tesseract环境已经搭建好情况下，获取图片中文字坐标

# -*- coding: utf-8 -*-
"""
根据图片取得文字坐标，需要注意图片识别坐标的原点在左下角（不是我们平时的左个角）
"""

import os


def recognition_img_txt(imgName):
    """
    将图片中文件识别出来

    """
    if os.path.isfile(imgName):
        os.system('/usr/local/bin/tesseract {} out -l chi_sim makebox'.format(imgName))
        print("输出坐标文件 out.box")
    else:
        print("{} not found.format(imgName)")


def get_position(str, imgName):
    """
    根据文字获取需要点击坐标 
    """
    recognition_img_txt(imgName)
    list = []
    if os.path.isfile('out.box'):
        with open('out.box') as f:
            for line in f:
                if line.split()[0] in str:
                    list.append(line.split())
    return list

使用百度云识别图片中的文字（二）：获取图片中的文字
上一篇文章中提到怎样获取access_token。此篇文章就是通过access_token来识别图片中的文字。

先来看看：官方的介绍吧：

本文档主要针对API开发者，描述百度OCR文字识别接口服务的相关技术内容。如果您对文档内容有任何疑问，可以通过以下几种方式联系我们：
在百度云控制台内提交工单，咨询问题类型请选择人工智能-文字识别；

关注公众号“百度OCR文字识别”（同时能及时获取接口升级等信息）

百度AI社区–文字识别官方版块：http://ai.baidu.com/forum/topic/list/164

具有免费调用额度的接口，超过每天的免费额度后会返回错误码：17，错误信息：Open api daily request limit reached（每天流量超限额）；

所有图片均需要base64编码、去掉编码头后再进行urlencode。

请注意：上传的图片使用JPG格式可以一定程度上提高识别准确率！

强烈建议：如果您使用OCR的服务，请从文字识别的控制台进入并创建应用

注意！请拒绝使用任何第三方插件使用百度OCR服务
使用第三方非法插件会导致您的AK SK泄露，导致别人可以盗用您的账户进行任意消费！ 切勿使用任何第三方插件！ 因此导致的账号泄露、恶意消费，请用户自行承担责任。如果您已经使用了相关的插件，建议您立即删除对应appid、更换账户密码、更新所有appid的token，或更换账号！
接口能力

接口名称	接口能力简要描述

通用文字识别	对各类通用场景、文件的识别接口，按行返回识别结果

详情请看：https://ai.baidu.com/docs#/OCR-API/e1bd77f3
coding
需要识别的图片：



代码如下：
import urllib3,base64
from urllib.parse import urlencode
import json
access_token='你的access_token'
#需要一个PoolManager实例来生成请求,由该实例对象处理与线程池的连接以及线程安全的所有细节，不需要任何人为操作：
http=urllib3.PoolManager()
url='https://aip.baidubce.com/rest/2.0/ocr/v1/general?access_token='+access_token
f = open('test001.jpg','rb')
#参数image：图像base64编码
img = base64.b64encode(f.read())
params={'image':img}
#对base64数据进行urlencode处理
params=urlencode(params)
request=http.request('POST', 
                      url,
                      body=params,
                      headers={'Content-Type':'application/x-www-form-urlencoded'})
#对返回的byte字节进行处理。Python3输出位串，而不是可读的字符串，需要进行转换
result = str(request.data,'utf-8')
#对结果进行格式化，方便查看
result = json.dumps(json.loads(result), indent=4, sort_keys=False, ensure_ascii=False)

print(result)

结果如下：
{
    "log_id": 6445553406230491283,
    "words_result_num": 12,
    "words_result": [
        {
            "location": {
                "width": 125,
                "top": 3,
                "left": 17,
                "height": 25
            },
            "words": "百度智能云"
        },
        {
            "location": {
                "width": 28,
                "top": 58,
                "left": 33,
                "height": 14
            },
            "words": "总览"
        },
        {
            "location": {
                "width": 53,
                "top": 104,
                "left": 6,
                "height": 15
            },
            "words": "产品服务"
        },
        {
            "location": {
                "width": 133,
                "top": 142,
                "left": 6,
                "height": 20
            },
            "words": "百度机器学习BML"
        },
        {
            "location": {
                "width": 81,
                "top": 182,
                "left": 7,
                "height": 19
            },
            "words": "9语音技术"
        },
        {
            "location": {
                "width": 78,
                "top": 222,
                "left": 7,
                "height": 19
            },
            "words": "⊕人脸识别"
        },
        {
            "location": {
                "width": 84,
                "top": 262,
                "left": 4,
                "height": 19
            },
            "words": "人体分析"
        },
        {
            "location": {
                "width": 79,
                "top": 303,
                "left": 9,
                "height": 16
            },
            "words": "文字识别"
        },
        {
            "location": {
                "width": 83,
                "top": 344,
                "left": 5,
                "height": 17
            },
            "words": "图像识别"
        },
        {
            "location": {
                "width": 80,
                "top": 381,
                "left": 6,
                "height": 20
            },
            "words": "图像搜索"
        },
        {
            "location": {
                "width": 106,
                "top": 421,
                "left": 5,
                "height": 21
            },
            "words": "e图像效果增强"
        },
        {
            "location": {
                "width": 105,
                "top": 461,
                "left": 5,
                "height": 21
            },
            "words": "②自然语言处理"
        }
    ]
}

对比结果，可知虽然有部分错误，但是基本全部识别出来了。

注意：

通过我的经验可知对于各种正常的文字字体基本上都可以正常识别，但是对于手写的识别就差强人意了。（公正的手写字体除外）

获取图片文字
如何使用python获取图片文字呢？
关注公众号【轻松学编程】了解更多…
1、通过python的第三方库pytesseract获取
通过pip install pytesseract导入。
1.1、安装tesseract-ocr
先在官网 下载对应操作系统的tesseract-ocr ，比如我现在在windows系统下，就下载exe文件安装，可点击这里下载，下载后运行exe后选择一个目录安装，这个目录需要记住，后面中需要用到，比如我的目录为D:\ruanjian\Tesseract-OCR。
1.2 下载训练好的语言包
地址 ,这里想提取图片中的中文字，于是下载chi_sim.traineddata，下载到上面安装tesseract-ocr目录中的文件夹tessdata中，如图：

1.3 代码
import pytesseract
from PIL import Image

# 打开一张图片
image = Image.open(r'images\82-望岳.png')
pytesseract.pytesseract.tesseract_cmd = r'D:\ruanjian\Tesseract-OCR\tesseract.exe'
tessdata_dir_config = r'--tessdata-dir "D:\ruanjian\Tesseract-OCR\tessdata"'
# 提取中文，如果是提取英文，则先下载语言包，然后设置以下参数lang='eng'即可。
code = pytesseract.image_to_string(image, lang='chi_sim', config=tessdata_dir_config)

print(code)

比如我需要提取以下图片文字：

处理结果：

这种方式优点就是可以无限次运行，只要配置好电脑环境就可以，缺点就是不能混语言。比如图片中夹杂中文与英文，提取效果就不是很好。
2、使用百度接口
先到百度智能云 创建一个应用获取APP_ID、API_KEY、SECRET_KEY
然后下载python的SDK，下载后使用pip install aip-python-sdk-2.2.15.zip安装
import base64
import requests
import time
import ast
from aip import AipOcr

# https://console.bce.baidu.com/ai/#/ai/ocr/overview/index
""" 你的 APPID AK SK """
APP_ID = '你的'  
API_KEY = '你的'
SECRET_KEY = '你的'
# 百度api客户端
CLIENT = AipOcr(APP_ID, API_KEY, SECRET_KEY)
# 请求头
HEADERS = {
    'Content-Type': 'application/x-www-form-urlencoded'
}
# 获取令牌的url
URL = 'https://aip.baidubce.com/oauth/2.0/token'
ACCESS_TOKEN = None
# 用于记录获取令牌的开始时间
SRART_TIME = time.time()

def get_file_content(filePath):
    # 获取文件内容
    with open(filePath, 'rb') as fp:
        return fp.read()


def get_access_token():
    # 获取令牌
    global ACCESS_TOKEN, SRART_TIME, URL
    response = requests.post(URL,
                             {'grant_type': 'client_credentials', 'client_id': API_KEY, 'client_secret': SECRET_KEY})
    ACCESS_TOKEN = ast.literal_eval(response.content.decode('utf-8'))['access_token']
    SRART_TIME = time.time()


def req_url(image):
    # 调用百度AI接口获取图像识别后的内容，调用接口次数为每日5万次
    global ACCESS_TOKEN, SRART_TIME, HEADERS

    if not ACCESS_TOKEN or (time.time() - SRART_TIME > 7000):
        get_access_token()
    response = requests.post('https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=%s' % ACCESS_TOKEN,
                             {'image': image}, headers=HEADERS)
    return response.content.decode('utf-8')


if __name__ == '__main__':
    # 图片内容
    image = get_file_content(r'image\望岳.png')
    # 获取分析结果
    ret = req_url(base64.b64encode(image).decode())
    # 字符串转字典
    ret = ast.literal_eval(ret)
    if 'words_result' in ret:
        for words in ret['words_result']:
            print(words['words'])

输出：


使用场景
可以利用这些图片识别给名片分类、获取图片上的关键信息、车牌识别等。
后记
【后记】为了让大家能够轻松学编程，我创建了一个公众号【轻松学编程】，里面有让你快速学会编程的文章，当然也有一些干货提高你的编程水平，也有一些编程项目适合做一些课程设计等课题。
也可加我微信【1257309054】，拉你进群，大家一起交流学习。

如果文章对您有帮助，请我喝杯咖啡吧！
公众号


156789.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xtX2lzX2Rj,size_16,color_FFFFFF,t_70)
关注我，我们一起成长~~

 实现图片中文的识别和获取图片上文字的坐标(java实现)

           现在利用python来进行图片的文字识别较为普遍，但是如果我们利用常用的家庭电脑来识别，需要的时间比较长，达到20~30s， 但是如果我们采用javacv这个视觉处理库来

   实现图片的识别和文字定位，在同样的电脑配置中需要的时间可以减缩至5s以下，大大提高了工作效率，以下内容为如何利用javacv视觉库处理获取图片上的文字以及文字

   在图片的坐标。已成功调试运行的Demo(windows平台)https://download.csdn.net/download/qq_37307077/13736519可下载

  1.下载好已训练好的中文语言包chi_sim.traineddata,需要其他语言包可到github上下载。

  2.准备好windows、Linux、max不同操作平台上的javacv api(下载路径https://download.csdn.net/download/qq_37307077/13736557);

  3.上代码。

            获取图片中所有文字：

public class ImageOcr {
	public static void main(String[] args) throws Exception{
		System.out.println("开始识别");
		long starttime = System.currentTimeMillis();
		//获取当前程序执行绝对路径。
		String currentfile=System.getProperty("user.dir");
		String text = Ocr("chi_sim", currentfile, currentfile+"/screencap.png");
		System.out.println("discriminate interval:" + (System.currentTimeMillis() - starttime) + ",ocr text:" + text);
	}

	public static String Ocr(String lang, String langpath, String imageurl) throws UnsupportedEncodingException{
		//创建字节容器。
		BytePointer outtext;
		//启动识别器
		TessBaseAPI ocrapi = new TessBaseAPI();
		//初始化识别器的语言包
		if (ocrapi.Init(langpath, lang) != 0) {
			System.out.println("Could not initialize tesseract");
			return null;
		}
		//读取源图片
		PIX image = pixRead(imageurl);
		//识别器装入图片
		ocrapi.SetImage(image);
		//识别器识别进行段。
		outtext = ocrapi.GetUTF8Text();
		try {
			return outtext.getString("utf-8");
		} finally {
			//最后释放资源
			ocrapi.End();
			outtext.deallocate();
			pixDestroy(image);
		}
	}
}

     4.编译运行效果显示

        用window下的cmd，编译运行如下：

源图片 ：              编译识别：                                                                                   

    获取图片上每一行文字的在图片上坐标，效果如下：

          

    获取图片上指定文字的坐标，效果如下:

          

          

5.总结

            由于时间仓促，并没有对语言包进行过多的训练，但识别效果还是不错的，如果图片出现比较多的色块，识别效果并没那么好，当然，你可以通过代码对图片的进行灰度化处理，

         这样也可以有很好的识别效果。由于自身所从事的手机自动化工作，为了更好地处理手机屏幕上的图片，获取到更加精准的手机屏幕信息，减轻工作强度，所以此代码操作

         适用于手机截屏的图片，你也可以识别其他图片的信息。