【玩转OCR】腾讯云智能结构化OCR文字识别应用场景与技术应用

原创

阿齐Archie

发布于 2024-12-31 12:13:56

1680

前言：在当今数字化快速发展的时代，光学字符识别（OCR）技术已成为众多领域不可或缺的工具，它能够将图像中的文字信息快速、准确地转化为可编辑的文本格式，极大地提高了数据处理的效率和准确性。腾讯云的智能结构化 OCR 平台作为行业内的领先解决方案，具备强大且丰富的功能，涵盖了从商户门头照识别到票据识别以及众多其他应用场景，旨在满足不同用户在不同业务场景下的多样化需求。

本文介绍腾讯云智能结构化 OCR 平台的使用方法，通过逐步的操作指引和实际案例展示。

1.腾讯云的智能结构化OCR平台使用介绍

进入腾讯云的智能结构化OCR主页，点击开通服务，如下链接

智能结构化OCR_定制模板OCR_自定义文字识别-腾讯云

认证之后，点击立即开通

然后点击进入控制台

搜索 API Explorer

选择左侧API Explorer进入如下界面，在搜索框搜索OCR

接下来进行实际场景的应用实践

2.OCR场景应用

2.1 商户门头照识别

首先，准备商户门头照的图片，例如下图

然后接着以下页面，首先选择该场景的应用为商户门头照，第二步输入参数（默认），第三步上传准备好的商户门头照图片，第四步，点击发送请求，得到响应结果

如下为调用后识别的结果，提供识别后的结构化数据。

{
  "Response": {
    "Angle": -1.6752146482467651,
    "RequestId": "5d75952d-adaf-4284-ab9f-4379dc62fde9",
    "StoreInfo": [
      {
        "Name": "商店名称",
        "Rect": {
          "Height": 131,
          "Width": 454,
          "X": 298,
          "Y": 200
        },
        "Value": "进口超市"
      }
    ],
    "StoreLabel": [
      "标准门头照"
    ]
  }
}

以下是基于 HTTP 的 GET 请求 API的程序示例，来调用API

import requests
 
 
def call_api():
    api_url = "替换为实际的 API 地址"
    try:
        response = requests.get(api_url)
        response.raise_for_status()  # 检查请求是否成功
        data = response.json()
        print(data)
        # 在这里可以根据返回的数据结构进行进一步处理
        angle = data["Response"]["Angle"]
        request_id = data["Response"]["RequestId"]
        store_info = data["Response"]["StoreInfo"]
        store_label = data["Response"]["StoreLabel"]
        print(f"Angle: {angle}")
        print(f"RequestId: {request_id}")
        print(f"StoreInfo: {store_info}")
        print(f"StoreLabel: {store_label}")
    except requests.exceptions.RequestException as e:
        print(f"请求 API 时发生错误: {e}")
    except KeyError as e:
        print(f"解析 API 响应数据时发生错误: {e}")
 
 
if __name__ == "__main__":
    call_api()

2.2 票据识别

首先，准备发票的图片，例如下图的一张发票

然后接着以下页面，首先选择该场景的应用为通用票据识别(高级版)，第二步输入参数（默认），第三步上传准备好的发票图片，第四步，点击发送请求，得到响应结果

如下为调用后识别的结果，提供识别后的结构化数据。

{
  "Response": {
    "MixedInvoiceItems": [
      {
        "Angle": 0,
        "Code": "OK",
        "CutImage": "",
        "ItemPolygon": [],
        "Page": 1,
        "Polygon": {
          "LeftBottom": {
            "X": 0,
            "Y": 546
          },
          "LeftTop": {
            "X": 0,
            "Y": 0
          },
          "RightBottom": {
            "X": 846,
            "Y": 546
          },
          "RightTop": {
            "X": 846,
            "Y": 0
          }
        },
        "SingleInvoiceInfos": {
          "AirTransport": null,
          "BusInvoice": null,
          "ElectronicFlightTicketFull": null,
          "ElectronicTrainTicketFull": null,
          "MachinePrintedInvoice": null,
          "MedicalHospitalizedInvoice": null,
          "MedicalOutpatientInvoice": null,
          "MotorVehicleSaleInvoice": null,
          "NonTaxIncomeElectronicBill": null,
          "NonTaxIncomeGeneralBill": null,
          "OtherInvoice": null,
          "QuotaInvoice": null,
          "ShippingInvoice": null,
          "TaxiTicket": null,
          "TollInvoice": null,
          "TrainTicket": null,
          "UsedCarPurchaseInvoice": null,
          "VatCommonInvoice": null,
          "VatElectronicCommonInvoice": {
            "AcquisitionMark": 0,
            "AgentMark": 0,
            "BlockChainMark": 0,
            "Buyer": "深圳市联云计算机科技有限公司",
            "BuyerAddrTel": "深圳市南山区西丽大勘工业区工业二路6号3080755-88357790",
            "BuyerBankAccount": "中国银行深圳分行754957928561",
            "BuyerTaxID": "91440300555442072M",
            "CheckCode": "01282388107430782375",
            "Ciphertext": "00-9864668**29112*65606376-2,441*/*-315<566><<-7<>*<-6>80,99/2385-<70>*942701<+*790/+-,//-7*10-+*+655019170195/+6+6",
            "City": "深圳市",
            "Code": "044032000111",
            "CodeConfirm": "",
            "CompanySealContent": "",
            "CompanySealMark": 0,
            "Date": "2020年07月23日",
            "ElectronicFullMark": 0,
            "ElectronicFullNumber": "",
            "FormName": "",
            "FormType": "",
            "Issuer": "管理员",
            "Kind": "服务",
            "MachineCode": "917000204032",
            "Number": "24835712",
            "NumberConfirm": "",
            "OilMark": 0,
            "PretaxAmount": "0.99",
            "Province": "广东省",
            "QRCodeMark": 1,
            "Receiptor": "管理员",
            "Remark": "",
            "Reviewer": "管理员",
            "Seller": "深圳市优优然科技有限公司",
            "SellerAddrTel": "深圳市南山区西丽街道大勘工业区工业二路6号3070755-88357790",
            "SellerBankAccount": "招商银行股份有限公司深圳泰然金谷支行755941044110601",
            "SellerTaxID": "91440300MA5F9J49XQ",
            "ServiceName": "",
            "SubTax": "",
            "SubTotal": "",
            "Tax": "0.01",
            "TaxSealContent": "全国统一发票监制章,国家税务总局,深圳市税务局",
            "Title": "深圳增值税电子普通发票",
            "Total": "1.00",
            "TotalCn": "壹圆整",
            "TransitMark": 0,
            "TravelTax": "",
            "VatInvoiceItemInfos": [
              {
                "DateEnd": "",
                "DateStart": "",
                "LicensePlate": "",
                "Name": "*研发和技术服务*研发服务",
                "Price": "",
                "Quantity": "",
                "SerialNumber": "",
                "Specification": "",
                "Tax": "0.01",
                "TaxRate": "1%",
                "Total": "0.99",
                "Unit": "",
                "VehicleType": ""
              }
            ]
          },
          "VatElectronicInvoiceBlockchain": null,
          "VatElectronicInvoiceFull": null,
          "VatElectronicInvoiceToll": null,
          "VatElectronicSpecialInvoice": null,
          "VatElectronicSpecialInvoiceFull": null,
          "VatInvoiceRoll": null,
          "VatSalesList": null,
          "VatSpecialInvoice": null
        },
        "SubType": "VatElectronicCommonInvoice",
        "SubTypeDescription": "增值税电子普通发票",
        "Type": 3,
        "TypeDescription": "增值税发票"
      }
    ],
    "RequestId": "185c33dd-2b59-41d2-8073-551f39bcb56b",
    "TotalPDFCount": 1
  }
}

以上是在线调用的示例，实际开发中我们更多会用程序调用API的方法，下面是票据识别API的调用示例：

.NET代码示例：

using System;
using System.Threading.Tasks;
using Newtonsoft.Json;
using TencentCloud.Common;
using TencentCloud.Common.Profile;
using TencentCloud.Ocr.V20181119;
using TencentCloud.Ocr.V20181119.Models;
 
namespace TencentCloudExamples
{
    class VatInvoiceOCR
    {
        static void Main(string[] args)
        {
            try
            {
                Credential cred = new Credential {
                    SecretId = "********",
                    SecretKey = "********"
                };
                ClientProfile clientProfile = new ClientProfile();
                HttpProfile httpProfile = new HttpProfile();
                httpProfile.Endpoint = ("ocr.tencentcloudapi.com");
                clientProfile.HttpProfile = httpProfile;
                OcrClient client = new OcrClient(cred, "", clientProfile);
                VatInvoiceOCRRequest req = new VatInvoiceOCRRequest();
                VatInvoiceOCRResponse resp = client.VatInvoiceOCRSync(req);
                Console.WriteLine(AbstractModel.ToJsonString(resp));
            }
            catch (Exception e)
            {
                Console.WriteLine(e.ToString());
            }
        }
    }
}

2.3其他应用场景

还有更多的应用场景，例如通用文字识别相关接口、卡证文字识别相关接口、票据单据识别相关接口、文本图像增强相关接口、特定场景识别相关接口、智能扫码相关接口、智能结构化识别相关接口、文字识别API2022相关接口、其他接口等等很多应用场景

3.OCR产品demo体验

如下链接进入OCR的产品demo体验

OCR Demo

如下所示对文档进行解析识别

如下所示对商户门头照识别

如下所示对通用文本图像告警识别

还有很多OCR体验就不一一展示了，可以登录体验更多内容

4.个人见解

腾讯云的智能结构化 OCR 平台展现出了其在 OCR 领域的深厚技术实力和广泛的应用潜力。从使用体验来看，其简洁明了的操作界面和丰富多样的功能模块令人印象深刻。在商户门头照识别和票据识别场景中，不仅能够准确地提取关键信息，而且提供的结构化数据具有高度的可用性，例如在商户门头照识别中，详细的商店信息（包括名称、位置和标签等）能够直接为商业数据分析提供有力支持；票据识别中对于各类发票的精准解析，涵盖了从基本的发票抬头、金额到复杂的税务信息等，有助于企业财务流程的自动化和精准化管理。