ocr公式识别python(初探利用Python进行图文识别OCR)
ocr公式识别python
初探利用Python进行图文识别OCR话说什么是ocr?????
简介
ocr技术是光学字符识别的缩写(optical character recognition),是通过扫描等光学输入方式将各种票据、报刊、书籍、文稿及其它印刷品的文字转化为图像信息,再利用文字识别技术将图像信息转化为可以使用的计算机输入技术。可应用于银行票据、大量文字资料、档案卷宗、文案的录入和处理领域。适合于银行、税务等行业大量票据表格的自动扫描识别及长期存储。相对一般文本,通常以最终识别率、识别速度、版面理解正确率及版面还原满意度4个方面作为ocr技术的评测依据;而相对于表格及票据,通常以识别率或整张通过率及识别速度为测定ocr技术的实用标准。
解析
采用ocr识别技术,可以将其应用于银行票据光盘缩微系统,可以自动提取票据要素,可减轻操作员的工作量,减少重复劳动,尤其是在与银行事后且监督系统相结合后,可以替代原先的操作人员完成事后监督工作。由计算机自动识别票据上的日期、帐号、金额等要素,通过银行事后监督系统与业务系统中的数据进行比较,完成传统的事后监督操作;配有印章验证系统后,自动将凭证图像中的印章与系统中预留的印鉴进行比较,完成印章的真伪识别。
ocr识别技术不仅具有可以自动判断、拆分、识别和还原各种通用型印刷体表格,在表格理解上做出了令人满意的实用结果,能够自动分析文稿的版面布局,自动分栏、并判断出标题、横栏、图像、表格等相应属性,并判定识别顺序,能将识别结果还原成与扫描文稿的版面布局一致的新文本。表格自动录入技术,可自动识别特定表格的印刷或打印汉字、字母、数字,可识别手写体汉字、手写体字母、数字及多种手写符号,并按表格格式输出。提高了表格录入效率,可节省大量人力。同时支持将表格识别直接还原成ptf、pdf、html等格式文档;并可以对图像嵌入横排文本和竖排文本、表格文本进行自动排版面分析。 利用目前的高新技术-ocr,直接从凭证影像中提取金额、帐号等重要数据,代替人的手工录入,与条码识别/流水识别紧密结合,实现建立事后副本帐、完成事后监督的工作。ocr处理一般使用性能较好的pc机,ocr处理程序一经启动会自动扫描数据库中的凭证影像,发现有需ocr处理而未处理的,提取到本地进行处理。
ocr手写体、印刷体识别技术,能识别不同人写的千差万别的手写体汉字和数字,应用于本系统,识别凭证影像中储户填写的信息,如大写金额、小写金额、帐号、存期、日期、证件号等,可以代替手工录入。同时被识别得出的金额还要与流水识别所得的金额进行核对,核对成功,则ocr识别成功。这样处理是为了避免误判。
经过对银行产生的实际凭证进行的大量测试,在实际开发过程中,根据银行的实际需求,ocr技术在票据和表格识别能力和手写体自动识别能力上不断提升,目前处理速度可达到每分钟60~80张票据,存折识别率已经达到了85%以上,存单、凭条识别率达到90%以上,而85%以上的识别率就能减少80%以上的数据录入员。
在档案领域ocr技术使档案扫描成果达到了全文可识别,将档案数字化发展提升了到了一个新的阶段,是原本扫描出来的图片变得更容易进行检索,为数字档案馆的数据查询提供了技术支持,是档案数字化发展中必不可少的一环。
以上来自百度百科哈哈哈哈哈!!
相关的工具:tesseract
tesseract概述:
tesseract 是一个ocr库,目前由google赞助(google也是一家以ocr和机器学习技术闻名于世的公司)。tesseract是目前公认最优秀、最精确的开源ocr系统。
tesseract的windows安装包下载地址为:http://digi.bib.uni-mannheim.de/tesseract/tesseract-ocr-setup-4.00.00dev.exe,下载后双击直接安装即可。安装完后,需要将tesseract添加到系统变量中。在cmd中输入tesseract-v,如显示以下界面,则表示tesseract安装完成且添加到系统变量中。
配置完成后在命令行输入tesseract -v,如果出现如下图所示,说明环境变量配置成功
命令使用: tesseract c://users\lenovo\desktop\tesseract-ocr\233.jpg" alt="ocr公式识别python(初探利用Python进行图文识别OCR)" border="0" />
后来我找了一些资料来看 上面的意思就是说不能加载'eng'语言包。请将tessdata的父文件夹路径设置为tessdata_prefix环境变量值,这个就是说在环境变量中新建一个系统变量,变量名称为tessdata_prefix,tessdata是放置语言包的文件夹,一般在你安装tesseract的目录下,即tesseract的安装目录就是tessdata的父目录,把essdata_prefix的值设置为它就没问题了
更改完成后重启就没问题了。
规整的中文也是可以识别的哦。
命令:tesseract c://users\lenovo\desktop\tesseract-ocr\libai.jpg" alt="ocr公式识别python(初探利用Python进行图文识别OCR)" border="0" />
我们开始使用python编写识别小脚本了,这里我们需要一个pytesseract库使用pip install pytesseract安装。安装完后,就可以使用python调用tesseract这里我们还需要安装一个python的图片处理模块,可以安装pillow.
输入以下代码,可以实现同上述tesseract命令一样的效果:
我们的图片里面内容是:
运行程序:
识别!!
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持开心学习网。
原文链接:http://www.lofter.com/lpost/1fefbc76_12d2d218d
- python自动处理图片(python制作图片缩略图)
- python开源协议简介(对python 自定义协议的方法详解)
- python循环语句嵌套使用(Python分支语句与循环语句应用实例分析)
- pythonflask编写接口(Python Flask框架模板操作实例分析)
- python算法图解(python实现kmp算法的实例代码)
- python 文件操作(Python File文件 方法整理)
- python设计一个聊天机器人(手把手教你使用Python创建微信机器人)
- python创建列表并查询(python列表使用实现名字管理系统)
- python3.9.6生成的注册表(厉害了,Python也能操作注册表)
- python直接查询mongodb(pymongo中聚合查询的使用方法)
- python常用的字符串操作方法(Python字符串的常见操作实例小结)
- python opencv图像表格处理(Opencv-Python图像透视变换cv2.warpPerspective的示例)
- python人脸识别库有几个(Python人脸识别第三方库face_recognition接口说明文档)
- mongodb python教程(python使用pymongo操作mongo的完整步骤)
- python生成密码字典教程(Python利用字典破解WIFI密码的方法)
- python图文生成器(Python生成器的使用方法和示例代码)
- 王治郅菜鸟赛季已让八一带入正轨,大郅七大经典语录或是成功秘诀(王治郅菜鸟赛季已让八一带入正轨)
- 庆八一,重读经典红色语录,感悟互联网发展硬道理(重读经典红色语录)
- TVB新剧《黯夜守护者》将播,陈展鹏陈炜首次合作探讨人性(TVB新剧黯夜守护者将播)
- 新晋小花被称女版吴卓羲 将取代滕丽名成为TVB新一代御用女警(新晋小花被称女版吴卓羲)
- 艺人吴卓羲10年警察生涯,演足10年阿Sir,系咩玩法(艺人吴卓羲10年警察生涯)
- 菲律宾潜水(菲律宾潜水价格)
热门推荐
- sqlcount优化(SQL优化教程之in与range查询)
- linux常见命令vmstat(Linux stat命令的使用)
- dedecms栏目怎么调用友情链(DedeCms用SQL语句调用数据库任意内容方法)
- ftp被动模式改成主动模式(如何设置FTP的主动模式和被动模式 FileZilla主动和被动模式设置方法)
- h5抽奖的弹框制作(html5实现九宫格抽奖可固定抽中某项奖品)
- laravel常用的辅助函数介绍(Laravel框架表单验证操作实例分析)
- dedecms标签分类(dedecms list增加noflag属性的方法 实现让列表标签不调用有推荐属性的文章)
- 织梦文章发布页如何增加表单(织梦CMS列表页只显示一篇文章的解决办法)
- dedecms搜索功能怎么设置详细(织梦Dedecms软件频道下载次数真实显示的权宜修改)
- dede织梦的后台如何调整和使用(dedecms织梦模板去掉文档内链自动连接关键词的下划线)
排行榜
- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9