python实现图像识别

pyside2免费中文文档链接推荐：http://www.byhy.net/tut/py/gui/qt_01/

 

百度OCR图像识别接口调用

一. 界面

1. 通过pyside2的qt designer工具自动化生成界面，并保存为xxx.ui文件，工具如下图：

2. 两种方法将xxx.ui文件（界面）载入到代码中使用。

• 利用pyuic5将xxx.ui文件转换成xxx.py文件，通过import xxx.py来使用界面（其中pyuic5可通过pip install pyqt5获得）
• 利用QUiLoader().load('xxx.ui')动态载入ui文件
• 参考链接（pycharm中搭建designer与pyuic环境）：https://www.cnblogs.com/hhs1998/p/15807691.html

3. 目前qt designer中没有控件可以实现图片缩放与移动，网络上有大佬通过graphicsView控件实现图片的缩放与移动，所以直接拿过来用。

链接（图片的缩放与移动）：https://blog.csdn.net/weixin_44821251/article/details/106290132

 

二. 逻辑与界面的分离

pyside2通过信号（signal）与槽（slot）来实现逻辑

例子如下：

ui = QUiLoader().load('window.ui')
ui.button.clicked.connect(ocr_base)
#将window.ui文件加载使用
#使用button.clicked.connect(function)实现逻辑

#其中clicked就是信号，表示点击发生的事件
#参数里的function则表示槽，表示点击会执行该函数

 

三. OCR的调用

1. 通过tesserocr识别，这种识别不太精确，如果是较为模糊的图片，基本就无法识别

链接（tesserocr搭建以及实现）：https://blog.csdn.net/lanxianghua/article/details/100516187?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

2. 通过baiduocr识别，创建测试账号，申请免费ocr调用次数，不过每月次数有限，但是个人使用足够了

链接（百度ocr介绍以及调用）：https://www.cnblogs.com/adam012019/p/11440353.html

调用代码如下：

from aip import AipOcr
import re
APP_ID='17010327'
API_KEY='X2MWCU1LG1PX5H6GAXgdlWD7'
SECRET_KEY='vz6GZ6TkhSFvY3quqcuC3EG8oEW3kThB'
client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

i=open(r'C:\Users\Administrator\Desktop\example.png','rb')
image = i.read()

result=client.basicGeneral(image)

#将所有的文字都合并到一起
for item in result['words_result']:
    print(item['words'])

此处client里的3个参数，APP_ID，API_KEY，SECRET_KEY通过申请ocr调用获取

链接（百度智能云获取参数）：https://blog.csdn.net/sunyong0814/article/details/122362502

 

四. 效果如下

截取一张图片，并调用接口进行识别