从图片提取文字的终极解决方法 ——【通用文字识别 API】

写在前面

相信你用过类似对进行图片中的文字提取的功能，但是你了解过背后的原理吗？

本文将从图片中文字提取的原理以及应用案例等多方面进行讲述，希望一文能为你讲透通用文字识别。

通用文字识别是什么技术

随着信息化和数字化的发展，大量的文字信息产生和传播，这些信息需要被整理和分析。通用文字识别技术，也称为OCR（Optical Character Recognition，光学字符识别），就是一种将图像或扫描件中的文字识别出来并转化为可编辑、可搜索的数字化文本的技术。

通用文字识别的技术原理

OCR技术的主要原理是将图片或扫描件转化为二值图像，然后利用图像处理算法对图像进行预处理，如去噪、二值化、分割、特征提取等操作。接下来，利用模式匹配和机器学习等方法对文字进行识别，并输出识别结果。OCR技术的精度和速度取决于预处理、识别算法的复杂度和识别引擎的性能等因素。

挖掘通用文字识别的应用场景

通用文字识别可以应用在多种场景，用得好能帮助用户解决很多痛点问题，如在以下领域上，通用文字识别技术能提供非常大的帮助，包括：

文字识别和翻译：识别图片中的文字，并将其翻译成其他语言。
金融服务：识别和处理客户的身份证、银行卡、票据等文档。
教育教学：数字化教材、试卷和笔记。
医疗健康：识别和转换医学报告、病历和处方等文档。
商业营销：识别广告宣传物料上的文字。
社交娱乐：识别和处理用户上传的图片和视频。
人工智能辅助：收集大量的文本数据，进行训练和算法优化。

通用文字识别 API 使用方法

讲透通用文字识别技术之后，如何找到并将这项技术应用在自己的应用里面呢。在这里推荐 APISpace 的【通用文字识别】 API ，它支持多场景、多语种、高精度的整图文字检测和识别服务，多项指标行业领先，可识别中、英、日、韩、法、德多种语言。

具体使用方式如下：

1.注册并获取通用文字识别 API 密钥

进入【通用文字识别 API】详情页，点击【免费试用】，即可唤起注册按钮。

注册成功后，我们在页面导航菜单点击 【我的 API】进入 【访问控制】页面，即可看到平台提供的密钥。

2.在线测试调用 API 进行文字识别

回到【通用文字识别 API】详情页，再次点击【免费试用】，我们可以在获得一定次数的免费调用权限，并且进入测试界面。

在测试界面中，根据 API 接口文档中的要求，输入图片地址

如我们输入

API 返回的识别结果如下：

1    "words_result": [{
2        "word": "桃花历乱李花香",
3        "location": [
4            [978, 218],
5            [1046, 218],
6            [1046, 810],
7            [978, 810]
8        ]
9    }, {
10        "word": "草色青青柳色黄",
11        "location": [
12            [1088, 211],
13            [1156, 210],
14            [1160, 810],
15            [1092, 810]
16        ]
17    }, {
18        "word": "春日偏能惹恨长",
19        "location": [
20            [748, 219],
21            [816, 218],
22            [822, 810],
23            [754, 810]
24        ]
25    }, {
26        "word": "东风不为吹愁去",
27        "location": [
28            [862, 219],
29            [930, 218],
30            [932, 806],
31            [864, 806]
32        ]
33    }, {
34        "word": "春思",
35        "location": [
36            [1238, 218],
37            [1332, 218],
38            [1332, 447],
39            [1238, 447]
40        ]
41    }, {
42        "word": "贾至",
43        "location": [
44            [624, 697],
45            [666, 697],
46            [666, 806],
47            [624, 806]
48        ]
49    }],
50    "words_count": 6,
51    "log_id": "1e165580-cde1-11ed-989b-000000003532"
52}

哇，识别结果着实非常精确，感兴趣的小伙伴赶快去体验一下。

在程序中接入通用文字识别 API

在Java 程序中，我们可直接复制以下代码接入通用文字识别 API

1OkHttpClient client = new OkHttpClient().newBuilder().build();
2MediaType mediaType = MediaType.parse("application/json");
3RequestBody body = RequestBody.create(mediaType, "{"image":"","url":"https://data-apibee.apispace.com/license/1678270527930990ebabe-a570-44ca-9966-b892d2bb6df8","language":"CHN_ENG"}");
4Request request = new Request.Builder()
5  .url("https://eolink.o.apispace.com/ocrbase/ocr/v1/base")
6  .method("POST",body)
7  .addHeader("X-APISpace-Token","替换自己的 API 密钥")
8  .addHeader("Authorization-Type","apikey")
9  .addHeader("Content-Type","application/json")
10  .build();
11
12Response response = client.newCall(request).execute();
13System.out.println(response.body().string());

写在最后

OCR 技术是一项十分重要的技术，可以提高数据处理的效率和准确性，将纸质文本转化为数字化文本，从而为数字化转型提供有力支持，APISpace 也提供了身份证识别OCR、银行卡识别OCR、二维码识别OCR、增值税发票识别OCR 等多项OCR 识别接口，感兴趣的小伙伴可以去了解下。

如果你有想要了解的 API 接口或者应用场景，欢迎下面评论留言~