利用百度文字识别API识别图像中的文字

jiezi

6 年前

本文将会介绍如何使用 百度 AI 开放平台 中的 文字识别 服务来识别图片中的文字。百度 AI 开放平台的访问网址为：http://ai.baidu.com/，为了能够使用该平台提供的 AI 服务，你需要事先注册一个百度账号。

在 百度 AI 开放平台 中，登录自己的百度账号，点击 “文字识别” 服务中的“通用场景文字识别”，选择“创建应用”，填好应用名称，选择应用类型，填好应用描述，这样就创建好了“通用场景文字识别”服务，如下图：

在应用列表中，能够看到自己刚刚创建好的文字识别服务了，记住，这个应用中的“AppID”，“API Key”，“Secret Key”很重要，是你这个应用的唯一识别。

OK，创建好这个应用后，我们就能使用该应用来识别图片中的文字了～

接下来，我们将使用刚刚创建好的文字识别应用来识别图片中的文字，大致的步骤如下：

获取该应用的 access_token；
利用 access_token 来创建 HTTP 请求；
解析请求成功后的 json 文件，获取识别后的结果。

具体的参考文档可以参考网址：https://ai.baidu.com/docs#/OCR-API/top，本文将不再具体讲述。

我们需要识别的图片为含有两个汉字的图片验证码，图片名称为 test.png，如下：

参考该应用的官方文档说明，我们写下如下的 Python 脚本，即可识别图片中的文字，完整的代码如下：

import json
import requests
import base64
import urllib.parse

APP_ID = '你的 APP_ID'
API_KEY ='你的 API_KEY'
SECRECT_KEY = '你的 SECRECT_KEY'

# 获取 token
url = 'https://aip.baidubce.com/oauth/2.0/token'
body = {'grant_type': 'client_credentials',
        'client_id': API_KEY,
        'client_secret': SECRECT_KEY
        }

req = requests.post(url=url, data=body)
token = json.loads(req.content)['access_token']

# 获取百度 api 识别结果
ocr_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=%s'%token
headers = {'Content-Type': 'application/x-www-form-urlencoded'}

# 读取图片并进行 base64 加密
body = base64.b64encode(open('./test.png' ,'rb').read())
# 进行 urlencode
data = urllib.parse.urlencode({'image': body})

# post 请求
r = requests.post(url=ocr_url, headers=headers, data=data)

# 输出请求结果
print('请求码为: %s' %r.status_code)
res_words = json.loads(r.content)['words_result'][0]['words']
print('识别结果为: %s' % res_words)

输出的结果如下：

请求码为: 200
识别结果为: 高吸

可以看到，对于这张图片，百度的文字识别功能很好地识别出了图片中的文字。

上面我们参照了百度文字识别的官方文档来实现文字识别功能，但过程有点复杂，需要先获取 access_token，再构建 HTTP 请求才能使用。幸运的是，在 Python 的第三库中，已经有了能实现该功能的第三方模块，即 baidu-aip，安装方式如下：

pip install baidu-aip

利用这个第三方模块，我们能简洁快速地实现文字识别功能，示例的 Python 代码如下：

# 利用 aip 进行识别
from aip import AipOcr

APP_ID = '你的 APP_ID'
API_KEY ='你的 API_KEY'
SECRECT_KEY = '你的 SECRECT_KEY'
client = AipOcr(APP_ID, API_KEY, SECRECT_KEY)

img = open('./test.png','rb').read()
message=client.basicGeneral(img)
res = message['words_result']
print('识别结果为: %s' % res[0]['words'])

本文并没有讲述如何从 AI 模型来识别图片中的文字，而是利用百度 AI 平台中的文字识别服务来完成文字识别任务。看上去并没有什么新意，只是讲解使用使用 API 来识别图片中的文字罢了。
那么，本文的意义在哪？其实，在使用模型识别文字前，一个很重要的过程便于标注，标注费时费力，这时候我们借助第三方文字识别 API 能够减轻标注的工作量，让我们的标注量能减少点。
当然，如果你把这篇文章看作是一个学习如何利用百度文字识别 API 识别图像中的文字的机会，那也未尝不可！

注意：本人现已开通微信公众号：Python 爬虫与算法（微信号为：easy_web_scrape），欢迎大家关注哦~~

利用百度文字识别API识别图像中的文字

创建百度 AI 文字识别应用

利用创建的应用来识别图片中的文字

利用 Python 的百度文字识别第三方模块来识别图片中的文字

总结