机器之心
机器之心报道
机器之心编辑部
这个文本 OCR 小工具，能让你「所截即所得」。
在我们办公时，是不是经常遇到图片内容转文字的需求？
你是用什么工具解决的呢？是手机自带拍照转文字功能？还是使用 QQ 里面的工具？
今天我们就为大家介绍一款 GitHub 用户 ianzhao05 刚发布的小工具——textshot，只需要截屏就能实时生成文字。读者也可以通过此项目大致了解如何对图像中的文本进行识别。
使用方法
运行 textshot.py，在屏幕上打开一个 overlay，在你希望提取的文字区域画一个矩形。
使用可选的命令行参数指定语言。例如，python textshot.py eng + fra 将使用英语作为主要语言，使用法语作为次要语言。默认值为英语（eng）。同时确保为其他语言安装了适用于 Tesseract 的数据文件。
建议将热键附加到此工具上。对于 Windows 来说，可以使用 AutoHotkey 脚本来完成此操作；textshot.ahk 同时也包含一个可以使用的示例 AHK 脚本。
如果是 Ubuntu 系统，可以打开「键盘设置」，其中显示了所有 Gnome 快捷方式。底部有一个「+」按钮，可用于添加你自己的快捷方式。单击并将其命令设置为 / usr / bin / python3
。如果使用的是 venv，则上面的 python3 路径应指向 venv 的 python3 而不是全局 python3。
如何安装
安装 Python 3；
复制 TextShot 库，并使用跳转命令 cd 进入该库；
（可选项）创建一个虚拟环境，例如使用 python -m venv .venv ；
使用 pip install -r requirements.txt 安装所需的软件包；
安装 Google 的 Tesseract OCR 引擎（https://github.com/tesseract-ocr/tesseract），并通过将目录添加到系统路径来确保可以从命令行访问 tesseract。
这个实用小工具的开发也离不开谷歌经典 OCR 开源项目 Tesseract。
Tessract 的使用
Tesseract 是目前最好的用于机器打印字符识别的开源 OCR 工具。20 世纪 80 年代由 Hewlett Packard 开发，2005 年开源，自 2006 年起由谷歌赞助开发。该工具在受控条件下也能很好地运行，但是如果存在大量噪声或者图像输入 Tesseract 前未经恰当处理，则性能较差。
Tesseract 支持 Unicode（UTF-8）字符集，可以识别超过 100 种语言，还包含多种输出支持，比如纯文本、PDF、TSV 等。但是为了得到更好的 OCR 结果，还必须提升提供给 Tesseract 的图像的质量。
值得注意的是，在执行实际的 OCR 之前，Tesseract 会在内部执行多种不同的图像处理操作（使用 Leptonica 库）。通常情况下表现不错，但在一些特定的情况下的效果却不够好，导致准确度显著下降。在将图像传递给 Tesseract 之前，可以尝试以下图像处理技术，但具体使用哪些技术取决于使用者想要读取的图像：
反转图像
重新缩放
二值化
移除噪声
旋转/调整倾斜角度
移除边缘
所有这些操作都可以使用 OpenCV 或通过 Python 使用 numpy 实现。
Tesseract (v4) 最新版本支持基于深度学习的 OCR，准确率显著提高。底层的 OCR 引擎使用的是一种循环神经网络（RNN）——LSTM 网络。
中文 OCR 项目
中文 OCR，像身份证识别、火车票识别都是常规操作，它也可以实现更炫酷的功能，例如翻译笔在书本上滑动一行，自动获取完整的图像，并识别与翻译中文。
目前比较常用的中文 OCR 开源项目是 chineseocr，它基于 YOLO V3 与 CRNN 实现中文自然场景文字检测及识别，目前该项目已经有 2.5K 的 Star 量。
而机器之心之前介绍过另一个开源的中文 OCR 项目，基于 chineseocr 做出改进，是一个超轻量级的中文字符识别项目。详情可参考：实测超轻量中文OCR开源项目，总模型仅17M
项目地址：https://github.com/ouyanghuiyu/chineseocr_lite
该项目表示，相比 chineseocr，chineseocr_lite 采用了轻量级的主干网络 PSENet，轻量级的 CRNN 模型和行文本方向分类网络 AngleNet。尽管要实现多种能力，但 chineseocr_lite 总体模型只有 17M。目前 chineseocr_lite 支持任意方向文字检测，在识别时会自动判断文本方向。如下图所示机器之心实测效果示例：
