人人都能使用的圖片轉文字(OCR)

在數位時代，我們經常需要將圖片上的文字提取出來，這就是光學字符識別（Optical Character Recognition，OCR）技術的用武之地。無論是從圖片中提取文本信息，還是將手寫筆記轉換為數字形式，OCR都可以幫助我們實現這些任務。而今天我們要介紹的是一個使用Python語言和Google Colab平台實現的圖片轉文字的功能，讓每個人都能輕鬆使用。

實作步驟

步驟一：準備工作

首先，我們需要準備好Google Colab的環境，確保我們能夠使用其中的Python模組和工具。
如果你還沒有Google Colab帳號，可以通過Google帳號註冊一個。

步驟二：匯入圖片

在Colab中，我們可以使用 files.upload() 方法來上傳圖片。

from google.colab import files

uploaded = files.upload()

for filename in uploaded.keys():
    print('Uploaded file "{name}" with length {length} bytes'.format(
        name=filename, length=len(uploaded[filename])))

點擊運行然後匯入圖片後，結果如下：

步驟三：安裝模組

接下來，我們需要使用OCR庫來識別圖片上的文字。
這裡我們使用 pytesseract，它是一個Python模組，可以方便地使用Google的Tesseract-OCR引擎。
如果你還沒有安裝 pytesseract，可以在Colab中安裝：

!pip install pytesseract

在Colab環境中若有遇到執行後出現Error:

TesseractNotFoundError: tesseract is not installed or it's not in your PATH. See README file for more information

這是因為 Tesseract OCR 沒有安裝或者無法在系統的 PATH 中找到。
可以改為以下程式來安裝。

!apt-get install tesseract-ocr
!apt-get install libtesseract-dev
!pip install pytesseract

順利安裝完後就可以順利使用套件啦！

步驟四：圖片轉文字

現在我們可以將上傳的圖片讀取並進行OCR處理：

import pytesseract
from PIL import Image
import matplotlib.pyplot as plt

# 開啟圖片
img = Image.open(filename)

# 顯示圖片
plt.imshow(img)
plt.axis('off')  # 不顯示座標軸
plt.show()

# 將圖片轉換為文本
text = pytesseract.image_to_string(img)

# 輸出識別的文字
print("圖中文字為: "+text)

輸出結果如下:

成功！

完整程式碼

將上述步驟整合起來，我們可以得到一個完整的程式碼，用於在Google Colab中實現圖片轉文字的功能：

from google.colab import files
import pytesseract
from PIL import Image
import matplotlib.pyplot as plt

# 上傳圖片
uploaded = files.upload()

for filename in uploaded.keys():
    print('Uploaded file "{name}" with length {length} bytes'.format(
        name=filename, length=len(uploaded[filename])))
    import pytesseract

# 開啟圖片
img = Image.open(filename)

# 顯示圖片
plt.imshow(img)
plt.axis('off')  # 不顯示座標軸
plt.show()

# 將圖片轉換為文本
text = pytesseract.image_to_string(img)

# 輸出識別的文字
print("圖中文字為: "+text)

補充說明

在這篇文章中，我們使用了Python中的幾個模組來實現圖片轉文字的功能：

• google.colab: 這是Google Colab提供的模組，用於在Colab環境中進行文件上傳等操作。
• pytesseract: 這是一個Python的OCR模組，可以方便地使用Google的Tesseract-OCR引擎，用於將圖片中的文字識別出來。
• PIL: 這是Python Imaging Library的縮寫，提供了許多處理圖片的功能，包括打開、編輯和保存圖片等。

這個教學的主要步驟包括上傳圖片、使用Tesseract-OCR進行文字識別，然後輸出識別的文字。通過這個過程，我們可以輕鬆地從圖片中提取出文字信息，並進行後續的處理和分析。

應用場景

圖片轉文字的功能在各個領域都有廣泛的應用，例如：

• 數據輸入：將紙本文件中的文字轉換為數字形式，便於進行數據處理和分析。
• 文字識別：識別圖片中的文字，用於自動化識別、驗證碼識別等場景。
• 手寫文字識別：將手寫文字轉換為數字形式，用於筆記、手寫板等應用。

因此，掌握圖片轉文字的技術，將會對各行各業帶來便利和效率提升。

結語

在本篇文章中，我們探索了如何利用Python和Google Colab快速實現圖片轉文字的功能。
雖然這是一個強大的工具，但需要注意的是，對於手寫文字的識別可能會有一定的挑戰性，文中成功的案例也是使用電腦打的一些簡單數字。
希望本文能為你提供一些有用的信息，並且在你的實踐中取得一些進步。

Github連結

安妮派