种方式使用百度AI。
使用百度AI需要先申请接口
申请地址：http://ai.baidu.com/
在这里插入图片描述
登陆后，选择图像识别–创建应用–选择“数字识别”，然后给应用命名

成功后应用列表会有这么一列，这三个参数就是你要用到的

三、脚本

先用pip install baidu-aip将库装上，然后把库导进来

import os
from aip import AipOcr
# 定义常量，请用你刚才自己申请的AI接口
APP_ID = '18508112'
API_KEY = 'MBENTsZcwWLO8*****'# 公钥
SECRET_KEY = 'zcztKxB7WuQSAbA6Cwp***' # 密钥
aipOcr = AipOcr(APP_ID, API_KEY, SECRET_KEY)  # 初始化AipFace对象

AipOcr有很多种方法
在这里插入图片描述
这里我们只是用数字识别的方法numbers，具体各种方法的使用可以到百度AI网站上查一下：https://ai.baidu.com/ai-doc/OCR/Ok3h7y1vo

Path="E:/tables/"   # 读取图片
all_picture_Path = os.listdir(Path)  #统计文件下图片个数
def get_content(picturePath):
    with open(picturePath, 'rb') as fp:
        return fp.read()
for picture in all_picture_Path:
    pic = get_content(Path+picture)
    res = aipOcr.numbers(pic,options=None)
    for i in range(0,len(res['words_result'])):
        print(res['words_result'][i]['words'])

代码挺简单就实现了，然鹅，结果感人，解析出来的数字糟糕得不行
在这里插入图片描述

四、垂死挣扎

同样是上面的素材，我又用tesserocr的方法跑了一遍，结果一样，都没办法解析出来完整的信息。看来直接对复杂图表照片的解析，这些简单的识别方法还是不能满足要求。
又尝试了一下，如果是解析下面这种图片，百度AI能完美解析出来。

大概率情况下，如果图片要素不多，没有复杂的干扰（如我图片结构或文字说明等），百度AI和tesserocr都能很好的解析出来，但是一旦图表复杂了，这两种方法都很难生效。