人工智能图像识别技术原理,人工智能图像识别技术原理

　　欢迎分享本文，转载请保留出处。

　　点击获取最新AI干货。

一、安装库

　　PIL:(Python图像库)是Python平台上图像处理的标准库，功能非常强大。

　　图像识别库。

　　我这里用的是python3.6。PIL不支持python3，所以我使用下面的命令

　　安装Pytesseract Pip安装Pillow如果是python2，在命令行执行以下命令：

　　当我们运行上面的代码时，我们会发现下面的错误：

　　错误是显而易见的：

　　没有这样的文件或目录：“宇宙魔方”

　　这是因为我们没有安装tesseract-ocr引擎。

　　2.tesseract-ocr引擎的光学字符识别(OCR)是指扫描文本数据，然后分析和处理图像文件以获得文本和布局信息的过程。OCR技术非常专业，一般被印刷、印刷行业的从业者使用，可以快速将纸质数据转化为电子数据。至于中文OCR，目前国内水平较高的有清华文同、顽皮猎豹、尚书。他们的产品各有千秋，价格不菲。OCR在国外发展的比较早，比如一些大公司，比如IBM、微软、惠普等。尽管他们没有推出单独的OCR产品，但他们的R&D团队已经掌握了核心技术，并将OCR功能植入了他们自己的软件系统。对于我们程序员来说，一般不需要这么高级的，但是可以在开发中集成基本的OCR功能。这两天搜了很多免费的OCR软件和类库，特意整理了一下。今天先说一下Tesseract，下次再讨论Onenote 2010中的OCR API实现。可以在这里查看OCR技术的简史。

　　Tesseract的OCR引擎由惠普实验室于1985年首次开发，到1995年，它已经成为OCR行业中三个最准确的识别引擎之一。然而，惠普很快决定放弃OCR业务，Tesseract从此再无踪影。

　　几年后，惠普意识到与其搁置宇宙魔方，不如为开源软件行业贡献自己的大洋葱——2005年，宇宙魔方被美国内华达州信息技术研究所获得，并要求谷歌改进、消除bug、优化宇宙魔方。

　　安装tesseract-ocr引擎brew安装tesseract，然后通过Tessera CT-V看看安装是否成功。

　　Tesla CT 3 . 05 . 01 Leptonica-1 . 75 . 0 libjpeg 9 b:libpng 1 . 6 . 34:libtiff 4 . 0 . 9:zlib 1 . 2 . 11此时，当我们运行上述代码时，会出现乱码。

　　这是因为tesseract默认情况下语言包中只有中文包，如下图所示：

　　安装tesseract-ocr语言包。我们去GitHub下载了我们需要的语言包。在这里，我只下载了chi_tra.traineddata和chi_sim.traineddata

　　github:tesserac-ocr/Tess data

　　然后放在/usr/local/cellar/tessera CT/3 . 05 . 01/share/Tess data路径下。

　　您可以通过tessera CT-list-languages查看本地语言包：

　　您可以通过tessera CT-help-psm查看PSM。

　　0:定向脚本监控(OSD)

　　1:使用OSD进行自动分页

　　2:自动分页，但不使用OSD或OCR(光学字符识别)

　　3:全自动分页，但不使用OSD(默认)

　　4:假设一个可变大小的文本列。

　　5:假设单个统一的文本块是垂直对齐的。

　　6:假设一个统一的文本块。

　　7:将图像视为单行文本。

　　8:将图像视为一个单词。

　　9:把一个图像想象成一个圆圈里的一个单词。

　　0:将图像视为单个字符。

　　为什么在这里强调语言包和psm，因为我们在使用中会用到，

　　例如，组合了多个语言包并被视为统一的文本块将使用以下参数：

　　pytesserac t . image _ to _ string(image，lang=chi_sim eng ，config=-psm 6 )

　　在这里，我们组合并使用多种语言包。

　　接下来，我们来看看配置一切的正确结果。

　　从PIL导入pytesseractfrom导入Imageimage=Image.open(./pic/c . png )code=pytesserac . image _ to _ string(image，lang=chi_sim ，config=-psm 6)print(code)