一、主要思路
-
1.利用截图软件
flameshot进行截取需要被文字识别的图片，并使用imagemagick对图片进行四倍放大； -
2.利用百度AI OCR文字识别服务进行识别（每个月只有1000次免费使用额度）；
-
3.将识别到的结果输出，复制到文件和剪切板。
二、安装相关软件
需要安装的软件有：flameshot、imagemagick。
1.安装软件主体
(1)使用如下命令安装flameshot：
sudo pacman -S flameshot
(2)使用如下命令安装imagemagick，用于图片放大：
sudo pacman -S imagemagick
2.获取百度AI OCR文字识别服务
（1）安装 OCR Python SDK
pip3 install baidu-aip
（2）注册百度智能云获得 APPID AK SK:
注册并登陆进入百度智能云https://ai.baidu.com/tech/ocr，在百度 AI 文字识别服务页面 https://console.bce.baidu.com/ai/?fromai=1#/ai/ocr/overview/resource/getFree先领取OCR免费资源：
在产品服务中进入文字识别模块https://console.bce.baidu.com/ai/?fromai=1#/ai/ocr/overview/index创建应用：
然后就能获取到下面将要用到的AppID、API Key、Secret Key了！
三、制作[python和shell脚本]一键识别，并输出到文件和剪切板
在目录/home/dh/opt/baiduOcr/新建后缀为.sh的shell脚本文件baiduOcr.sh，并在同目录下新建文件/home/dh/opt/baiduOcr/baiduOcr.py。
将以下代码复制到文档baiduOcr.py：
注意：将变量file = open路径部分替换成你想要存放截图以及识别结果txt文档的路径；
#! /usr/bin/python3
#coding=utf-8
# baiduOcr.py
# 调用百度ocr接口快速准确提取图片中文字
from aip import AipOcr
import json
import sys
""" 读取图片 """
def get_file_content(filePath):
with open(filePath, 'rb') as fp:
return fp.read()
if __name__ == "__main__":
""" 你的 APPID AK SK """
APP_ID = '你的AppID'
API_KEY = '你的API Key'
SECRET_KEY = '你的Secret Key'
client = AipOcr(APP_ID, API_KEY, SECRET_KEY)
image = get_file_content(sys.argv[1])
""" 调用通用文字识别, 图片参数为本地图片 """
client.basicGeneral(image);
""" 如果有可选参数 """
options = {}
options["language_type"] = "CHN_ENG"
options["detect_direction"] = "false"
options["detect_language"] = "true"
options["probability"] = "false"
""" 带参数调用通用文字识别, 图片参数为本地图片 """
result = client.basicGeneral(image, options)
text = ''
for item in result['words_result']:
# text += item['words'] # 不添加换行符，直接拼接图片中每一行字符串
text += item['words'] + '\n' # 在图片中每行字符串后面添加一个换行符
# 如果不需要在最终字符串的末尾有一个额外的换行符，可以去除它
if text and text.endswith('\n'):
text = text[:-1]
# print(text)
# 将识别的文本写入src.txt
text_str = str(text)
file = open("/home/dh/opt/baiduOcr/screenshot/src.txt", 'w')
file.write(text_str)
file.close()
将以下代码复制到文档baiduOcr.sh：
注意：将变量SCR路径部分替换成你想要存放截图以及识别结果txt文档的路径；
#!/bin/env bash
# Dependencies: imagemagick flameshot xclip(optional)
#Name: OCR Picture for Arch Linux
#Fuction: take a screenshot and OCR the letters in the picture
#Path: /home/Username/...
#you can only scan one character at a time
baiduOcrPy="/home/dh/opt/baiduOcr/baiduOcr"
SCR_0="/home/dh/opt/baiduOcr/screenshot/src_origin"
SCR="/home/dh/opt/baiduOcr/screenshot/src"
# before take a screenshot, if file "src.png" and "src_origin.png" exist, delete these two files
rm -f $SCR.png $SCR_0.png
## 截图后，直接放大并覆盖原始文件方法 Start
# take a shot what you wana to OCR to text, delay 2 seconds
#flameshot gui -p $SCR.png -d 2000
# increase the png, 亮度不变，色调重置为中性（即不会偏向红色、绿色或蓝色）
# mogrify 直接放大并覆盖原始文件
#mogrify -modulate 100,0 -resize 400% $SCR.png
# should increase detection rate
## 截图后，直接放大并覆盖原始文件方法 End
## 截图后，放大原始图像文件后，同时保留原始图像文件和放大后图像文件 Start
# take a shot what you wana to OCR to text, delay 2 seconds
flameshot gui -p $SCR_0.png -d 2000
# increase the png, 亮度不变，色调重置为中性（即不会偏向红色、绿色或蓝色）
# convert 放大原始文件，创建调整后图像，并保留原始图像
convert $SCR_0.png -modulate 100,0 -resize 400% $SCR.png
# should increase detection rate
## 截图后，放大原始图像文件后，同时保留原始图像文件和放大后图像文件 End
# OCR by tesseract
# tesseract $SCR.png $SCR &> /dev/null -l eng+chi_sim+chi_sim_vert+osd+equ # 简体中文+英文
python3 $baiduOcrPy.py $SCR.png
# get the text and copy to clipboard
# if you use xclip as your clipboard, use this command:
#cat $SCR.txt | xclip -selection clipboard
# if you use kde clipper as your clipboard, use this command:
getSCR=$(cat $SCR.txt)
qdbus org.kde.klipper /klipper setClipboardContents "$getSCR"
# 设置一个陷阱来捕获EXIT信号
on_exit() {
# 在这里发送通知
notify-send "OCR识别结束" "已OCR识别完毕截取的图片，并已将识别文本复制到剪贴板，Ctrl+V粘贴即可！"
}
# 使用trap命令注册on_exit函数，以便在脚本退出时调用它
trap on_exit EXIT
# 使用exit命令退出脚本，这将触发on_exit函数并发送通知
exit 0 # 0表示成功退出
添加运行权限
sudo chmod a+x baiduOcr.sh
四、设置快捷键，一键调用shell脚本
打开系统设置，点击键盘–快捷键，右边顶部可看到+号，点击+号添加快捷键。
命令：bash 这里换成你自己shell脚本baiduOcr.sh所在的路径；例如，我这里的bash命令为：
bash /home/dh/opt/baiduOcr/baiduOcr.sh
添加自定义快捷键时，不要与你系统中的其他快捷键冲突，我这里设置的快捷键是“Alt+B”
这样就配置完成了。直接使用快捷键即可进入截屏模式，截取想要识别的文字区域，等待片刻后便可在指定目录生成src.png和src.txt文件，同时，文字会自动复制到剪切板，可以直接粘贴使用。
参考：
版权声明：本文由 Duter2016 在 2024年03月29日发表。本文采用CC BY-NC-SA 4.0许可协议，非商业转载请注明出处，不得用于商业目的。
文章题目及链接：《Linux下调用百度OCR接口识别图片文字》
