Оптичко препознавање знакова је од виталног значаја и кључни аспект програмски језик. Примена таквих концепата у стварним сценаријима је бројна. У овом чланку ћемо разговарати о томе како применити оптичко препознавање знакова у Питхону
- Примене оптичког препознавања знакова
- Изградња оптичког препознавања знакова у Питхону
- Предности и недостаци ОЦР мотора
Примене оптичког препознавања знакова
Бројачи карата ово опсежно користе за скенирање и откривање кључних информација на листи за праћење рута и детаља о путницима. Конверзија папирног текста у дигиталне формате где камере снимају фотографије високе резолуције, а затим се користи ОЦР за њихово претварање у реч или ПДФ формат.
како створити синглетон класу у јави
Увођење ОЦР-а са питоном заслужно је за додавање свестраних библиотека попут „Тессерацт“ и „Орцад“. Ове библиотеке су многим програмерима и програмерима помогле да поједноставе дизајн кодаи омогућиће им да троше више времена на друге аспекте својих пројеката. Будући да су користи огромне, завиримо у то шта је и како се то ради.
Изградња оптичког препознавања знакова у Питхону
Прво треба да направимо наставу користећи „питессерацт“. Ова класа ће нам омогућити да увозимо слике и скенирамо их. У том процесу ће излазити датотеке са наставком „оцр.пи“. Погледајмо доњи код. Функцијски блок „процесс_имаге“ користи се за изоштравање текста који добијамо.
Следећи обрађивач руте и функција приказа додају се у апликацију (апп.пи).
Код руковаоца рутером
// РУКОВНИК РУТЕ @ апп.роуте ('/ в {} / оцр'.формат (_ВЕРСИОН), метходс = [' ПОСТ ']) деф оцр (): три: урл = рекуест.јсон [' имаге_урл '] иф' јпг 'у урл: оутпут = процесс_имаге (урл) ретурн јсонифи ({' оутпут ': оутпут}) елсе: ретурн јсонифи ({' еррор ':' онли .јпг филес, плеасе '}) осим: ретурн јсонифи ({' еррор ':' Да ли сте мислили да пошаљете: {'имаге_урл': 'соме_јпег_урл'} '})ОЦР код мотора
// ОЦР ЕНГИНЕ увоз питессерацт захтева за увоз из ПИЛ увоза Слика из ПИЛ увоза ИмагеФилтер из СтрингИО увоза СтрингИО деф процесс_имаге (урл): имаге = _гет_имаге (урл) имаге.филтер (ИмагеФилтер.СХАРПЕН) ретурн питессерацт.имаге_то_стринг (имаге) деф _гет_имаге ( урл): ретурн Имаге.опен (СтрингИО (рекуестс.гет (урл) .цонтент)) //
Обавезно ажурирајте увоз и додајте број верзије АПИ-ја.
импорт ос импорт логгинг фром логгинг импорт Форматтер, ФилеХандлер фром боца импорт Фласк, рекуест, јсонифи фром оцр импорт процесс_имаге _ВЕРСИОН = 1 # АПИ верзија
У ЈСОН одговор функције ОЦР Енгине додајемо „процесс_имаге ()“. ЈСОН се користи за прикупљање информација које улазе и излазе из АПИ-ја. Одговор прослеђујемо у датотеку објекта помоћу библиотеке “Имаге” из ПИЛ-а да бисмо је инсталирали.
Имајте на уму да овај код најбоље функционише само са .јпг сликама. Ако користимо сложене библиотеке које могу садржавати више формата слика, тада се све слике могу ефикасно обрадити. Такође имајте на уму да у случају да сте заинтересовани да сами испробате овај код, молимо вас да прво инсталирате ПИЛ који је набављен из библиотеке „Јастук“
& булл Започните покретањем апликације која је „апп.пи“:
// $ цд ../хоме/фласк_сервер/ $ питхон апп.пи //
& булл Затим, у другом извођењу терминала:
// $ цурл -Кс ПОСТ хттп: // лоцалхост: 5000 / в1 / оцр -д '{' имаге_урл ':' соме_урл '}' -Х 'Цонтент-Типе: апплицатион / јсон'На пример:
// $ цурл -Кс ПОСТ хттп: // лоцалхост: 5000 / в1 / оцр -д '{' Ц: УсерсакасхДовнлоадсПиц1 ':' хттпс://едурека.цом/имагес/блог_имагес/оцр/оцр.јпг '}' - Х 'Цонтент-Типе: апплицатион / јсон' {'оутпут': 'АБЦДЕнФГХ И ЈнКЛМНОнПКРСТ'} //Предности и недостаци ОЦР мотора
Од многих примена употребе ОЦР-а у питхон-у, популарно је препознавање рукописа. Људи ово примењују да би створили писани текст који се затим може попунити у бројне копије, а не само фотокопирати оригиналну скрипту. Ово доводи до уједначености и читљивости.
ОЦР је такође користан за претварање ПДФ-ова у текстове и њихово чување као променљиве. То се касније може подвргнути било којој количини претходне обраде за додатне задатке. Иако се чини да је концепт ОЦР корисна тема у свету Питхона, он сигурно дели свој део недостатака.
ОЦР не може увек да гарантује 100% тачност. Много сати тренинга треба применити уз помоћ концепата вештачке интелигенције који могу омогућити ОЦР машини да учи и препозна лоше слике. Слике рукописа могу се препознати, али оне зависе од неколико фактора као што су стил писања, боја странице, контраст слике и резолуција слике.
Овим смо дошли до краја овог оптичког препознавања знакова у Питхон чланку. Надам се да сте разумели како тачно функционише ОЦР.
Да бисте стекли детаљно знање о Питхону, заједно са разним апликацијама, то можете за онлајн обуку уживо са подршком 24/7 и доживотним приступом.
унакрсно испитивање претраживача помоћу селена
Имате питање за нас? Спомените их у одељку за коментаре у „Оптичко препознавање знакова у Питхону“ и јавићемо вам се.