如何基于Python代码实现高精度免费OCR工具
近期Github开源了一款基于Python开发、名为Textshot的截图工具,刚开源不到半个月已经500+Star。
这两天抽空看了一下Textshot的源码,的确是一个值得介绍的项目。
相对于大多数OCR工具复杂工程、差强人意的效果,Textshot具有明显的优势,
- 项目简单
- 技术点丰富
项目简单
Textshot整个项目只有1个Python文件、139行代码,没有复杂的第三方库应用,也不涉及过多后端算法的调用。
技术点丰富
Textshot这个项目虽然只有短短的139行代码,但是,却涉及Python中多个方面的知识应用,
- UI开发
- 截图工具开发
- 后端引擎调用
通过这短短的项目,你不仅可以了解如何利用PyQt5实现一个用户界面,还可以学会如何使用pyscreenshot开发一款自己的截图工具。此外,还能够学会后端tesseract的调用。
换句话说,这短短的139行代码囊括了前端至后端的整个流程,而且涉及到截图和OCR两款工具的衔接。因此,Textshot虽然工程不大,却是一个非常完备、值得学习的项目。
本文就来剖析这个项目的源代码,教你一步一步实现自用且永久免费的截图&OCR工具!
tesseract
目前OCR工具数不胜数,但是大多数都是在相同的后端算法上面进行了不同的封装而已。而真正在OCR核心做的较好、值得大书特书的,那么一定非tesseract莫属
tesseract早在1985就已经开始由HP实验室开始研发,而在1995年更是被评为最为准确的3款OCR工具之一。此后,tesseract被开源,经过Google对其不断的进行优化和升级,它目前已经成为OCR方面一款标杆性的工具。很多开源或者付费的OCR工具,都是直接调用tesseract或者对其进行稍许优化。
而今天介绍的Textshot就是直接调用tesseract后端引擎进行OCR识别。因此,Textshot只是实现了一款截图工具,起到前后端的串联作用,在OCR识别算法方面并没有做任何工作。
tesseract安装
由于Textshot的OCR识别需要调用tesseract后端引擎,所以,首先需要安装tesseract。
Windows版安装可以直接访问下载链接[1].
Mac下可以使用Homebrew进行安装,
brewinstalltesseract
Textshot
Textshot是一款截图识别文字的OCR工具,因此,它主要涉及2个环境,
截图
OCR识别
Textshot首先通过截图获取需要进行文字识别的图像,然后对这副图像进行OCR文字识别,输出识别结果。
前面已经介绍了,Textshot的OCR识别阶段调用的是tesseract,所以只需要1行代码即可完成。
因此,Textshot的工作主要是围绕前端窗口和截图工具的实现方面。
截图工具
截图工具是我们经常会用到的一种工具,如何实现一款截图工具?
很多人会把它想的非常复杂,其实,Python中有很多可以实现截图的库或者函数,例如,pyscreenshot或者pillow中的ImageGrab函数,它的调用方式如下,
shot=ImageGrab.grab(bbox=(x1,y1,x2,y2))
也就是说,我们只需要把鼠标框选的起点和终点坐标传给grab方法就可以实现截图功能。
那么,现在问题就转化为如何获取鼠标框选的起点和终点?
Textshot通过调用PyQt5并继承QWidget来实现鼠标框选过程中的一些方法来获取框选的起点和终点。
Textshot继承和重写QWidget方法主要包括如下几个,
- keyPressEvent(self,event):键盘响应函数
- paintEvent(self,event):UI绘制函数
- mousePressEvent(self,event):鼠标点击事件
- mouseMoveEvent(self,event):鼠标移动事件
- mouseReleaseEvent(self,event):鼠标释放事件
可以看出,上面重写的方法以及囊括了截图过程中涉及的各个动作,
- 点击鼠标
- 拖动、绘制截图框
- 释放鼠标
classSnipper(QtWidgets.QWidget): def__init__(self,parent=None,flags=Qt.WindowFlags()): super().__init__(parent=parent,flags=flags) self.setWindowTitle("TextShot") self.setWindowFlags( Qt.FramelessWindowHint|Qt.WindowStaysOnTopHint|Qt.Dialog ) self.is_macos=sys.platform.startswith("darwin") ifself.is_macos: self.setWindowState(self.windowState()|Qt.WindowMaximized) else: self.setWindowState(self.windowState()|Qt.WindowFullScreen) self.setStyleSheet("background-color:black") self.setWindowOpacity(0.5) QtWidgets.QApplication.setOverrideCursor(QtGui.QCursor(QtCore.Qt.CrossCursor)) self.start,self.end=QtCore.QPoint(),QtCore.QPoint() defkeyPressEvent(self,event): ifevent.key()==Qt.Key_Escape: QtWidgets.QApplication.quit() returnsuper().keyPressEvent(event) defpaintEvent(self,event): ifself.start==self.end: returnsuper().paintEvent(event) painter=QtGui.QPainter(self) painter.setPen(QtGui.QPen(QtGui.QColor(255,255,255),3)) painter.setBrush(QtGui.QColor(255,255,255,100)) ifself.is_macos: start,end=(self.mapFromGlobal(self.start),self.mapFromGlobal(self.end)) else: start,end=self.start,self.end painter.drawRect(QtCore.QRect(start,end)) returnsuper().paintEvent(event) defmousePressEvent(self,event): self.start=self.end=QtGui.QCursor.pos() self.update() returnsuper().mousePressEvent(event) defmouseMoveEvent(self,event): self.end=QtGui.QCursor.pos() self.update() returnsuper().mousePressEvent(event) defmouseReleaseEvent(self,event): ifself.start==self.end: returnsuper().mouseReleaseEvent(event) x1,x2=sorted((self.start.x(),self.end.x())) y1,y2=sorted((self.start.y(),self.end.y()))
然后启动截图界面,
QtCore.QCoreApplication.setAttribute(Qt.AA_DisableHighDpiScaling)
app=QtWidgets.QApplication(sys.argv)
window=QtWidgets.QMainWindow()
snipper=Snipper(window)
snipper.show()
用户拖动、框选窗口,会获取窗口的起点和终点的坐标,这时候可以调用下面语句进行截图,获取需要OCR识别的文本图像,
shot=ImageGrab.grab(bbox=(x1,y1,x2,y2))
OCR文字识别
通过ImageGrab.grab截取到文本图像shot,下一步就是要把图像内容输入给后端的tesseract引擎,让它把图像转化为字符串
result=pytesseract.image_to_string(img,timeout=2,lang=(sys.argv[1]iflen(sys.argv)>1elseNone))
到这里,就实现了一款准确度高、永久免费的OCR工具。
回顾一下Textshot的项目,我们会发现截图坐标范围内的图像、OCR识别只需要2行代码,大多数都是在围绕获取窗口起点和终点坐标在开发。换句话说,Textshot这个项目对OCR核心部分并没有做任何更改,只是在产品包装方面做了一些巧妙的工作。
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毛票票。