当前位置： 首页 > article >正文

Python OCR 文字识别

article 2024/12/25 23:26:59

    一.引言

文字识别，也称为光学字符识别（Optical Character Recognition, OCR），是一种将不同形式的文档（如扫描的纸质文档、PDF文件或数字相机拍摄的图片）中的文字转换成可编辑和可搜索的数据的技术。随着技术的发展，文字识别技术已经成为信息管理、自动化办公和智能系统的关键组成部分。

二.简介

为了易于集成和使用，我们将文字识别OCR封装为DLL（动态链接库）。这种封装方式不仅保留了算法的性能优势，还提供了跨平台和跨语言的兼容性，目前支持编程语言如下：

  • C++
  • Python
  • 易语言

1.C++头文件


#ifndef _SN_SDK_H__
#define _SN_SDK_H__



#include <windows.h>


enum SN_TRACK_MOVE_TYPE
{
	TRACK_MOVE_TYPE_NORMAL=0,		// 用于常规轨迹 - 普通游戏鼠标轨迹
	TRACK_MOVE_TYPE_SLIDER,			// 用于滑块轨迹，比常规常规轨迹密度更大 - 滑块验证轨迹
};

enum SN_TRACK_POINT_TYPE
{
	TRACK_POINT_TYPE_NORMAL=0,		// 默认绝对坐标
	TRACK_POINT_TYPE_RELATIVE,		// 相对坐标
};


//返回参数
typedef struct SN_RESULT {

	int code;			//错误码，如果为 0 表示成功，否则表示错误号
	char message[4096];	//错误信息，如果为 "OK" 表示成功，否则返回错误信息

}SN_RESULT;


//坐标参数
typedef struct SN_POINT
{
	int x;				//屏幕坐标，左上角（0，0），右下角（1920，1080 - 以实际屏幕为准）
	int y;				//屏幕坐标，左上角（0，0），右下角（1920，1080 - 以实际屏幕为准）

}SN_POINT;

//轨迹参数
typedef struct SN_POINT_PARAMS
{
	struct SN_POINT point;//屏幕坐标，左上角（0，0），右下角（1920，1080 - 以实际屏幕为准）
	int delayTime;		  //延时时间（单位：毫秒），仅供参考

}SN_POINT_PARAMS;


/*创建句柄
*
* 参数：
*	[in] szKey：		卡密(购买卡密：https://shop.4yuns.com/links/7C9F16B7)
* 	[in] pOnnxFilePath：设置 onnx 模型文件路径，如果设置为 NULL，默认和 DLL文件同级目录
* 	[out] pResult：		返回错误信息，参数pResult.code(错误码)如果为 0 表示成功，否则表示错误号;
*
* 返回值：成功返回句柄，失败返回NULL
*
*/
HANDLE WINAPI apiSNCreateHandle(char* szKey, char* pOnnxFilePath, SN_RESULT* pResult);


/*设置鼠标移动轨迹，默认为 0 表示普通轨迹 ; 1 表示滑块验证时移动轨迹（获得的轨迹点数比普通轨迹点数更多）
*
* 参数：
*	[in] handle：		句柄（通过调用apiSNCreateHandle得到）
*  	[in] density：		轨迹密度调节 ,必须大于或者等于 1，默认 1
*								例如：默认1，原本为100个点，density 为 5，会得到20个点；density 为 2，会得到50个点 ）
*  	[in] type：			轨迹类型（0代表绝对普通轨迹，1代表滑块轨迹,具体参考enum SN_TRACK_MOVE_TYPE）
*
* 返回值：返回参数SN_RESULT.code(错误码)如果为 0 表示成功，否则表示错误号;
*
*/
int WINAPI apiSNSetTrackParams(HANDLE handle, int density=1, int type=0);


/*获取鼠标移动轨迹
*
* 参数：
*	[in] handle：		句柄（通过调用apiSNCreateHandle得到）
* 	[in] startPoint：	开始坐标，左上角（0，0），右下角（1920，1080 - 以实际屏幕为准）
* 	[in] endPoint：		结束坐标，左上角（0，0），右下角（1920，1080 - 以实际屏幕为准）
*  	[in] type：			轨迹坐标类型（0代表绝对坐标，1代表相对坐标,具体参考enum SN_TRACK_POINT_TYPE）
* 	[out] points：		轨迹数组，如果数组中元素 point 出现(10000,10000),表示鼠标轨迹结束
*
* 返回值：返回参数SN_RESULT.code(错误码)如果为 0 表示成功，否则表示错误号;
*
*/
int WINAPI apiSNMouseMove(HANDLE handle, SN_POINT *startPoint, SN_POINT *endPoint, int type, SN_POINT_PARAMS* points);


/*获取版本号
*
* 参数：
*	[in] handle：		句柄（通过调用apiSNCreateHandle得到）
* 	[out] szVersion：	版本号
*
* 返回值：返回参数SN_RESULT.code(错误码)如果为 0 表示成功，否则表示错误号;
*
*/
int WINAPI apiSNGetVersion(HANDLE handle, char* szVersion);


/*获取OCR文字识别卡密到期时间
*
* 参数：
*	[in]  handle：		句柄（通过调用apiSNCreateOCRHandle得到）
* 	[out] pResult：		返回错误信息，参数pResult->code(错误码)如果为 0 表示成功，否则表示错误号;
*
* 返回值：返回卡密到期时间，失败返回NULL，错误信息请查看参数 pResult->message
*
*/
char* WINAPI apiSNGetKeyExpiresTime(HANDLE handle, SN_RESULT* pResult);


/*获取错误信息
*
* 参数：
*	[in] handle：		句柄（通过调用apiSNCreateHandle得到）
*
* 返回值：返回参数SN_RESULT.code(错误码)如果为 0 表示成功，否则表示错误号;
*
*/
int WINAPI apiSNGetError(HANDLE handle);



/*释放句柄（内存）
*
* 参数：
*	[in] handle：		句柄（通过调用apiSNCreateHandle得到）
*
* 返回值：返回参数SN_RESULT.code(错误码)如果为 0 表示成功，否则表示错误号;
*
*/
int WINAPI apiSNDestroyHandle(HANDLE handle);


#endif // !_SN_SDK_H__

2.Python调用dll接口

from ctypes import cdll, c_char_p, Structure, byref
import ctypes
 
# 定义SN_STATU结构体
class SN_STATU(Structure):
    _fields_ = [("code", ctypes.c_int),
               ("message", c_char_p * 4096)]
 
# 加载DLL
lib = cdll.LoadLibrary('D://SNOCR.dll')
 
# 设置函数参数类型
lib.apiSNInitOCRServer.argtypes = [c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNInitOCRServer.restype = ctypes.c_int
 
lib.apiSNCreateOCRHandle.argtypes = [c_char_p, c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNCreateOCRHandle.restype = ctypes.c_void_p
 
lib.apiSNGetKeyExpiresTime.argtypes = [ctypes.c_void_p, ctypes.POINTER(SN_STATU)]
lib.apiSNGetKeyExpiresTime.restype = c_char_p
 
lib.apiSNGetOCRFromImage.argtypes = [ctypes.c_void_p, c_char_p, ctypes.POINTER(SN_STATU)]
lib.apiSNGetOCRFromImage.restype = c_char_p
 
lib.apiSNDestroyOCRHandle.argtypes = [ctypes.c_void_p]
lib.apiSNDestroyOCRHandle.restype = ctypes.c_int
 
# 初始化变量
statu = SN_STATU()
key = b"SNKJe9xffLhdFY7r3TcffXq44ThDVcE3BQFQFfVA9VG4"
onnx_path = b"D://SNOCR.onnx"
image_path = b"D://7.jpg"
 
# 1. 启动OCR服务
ret = lib.apiSNInitOCRServer(onnx_path, byref(statu))
if ret < 0:
    print(f"Error:{statu.message.decode('utf-8')}")
    exit()
 
# 2. 创建OCR句柄
handle = lib.apiSNCreateOCRHandle(key, onnx_path, byref(statu))
if not handle:
    print(f"Error:{statu.message.decode('utf-8')}")
    exit()
 
# 3. 获取卡密到期时间
expires_time = lib.apiSNGetKeyExpiresTime(handle, byref(statu))
if not expires_time:
    print(f"Error:{statu.message.decode('utf-8')}")
    exit()
print(f"Expires Time: {expires_time.decode('utf-8')}")
 
# 4. 识别OCR，返回Json字符串
ocr_result = lib.apiSNGetOCRFromImage(handle, image_path, byref(statu))
if not ocr_result:
    print(f"Error:{statu.message.decode('utf-8')}")
    exit()
try:
    print(f"OCR Result: {ocr_result.decode('utf-8')}")
except UnicodeDecodeError:
    print(f"OCR Result: {ocr_result.decode('GBK')}")
 
# 5. 释放内存
lib.apiSNDestroyOCRHandle(handle)
 
# 等待输入，防止程序直接退出
input("Press Enter to exit...")

三.效果演示

1.图片1

识别效果：

{
	"type":	0,
	"task_id":	1,
	"err_code":	0,
	"ocr_result":	{
		"single_result":	[{
				"single_rate":	0.939104,
				"left":	102.208336,
				"top":	41.812500,
				"right":	329.854156,
				"bottom":	67.829170,
				"single_str_utf8":	"中国建设银行"
			}, {
				"single_rate":	0.966887,
				"left":	104.431534,
				"top":	68.423492,
				"right":	309.992828,
				"bottom":	84.602386,
				"single_str_utf8":	"China Construction Bank"
			}, {
				"single_rate":	0.968900,
				"left":	102.672920,
				"top":	96.168755,
				"right":	403.258331,
				"bottom":	111.964584,
				"single_str_utf8":	"龙卡通(储蓄卡)LONG CARD(DEBIT CARD)"
			}, {
				"single_rate":	0.975151,
				"left":	41.781921,
				"top":	137.955643,
				"right":	410.251556,
				"bottom":	164.107880,
				"single_str_utf8":	"6227 0033 2069 0222 205"
			}, {
				"single_rate":	0.935433,
				"left":	20.770407,
				"top":	210.668716,
				"right":	77.230583,
				"bottom":	230.122101,
				"single_str_utf8":	"ATM"
			}, {
				"single_rate":	0.960131,
				"left":	103.137505,
				"top":	185.368759,
				"right":	192.337509,
				"bottom":	207.204163,
				"single_str_utf8":	"CCB GZ"
			}, {
				"single_rate":	0.929293,
				"left":	338.376495,
				"top":	201.118103,
				"right":	417.111450,
				"bottom":	224.273529,
				"single_str_utf8":	"UnionPa"
			}, {
				"single_rate":	0.917808,
				"left":	367.485413,
				"top":	220.677078,
				"right":	413.479156,
				"bottom":	239.260422,
				"single_str_utf8":	"银联"
			}],
		"unknown_1":	446,
		"unknown_2":	280
	}
}

2.图片2

识别效果：

{
	"type":	0,
	"task_id":	1,
	"err_code":	0,
	"ocr_result":	{
		"single_result":	[{
				"single_rate":	0.919637,
				"left":	622.061157,
				"top":	123.251556,
				"right":	1046.638920,
				"bottom":	190.015121,
				"single_str_utf8":	"马托13610000670"
			}, {
				"single_rate":	0.996936,
				"left":	40.618664,
				"top":	324.310150,
				"right":	541.513184,
				"bottom":	371.843231,
				"single_str_utf8":	"广州利驰服装有限公司"
			}, {
				"single_rate":	0.997014,
				"left":	624.066650,
				"top":	218.300000,
				"right":	1040.933350,
				"bottom":	242.966675,
				"single_str_utf8":	"地址:广州市海珠区赤岗路173号"
			}, {
				"single_rate":	0.964238,
				"left":	624.066650,
				"top":	251.600000,
				"right":	844.833374,
				"bottom":	276.266663,
				"single_str_utf8":	"金丰大厦503室"
			}, {
				"single_rate":	0.979285,
				"left":	625.300000,
				"top":	286.133331,
				"right":	1044.633300,
				"bottom":	309.566681,
				"single_str_utf8":	"厂址:广州市海珠区赤岗西路232"
			}, {
				"single_rate":	0.996300,
				"left":	624.066650,
				"top":	318.200000,
				"right":	759.733337,
				"bottom":	341.633331,
				"single_str_utf8":	"号-234号"
			}, {
				"single_rate":	0.991057,
				"left":	624.066650,
				"top":	351.500000,
				"right":	925,
				"bottom":	374.933350,
				"single_str_utf8":	"热线:400-688-7260"
			}, {
				"single_rate":	0.964125,
				"left":	625.239319,
				"top":	381.016510,
				"right":	922.600220,
				"bottom":	404.499695,
				"single_str_utf8":	"电话:020-84022958"
			}, {
				"single_rate":	0.993601,
				"left":	624.066650,
				"top":	408.233337,
				"right":	923.766663,
				"bottom":	432.900000,
				"single_str_utf8":	"传真:020-84022572"
			}, {
				"single_rate":	0.950434,
				"left":	625.203430,
				"top":	438.767609,
				"right":	1107.616580,
				"bottom":	464.666626,
				"single_str_utf8":	"邮箱:kunhemwl@yahoo.com.cn"
			}, {
				"single_rate":	0.962023,
				"left":	624.066650,
				"top":	471.133331,
				"right":	1001.466670,
				"bottom":	494.566681,
				"single_str_utf8":	"网址:www.hxkunhe.com"
			}],
		"unknown_1":	1184,
		"unknown_2":	614
	}
}

四.常见问题

1.是否支持多线程

支持

五.更新日志

  • 2024.12.15 OCR 文字识别支持C++/Python/易语言

六.云盘源码下载

  • 百度云盘
  • 夸克云盘
  • 123云盘

http://www.kler.cn/a/451361.html

相关文章：

  • InnoDB引擎的内存结构
  • 【MinIO系列】MinIO Client (mc) 完全指南
  • 老旧小区用电安全保护装置#限流式防火保护器参数介绍#
  • LeetCode：1387. 将整数按权重排序（记忆化搜索 Java）
  • AI可信论坛亮点：合合信息分享视觉内容安全技术前沿
  • Golang学习历程【第三篇 基本数据类型类型转换】
  • 基于若依的ruoyi-nbcio-plus支持VForm3表单字段数据保存到数据库的一种方法——全网首创（二）
  • 外包干了两年，技术退步明显。。。。
  • 时钟芯片入门指南：从原理到实践
  • 作业帮基于 Apache DolphinScheduler 3_0_0 的缺陷修复与优化
  • HarmonyOS Next 应用元服务开发-分布式数据对象迁移数据文件资产迁移
  • 力扣-图论-18【算法学习day.68】
  • 掌握 Ansys ACP 中的参考方向：简化复杂的复合材料设计
  • 怎么设置电脑密码？Windows和Mac设置密码的方法
  • RPC入门教学(一) ———— RPC介绍与protobuf的介绍与使用
  • QT--信号与槽机制
  • k8s dashboard可视化操作界面的安装
  • 利用Converge许可分析提高软件使用效率
  • windows安装java
  • 深度学习day5|用pytoch实现运动鞋识别
  • 【人工智能离散数学基础】——深入详解图论：基础图结构及算法，应用于图神经网络等
  • 微信小程序中momentjs无法切换中文问题处理
  • 鸿蒙(HarmonyOS)原生AI能力之文本识别
  • openssl交叉编译（这次基本上正规了）
  • QT的前景与互联网岗位发展
  • [OpenGL]使用 Compute Shader 实现矩阵点乘