PHP使用OCR技術(shù)實現(xiàn)識別圖片中的文字
在日常開發(fā)中，我們常常會遇到需要從圖片中提取文字的需求，例如處理掃描件中的文字、驗證碼識別或者實現(xiàn)文檔數(shù)字化管理。OCR（Optical Character Recognition，光學(xué)字符識別）技術(shù)可以幫助我們快速完成這項任務(wù)。今天就來聊聊，如何在 PHP 中實現(xiàn) OCR 技術(shù)，從圖片中提取文字。
一、什么是OCR技術(shù)
OCR 是一種通過圖像處理技術(shù)從圖片或掃描件中提取文字的技術(shù)，它可以將非結(jié)構(gòu)化的圖片內(nèi)容轉(zhuǎn)化為可編輯的文本。這種技術(shù)廣泛應(yīng)用于以下場景：
- 證件掃描識別（如身份證、駕照等）
- 文檔數(shù)字化存儲
- 圖片驗證碼識別
- 發(fā)票、票據(jù)處理
二、PHP如何實現(xiàn)OCR
盡管 PHP 本身并不提供原生的 OCR 支持，但可以通過以下幾種方式輕松實現(xiàn) OCR：
- 使用開源 OCR 引擎，如 Tesseract-OCR。
- 調(diào)用第三方 OCR 服務(wù)（如百度智能云、阿里云、騰訊云等）。
下面我們通過 Tesseract-OCR 和百度 OCR API 兩種方式，手把手教你實現(xiàn)圖片文字識別功能。
三、方法一：使用 Tesseract-OCR
1. 什么是 Tesseract-OCR
Tesseract 是 Google 提供的一個開源 OCR 引擎，它支持多種語言的文字識別，包括中文，且可以通過簡單的命令行或程序語言調(diào)用。
2. 環(huán)境準備
安裝 Tesseract
根據(jù)你的系統(tǒng)類型安裝 Tesseract：
Ubuntu/Linux
sudo apt update sudo apt install tesseract-ocr sudo apt install tesseract-ocr-chi-sim # 安裝中文語言包
MacOS
brew install tesseract brew install tesseract-lang
Windows 前往 Tesseract 官方下載頁面 下載并安裝。
3. PHP與Tesseract集成
安裝 PHP 擴展
通過 Composer 安裝適配 Tesseract 的 PHP 庫，例如 thiagoalessio/tesseract_ocr：
composer require thiagoalessio/tesseract_ocr
示例代碼
以下是一個簡單的圖片文字識別示例：
<?php
require 'vendor/autoload.php';
use thiagoalessio\TesseractOCR\TesseractOCR;
// 選擇圖片
$imagePath = 'test-image.png';
// 初始化 Tesseract
$ocr = new TesseractOCR($imagePath);
// 設(shè)置語言（中文）
$ocr->lang('chi_sim'); // 簡體中文
$result = $ocr->run();
echo "識別結(jié)果：\n";
echo $result;
運行后，如果 test-image.png 中包含文字，Tesseract 將會提取并輸出文本內(nèi)容。
四、方法二：調(diào)用百度OCR API
如果你希望更快速、更精準的識別效果，使用云服務(wù)是個不錯的選擇。這里以 百度智能云 OCR 為例。
1. 注冊百度智能云
- 訪問 百度智能云 OCR 服務(wù)。
- 注冊賬號并創(chuàng)建應(yīng)用，獲取
API Key和Secret Key。
2. 安裝 HTTP 請求庫
推薦使用 Guzzle 發(fā)送 HTTP 請求。安裝方式如下：
composer require guzzlehttp/guzzle
3. 獲取 Access Token
百度 API 的訪問需要使用 Access Token。以下是獲取 Token 的代碼：
<?php
require 'vendor/autoload.php';
use GuzzleHttp\Client;
function getAccessToken($apiKey, $secretKey) {
$client = new Client();
$response = $client->post('https://aip.baidubce.com/oauth/2.0/token', [
'form_params' => [
'grant_type' => 'client_credentials',
'client_id' => $apiKey,
'client_secret' => $secretKey,
]
]);
$data = json_decode($response->getBody(), true);
return $data['access_token'] ?? null;
}
$apiKey = '你的API Key';
$secretKey = '你的Secret Key';
$token = getAccessToken($apiKey, $secretKey);
echo "Access Token: $token\n";
4. 調(diào)用百度 OCR 接口
使用獲得的 Token 調(diào)用 OCR 接口，完成圖片文字識別：
<?php
require 'vendor/autoload.php';
use GuzzleHttp\Client;
function recognizeText($imagePath, $accessToken) {
$client = new Client();
// 讀取圖片并進行 Base64 編碼
$imageData = base64_encode(file_get_contents($imagePath));
$response = $client->post('https://aip.baidubce.com/rest/2.0/ocr/v1/general_basic', [
'headers' => [
'Content-Type' => 'application/x-www-form-urlencoded',
],
'query' => [
'access_token' => $accessToken,
],
'form_params' => [
'image' => $imageData,
],
]);
$data = json_decode($response->getBody(), true);
return $data['words_result'] ?? [];
}
$imagePath = 'test-image.png';
$accessToken = '你的Access Token';
$result = recognizeText($imagePath, $accessToken);
echo "識別結(jié)果：\n";
foreach ($result as $item) {
echo $item['words'] . "\n";
}
五、比較兩種方案
| 特點 | Tesseract-OCR | 百度智能云 OCR |
|---|---|---|
| 適用場景 | 本地離線識別 | 在線云服務(wù)，支持大規(guī)模處理 |
| 語言支持 | 多語言（需安裝對應(yīng)語言包） | 多語言自動識別 |
| 識別精度 | 精度一般，取決于圖片質(zhì)量 | 精度高，適合復(fù)雜場景 |
| 復(fù)雜度 | 安裝配置簡單 | 需聯(lián)網(wǎng)，稍復(fù)雜 |
| 費用 | 免費 | 部分功能收費 |
六、總結(jié)
通過以上兩種方案，PHP 開發(fā)者可以輕松實現(xiàn) OCR 技術(shù)在項目中的應(yīng)用：
- 對于小型、本地化需求，Tesseract 是一個不錯的選擇。
- 對于需要高精度、多功能的場景，云服務(wù)（如百度智能云 OCR）更為合適。
到此這篇關(guān)于PHP使用OCR技術(shù)實現(xiàn)識別圖片中的文字的文章就介紹到這了,更多相關(guān)PHP OCR識別圖片文字內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要給大家介紹了關(guān)于在PHP中如何使用Redis接管文件存儲Session的相關(guān)資料，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2018-11-11
php面向?qū)ο?一) 初窺(php面向?qū)ο蠡A(chǔ)介紹)
這篇文章主要介紹了php面向?qū)ο蟮囊恍┲R,需要的朋友可以參考下2017-08-08
本文章結(jié)合php中的urldecode,base64_encode函數(shù)然后再結(jié)合自己寫的替換函數(shù)來進行安全傳遞url中文字符，特殊危險字符，有需要的朋友可以參考一下2013-08-08
這篇文章主要介紹了PHP中常用的輸出函數(shù)總結(jié),本文對echo、print、die、printf、sprintf、print_r等函數(shù)都做了簡明總結(jié),需要的朋友可以參考下2014-09-09
關(guān)于更改Zend Studio/Eclipse代碼風(fēng)格主題的介紹
本篇文章是對關(guān)于更改Zend Studio/Eclipse代碼風(fēng)格主題進行了詳細的分析介紹，需要的朋友參考下2013-06-06
php添加文章時生成靜態(tài)HTML文章的實現(xiàn)代碼
PHP生成靜態(tài)文章HTML,有批量的生成，但比較標準的應(yīng)該是在添加文章時就生成HTML文章，編輯時再重新生成HTML文章，刪除文章時同樣也樣刪除多余出來的HTML文章，這時批量生成就顯得有點力不從心了，下面就介紹一下PHP在添加文章時如何生成靜態(tài)的HTML文件2013-02-02
這篇文章主要介紹了php簡單計算頁面加載時間的方法,涉及php針對頁面加載時間的計算技巧,需要的朋友可以參考下2015-06-06
PHP獲取url的html代碼，需要的朋友可以參考下。2011-08-08
在phpwind站點后臺添加一個名為“廣告管家”（廣告管家為CNZZ的一款廣告投放的應(yīng)用）的應(yīng)用，整個“廣告管家”的應(yīng)用是通過iframe載入，載入的具體內(nèi)容根據(jù)不同站點顯示針對該站點的具體內(nèi)容2011-12-12
這篇文章主要介紹了可兼容php5與php7的cURL文件上傳功能,結(jié)合實例形式分析了針對php5與php7版本在使用curl進行文件上傳時的相關(guān)判定與具體操作技巧,需要的朋友可以參考下2018-05-05