利用百度文字識別API識別影象中的文字
本文將會介紹如何使用 百度AI開放平臺 中的 文字識別 服務來識別圖片中的文字。百度AI開放平臺的訪問網址為： http://ai.baidu.com/ ，為了能夠使用該平臺提供的AI服務，你需要事先註冊一個百度賬號。
建立百度AI文字識別應用
在 百度AI開放平臺 中，登入自己的百度賬號，點選 “文字識別” 服務中的 “通用場景文字識別” ，選擇 “建立應用” ，填好應用名稱，選擇應用型別，填好應用描述，這樣就建立好了“通用場景文字識別”服務，如下圖：
在應用列表中，能夠看到自己剛剛建立好的文字識別服務了，記住，這個應用中的“AppID”，“API Key”，“Secret Key”很重要，是你這個應用的唯一識別。
OK，建立好這個應用後，我們就能使用該應用來識別圖片中的文字了～
利用建立的應用來識別圖片中的文字
接下來，我們將使用剛剛建立好的文字識別應用來識別圖片中的文字，大致的步驟如下：
- 獲取該應用的access_token；
- 利用access_token來建立HTTP請求；
- 解析請求成功後的json檔案，獲取識別後的結果。
具體的參考文件可以參考網址： https://ai.baidu.com/docs#/OCR-API/top ， 本文將不再具體講述。
我們需要識別的圖片為含有兩個漢字的圖片驗證碼，圖片名稱為test.png，如下：
參考該應用的官方文件說明，我們寫下如下的Python指令碼，即可識別圖片中的文字，完整的程式碼如下：
import json
import requests
import base64
import urllib.parse
APP_ID = '你的APP_ID'
API_KEY ='你的API_KEY'
SECRECT_KEY = '你的SECRECT_KEY'
# 獲取token
url = 'https://aip.baidubce.com/oauth/2.0/token'
body = {'grant_type': 'client_credentials',
'client_id': API_KEY,
'client_secret': SECRECT_KEY
}
req = requests.post(url=url, data=body)
token = json.loads(req.content)['access_token']
# 獲取百度api識別結果
ocr_url = 'https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic?access_token=%s'%token
headers = {'Content-Type': 'application/x-www-form-urlencoded'}
# 讀取圖片並進行base64加密
body = base64.b64encode(open('./test.png' ,'rb').read())
# 進行urlencode
data = urllib.parse.urlencode({'image': body})
# post請求
r = requests.post(url=ocr_url, headers=headers, data=data)
# 輸出請求結果
print('請求碼為: %s' %r.status_code)
res_words = json.loads(r.content)['words_result'][0]['words']
print('識別結果為: %s' % res_words)
輸出的結果如下：
請求碼為: 200 識別結果為: 高吸
可以看到，對於這張圖片，百度的文字識別功能很好地識別出了圖片中的文字。
利用Python的百度文字識別第三方模組來識別圖片中的文字
上面我們參照了百度文字識別的官方文件來實現文字識別功能，但過程有點複雜，需要先獲取access_token，再構建HTTP請求才能使用。幸運的是，在Python的第三庫中，已經有了能實現該功能的第三方模組，即baidu-aip，安裝方式如下：
pip install baidu-aip
利用這個第三方模組，我們能簡潔快速地實現文字識別功能，示例的Python程式碼如下：
# 利用aip進行識別
from aip import AipOcr
APP_ID = '你的APP_ID'
API_KEY ='你的API_KEY'
SECRECT_KEY = '你的SECRECT_KEY'
client = AipOcr(APP_ID, API_KEY, SECRECT_KEY)
img = open('./test.png','rb').read()
message=client.basicGeneral(img)
res = message['words_result']
print('識別結果為: %s' % res[0]['words'])
總結
本文並沒有講述如何從AI模型來識別圖片中的文字，而是利用百度AI平臺中的文字識別服務來完成文字識別任務。看上去並沒有什麼新意，只是講解使用使用API來識別圖片中的文字罷了。
那麼，本文的意義在哪？其實，在使用模型識別文字前，一個很重要的過程便於標註，標註費時費力，這時候我們藉助第三方文字識別API能夠減輕標註的工作量，讓我們的標註量能減少點。
當然，如果你把這篇文章看作是一個學習如何利用百度文字識別API識別影象中的文字的機會，那也未嘗不可！
注意：本人現已開通微信公眾號： Python爬蟲與演算法（微訊號為：easy_web_scrape）， 歡迎大家關注哦~~