Python实现图片格式转换与OCR文字识别全攻略

2025年11月14日 互联网

Python实现图片格式转换与OCR文字识别全攻略

在数字化办公场景中，图片格式转换与文字识别是两项高频需求。通过Python编程，开发者可以高效实现图片格式转换（如JPG转PNG、WEBP转JPG等），并进一步提取图片中的文字信息。本文将系统介绍如何使用Python完成图片格式转换与OCR文字识别的完整流程，并提供可复用的代码示例。

一、图片格式转换技术实现

1.1 核心工具选择

Python生态中，Pillow（PIL）库是处理图片格式转换的首选工具。该库支持50+种图片格式，包括JPG、PNG、WEBP、BMP等主流格式。通过简单的API调用，即可实现格式转换、尺寸调整、质量压缩等操作。

1.2 基础转换代码

  1. from PIL import Image
  3. def convert_image_format(input_path, output_path, output_format='PNG'):
  4.     """
  5.     图片格式转换函数
  6.     :param input_path: 输入图片路径
  7.     :param output_path: 输出图片路径
  8.     :param output_format: 目标格式（如'PNG', 'JPEG'）
  9.     """
  10.     try:
  11.         # 打开原始图片
  12.         img = Image.open(input_path)
  14.         # 转换格式并保存
  15.         if output_format.upper() == 'JPEG':
  16.             img.convert('RGB').save(output_path, 'JPEG', quality=95)
  17.         else:
  18.             img.save(output_path, format=output_format)
  20.         print(f"转换成功：{input_path} → {output_path}")
  21.     except Exception as e:
  22.         print(f"转换失败：{str(e)}")
  24. # 使用示例
  25. convert_image_format('input.jpg', 'output.png', 'PNG')

1.3 高级功能扩展

  • 批量转换：通过os.listdir()遍历文件夹，实现批量格式转换
  • 质量控制：JPEG格式可通过quality参数（1-100）调整压缩率
  • 尺寸调整：结合img.resize()实现图片缩放
  • 透明度处理：PNG转JPG时需先调用convert('RGB')去除透明通道

二、OCR文字识别技术实现

2.1 OCR引擎选择

目前Python生态中主流的OCR解决方案包括：

  • Tesseract OCR：Google开源的OCR引擎，支持100+种语言
  • EasyOCR：基于深度学习的OCR工具，中文识别效果优异
  • PaddleOCR：百度开源的中文OCR工具，支持多语言和版面分析

2.2 Tesseract OCR安装配置

  1. # Ubuntu系统安装
  2. sudo apt install tesseract-ocr
  3. sudo apt install libtesseract-dev
  5. # Python绑定安装
  6. pip install pytesseract

2.3 基础识别代码

  1. import pytesseract
  2. from PIL import Image
  4. def recognize_text(image_path, lang='chi_sim+eng'):
  5.     """
  6.     图片文字识别函数
  7.     :param image_path: 图片路径
  8.     :param lang: 语言包（中文简体+英文）
  9.     :return: 识别结果字符串
  10.     """
  11.     try:
  12.         # 打开图片
  13.         img = Image.open(image_path)
  15.         # 执行OCR识别
  16.         text = pytesseract.image_to_string(img, lang=lang)
  18.         return text.strip()
  19.     except Exception as e:
  20.         print(f"识别失败：{str(e)}")
  21.         return None
  23. # 使用示例
  24. result = recognize_text('text.png')
  25. print("识别结果：")
  26. print(result)

2.4 识别效果优化技巧

  1. 预处理增强：

    • 二值化处理：img = img.point(lambda x: 0 if x<128 else 255)
    • 降噪处理：使用opencv-python进行形态学操作
    • 透视校正：对倾斜图片进行几何变换

  2. 语言包配置：

    • 下载中文语言包：sudo apt install tesseract-ocr-chi-sim
    • 多语言组合：lang='chi_sim+eng+jpn'

  3. 区域识别：

    1. # 识别指定区域（左上角x,y,右下角x,y）
    2. text = pytesseract.image_to_string(
    3.     img.crop((100, 100, 400, 300)),
    4.     lang='chi_sim'
    5. )

三、完整应用案例

3.1 场景描述

某企业需要处理大量客户上传的证件照片，要求：

  1. 将所有图片统一转换为PNG格式
  2. 提取图片中的姓名、身份证号等关键信息
  3. 将结果保存至CSV文件

3.2 实现代码

  1. import os
  2. import csv
  3. from PIL import Image
  4. import pytesseract
  6. def process_images(input_folder, output_folder):
  7.     """
  8.     批量图片处理函数
  9.     :param input_folder: 输入文件夹
  10.     :param output_folder: 输出文件夹
  11.     """
  12.     # 创建输出文件夹
  13.     os.makedirs(output_folder, exist_ok=True)
  15.     # 准备CSV文件
  16.     with open('results.csv', 'w', newline='', encoding='utf-8') as f:
  17.         writer = csv.writer(f)
  18.         writer.writerow(['文件名', '姓名', '身份证号'])
  20.         # 遍历输入文件夹
  21.         for filename in os.listdir(input_folder):
  22.             if filename.lower().endswith(('.jpg', '.jpeg', '.png', '.bmp', '.webp')):
  23.                 input_path = os.path.join(input_folder, filename)
  24.                 output_path = os.path.join(output_folder, 
  25.                                          os.path.splitext(filename)[0] + '.png')
  27.                 # 1. 格式转换
  28.                 try:
  29.                     img = Image.open(input_path)
  30.                     img.save(output_path, 'PNG')
  31.                     print(f"转换成功：{filename}")
  32.                 except Exception as e:
  33.                     print(f"转换失败 {filename}：{str(e)}")
  34.                     continue
  36.                 # 2. OCR识别
  37.                 try:
  38.                     # 预处理：转换为灰度图
  39.                     gray_img = img.convert('L')
  41.                     # 识别中文和数字
  42.                     text = pytesseract.image_to_string(
  43.                         gray_img, 
  44.                         config='--psm 6',
  45.                         lang='chi_sim'
  46.                     )
  48.                     # 简单信息提取（实际应用中应使用正则表达式）
  49.                     name = "未识别"
  50.                     id_num = "未识别"
  52.                     if "姓名" in text:
  53.                         name = text.split("姓名")[1].split("\n")[0].strip()
  54.                     if "身份证" in text:
  55.                         id_part = text.split("身份证")[1]
  56.                         id_num = "".join([c for c in id_part if c.isdigit()])[:18]
  58.                     writer.writerow([filename, name, id_num])
  59.                     print(f"识别完成：{filename} → 姓名:{name}, 身份证:{id_num}")
  61.                 except Exception as e:
  62.                     print(f"识别失败 {filename}：{str(e)}")
  64. # 使用示例
  65. process_images('input_images', 'output_images')

四、性能优化建议

  1. 多线程处理：
    ```python
    from concurrent.futures import ThreadPoolExecutor

def batch_process(image_paths, output_dir, max_workers=4):
with ThreadPoolExecutor(max_workers=max_workers) as executor:
for path in image_paths:
executor.submit(process_single_image, path, output_dir)
```

  1. 缓存机制：

    • 对已处理图片建立哈希缓存
    • 使用functools.lru_cache装饰器缓存识别结果

  2. GPU加速：

    • 使用EasyOCR或PaddleOCR的GPU版本
    • 安装CUDA和cuDNN加速库

五、常见问题解决方案

  1. Tesseract安装失败：

    • Windows用户可从UB Mannheim获取安装包
    • Mac用户使用brew install tesseract

  2. 中文识别率低：

    • 确保使用chi_sim语言包
    • 对图片进行二值化处理
    • 调整--psm参数（6为自动版面分析）

  3. 内存不足：

    • 分批处理大图片集
    • 使用img.load(limit=0)限制内存使用
    • 对超大图片进行分块处理

六、扩展应用场景

  1. 自动化文档处理：

    • 结合PDF转图片库（如pdf2image）处理PDF文档
    • 构建自动化发票识别系统

  2. 移动端集成：

    • 使用Kivy框架开发跨平台APP
    • 通过Flask构建RESTful API服务

  3. 深度学习优化：

    • 微调CRNN等深度学习模型
    • 使用LabelImg制作训练数据集

本文提供的解决方案经过实际项目验证，在Ubuntu 20.04+Python 3.8环境下测试通过。开发者可根据具体需求调整参数和流程，构建符合业务场景的图片处理系统。

最新文章