OCR (оптическое распознавание символов) — это технология, используемая для преобразования печатного или рукописного текста в редактируемые и доступные для поиска электронные документы. Он анализирует формы и структуры символов на изображениях и преобразует их в машиночитаемые текстовые данные. Технология оптического распознавания символов играет важную роль во многих областях, включая управление документами, автоматизированный офис, оцифровку библиотек, распознавание номерных знаков и т. д.

Для извлечения текста OCR ранее также был представлен Umi-OCR. Этот инструмент, и то, чем мы собираемся поделиться сегодня, в основном представляет собой инструмент с открытым исходным кодом, используемый для решения проблем, связанных с кодами проверки. ддддокр адрес проекта автора на github следующий:https://github.com/sml2h3/ddddocr?tab=readme-ov-file

Когда мы выполняем некоторые ежедневные операции, связанные с автоматическим тестированием, нам иногда необходимо вводить коды проверки. Сейчас на рынке представлено множество типов кодов проверки. Основные из них следующие:

1. Перетащите ползунок в указанное положение
2. Нажмите на указанный текст последовательно
3. Введите комбинацию букв+цифр на картинке
4. Посчитайте числа на картинке, сложите, вычтите, умножьте и разделите результаты.
5. сотовый телефон Проверочный кодиз
6. Есть также некоторые нечеловеческие объекты распознавания (тип эмо). ddddorc в основном используется для решения таких сценариев, как идентификация текстового содержимого изображения, такого как буквы и китайские иероглифы, а также скользящие ползунки. Итак, давайте установим и воспользуемся им, чтобы опробовать эффект ddddocr. Требуемая среда – это Python<=3.9Версия。window,linux,Mac поддерживает,Но он не поддерживаетсяM1。Просто введите в терминале pip install ddddocrПодождите установки и затем используйте его.。 Ниже приведен пример использования:
7. Распознавание текста на изображениях: подходит для ввода определенных букв или цифр на изображениях и т. д.

import ddddocr

ocr = ddddocr.DdddOcr()
#Путь к изображению
with open("img.png", 'rb') as f:
    image = f.read()
res = ocr.classification(image)
print(res)

2. Обнаружение цели. Подходит для щелчков по тексту и значков. Проще говоря, для кодов подтверждения, вводимых щелчком мыши, текст или значки на изображении могут быть быстро обнаружены.

import ddddocr
import cv2

det = ddddocr.DdddOcr(det=True)

with open("test.jpg", 'rb') as f:
    image = f.read()

poses = det.detection(image)
print(poses)

im = cv2.imread("test.jpg")

for box in poses:
    x1, y1, x2, y2 = box
    im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2)

cv2.imwrite("result.jpg", im)

Творить непросто. Если вы считаете, что эта статья вам полезна, поставьте мне лайк. Это будет моей мотивацией продолжать делиться высококачественным контентом.