CMS智能图片管理之图片文本的识别和提取（OCR ）

 

CMS对图片管理之前有介绍过，包括图库的应用，比如作品展览，还有一些业务应用，比如用户发票上传，车牌识别等，涉及到用户上传就要对图片进行审核、分类、标记，更多的包括图片的检索，这些工作人工一般要花费不少时间，那么如何智能处理呢？

本文介绍一下图片的文字识别功能OCR，全称Optical Character Recognition，翻译过来就是图像文字识别。

 

通过开源库的OCR解决方案

 

OCR文字识别的本身有很多开源方案，对于识别过程一般分为三个阶段，

  1. 文本定位检测
  2. 文字矫正
  3. 文字识别

其中第一步是最耗时的，检测文本区域，从网上找了一张图，参考一下整个流程。

 

 

 
文本定位算法主要包括 CTPN、SegLink、Textboxes/Testboxes++、EAST、LOMO、SAST、CRAFT 、Pixel embedding、SPCNet、PSENet、DBNet等，其中DBNet目前比较流行，全称 Differentiable Binarization。
 
文字识别算法目前主流的方案包括CRNN、STATR-NET、RARE、AttentionOCR等，当前比较通用的方案还是以CRNN为主。
 
所以，很多目前大多项目都采用了DBNet+CRNN为主的自主解决方案。
 
 
 

通过云服务解决方案

 

除了自建的OCR解决方案，目前比较流行的就是开源的OCR服务，使用云服务对中小企业来说都比自建好，因为一般自建的效果不一定好，另外研发、服务器等投入会非常大。

提供云服务的厂商比较多，比如腾讯、百度、阿里等，对比了几个厂商的方案和API之后，我们推荐采用阿里云和微软的Asure服务。

 

阿里云文字识别的优势

  • 功能强大，支持各种格式，比如发票、身份证、护照、表格、单据等等
  • 收费方便，按次收费，比如发票识别一万次一千多块，费用不算贵
  • 对接方便，阿里云提供强大的API，有官方说明文档，有测试Demo地址方便使用
  • 中文支持，对中文天生良好的支持

阿里的测试地址：

https://duguang.aliyun.com/experience

 

 

 

微软的Azure文字识别的优势

  • 功能强大，以微软作为背书提供的服务
  • 海外支持，如果服务器在海外，微软的服务好一些，阿里云目前还没有测试是否支持海外调用
  • 中文支持，英文支持自然不必说，微软的Azure也支持中文简体，不但支持中文，也支持法语、西班牙语等多语种

微软API的测试地址： https://portal.vision.cognitive.azure.com/demo/extract-text-from-images 

 

 

基于Drupal现有解决方案

 

Drupal本身已经有了Azure API的对接，之前讲过通过Drupal的模块可以实现AI服务，包括人脸识别和文字识别，所以如果采用Drupal管理图片可以直接使用相关模块。

具体模块的介绍可以参考我们之前的文章，Drupal的AI功能模块助力网站智能化里面讲解一些Drupal的AI模块。

文本分析和语义提取模块 https://www.drupal.org/project/azure_text_analytics_api 

其中，视觉识别模块，就能实现Azure的对接，调用微软Azure云服务来完成文字识别，具体可以参考这个link 

https://www.drupal.org/project/azure_vision_api

 

 

 

这样就实现了图片的文字识别功能，当然除了对图片提取文字之外，Drupal还有很多很多对图片的管理模块，比如裁剪模块、压缩优化模块、懒加载模块、自适应模块，图片展览等等功，因此Drupal对图片的管理功能是很强大的，可以参考之前的一些介绍。

 

1. 如何基于开源系统构建图片/图库管理系统

2. CMS如何存储和管理大量图片/海量图片？

3. 如何通过开源方案自建视频课程平台

4. Drupal的AI功能模块助力网站智能化

5. CMS+AI 落地应用之 Drupal CMS的RAG应用

6. PHP开源 CMS Drupal 对接国产数据库之达梦数据库

 

参考：

Using Azure Cognitive Services to support my children with their Chinese homework

Azure 认知服务 (4) 计算机视觉API - 读取图片中的文字 (OCR)