上次我使用的百度AI开放平台的API接口实现图片的转化，后来有许多小伙伴都私信问我，怎么获取百度AI平台的AK和SK。为了统一回答大家的问题，今天我又使用百度API实现了一个从图片中提取文字和识别身份证的功能，详细描述实现过程，有收获的小伙伴记得收藏、转发分享哦。

百度AI开放平台

百度AI开放平台网址：https://login.bce.baidu.com/

首先我们需要注册一个账号，注册登录之后我们选择文字识别

菜鸟小白的平台因为已经创建了一个应用了，首次登录应该是没有应用的，点击创建应用就好了

后面输入创建的应用名称，从创建页面上看API支持的功能很多，什么文字识别、身份证识别、银行卡识别和驾驶证识别等等，另外如果需要其他类型的功能（如图片效果增强等）也可以直接勾选上。

下面我们不需要选择文字识别包名，填写一个应用描述点击创建就OK了。

创建完成之后我们就可以看到我们需要的AK（API Key）和SK（Secret Key）了。

思路分析

可以看到百度AI开放平台是有提供API文档和举例代码的。写程序之前需要先看看我们的要使用的接口是什么格式，是否需要身份认证。百度AI开放就是需要使用AK和SK去和平台做一个鉴权操作，获取一个access token，然后我们再拿着这个access token去请求接口，完成我们今天需要完成的文字识别和身份证识别功能。

鉴权函数

从分析来看，我们首先需要去获取一个access token，用于后续的请求合法性鉴别。查看平台的接口文档​，我们的编码如下​，这个其实在我们之前的图片处理程序中也是一样的​。
​文档地址：https://ai.baidu.com/ai-doc/REFERENCE/Ck3dwjhhu

百度AI开放平台鉴权函数

def get_access_token():
    url = 'https://aip.baidubce.com/oauth/2.0/token'
    data = {
        'grant_type': 'client_credentials',  # 固定值
        'client_id': 'eFGwDIb*******HucbnPr',  # 在开放平台注册后所建应用的API Key
        'client_secret': 'XPxWT2L********PFVCKS6PVih'  # 所建应用的Secret Key
    }
    res = requests.post(url, data=data)
    res = res.json()
    print(res)
    access_token = res['access_token']
    return access_token

文字识别函数

​鉴权函数写好之后，我们就可以拿着获取到的access token去向平台接口发起请求，识别图片中的文字了​。从平台文档上看通用文字识别的url为
https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic
平台的​API文档地址：https://cloud.baidu.com/doc/OCR/s/1k3h7y3db​

#通用文字识别
def general_word():
    #通用文字识别接口url
    general_word_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
    #获取执行路径
    # path = os.getcwd()
    # 二进制方式打开图片文件
    f = open('5.jpg', 'rb')
    img = base64.b64encode(f.read())
    print(img)
    params = {"image":img,
              "language_type":"CHN_ENG"}
    access_token = get_access_token()
    request_url = general_word_url + "?access_token=" + access_token
    print(request_url)
    headers = {'content-type': 'application/x-www-form-urlencoded'}
    response = requests.post(request_url, data=params, headers=headers)
    # print(response)
    # res = response.json()
    if response:
        res = response.json()["words_result"]
        print(res)
        file_name = "菜鸟小白.txt"
        with open(file_name, 'w', encoding='utf-8') as f:
            for j in res:
                print(j["words"])
                f.write(j["words"]+"\n")

当我们判断返回值存在内容时，​我们将json格式的返回值，写入“菜鸟小白.txt”文档中​。

身份证识别函数

​我们写完了文字识别之后，其实写身份证识别和其它证件的识别就都是一样的方式了调用了​。

#身份证识别
def idcard():
    idcard_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/idcard"
    # 二进制方式打开图片文件
    f = open('4.jpg', 'rb')
    img = base64.b64encode(f.read())
​
    params = {"id_card_side":"front","image":img}
    access_token = get_access_token()
    request_url = idcard_url + "?access_token=" + access_token
    print(request_url)
    headers = {'content-type': 'application/x-www-form-urlencoded'}
    response = requests.post(request_url, data=params, headers=headers)
    if response:
        res = response.json()["words_result"]
        file_name = "菜鸟小白的学习分享.txt"
        with open(file_name, 'w', encoding='utf-8') as f:
            f.write("住址："+res["住址"]["words"]+"\n")
            f.write("出生日期：" + res["出生"]["words"] + "\n")
            f.write("姓名：" + res["姓名"]["words"] + "\n")
            f.write("公民身份号码：" + res["公民身份号码"]["words"] + "\n")
            f.write("性别：" + res["性别"]["words"] + "\n")
            f.write("民族：" + res["民族"]["words"] + "\n")

主函数

最后我们写一个主函数调用不同的功能函数就好了​。

if __name__ == '__main__':
    idcard()
    general_word()

实现效果

​这样我们的目标就完成了，我们来看看实现效果吧​。首先我们看看文字识别的效果​。

原始图片​：

最终识别出来的效果

最终我们的识别仅将“API”识别为“AP”，少了一个字符“I”，正确率高达99%以上​，一个字——强​。

我们再来看看身份证的识别效果，原始图片如下（网络百度图片，如有侵权请联系作者删除）：

​经过我们的程序识别后，所有信息都正确识别出来了（其中身份证号码应该是因为假身份证号码识别规则不通过所有为空白了，菜鸟小白自己的身份证是完成识别出来的），正确率高达100%。

源码获取

老规矩，还是公众号回复“文字识别”即可获取源码。

粉丝福利

关注公众号“菜鸟小白的学习分享”，回复“粉丝福利”就可以参与抽奖，赢得腾讯视频会员月卡一张哦~

好了，今天分享结束了。如果你也认同菜鸟小白的学习分享的话，那就给菜鸟小白一个关注、在看、点赞+赞赏吧，你们的支持，是我持续不断的动力。非常感谢大家的支持，我们明天再会~

推荐阅读：

通过server酱实现定时推送天气情况，再不用担心你的糊涂蛋女友忘带伞了~~

想做一个天气推送程序，却被和风天气API的示例代码调试得快吐了

教你搭建微信公众号自动答复机器人

媳妇儿让我给她找一个PDF转word免费工具，找了半天我决定给她写一个出来^-

媳妇儿喜欢玩某音中的动漫特效，那我就用python做一个图片转化软件。

python使用cx_Oracle库连接oracle服务器

关注微信公众号——菜鸟小白的学习分享
妈妈再也不用担心我找不到路了

一个人的学习——孤单
一群人的学习——幸福

一、前期准备

需要先下载 tesseract-ocr-w64-setup-v5.0.1.20220118 ，官网下载即可，尽量用最新的版本，旧版本识别率很低并且解压后不能自动下载相关内容。解压后路径需要替换下文C:\Program Files\Tesseract-OCR\tesseract.exe。可以提取视频中的文本，其他的一般。

二、代码

注释代码如下：

"""
增加图片处理库PIL
pip install Pillow
增加OCR识别库
pip install pytesseract
"""
#图库引用
from PIL import Image
#识别库引用
import pytesseract as pt
#图形界面引用
import tkinter as tk
#路径引用
import tkinter.filedialog as filedialog
#方法
class Application(tk.Tk):
    
    def __init__(self):
        super().__init__()
        self.title("图片文本提取")

        # r"" 的作用是去除转义字符
        pt.pytesseract.tesseract_cmd = r"C:\Program Files\Tesseract-OCR\tesseract.exe"
        #路径变量
        self.img_path = tk.StringVar()
        #布局
        self.frame = tk.Frame(self)
        self.frame.pack(padx=10, pady=10)
        #标签
        self.lbl_file = tk.Label(self.frame, text="图像")
        self.lbl_file.grid(row=0, column=0)
        #输入框布局
        self.txt_file = tk.Entry(self.frame, width=60, textvariable=self.img_path)
        self.txt_file.grid(row=0, column=1, sticky=tk.W)
        #button形式以及布局
        self.btn_file = tk.Button(self.frame, text="选择", command=self.sel_img_file)
        self.btn_file.grid(row=0, column=1, sticky=tk.E)
        #同上
        self.lbl_txt = tk.Label(self.frame, text="文本")
        self.lbl_txt.grid(row=1, column=0)        
        self.txt_exract = tk.Text(self.frame)
        self.txt_exract.grid(row=1, column=1)        
        self.btn_extract = tk.Button(self.frame, text="提取文本", command=self.extract_text)
        self.btn_extract.grid(row=2, column=1, sticky=tk.W+tk.E)        
        
    def sel_img_file(self):
        self.img_path.set(filedialog.askopenfilename(title="选择图片", initialdir="."))

    def extract_text(self):
        if self.img_path:
            img = Image.open(self.img_path.get())
            text = pt.image_to_string(img, lang="chi_sim")
            self.txt_exract.delete(1.0, tk.END)
            self.txt_exract.insert(tk.END, text)

if __name__ == "__main__":
    app = Application()
    app.mainloop()

用Python提取图片中的文字，用到的工具包有PIL,pytesseract,tesseract-ocr
注意：
库的安装相对麻烦一点,一般都是不能直接安装成功的，这里总结了安装过程中的一些坑给大家参考。
（1）首先是PIL库安装，有的电脑可以直接从PYCHARM库里直接导入，但是大部分的电脑是安装不了的，可以采取两种方式一种是用pip install PIL这种方式一般比较慢，还有一种方法就是在PYCHARM库里面直接安装pillow-PIL安装成功后就不会报错了。
（2）然后就是pytesseract库的安装，在pycharm库里面可以直接搜索到然后安装。这两个库安装完成后运行代码还是会报错：‘tesseract is not installed or it’s not in your path’，原因是没有找到 Tesseract-OCR\tesseract.exe 的位置，需要先下载tesseract.exe具体安装参考：下载安装链接
安装完成后打开pytesseract源码查找 tesseract_cmd = ‘tesseract’，修改成红色方框里面是刚才安装的目录。
库安装好之后运行代码：

from PIL import Image

import pytesseract

images=Image.open('003.jpg')
print(images.size)
text=pytesseract.image_to_string(images)
print(text)

结果：


如果要提取中文文字还需安装相关的新的库，把下载的中文库放在 Tesseract-OCR 安装目录下的 tessdata 文件夹中。
下载链接：中文库下载
下载完之后运行代码：

import pytesseract
from PIL import Image

im_en = Image.open('003.jpg')
im_ch = Image.open('004.jpg')

print('========识别字母========')
print(pytesseract.image_to_string(im_en), '\n\n')

print('========识别中文========')
print(pytesseract.image_to_string(im_ch, lang='chi_sim'))

结果：


至此实现了用Python的工具包实现OCR字符提取的功能，包括中文和英文字符的提取，一个简单的小例子啦~~