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：

"words_result": [{ "word": "桃花历乱李花香", "location": [ [978, 218], [1046, 218], [1046, 810], [978, 810] ] }, { "word": "草色青青柳色黄", "location": [ [1088, 211], [1156, 210], [1160, 810], [1092, 810] ] }, { "word": "春日偏能惹恨长", "location": [ [748, 219], [816, 218], [822, 810], [754, 810] ] }, { "word": "东风不为吹愁去", "location": [ [862, 219], [930, 218], [932, 806], [864, 806] ] }, { "word": "春思", "location": [ [1238, 218], [1332, 218], [1332, 447], [1238, 447] ] }, { "word": "贾至", "location": [ [624, 697], [666, 697], [666, 806], [624, 806] ] }], "words_count": 6, "log_id": "1e165580-cde1-11ed-989b-000000003532" }

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

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