我花了一天，做了一款和「百度」比肩的 OCR 图片识字工具 iText

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

爱意满满的作品展示区。

这是一个创建于 2585 天前的主题，其中的信息可能已经有所发展或是发生改变。

这是我第 7 款 macOS 产品了：iText

iText 是一款 从图片中识别文字 的 OCR 工具。

集成百度深度学习算法（所以可以和百度 PK😂），识别结果惊人的准确
配合截图、拖拽、选择图片文件等方式，操作非常便利

通过截图识别

选择屏幕任意区域，立即识别其中的文字。

配合快捷键，截图更方便。默认快捷键为 ⇧⌘1；当然，你可以在 iText 偏好设置中修改。

通过拖拽识别

比如，你在网上看到了一张图片、或者本地有个图片文件，都可以拖拽至 iText 菜单栏图标进行识别。

通过选择图片文件识别

当然，你也可以在 iText 菜单中选择图片文件进行识别。

下载

你会发现，对于 看扫描版 PDF 文件、登录才能复制文字的网页、对方以手机截图的方式发电话号码、等场景，iText 快速识字的功能，很有用、也很好用。

目前，iText 还处于封闭内测期。如需体验，请联系：[email protected]

第 1 条附言 · 2017-11-13 19:52:12 +08:00

求：有没有设计师朋友想给 iText 设计个脸面(Logo)啊？谢谢 😀🤝

第 2 条附言 · 2017-11-30 19:49:59 +08:00

iText 已上架 Mac App Store，点此下载

iText

识别

图片

[email protected]

89 条回复 • 2018-01-20 10:13:27 +08:00

Willjim

2017-11-13 08:38:27 +08:00 via Android

哇，发现你特别喜欢通过状态栏做文章啊！东西感觉不错。

ixixixe2

2017-11-13 08:42:07 +08:00

厉害了

yu099

2017-11-13 08:43:00 +08:00 via Android

三个点只识别出一个😂😂

Telegram

2017-11-13 08:44:02 +08:00

看上去好棒

quietjosen

2017-11-13 08:47:00 +08:00

@Willjim 也不完全，Klib 就是一般的窗口应用。主要是截图这种事，状态栏比较适合。

quietjosen

2017-11-13 08:47:31 +08:00

@yu099 你这种挑剔的精神，刺激了人们进步 😂

quietjosen

2017-11-13 08:47:46 +08:00

@Telegram 试试也不错的 :)

cxl008

2017-11-13 08:50:22 +08:00

没有下载地址？ app store 搜不到啊

houbaron

2017-11-13 08:51:50 +08:00 via Android

@cxl008 #8 楼主说封闭内测了

Telegram

2017-11-13 08:59:32 +08:00

@quietjosen #7 可是我是 PC，无奈。

AdamChrist

2017-11-13 08:59:41 +08:00

厉害了...点赞...

gitgit

2017-11-13 09:10:14 +08:00

windows 版本有吗

mokeyjay

2017-11-13 09:11:21 +08:00

Win 哭出声

x7395759

2017-11-13 09:24:27 +08:00

这种很正规的识别怎么样都不会差，会差的是图文混排，字体倾斜，字体粗细不一致，可见程度不一致，等~~~~
但还是很厉害的，我做一个验证码识别也就能到 70---------

privil

2017-11-13 09:26:05 +08:00

很标题党了 = =

VShawn

2017-11-13 09:28:22 +08:00 via Android

这种很规整的文章 tesseractOCR 就搞定了

leeyom

2017-11-13 09:38:32 +08:00

太棒了，好东西噢

CEBBCAT

2017-11-13 09:41:27 +08:00 via Android

看起来不错，一看图就想起来 Snipaste 了，希望也是个很棒的软件

only0jac

2017-11-13 09:41:54 +08:00 via Android

@gitgit
@mokeyjay
win 有什么可哭的，这种工具一大堆，秒 osx 几条街

gitgit

2017-11-13 09:43:11 +08:00

@only0jac 元如此

zzutmebwd

2017-11-13 09:43:52 +08:00 via Android

@mokeyjay abbyy 秒一切✔

quietjosen

2017-11-13 09:48:15 +08:00

@x7395759 欢迎整个这种图来调戏一下 iText，看看它表现如何。

wplct

2017-11-13 10:03:15 +08:00

这种做交互上的创新也很不错。lz 厉害

xuanboyi

2017-11-13 10:05:18 +08:00 via iPhone

真大神，收下膝盖

Hayek

2017-11-13 10:05:20 +08:00

看标题以为在吹牛 x。
点进来看内容是真牛 x。
虽然识别使用的是接口，但是实现上还是挺好的。

freefcw

2017-11-13 10:09:36 +08:00

不错不错，很方便的感觉

xwartz

2017-11-13 10:17:53 +08:00

优秀

quietjosen

2017-11-13 10:39:19 +08:00

@Hayek 哈哈，看回复吓了一跳；识别这种事，还是有技术难度的；自己搞，肯定不如大公司。

hester

2017-11-13 10:44:34 +08:00

太标题党了！
看来 LZ 在此道越走越远...

为什么说标题党呢？
因为文中压根也没有拿出任何 “证据” 证实与百度比肩是什么意思...

另外，应该用了第三方的库，这种 OCR 类 App 同质化的比较严重，如果楼主能开源的话，供大家学习的话，或许还有些用处。

livc

2017-11-13 10:48:09 +08:00

资词

quietjosen

2017-11-13 10:50:54 +08:00

@hester 请看正文第三行。

hester

2017-11-13 10:53:42 +08:00

@quietjosen #31
我就是看了
集成百度深度学习算法（所以可以和百度 PK😂），识别结果惊人的准确

才说的，所以才是标题党，我有说错吗？

quietjosen

2017-11-13 10:57:44 +08:00

@hester 好吧，听出了痛心疾首的感觉。

icylogic

2017-11-13 11:01:45 +08:00

楼上想要 Windows 版的 …… Windows 有的，支持 100 多种语言

https://i.loli.net/2017/11/13/5a090a6837c29.png

顺便连翻译也有了

https://ooo.0o0.ooo/2017/11/13/5a090a684990a.png

quietjosen

2017-11-13 11:07:17 +08:00

@icylogic 看来还是 Windows 软件生态丰富，去瞧瞧，关键是看看识别率。

z0z

2017-11-13 11:10:20 +08:00

这个需要在线识别吗？

lwbjing

2017-11-13 11:29:58 +08:00 via iPhone

一天，哈哈，，，李彦宏看了要流泪…

quietjosen

2017-11-13 11:35:09 +08:00

@z0z 需要，因为调用的是百度的服务。

quietjosen

2017-11-13 11:36:01 +08:00

@lwbjing 你错了，他笑还来不及，我昨晚刚给百度充值了 100 信仰币…

hester

2017-11-13 11:36:18 +08:00

@quietjosen #33
到没有那么夸张，但我的确很不喜欢纯标题党。（如果仅仅是自娱自乐 + 自黑的话，我到觉得挺正常。）
就好比，某些导购，明明东西不错，但是导购用的“话术”很是恶心，听着就没有购买的欲望了。
（并不是针对你，或其他某些具体的人）

quietjosen

2017-11-13 11:37:07 +08:00

@hester 恩，明白。

deadEgg

2017-11-13 11:53:07 +08:00

嘿 cool

artandlol

2017-11-13 11:57:13 +08:00 via iPhone

非年轻人还这么喜欢折腾点赞

icylogic

2017-11-13 11:59:59 +08:00

@quietjosen 七八年前开发的，好像没有用到 Deep Learning 吧，只是功能相对完善。

我也好奇你的软件或者说百度的算法，有干扰的情况调教地怎么样。你的截图和我发的图其实都是最容易识别的情景。对于 OCR 来说也就是 MNIST 这个级别的工作吧 …… 不妨试试这两张，看看效果怎么样 ……

https://i.loli.net/2017/11/13/5a0914552cfff.png
https://i.loli.net/2017/11/13/5a09145667ffc.png

原本就在屏幕上渲染的字体，比如视频中的字幕，更复杂的 b 站弹幕，这些文本其实本身可识别率非常高，只是背景有干扰。

另一方面比如手写体、照片、扫描文档，这些字体有变形，识别率就更低了。

后者其实我目前见到做得最好的也就是 Google 翻译 App，摄像头对着文本实时识别加翻译，App 会直接用翻译文本在手机取景界面上把原文替换掉，识别对了效果非常好。不过也经常完全识别错。微软的也不错，不过需要拍一下，一张一张扫。

quietjosen

2017-11-13 12:05:44 +08:00

@icylogic 我试了你提供的第 2 张图：

第 1 张图也是可以的，你也可以自己试试。

qdwang

2017-11-13 12:11:05 +08:00 via iPhone

看效果相当不错，应该很好用

lanfeng007

2017-11-13 12:24:38 +08:00

mark 一下！

notreami

2017-11-13 12:26:19 +08:00

亮点在哪里？没有创新小 Demo，就不要放上来赶英超美了。

gzlock

2017-11-13 12:33:55 +08:00

https://cloud.baidu.com/product/ocr/general
用的是这里的接口吗

quietjosen

2017-11-13 13:08:45 +08:00

@gzlock 是的

BlackCat02

2017-11-13 13:24:10 +08:00

试了一下，对中文的识别不错。对 vim 里的代码识别了一下，就感觉有点差强人意。不知道百度这个接口是不是本身就不是针对英文的

quietjosen

2017-11-13 13:37:35 +08:00

@BlackCat02 恩，毕竟百度是中文起家的；如果是英文，估计得选择国外的服务。不过，代码不是英语，无法使用英语的规则对结果进行优化。

surewen

2017-11-13 13:44:28 +08:00

是用了百度云的 SDK ？曾经和你的想法一样，想做成 app ……

接口啥都调完了，不过后面犯懒没做完……

支持

quietjosen

2017-11-13 13:57:22 +08:00

@surewen 百度没有 macOS SDK，我是封装了其 REST API

menc

2017-11-13 14:35:54 +08:00

调用了人家的服务，应该叫“给百度套了个壳”，不是叫做“比肩百度”，你得自己做一个才好意思比较。

ty321ty

2017-11-13 14:38:12 +08:00

@icylogic 找来找去这软件只有截图功能啊几百 K 的大小是我下载错软件了吗..

surewen

2017-11-13 14:42:48 +08:00

@quietjosen 嗯嗯，我说的就是 rest api。

当时我还试过自己下载字库的图片，批量裁出来然后用 tesseract 来训练，结果中文的效果还是很差。

quietjosen

2017-11-13 14:47:36 +08:00

@menc 应该叫站在「百度肩膀」

quietjosen

2017-11-13 14:48:05 +08:00

@surewen 感觉这种离线的库，不如云服务；后者有天然优势，可以实时更新识别能力。

dong3580

2017-11-13 14:48:35 +08:00

@ty321ty
好像是这个，还是开源的，真是大牛，
https://sourceforge.net/projects/capture2text/

xy19009188

2017-11-13 15:25:40 +08:00

那么有 Windows 版么

quietjosen

2017-11-13 15:33:28 +08:00

@xy19009188 没； Windows 应该有的，可以试试上面说的 Capture2text （我没试过）

BlackCat02

2017-11-13 15:57:34 +08:00

@quietjosen 是的，代码并不符合自然语法规则

Izual_Yang

2017-11-13 16:13:02 +08:00

@mokeyjay #13
curl.exe -s -F "action=submit" -F 'pic=@"本地图片.jpg"' http://ocr.shouji.sogou.com/v2/ocr/json | jq.exe -r ".result | .[].content"

Izual_Yang

2017-11-13 16:14:05 +08:00

@icylogic #44
弹幕本来就是文本不是图片啊，你直接从 xml 里提取文字不就行了

aver4vex

2017-11-13 16:31:10 +08:00

我去找个变态验证码试试，好的话，爬虫就有指望了。O(∩_∩)O 哈哈~

ialva

2017-11-13 18:21:32 +08:00 via Android

还差一台 MacBook 就能用上了

quietjosen

2017-11-13 18:29:45 +08:00

@aver4vex 变态码…别想了，有的连码它妈都不认识…

xy19009188

2017-11-13 18:52:04 +08:00 via Android

@quietjosen 试了下，识别不太好

quietjosen

2017-11-13 19:15:31 +08:00

@xy19009188 方便的话，把图片发过来，我这边也试试。

tnx2014

2017-11-13 21:13:03 +08:00

看标题，我还以为是楼主自己的算法，结果还是调用别人的接口，这一点也不稀奇（ Windows 下一堆调用百度、搜狗识别引擎的真的很多），虽然楼主也付出了一定的劳动，但既然用了别人的东西还说“比肩”那真的是用词不当，站在巨人肩膀上不等于比肩，如果楼主认为两者等价那我只能遗憾地表示我认为您语文不太好。

当然楼主说“比肩”也可能有调侃意味，不过我建议本着说话负责的态度，有些东西还是别开玩笑。楼主做一个小工具给他人用值得表扬，但是既然核心算法是他人的，还是低调一些为好。

我说话有时候不好听，对事不对人，如有让你不舒服的地方我先表示抱歉。

quietjosen

2017-11-13 21:28:44 +08:00

@tnx2014 我花了一天，做了一款站在「百度」肩膀上的 OCR 图片识字工具 iText