一,、總體概述

本文主要介紹了由本人開(kāi)發(fā)的,、基于百度AI的云貓OCR軟件的主要功能，性能評(píng)價(jià)及核心代碼解讀,。因?yàn)槭菐讉€(gè)帖子合并成一個(gè),，所以篇幅較長(zhǎng)，希望各位能耐心看完,，當(dāng)然也可以各取所需,。

本文主要分為以下幾個(gè)部分：
第一部分是云貓OCR軟件介紹。 由開(kāi)發(fā)者本人親自介紹軟件的主要功能,。對(duì)標(biāo)ABBYY等OCR軟件,，云貓OCR的功能更全面，使用更簡(jiǎn)單,，關(guān)鍵的是云貓OCR目前是完全免費(fèi)給大家用的,。當(dāng)然因?yàn)槭窃囉冒妫赡艽嬖谝恍゜ug,，大家使用的時(shí)候不要亂按就行,。云貓展示版本的下載地址見(jiàn)帖子：  https://ai.baidu.com/forum/topic/show/955975
第二部分是云貓OCR基于百度OCR的具體實(shí)現(xiàn)方式說(shuō)明。 同時(shí)也會(huì)對(duì)軟件的部分核心代碼進(jìn)行展示,，便于大家進(jìn)行參考做出更有創(chuàng)意的產(chǎn)品,。
第三部分是云貓OCR使用說(shuō)明及效果評(píng)測(cè),。 但因?yàn)樵曝圤CR是2017年底左右開(kāi)發(fā)的，所以用的不是百度OCR最新接口功能,，如果云貓能得到大家的支持,，我可以考慮開(kāi)發(fā)新版接入更多百度最新的AI接口，希望大家能多多捧場(chǎng),。
本文的最后部分是附錄,，附上了我基于百度OCR進(jìn)行開(kāi)發(fā)的代碼解讀，使用的是最新的百度手寫(xiě)體識(shí)別接口,，也一并打包給大家參考,。

第一部分  云貓OCR的軟件介紹

一、云貓OCR簡(jiǎn)介

   云貓OCR是基于百度云OCR算法,，由進(jìn)擊的狐貍進(jìn)行開(kāi)發(fā)的一款軟件,。本軟件由C#語(yǔ)言進(jìn)行開(kāi)發(fā)，運(yùn)行在Windows平臺(tái)上,。主要調(diào)用的接口是通用文字識(shí)別,、通用文字識(shí)別（高精度）和表格識(shí)別等。

二,、云貓OCR目前實(shí)現(xiàn)的主要功能：

1.批量圖片文字識(shí)別,，可以預(yù)覽圖片，可以對(duì)識(shí)別結(jié)果進(jìn)行自動(dòng)換行和縮進(jìn),，可以控制QPS并發(fā)（QPS功能因?yàn)榘俣仍频膖imeout問(wèn)題而暫時(shí)擱置）,；

2.批量表格圖片識(shí)別，支持自動(dòng)打開(kāi)識(shí)別結(jié)果,，用戶(hù)也可以選擇直接打開(kāi)保存目錄,；

3.PDF轉(zhuǎn)圖片，在我的筆記本（配置為I7處理器/8G內(nèi)存/128G SSD硬盤(pán)）的硬件環(huán)境下,，PDF轉(zhuǎn)圖片程序模塊占用的內(nèi)存不超過(guò)400M,，同時(shí)可以在2分鐘左右的時(shí)間內(nèi)轉(zhuǎn)換超過(guò)500頁(yè)內(nèi)容的PDF文件。支持一鍵打開(kāi)轉(zhuǎn)換結(jié)果文件夾,。

4.云貓軟件支持換膚功能,，目前有兩套皮膚；

5.可以設(shè)置API Key和Secret Key,；

6.支持中途停止識(shí)別,；

7.支持把設(shè)置改變后對(duì)同一張圖片進(jìn)行重新識(shí)別；

8.支持多種語(yǔ)言,；

9.其他功能,，比如識(shí)別統(tǒng)計(jì)信息、控制字體大小,、右鍵把識(shí)別結(jié)果另存為rtf文件,、全選和復(fù)制識(shí)別結(jié)果等等,；

三、演示帖子鏈接

http://ai.baidu.com/forum/topic/show/492371

四,、云貓OCR演示視頻鏈接

https://v.qq.com/x/page/r0564n4a87e.html

建議大家用1.2x或者1.5x倍速觀看，因?yàn)楸救说穆曀儆悬c(diǎn)慢,。

第二部分  云貓OCR基于百度OCR的具體實(shí)現(xiàn)方式說(shuō)明

一,、概述

   云貓OCR是基于百度AI，在Windows平臺(tái)運(yùn)行的一款軟件,。我是用C#語(yǔ)言在Visual Studio2017集成開(kāi)發(fā)環(huán)境中進(jìn)行開(kāi)發(fā)的,，開(kāi)發(fā)方式是SDK包開(kāi)發(fā)。在開(kāi)發(fā)中,，我們需要參考百度的技術(shù)文檔,。

百度云文字識(shí)別技術(shù)文檔地址：

https://cloud.baidu.com/doc/OCR/index.html

二、準(zhǔn)備工作

首先,，我們需要下載最新的百度文字識(shí)別的SDK包,。

C# SDK包的下載地址如下：

http://ai.baidu.com/sdk#ocr

下載完畢后解壓縮，最新的包在文件夾net45里面,。

打開(kāi)Visual Studio2017開(kāi)發(fā)環(huán)境,，選擇新建項(xiàng)目，因?yàn)槲掖蛩阌每刂婆_(tái)項(xiàng)目講解,，因此要選擇新建項(xiàng)目——C#控制臺(tái)項(xiàng)目,。建好項(xiàng)目之后，需要在項(xiàng)目中引用上面下載的SDK包,。

三,、核心代碼講解

（一）調(diào)用百度OCR函數(shù)識(shí)別圖片文字，返回的格式為Json

代碼如下：

using System;

using Newtonsoft.Json;

using Newtonsoft.Json.Linq;

using System.IO;

using System.Drawing;

using System.Collections.Generic;

using System.Linq;

namespace myOCRDemo

{

    class Program

    {

        public static void GeneralBasicDemo()

        {

            // 設(shè)置APPID/AK/SK

            var API_KEY = "你的 Api Key";

            var SECRET_KEY = "你的 Secret Key";

            //創(chuàng)建對(duì)象

            var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);

            client.Timeout = 60000;  // 修改超時(shí)時(shí)間

            var image = File.ReadAllBytes("圖片文件路徑");

            // 調(diào)用通用文字識(shí)別, 圖片參數(shù)為本地圖片,，可能會(huì)拋出網(wǎng)絡(luò)等異常,，請(qǐng)使用try/catch捕獲

            var result = client.GeneralBasic(image);

            Console.WriteLine(result);

        }

        static void Main(string[] args)

        {

            GeneralBasicDemo();

            Console.Read();

        }

    }

}

注意，具體開(kāi)發(fā)的時(shí)候要把上面的API Key和Secret Key分別改為你自己的,，至于怎么申請(qǐng)和查看這兩個(gè)Key,，可以參考我寫(xiě)的評(píng)測(cè)篇帖子。帖子鏈接如下：

http://ai.baidu.com/forum/topic/show/955989

另外不要忘了把圖片文件路徑改為你自己的圖片路徑,。下面是識(shí)別的結(jié)果示例：

原圖如下：

（二）解析Json格式,，把識(shí)別結(jié)果轉(zhuǎn)變?yōu)楦鼮橹庇^的文本類(lèi)型

代碼如下：

using System;

using Newtonsoft.Json;

using Newtonsoft.Json.Linq;

using System.IO;

using System.Drawing;

using System.Collections.Generic;

using System.Linq;

namespace myOCRDemo

{

    class Program

    {

        public static void GeneralBasicDemo()

        {

            // 設(shè)置APPID/AK/SK

            var API_KEY = "你的Akey";

            var SECRET_KEY = "你的SKey";

            //創(chuàng)建對(duì)象

            var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);

            client.Timeout = 60000;  // 修改超時(shí)時(shí)間

            var image = File.ReadAllBytes(@"你的圖片路徑");

            // 調(diào)用通用文字識(shí)別, 圖片參數(shù)為本地圖片，可能會(huì)拋出網(wǎng)絡(luò)等異常,，請(qǐng)使用try/catch捕獲

            var result = client.GeneralBasic(image);

            //解析Json的代碼

            JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());

            int num = (int)jo["words_result_num"];

            string[] words = new string[num];

            for (int i = 0; i < num; i++)

                words[i] = jo["words_result"][i]["words"].ToString();

            //返回值

            string txtOCR = null;

            for (int i = 0; i < num; i++)

                txtOCR += words[i] + "\n";

            //顯示結(jié)果

            Console.WriteLine(txtOCR);

        }

        static void Main(string[] args)

        {

            GeneralBasicDemo();

            Console.Read();

        }

    }

}

程序運(yùn)行結(jié)果如下：

這樣就比較符合人類(lèi)的閱讀習(xí)慣了,，上面這段代碼也是核心的基礎(chǔ)代碼，可以通過(guò)這些核心的代碼去做一些優(yōu)化,，比如自動(dòng)換行,、自動(dòng)縮進(jìn),、根據(jù)語(yǔ)言習(xí)慣自動(dòng)改變標(biāo)點(diǎn)符號(hào)等等。

（三）表格識(shí)別

百度的表格文字識(shí)別的編程較為麻煩,，主要分成兩步：第一步是提交表格文字識(shí)別請(qǐng)求,，獲得requestId；第二步是根據(jù)requestId獲取表格文字識(shí)別的結(jié)果,，默認(rèn)是Excel文件格式,，Json結(jié)果會(huì)返回一段下載地址。

我的程序除了上面這兩步以外,，還添加了自動(dòng)下載Excel文件到本地電腦的代碼,，供各位參考。另外要注意的是,，提交識(shí)別請(qǐng)求和獲得識(shí)別結(jié)果這兩步之間,，程序必須設(shè)置延時(shí)，否則不能獲得下載的URL ,。經(jīng)過(guò)實(shí)際測(cè)試,，延時(shí)為3秒以上較為合適，3秒以下可能會(huì)出錯(cuò),。

代碼如下：

/// 

        /// 表格文字識(shí)別

        /// 

        public static void myTableRecognitionRequestDemo()

        {

            // 設(shè)置APPID/AK/SK

            var API_KEY = "你的API Key";

            var SECRET_KEY = "你的Secret Key";

            //創(chuàng)建對(duì)象

            var client = new Baidu.Aip.Ocr.Ocr(API_KEY, SECRET_KEY);

            client.Timeout = 60000;  // 修改超時(shí)時(shí)間

            var image = File.ReadAllBytes(@"F:\表格圖片1.jpg");//這里要改成你的表格圖片路徑

            // 調(diào)用表格文字識(shí)別,，可能會(huì)拋出網(wǎng)絡(luò)等異常，請(qǐng)使用try/catch捕獲

            var result = client.TableRecognitionRequest(image);

            //解析Json

            JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());

            string requestId = jo["result"][0]["request_id"].ToString();

            Console.WriteLine("獲得requestId："+requestId);

            //延時(shí)3秒,，這句是必須的

            System.Threading.Thread.Sleep(3000);

            //獲取表格識(shí)別結(jié)果

            //有時(shí)會(huì)得不到鏈接,，需要多嘗試幾次

            var resultExcel = client.TableRecognitionGetResult(requestId);

            Console.WriteLine("獲得的表格識(shí)別結(jié)果如下：");

            Console.WriteLine(resultExcel);

            //解析Json，獲得鏈接

            JObject joResult = (JObject)JsonConvert.DeserializeObject(resultExcel.ToString());

            string excelURL = joResult["result"]["result_data"].ToString();

            Console.WriteLine("獲得的Excel文件下載地址是：\n" + excelURL);

            //自動(dòng)下載Excel文件到電腦

            WebClient df = new WebClient();

            df.DownloadFile(excelURL, @"F:\識(shí)別結(jié)果.xls");//這里要改成你的下載文件路徑

            Console.WriteLine("下載完畢");

        }

作者使用的測(cè)試用圖片：

表格文字識(shí)別結(jié)果截圖：

尾記：本文的示例代碼都是最新的代碼,，跟百度SDK文檔里面的代碼是一致的,，而云貓OCR是2017年末就已經(jīng)寫(xiě)好的了，代碼有些陳舊,，所以沒(méi)直接貼源代碼了,。

代碼篇的原帖子地址：

http://ai.baidu.com/forum/topic/show/956037

第三部分  云貓OCR的使用說(shuō)明及效果評(píng)測(cè)

一、概述

   筆者是在2017年接觸百度云服務(wù)平臺(tái)的,，在這里我也稱(chēng)之為百度AI ,。筆者根據(jù)百度AI提供的函數(shù)接口，自行編程實(shí)現(xiàn)了一款OCR軟件——云貓OCR,。云貓OCR大部分的代碼開(kāi)發(fā)是在2017年底前完成的,，之所以雪藏到現(xiàn)在，是因?yàn)楣P者的一些私人事務(wù)（小孩出生等）——我是利用業(yè)余時(shí)間進(jìn)行軟件開(kāi)發(fā)的,，所以中斷了大概一年多的時(shí)間,，現(xiàn)在才有空繼續(xù)這個(gè)項(xiàng)目。

評(píng)測(cè)篇的原帖子地址：

http://ai.baidu.com/forum/topic/show/955989

二、評(píng)測(cè)的具體內(nèi)容

（一）準(zhǔn)備工作

   在使用云貓OCR之前,，我們必須先去百度云官網(wǎng)進(jìn)行注冊(cè)賬號(hào),，有了賬號(hào)以后，我們還要去具體的云服務(wù)項(xiàng)目下申請(qǐng)API Key和Secret Key ,，一般這兩個(gè)Key是用戶(hù)各人保管的,，不能隨便透露給外人。因?yàn)榘俣仍片F(xiàn)在已經(jīng)正式收費(fèi),，而用戶(hù)每人每天的免費(fèi)調(diào)用次數(shù)都是有限的,，提高限額需要支付費(fèi)用，用戶(hù)使用百度云AI接口的依據(jù)主要就是這兩個(gè)Key,，所以我們要保管好。下面是簡(jiǎn)單的準(zhǔn)備工作圖片說(shuō)明：

（二）正式使用云貓OCR

用戶(hù)有了百度云API Key和Secret Key之后,，就可以正式使用云貓OCR了,。具體使用步驟如下：

（三）評(píng)測(cè)的具體內(nèi)容

   首先介紹一下云貓OCR調(diào)用的百度AI的主要接口，首先是通用文字識(shí)別（帶位置版）,，其次是通用文字識(shí)別（帶位置高精度版）,，最后是表格文字識(shí)別，下面依次介紹這三種識(shí)別,。

1. 通用文字識(shí)別（帶位置版）和通用文字識(shí)別（帶位置高精度版）的混合使用

如上圖所示,，用戶(hù)可以選擇多種語(yǔ)言（包括德語(yǔ)、法語(yǔ),、西班牙語(yǔ)等等）,，選擇好后點(diǎn)擊文字識(shí)別即可。因?yàn)榘俣仍铺峁┑母呔任淖肿R(shí)別接口只支持中英文,，而通用的文字識(shí)別支持除中英文以外的多種語(yǔ)言,，所以筆者在編寫(xiě)軟件中，這兩種接口是混合使用的,，具體怎么混合使用請(qǐng)看代碼篇,。一般情況下，高精度的文字識(shí)別效果比通用的好,，但也比較耗時(shí),。

本軟件支持識(shí)別的文字結(jié)果在本機(jī)保存為文件，具體如下圖操作：

保存的文件是rtf格式,，可以用WPS或者Office Word打開(kāi),。下面再給出一次性識(shí)別20張圖片的統(tǒng)計(jì)結(jié)果圖示：

從上圖可以看出，百度云的文字識(shí)別結(jié)果速度還是不錯(cuò)的,，識(shí)別速度是平均大概2-3秒一張圖,。

2. 表格文字識(shí)別

表格文字識(shí)別的主要步驟如下圖所示：

識(shí)別的結(jié)果軟件會(huì)自動(dòng)保存為Excel文件并打開(kāi)，如圖：

從上圖可以看出，表格文字識(shí)別的速度比普通文字識(shí)別要慢一些,，大概需要5-6秒,。

評(píng)測(cè)總結(jié)：百度OCR對(duì)于印刷體的識(shí)別還是不錯(cuò)的，比起以前的OCR軟件來(lái)說(shuō),，百度OCR可以說(shuō)是革命性的進(jìn)步,。當(dāng)然，它也有自己的短板,。比如手寫(xiě)體的識(shí)別,，筆者還沒(méi)有評(píng)測(cè)，但百度云通用文字高精度接口對(duì)手寫(xiě)體的識(shí)別是較差的,。再比如QPS并發(fā),，我的理解是可以提高OCR文字識(shí)別的速度，對(duì)于大量的圖片文字識(shí)別來(lái)說(shuō)尤其是重要,，可以節(jié)省大量時(shí)間,。但遺憾的是，百度云對(duì)并發(fā)好像做的不太好,，程序不一定支持QPS并發(fā),，這個(gè)缺點(diǎn)我們也是希望百度后面能夠有所改正。

附錄：

C#編程實(shí)現(xiàn)手寫(xiě)識(shí)別

一,、概述

    本人是用C#編程,，調(diào)用百度API接口實(shí)現(xiàn)手寫(xiě)體識(shí)別的，參考了百度的產(chǎn)品文檔,。

文檔地址：https://cloud.baidu.com/doc/OCR/index.html

二,、代碼及解說(shuō)

本人的源代碼大部分是來(lái)自百度的產(chǎn)品文檔，但其中也遇到了一些麻煩,。比如文字識(shí)別的編碼問(wèn)題,，百度的代碼給出的編碼是Default，但在我的機(jī)器上這樣做會(huì)顯示亂碼,。經(jīng)過(guò)查找資料,，我把編碼改成UTF8，亂碼的問(wèn)題才得到解決,。

作者的所有源代碼如下：

using System;

using System.Collections.Generic;

using System.Linq;

using System.Text;

using System.Threading.Tasks;

using System.Net.Http;

using Newtonsoft.Json;

using Newtonsoft.Json.Linq;

using System.IO;

using System.Drawing;

using System.Web;

using System.Net;

namespace myHandwrite

{

    public static class FileUtils

    {

        /// 

        /// 轉(zhuǎn)base64編碼

        /// 

        /// 

        /// 

        public static String getFileBase64(String fileName)

        {

            FileStream filestream = new FileStream(fileName, FileMode.Open);

            byte[] arr = new byte[filestream.Length];

            filestream.Read(arr, 0, (int)filestream.Length);

            string baser64 = Convert.ToBase64String(arr);

            filestream.Close();

            return baser64;

        }

    }

    class Program

    {

        // 調(diào)用getAccessToken()獲取的 access_token建議根據(jù)expires_in 時(shí)間 設(shè)置緩存

        // 返回token示例

        public static String TOKEN = "24.adda70c11b9786206253ddb70affdc46.2592000.1493524354.282335-1234567";

        // 百度云中開(kāi)通對(duì)應(yīng)服務(wù)應(yīng)用的 API Key 建議開(kāi)通應(yīng)用的時(shí)候多選服務(wù)

        private static String clientId = "這里改成你的API Key";

        // 百度云中開(kāi)通對(duì)應(yīng)服務(wù)應(yīng)用的 Secret Key

        private static String clientSecret = "這里改成你的Secret Key";

        /// 

        /// 獲取token的函數(shù)

        /// 

        /// 

        public static String getAccessToken()

        {

            String authHost = "https://aip./oauth/2.0/token";

            HttpClient client = new HttpClient();

            List> paraList = new List>();

            paraList.Add(new KeyValuePair("grant_type", "client_credentials"));

            paraList.Add(new KeyValuePair("client_id", clientId));

            paraList.Add(new KeyValuePair("client_secret", clientSecret));

            HttpResponseMessage response = client.PostAsync(authHost, new FormUrlEncodedContent(paraList)).Result;

            String result = response.Content.ReadAsStringAsync().Result;

            //Console.WriteLine(result);

            //自己加的代碼

            JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());

            string myToken = jo["access_token"].ToString();

            Console.WriteLine("獲得的Token是：" + myToken);

            return myToken;

        }

        /// 

        /// 手寫(xiě)體文字識(shí)別

        /// 

        /// 

        /// 

        /// 

        public static string myHandwriting(string token,string filename)

        {

            //string token = "#####調(diào)用鑒權(quán)接口獲取的token#####";

            // 圖片的base64編碼

            string strbaser64 = FileUtils.getFileBase64(filename); 

            string host = "https://aip./rest/2.0/ocr/v1/handwriting?access_token=" + token;

            Encoding encoding = Encoding.Default;

            HttpWebRequest request = (HttpWebRequest)WebRequest.Create(host);

            request.Method = "post";

            request.ContentType = "application/x-www-form-urlencoded";

            request.KeepAlive = true;

            //這里加上了一些參數(shù)

            String str = "recognize_granularity=big&image=" + HttpUtility.UrlEncode(strbaser64);

            byte[] buffer = encoding.GetBytes(str);

            request.ContentLength = buffer.Length;

            request.GetRequestStream().Write(buffer, 0, buffer.Length);

            HttpWebResponse response = (HttpWebResponse)request.GetResponse();

            //顯示結(jié)果是亂碼,，嘗試改變編碼，經(jīng)過(guò)測(cè)試需要改成UTF8編碼

            StreamReader reader = new StreamReader(response.GetResponseStream(), Encoding.UTF8);

            string result = reader.ReadToEnd();

            Console.WriteLine("手寫(xiě)文字識(shí)別:");

            //Console.WriteLine(result);

            //解析Json的代碼

            JObject jo = (JObject)JsonConvert.DeserializeObject(result.ToString());

            int num = (int)jo["words_result_num"];

            string[] words = new string[num];

            for (int i = 0; i < num; i++)

                words[i] = jo["words_result"][i]["words"].ToString();

            //返回值

            string txtOCR = null;

            for (int i = 0; i < num; i++)

                txtOCR += words[i] + "\n";

            //顯示結(jié)果

            Console.WriteLine(txtOCR);

            return txtOCR;

        }

        static void Main(string[] args)

        {

            //這里要改成你的圖片路徑

            string filename = @"F:\手寫(xiě)體5.jpg";

            string token = getAccessToken();

            myHandwriting(token,filename);

            Console.Read();

        }

    }

}

注意,，上面的代碼中需要各位改成自己的Akey和Skey,，另外要改一下圖片路徑。如果返回的是亂碼,，還需要改一下編碼,。

識(shí)別的結(jié)果如下：

程序用的圖片文件如下：

作者：kohakuarc