python識別圖片
『壹』 python2.7 ocr 文本識別 怎麼弄的啊
《PandaOCR v2.7圖片文字識別》網路網盤資源免費下載:
鏈接: https://pan..com/s/1nsqG9Fs5lLED4mCe798Nfw
PandaOCR v2.7最新版是一款專注於OCR 文字識別的免費軟體，支持多功能 OCR 識別、即時翻譯和朗讀等。軟體的功能非常的多並且強大，能夠進行截圖內容識別，剪切OCR識別還有各種圖片內容識別，能夠幫助用戶非常快捷方便的將文本，圖紙或者圖片內的文字識別出來給用戶免費使用，這樣就不需要用戶去看著文字一個字一個字的手打出來，非常的節省用戶的工作時間。
『貳』 識別圖片的python代碼
網址403許可權錯誤。
如果是個人網站，建議檢查；如果僅僅是為了測試，建議將圖片上傳到圖床上測試。
提問時建議隱藏API_ID和API_KEY，保護自己的信息。
『叄』 Python如何圖像識別
首先，先定位好問題是屬於圖像識別任務中的哪一類，最好上傳一張植物葉子的圖片。因為目前基於深度學習的卷積神經網路（CNN）確實在圖像識別任務中取得很好的效果，深度學習屬於機器學習，其研究的範式，或者說處理圖像的步驟大體上是一致的。
1、第一步，准備好數據集，這里是指，需要知道輸入、輸出（視任務而定，針對你這個問題，建議使用有監督模型）是什麼。你可以准備一個文件夾，裡面存放好植物葉子的圖像，而每張圖像對應一個標簽（有病/沒病，或者是多類別標簽，可能具體到哪一種病）。
具體實現中，會將數據集分為三個：訓練集（計算模型參數）、驗證集（調參，這個經常可以不需要實現劃分，在python中可以用scikit-learn中的函數解決。測試集用於驗證模型的效果，與前面兩個的區別是，模型使用訓練集和驗證集時，是同時使用了輸入數據和標簽，而在測試階段，模型是用輸入+模型參數，得到的預測與真實標簽進行對比，進而評估效果。
2、確定圖像識別的任務是什麼？
圖像識別的任務可以分為四個：圖像分類、目標檢測、語義分割、實例分割，有時候是幾個任務的結合。
圖像分類是指以圖像為輸入，輸出對該圖像內容分類的描述，可以是多分類問題，比如貓狗識別。通過足夠的訓練數據（貓和狗的照片-標簽，當然現在也有一系列的方法可以做小樣本訓練，這是細節了，這里並不敞開講），讓計算機/模型輸出這張圖片是貓或者狗，及其概率。當然，如果你的訓練數據還有其它動物，也是可以的，那就是圖像多分類問題。
目標檢測指將圖像或者視頻中的目標與不感興趣的部分區分開，判斷是否存在目標，並確定目標的具體位置。比如，想要確定這只狗所佩戴的眼睛的位置，輸入一張圖片，輸出眼睛的位置（可視化後可以講目標區域框出來）。
看到這里，應該想想植物葉子診斷疾病的問題，只需要輸入一整張植物葉子的圖片，輸出是哪種疾病，還是需要先提取葉子上某些感興趣區域（可能是病變區域），在用病變區域的特徵，對應到具體的疾病？
語義分割是當今計算機視覺領域的關鍵問題之一，宏觀上看，語義分割是一項高層次的任務。其目的是以一些原始圖像作為輸入，輸出具有突出顯示的感興趣的掩膜，其實質上是實現了像素級分類。對於輸入圖片，輸出其舌頭區域（注意可以是不規則的，甚至不連續的）。
而實例分割，可以說是在語義分割的基礎上，在像素層面給出屬於每個實例的像素。
看到這里，可以具體思考下自己的問題是對應其中的哪一類問題，或者是需要幾種任務的結合。
3、實際操作
可以先通過一個簡單的例子入手，先了解構建這一個框架需要准備什麼。手寫數字識別可以說是深度學習的入門數據集，其任務也經常作為該領域入門的案例，也可以自己在網上尋找。
『肆』 python怎麼識別圖片文字
可以調用opencv來進行識別
『伍』 如何python pil開發圖像識別
1. 簡介。
圖像處理是一門應用非常廣的技術，而擁有非常豐富第三方擴展庫的 Python 當然不會錯過這一門盛宴。PIL （Python Imaging Library）是 Python 中最常用的圖像處理庫，目前版本為 1.1.7，我們可以在這里下載學習和查找資料。
Image 類是 PIL 庫中一個非常重要的類，通過這個類來創建實例可以有直接載入圖像文件，讀取處理過的圖像和通過抓取的方法得到的圖像這三種方法。
2. 使用。
導入 Image 模塊。然後通過 Image 類中的 open 方法即可載入一個圖像文件。如果載入文件失敗，則會引起一個 IOError ；若無返回錯誤，則 open 函數返回一個 Image 對象。現在，我們可以通過一些對象屬性來檢查文件內容，即：
1 >>> import Image
2 >>> im = Image.open("j.jpg")
3 >>> print im.format, im.size, im.mode
4 JPEG (440, 330) RGB
這里有三個屬性，我們逐一了解。
format : 識別圖像的源格式，如果該文件不是從文件中讀取的，則被置為 None 值。
size : 返回的一個元組，有兩個元素，其值為象素意義上的寬和高。
mode : RGB（true color image），此外還有，L（luminance），CMTK（pre-press image）。
現在，我們可以使用一些在 Image 類中定義的方法來操作已讀取的圖像實例。比如，顯示最新載入的圖像：
1 >>>im.show()
2 >>>
輸出原圖：
3.5 更多關於圖像文件的讀取。
最基本的方式：im = Image.open("filename")
類文件讀取：fp = open("filename", "rb"); im = Image.open(fp)
字元串數據讀取：import StringIO; im = Image.open(StringIO.StringIO(buffer))
從歸檔文件讀取：import TarIO; fp = TarIo.TarIO("Image.tar", "Image/test/lena.ppm"); im = Image.open(fp)
基本的 PIL 目前就練習到這里。其他函數的功能可點擊這里進一步閱讀。
『陸』 這種圖片可以用Python自動識別嗎
Python圖片文本識別使用的工具是PIL和pytesser。因為他們使用到很多的python庫文件，為了避免一個個工具的安裝，建議使用pythonxy
pytesser是OCR開源項目的一個模塊，在Python中導入這個模塊即可將圖片中的文字轉換成文本。pytesser調用了tesseract。當在Python中調用pytesser模塊時，pytesser又用tesseract識別圖片中的文字。pytesser的使用步驟如下：
首先，安裝Python2.7版本，這個版本比較穩定，建議使用這個版本。
其次，安裝pythoncv。
然後，安裝PIL工具，pytesser的使用需要PIL庫的支持。
接著下載pytesser
最後，將pytesser解壓，這個是免安裝的，可以將解壓後的文件cut到Python安裝目錄的Lib\site-packages下直接使用，比如我的安裝目錄是：C:\Python27\Lib\site-packages，同時把這個目錄添加到環境變數之中。
完成以上步驟之後，就可以編寫圖片文本識別的Python腳本了。參考腳本如下：
from pytesser import *
import ImageEnhance
image = Image.open('D:\\workspace\\python\\5.png')
#使用ImageEnhance可以增強圖片的識別率
enhancer = ImageEnhance.Contrast(image)
image_enhancer = enhancer.enhance(4)
print image_to_string(image_enhancer)
tesseract是谷歌的一個對圖片進行識別的開源框架，免費使用，現在已經支持中文，而且識別率非常高，這里簡要來個helloworld級別的認識
下載之後進行安裝，不再演示。
在tesseract目錄下，有個tesseract.exe文件，主要調用這個執行文件，用cmd運行到這個目錄下，在這個目錄下同時放置一張需要識別的圖片，這里是123.jpg
然後運行:tesseract 123.jpg result
會把123.jpg自動識別並轉換為txt文件到result.txt
但是此時中文識別不好
然後找到tessdata目錄，把eng.traineddata替換為chi_sim.traineddata,並且把chi_sim.traineddata重命名為eng.traineddata
ok,現在中文識別基本達到90%以上了
『柒』 python怎麼識別圖片中每個線的基本形狀
輪廓搜索
Cv2的方法。findContours用於查找輪廓。代碼示例如下:
Cr、t = cv2。cv2 findContours (b。retr_tree cv2.chain_approx_simple) #
第三個參數定義了輪廓的近似方式
在上述函數的參數中，第一個參數是二值化矩陣，第二個參數是獲得輪廓的方式，第三個參數是定義輪廓的近似方式。
搜索大綱
Cv2方法。FindContours用於查找contours。代碼示例如下:
Cr t等於cv2。Cv2 findContours (b. retr_tree Cv2 .chain_approx_simple) #
第三個參數定義了輪廓的近似方式
上述函數的參數中，第一個參數是二值化矩陣，第二個參數是獲取輪廓的方式，第三個參數是定義輪廓的近似方式。