项目背景

在当今数字化时代，图像文字识别（Optical Character Recognition, OCR）技术的应用越来越广泛。

OCR技术可以将印刷体文字转化为可编辑的文本格式，从而方便进行文本分析、数据挖掘等操作。Python作为一种简洁、易用的编程语言，提供了丰富的图像处理和机器学习库，使得实现图像文字识别变得简单而高效。

本文将介绍如何使用Python实现大批量识别图片文字，并将文字保存到txt文档中！

项目介绍

本项目使用的文字识别模型来自飞桨开源模型： chinese_ocr_db_crnn_server Module

该模型基于 chinese_text_detection_db_server 检测得到的文本框，继续识别文本框中的中文文字。之后对检测文本框进行角度分类。最终识别文字算法采用 CRNN（Convolutional Recurrent Neural Network） 即卷积递归神经网络。其是DCNN和RNN的组合，专门用于识别图像中的序列式对象。与CTC loss配合使用，进行文字识别，可以直接从文本词级或行级的标注中学习，不需要详细的字符级的标注。该Module是一个通用的OCR模型，支持直接预测。

项目主要功能：

支持识别多种图片类型

support_type = ["bmp", "dib", "jpeg", "jpg", "jpe", "jp2", "png", "webp", "pbm", "pgm", "pxm", "pnm", "tiff", "tif"]

支持自定义图片路径
支持大批量的图片识别
支持将每一张图片的文字写入对应的txt文件中

运行项目

第一步： 从文末的源码地址，下载项目并解压到本地电脑

第二步： 配置运行环境，使用pycharm导入项目，在【terminal】下运行下面命令：

pip install -r requirements.txt

如果下载第三方库比较慢，可以考虑换一下pip的下载源：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple阿里云 http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣(douban) http://pypi.douban.com/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

第三步： 运行前可以替换image_path为自定义的路径，默认图片保存位置为当前py文件下的image文件夹。

代码详解

1、导入需要的库，paddlehub用于搭建模型，cv2用于读取图片，os模块创建文件

import paddlehub as hub
import cv2
import warnings
import os

2、识别图片，传入图片地址，，并将识别出的文字保存到对应的txt文本中

def ocr_images(images):if images:for r in images:file_path = r.get("file_path")ocr_result_txt_path = r.get("result_txt_path")ocr = hub.Module(name="chinese_ocr_db_crnn_server", enable_mkldnn=True) ocr_result = ocr.recognize_text(images=[cv2.imread(file_path)])with open(ocr_result_txt_path, "w") as f:for i in ocr_result[0]["data"]:f.write(i["text"])print(ocr_result_txt_path, "写入完成！")

3、获取指定路径下的所有图片地址，或者同级文件夹images中的所有图片地址

def return_images_files(images_path=None):# 返回指定路径下的所有图片绝对地址，如果没有指定，当前路径下的images文件夹if images_path is None:# 获取当前 py 文件所在的绝对地址cwd = os.getcwd()# 拼接 images 文件夹地址images_path = os.path.join(cwd, "images")# 如果没有 images 文件夹，就新建一个if "images" not in os.listdir(cwd):os.mkdir(images_path)# 拼接 ocr_result 文件夹地址ocr_result_path = os.path.join(images_path, "ocr_result")if "ocr_result" not in os.listdir(images_path):os.mkdir(ocr_result_path)# 获取文件夹下所有文件files = [os.path.abspath(os.path.join(r, f)) for r, _, fs in os.walk(images_path) for f in fs]# 判断文件夹下是否有文件if files:result = []for f in files:f_type = f.split(".")[1]# 判断文件类型是否存在if f_type in support_type:# 返回图片地址和识别结果txt的文件名result_txt_name = f.split(images_path)[1].replace("\\", "").split(".")[0] + ".txt"result_txt_path = os.path.join(ocr_result_path, result_txt_name)result_dict = {"file_path": f,"result_txt_path": result_txt_path}result.append(result_dict)return result