博主简介

博主是一名大二学生，主攻人工智能研究。感谢让我们在CSDN相遇，博主致力于在这里分享关于人工智能，c++，Python，爬虫等方面知识的分享。 如果有需要的小伙伴可以关注博主，博主会继续更新的，如果有错误之处，大家可以指正。

专栏简介：   本专栏主要研究python在人工智能方面的应用，涉及算法，案例实践。包括一些常用的数据处理算法，也会介绍很多的Python第三方库。如果需要，点击这里   订阅专栏。

给大家分享一个我很喜欢的一句话：“每天多努力一点，不为别的，只为日后，能够多一些选择，选择舒心的日子，选择自己喜欢的人！”

目录

Tesseract OCR的安装与配置

基于Pytesseract的字符识别

条形码检测与识别

基于百度AI的智能图像识别

通用物体识别

车牌识别

 文末寄语

---

Tesseract OCR的安装与配置

Tesseract OCR可以跨平台应用于Windows，Linux，macOS等不同操作系统。博主用的是windows10操作系统。

Tesseract OCR的官网：Tesseract OCR下载。

下载后的Tesseract OCR安装后，需要配置环境，具体的配置方法就和我们平时配置c++环境相似。复制好Tesseract OCR文件所在路径，添加到环境变量中就可以了。这里博主推荐一篇文章：http://t.csdn.cn/A5Hc7

配置好环境后，打开cmd控制台，输入命令“tesseract -v”,如果出现版本标识，则为配置成功。

Tesseract OCR是可以单独的使用取识别图片的，例如，在命令行中输入以下的命令：

tesserct test.jpg test.text -1 chi_sim

其中，test.jpg是包含字符的图片，test.text是输出结果文件。-1为语言包选项，默认为英语，chi_sim为中文识别包。

博主这里要介绍的是如何使用python来进行文本识别，在此之前，我们需要先下载Pytesseract库。

pip install pytesseract -i Simple Index 

基于Pytesseract的字符识别

利用Pytesseract进行字符的识别，主要通过调用image_to_string()函数来实现。以下的代码可以进行简单的字符识别。

import pytesseract
from PIL import Image
image=Image.open('D:\Image\\test.png')
result=pytesseract.image_to_string(image)
print(result)

Output exceeds the size limit. Open the full output data in a text editor

11:03 352 Big “28110004, < fifiififii 1. They who cannot do as they would,must do as th ey can. $§E§DEfifiiiE3fi§73fifi7flo 2. When an opportunity is neglected,it never comes back to you. ?I‘J'L7FEJ9iE‘J‘7Ffifié; ?HLfi—iiiféfifi 3 What may be done at any time will be done at no time. EiEiTEJ‘iIEfiB—JME’JEEHEIE'EEEflBfl‘iIfiWF iflflg$ 1m 4. Tomorrow comes never. tflfifififififiio 5 ?til]flfl9€¥,ifl7i<§ EEEO We can be disappoin ted, but not blind. 6. He that thinks his business below him will alway s be above his business Eh“ p,fl<7_i'/J\Ffi EEEEF}? iEEo 7. One today is worth two tomorrows. —’IV7‘\3EH$

...

< E Q [E]

通过上面的运行结果和原图片的对比可以发现，对于英文的识别是可以比较准确地识别，而出现的乱码则是由于其中有中文，只需要转换一下即可。

result=pytesseract.image_to_string("D:/Image//test.jpg",lang='chi_sim')

对于颜色较深或者文本文字含有多种不同语言的图片，识别起来会出现乱码的情况，识别的精度也会降低。

条形码检测与识别

条形码(Barcode)也称条码,是将宽度不等的多个黑条和白条，按照一定的编码规则排列，用来表达一组星系的图形标识符。常见的条形码是由反射率想相差较大的黑条（简称条）和白条（简称空）排成的平行图案。 条形码可以标注处武平的生产国，制造产家，商品名称，生产日期，图书分类号等重要的信息。因而在商品流通中起到了广泛的应用，不仅仅在此领域有很大的发展，在其他领域也有很大的发展。

条形码一般有8个区域，：左侧空白区，起始符，左侧数据符，中间分隔符，右侧数据符，效验符，，终止符，右侧空白区。

条形码有多种，在我国广泛的使用的是EAN13条形码（以下简称条形码）。该条形码一共有13位，前2~3位称为前缀，表示国家，地区或者某种特定的商品类型，例如，中国区条形码开头位690~699；前缀后的4~5位称为厂商代码，表示产品制造商；厂商代码后5位称为商品代码，表示具体的商品项目；最后一位是效验码，根据前12位计算而得，可以用来防伪或者识别效验。 如果按照一定步骤处识别出的前12位数据计算结果和识别出的效验码进行比对，如果结果相等，则正确，若不相等，则需重新识别，纠错再效验。

效验码的计算方法：

1.偶位数数值相加并称以3.

2不含效验位的奇位数数值相加。

3.前两步结果相加。

4用10减去上面相加结果的个位数。

5.最终结果即为效验码。

以下示例代码可用于检测一幅图像中是否有条形码：

import numpy as np
import argparse #解析命令行参数
import cv2
import imutils #opencv辅助工具包
'''
ap=argparse.ArgumentParser()
ap.add_argument('-i','--Testimage.jpg',required=True,help='path to the image file')
args=vars(ap.parse_args())
'''
#灰度化处理
image=cv2.imread('D:\Image\Testimage.jpg')
gray=cv2.cvtColor(image,cv2.COLOR_BGR2GRAY)
#用sobel算子计算x，y方向上的梯度
ddepth=cv2.cv.CV_32F if imutils.is_cv2() else cv2.CV_32F
gradx=cv2.Sobel(gray,ddepth=ddepth,dx=1,dy=0,ksize=-1) #sobel算子横向边缘检测
grady=cv2.Sobel(gray,ddepth=ddepth,dx=0,dy=1,ksize=-1) #sobel算子纵向边缘检测
'''
从x-grdient中减去y-gradient的减法操作,
最终得到包含高水平和低垂直梯度的图像区域
'''
gradient=cv2.subtract(gradx,grady)
gradient=cv2.convertScaleAbs(gradient)
'''
利用9*9的内核对梯度图进行平均模糊处理
利用opencv中的threshold(src,threah，maxral,cv2.THRESH_BINARY)进行二值化处理。
第一个参数是图像,第二个参数是阈值,第三个是最大值,第四个是方法选择,默认为0,即cv2.THRESH_BINARY
'''
blurred=cv2.blur(gradient,(9,9))
(_,thresh)=cv2.threshold(blurred,225,255,cv2.THRESH_BINARY)
#消除间隙
kernel=cv2.getStructuringElement(cv2.MORPH_RECT,(21,7))
closed=cv2.morphologyEx(thresh,cv2.MORPH_CLOSE,kernel)
'''
进行4次腐蚀,然后进行4次膨胀
'''
closed=cv2.erode(closed,None,iterations=4)
closed=cv2.dilate(closed,None,iterations=4)
#找到图像中条形码的区域
cnts=cv2.findContours(closed.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
cnts=cnts[0] if imutils.is_cv2() else cnts[1]
c=sorted(cnts,key=cv2.contourArea,reverse=True)[0]
#为最大轮廓确定最小边框
rect=cv2.minAreaRect(c)
box=cv2.cv.BoxPoints(rect) if imutils.is_cv2() else cv2.boxPoints(rect)
box=np.int0(box)
#显示检测到的条形码
cv2.drawContours(image,[box],-1,(0,255,0),3)
cv2.imshow('Barcode Detection',image)
cv2.waitKey(0)

对于检测出的条形码就可以进行字符识别：

from PIL import Image
import pytesseract
import cv2
threshold=140 #采用阈值分割法进行二值化，threshold为分割点
table=[]
for i in range(256):
    if i<threshold:
        table.append(0)
    else:
        table.append(1)
rap={'O':'0','I':'1','L':'1',
     'Z':'2','S':'8'};
def GetBarcode(name):
    im=Image.open(name)
    #im=cv2.imread(name)
    imgry=im.convert('L')#转换为灰度图像
   #imgry.save(name+'g') #保存图像
    out=imgry.point(table,'1') #图像二值化处理
    #out.save(name+'b')
    text=pytesseract.image_to_string(out)
#识别纠错处理
    text=text.strip()
    text=text.upper()
    for r in rap:
        text=text.replace(r,rap[r])
    return text
barcode=GetBarcode('D:\Image\\test.png')
print(barcode)

结果：5 012345 67890

基于百度AI的智能图像识别

百度AI开放平台是一个面型第三方开发者的交互技术平台，该频台提供包括语音合成，文字识别，图像识别，身份验证那等诸多语言AI编程接口以及相应的说明文档。

这里，博主建议大家先注册账号百度AI开放平台-全球领先的人工智能服务平台 ，然后找到开放能力中你想要的功能，然后创建应用，获取个人唯一APIKey，Secret Key。

 

然后你就可以得到一个SDK文件。然后在setup.py文件的目录下执行“python setup.py install”命令即可。 也可以直接使用pip install baiidu-aip.

通用物体识别

通用物体识别要用到AipImageClassify，它是基于baiduAI图像识别引擎的API。利用该方法的代码如下：

这里需要用到自己获取的API_KEY,博主的代码不可以直接使用，需要你们自己去注册。

from aip import AipImageClassify  #导入通用物体识别引擎
APP_ID='30428562'
API_KEY='TNRLIT4ICRYFOcV0kewltQP7'
SECRET_KEY='HjPMiCW9tpAuNdVeA2KP2KuXdyg3zKiy'
client=AipImageClassify(APP_ID,API_KEY,SECRET_KEY) #构建识别与引擎对象
#读入图像
def get_file_content(filePath):
    with open(filePath,'rb') as fp:
        return fp.read()
image=get_file_content('D:\Image\insert.jpg')
ret=client.advancedGeneral(image) #调用通用物体识别接口并返回结果
print(ret)

初次使用，可能会报错，这是由于你的API访问次数受限，用的是百度的，需要充会员，所以你懂的。

车牌识别

 车牌识别与前面的通用物体识别流程基本相似，稍有不同的是，用AipOcr代替AipImageClassify对象。而车牌识别主要是对一个图像中的字符进行识别。

示例代码如下：

#车牌识别
from aip import AipOcr
import cv2 as cv
import numpy as np
APP_ID='30429525'
API_KEY='gk5YyWAxggZGPmFtqGLQraeF'
SECRET_KEY='I0yINQbTicjmAWZDfA8mlFWbvGKMx5EX'
client=AipOcr(APP_ID,API_KEY,SECRET_KEY)

def get_file_content(filePath):
    with open(filePath,'rb') as fp:
        return fp.read()
image=get_file_content('D:\Image\\test1.jpeg')
options={}
options['multi_detect']='true' #支持多车牌识别
ret=client.licensePlate(image,options) #调用API进行车牌识别
result=ret['words_result'] #将车牌识别结果保存在字典中
img=cv.imread('D:\Image\\test1.jpeg')
for i in range(len(result)):
    plate_num=result[i]['number'] #显示被识别的车牌
    loc_coordinates=result[i]['vertexes_location'] #显示出车牌坐标
    print('Plate Number:',plate_num)
    print('Location',loc_coordinates)
    #用矩形来标记所识别的车牌的位置
    cv.rectangle(img,(np.int(loc_coordinates[0]['x']),np.int(loc_coordinates[0]['y'])),\
                 (0,255,0),2,cv.LINE_8,0)
    cv.imshow('result',img)
cv.waitKey(0)
cv.destroyAllWindows()

 文末寄语

很抱歉，由于我在使用一些库的时候出现了安装错误，一直没有解决，所以就减少了人脸识别的博客。这里就只介绍了文本识别。后续我会在OpenCV专栏中将人脸识别算法补充进去。最后，祝大家身体健康，万事如意，学习进步！