Python中如何實現文字識別功能

# Python中如何實現文字識別功能

文字識別（OCR，Optical Character Recognition）是計算機視覺領域的重要應用，Python憑借豐富的庫生態成為實現OCR的首選語言之一。本文將詳細介紹Python中實現文字識別的多種方法，涵蓋庫的選擇、代碼實現和性能優化技巧。

## 一、常用OCR庫介紹

### 1. Tesseract OCR
- **特點**：Google開源的OCR引擎，支持100+語言
- 安裝方法：
  ```bash
  pip install pytesseract
  sudo apt install tesseract-ocr  # Linux
  brew install tesseract         # macOS

2. EasyOCR

• 優勢：基于深度學習的輕量級解決方案
• 安裝：

  
  pip install easyocr
  

3. PaddleOCR

• 特點：百度開源的工業級OCR系統
• 安裝：

  
  pip install paddleocr
  

二、基礎實現示例

1. 使用Tesseract處理簡單圖片

import pytesseract
from PIL import Image

def basic_ocr(image_path):
    img = Image.open(image_path)
    text = pytesseract.image_to_string(img, lang='chi_sim+eng')
    return text

print(basic_ocr('sample.png'))

2. EasyOCR多語言識別

import easyocr

reader = easyocr.Reader(['ch_sim','en'])
result = reader.readtext('multi_lang.jpg', detail=0)
print('\n'.join(result))

三、高級應用場景

1. 表格文字識別

import cv2
from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True)
result = ocr.ocr('table.png', cls=True)
for line in result:
    print(line[1][0])

2. 自然場景文字識別（帶位置檢測）

import easyocr
import matplotlib.pyplot as plt

reader = easyocr.Reader(['en'])
results = reader.readtext('street_sign.jpg')

# 可視化結果
img = plt.imread('street_sign.jpg')
fig, ax = plt.subplots(figsize=(10, 10))
ax.imshow(img)
for (bbox, text, prob) in results:
    ax.plot([bbox[0][0], bbox[1][0], bbox[2][0], bbox[3][0], bbox[0][0]],
            [bbox[0][1], bbox[1][1], bbox[2][1], bbox[3][1], bbox[0][1]], 'r')
    ax.text(bbox[0][0], bbox[0][1], f'{text} ({prob:.2f})', color='blue')
plt.show()

四、性能優化技巧

1. 圖像預處理

def preprocess_image(image_path):
    img = cv2.imread(image_path)
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    thresh = cv2.threshold(gray, 0, 255, 
                          cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    return thresh

2. 多線程處理批量圖片

from concurrent.futures import ThreadPoolExecutor

def batch_ocr(image_paths):
    with ThreadPoolExecutor(max_workers=4) as executor:
        results = list(executor.map(basic_ocr, image_paths))
    return results

五、常見問題解決方案

1. 識別精度低

   • 增加圖像分辨率（300dpi以上）
   • 使用--psm參數調整Tesseract的分頁模式

   pytesseract.image_to_string(img, config='--psm 6')
   

2. 處理傾斜文字 “`python import numpy as np

def deskew(image): coords = np.column_stack(np.where(image > 0)) angle = cv2.minAreaRect(coords)[-1] if angle < -45: angle = -(90 + angle) else: angle = -angle M = cv2.getRotationMatrix2D((w//2, h//2), angle, 1.0) rotated = cv2.warpAffine(image, M, (w, h)) return rotated

## 六、應用案例

### 1. 文檔數字化系統
```python
import os
from pdf2image import convert_from_path

def pdf_to_text(pdf_path):
    pages = convert_from_path(pdf_path, 500)
    for i, page in enumerate(pages):
        page.save(f'page_{i}.jpg', 'JPEG')
        text = basic_ocr(f'page_{i}.jpg')
        with open(f'output_{i}.txt', 'w') as f:
            f.write(text)

2. 車牌識別系統

def license_plate_recognition(image_path):
    plate_cascade = cv2.CascadeClassifier('haarcascade_russian_plate_number.xml')
    img = cv2.imread(image_path)
    plates = plate_cascade.detectMultiScale(img, 1.1, 4)
    
    for (x,y,w,h) in plates:
        plate_img = img[y:y+h, x:x+w]
        text = pytesseract.image_to_string(plate_img, 
                                          config='--psm 8 -c tessedit_char_whitelist=0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ')
        return text.strip()

結語

Python實現文字識別既可以通過傳統OCR庫如Tesseract，也可以選擇基于深度學習的現代解決方案。根據具體場景選擇合適工具，配合圖像預處理和后處理，可以顯著提升識別準確率。未來隨著Transformer等新架構的應用，OCR技術將實現更強大的語義理解能力。 “`

注：本文代碼示例需要預先安裝相應依賴庫，實際運行時應根據具體環境調整參數。建議在虛擬環境中測試不同OCR方案，以獲得最佳性能表現。