沙栎 发表于 2024-5-27 02:50:37

PHP使用OCR技术识别图片中的文字(无需接口)

tesseract-ocr是一个流行的开源OCR引擎库,它使用C++编写。 PHP作为一种流行的服务器端语言,也提供了一些ocr识别的库和工具。可以通过tesseract-ocr识别PDF、JPEG、GIF、PNG等格式的图像。 tesseract-ocr的最大特点是它是针对多语言设计的,可以识别世界上大部分语言的文本。

安装Tesseract OCR

首先,我们需要安装Tesseract OCR引擎。Tesseract是一个开源的OCR引擎,由Google开发。它能够识别多种文字语言,并且在许多不同的平台上都可以使用。
在Linux系统上安装Tesseract时,可以使用以下命令:
sudo apt-get install tesseract-ocr在Windows系统上,可以从Tesseract的官网(https://github.com/tesseract-ocr/tesseract)下载安装程序并安装。
在Windows系统上,还可以使用Composer进行安装:
composer require sbt/tesseract
安装PHP扩展

接下来,我们需要安装PHP扩展来使用Tesseract。PHP有一个名为“tesseract”的OCR扩展,它可以让我们在PHP中使用Tesseract引擎。
在Linux系统上,可以使用以下命令安装:
sudo apt-get install php-tesseract在Windows系统上,可以从PECL(http://pecl.php.net/package/tesseract)下载扩展并安装。可以在php.ini文件中添加以下行以启用扩展:
extension=tesseract.so
导入必要的模块

require 'vendor/autoload.php';
use Sbt\Tesseract\Tesseract;
读取图片

$image = imagecreatefromjpeg('invoice.jpg');
对图片进行预处理

在进行OCR识别之前,我们需要对图片进行一些预处理操作,以提高识别的准确性。例如,我们可以将图片转换为灰度图像,然后进行二值化处理。
$gray = imagecreatetruecolor($width, $height);
imagecopyresampled($gray, $image, 0, 0, 0, 0, $width, $height, $width, $height);
$threshold = 127;
$black = array();
$white = array();
for ($x = 0; $x < $width; $x++) {
    for ($y = 0; $y < $height; $y++) {
      $rgb = imagecolorat($gray, $x, $y);
      $r = ($rgb >> 16) & 0xFF;
      $g = ($rgb >> 8) & 0xFF;
      $b = $rgb & 0xFF;
      $grayscale = round(0.299 * $r + 0.587 * $g + 0.114 * $b);
      if ($grayscale < $threshold) {
            $black[] = imagecolorallocate($gray, $x, $y);
      } else {
            $white[] = imagecolorallocate($gray, $x, $y);
      }
    }
}
imagecolortransparent($gray, imagecolorallocate($gray, 0, 0, 0));
imagefill($gray, $black);
imagecolortransparent($gray, imagecolorallocate($gray, 255, 255, 255));
imagefill($gray, $white);
使用Tesseract进行OCR识别

$tesseract = new Tesseract();
$tesseract->setDatapath('/usr/share/tesseract-ocr/4.00/tessdata'); // 设置tessdata路径
$text = $tesseract->doOCR($gray);
print_r($text);
总结

在本文中,我们学习了如何使用PHP和Tesseract进行OCR处理。我们首先安装了Tesseract OCR引擎和tesseract扩展,然后使用PHP代码识别了一张图片中的文本。使用OCR技术有助于我们从图像中提取可编辑的文本,可以应用于各种场景,如扫描文档、数字化档案等。以上就是使用PHP和Tesseract OCR库进行发票信息识别的基本步骤。在实际使用中,可能还需要根据具体的发票格式和内容,对代码进行一些调整和优化。例如,如果发票中包含表格或者图表,可能需要使用更复杂的图像处理技术来进行分割和识别。此外,如果图片的文字是手写的,那么可能需要使用更强大的OCR引擎,如Google的Cloud Vision API。
到此这篇关于PHP使用OCR技术识别图片中的文字(无需接口)的文章就介绍到这了,更多相关PHP的OCR识别图片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

来源:https://www.jb51.net/program/319911qxr.htm
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: PHP使用OCR技术识别图片中的文字(无需接口)