图像识别:用Python手搓一个极简截图OCR,开源免费

# -*- coding: utf-8 -*-"""OCR截图识别工具 - tkinter GUI"""import sysimport timeimport threadingimport tracebackfrom datetime import datetimefrom pathlib import Pathimport cv2import numpy as npfrom PIL import Image, ImageTkimport tkinter as tkfrom tkinter import ttk, filedialog, messagebox, scrolledtextfrom py import OCREngine, Screenshot, PreprocessMode, OCRResultclassOCRApp:"""OCR截图工具主类"""def__init__(self):        self.app_dir = Path(__file__).parent        self.screenshot = Screenshot()        self.ocr_engine = None        self.model_loaded = False        self.current_image = None        self.last_result = None        self.preprocess_mode = PreprocessMode.ORIGINAL        self.photo_image = None        self.init_ui()definit_ui(self):"""初始化界面"""        self.root = tk.Tk()        self.root.title("OCR截图识别 - PaddleOCR")        self.root.geometry("900x700")        self.root.minsize(800, 600)# 配置网格权重，让窗口可缩放        self.root.columnconfigure(0, weight=1)        self.root.rowconfigure(0, weight=1)# 主框架        main_frame = ttk.Frame(self.root, padding=10)        main_frame.grid(row=0, column=0, sticky='nsew')        main_frame.columnconfigure(0, weight=1)        main_frame.rowconfigure(2, weight=1) # 图像预览可扩展        main_frame.rowconfigure(4, weight=1) # 识别结果可扩展# ========== 工具栏 ==========        toolbar = ttk.Frame(main_frame)        toolbar.grid(row=0, column=0, sticky='ew', pady=(0, 10))        ttk.Button(toolbar, text="截图 (F1)", command=self.capture_screen).pack(side=tk.LEFT, padx=5)        ttk.Button(toolbar, text="加载图片", command=self.load_image).pack(side=tk.LEFT, padx=5)        ttk.Button(toolbar, text="清空", command=self.clear_all).pack(side=tk.LEFT, padx=5)        self.btn_save = ttk.Button(toolbar, text="保存", command=self.save_result, state='disabled')        self.btn_save.pack(side=tk.LEFT, padx=5)        self.btn_copy = ttk.Button(toolbar, text="复制", command=self.copy_text, state='disabled')        self.btn_copy.pack(side=tk.LEFT, padx=5)# ========== 设置 ==========        settings = ttk.LabelFrame(main_frame, text="设置", padding=5)        settings.grid(row=1, column=0, sticky='ew', pady=(0, 10))        ttk.Label(settings, text="预处理:").pack(side=tk.LEFT, padx=5)        self.preprocess_var = tk.StringVar(value="原始图像 (推荐)")        preprocess_combo = ttk.Combobox(            settings, textvariable=self.preprocess_var,            values=["原始图像 (推荐)", "灰度化", "二值化"],            state='readonly', width=15        )        preprocess_combo.pack(side=tk.LEFT, padx=5)        preprocess_combo.bind('<<ComboboxSelected>>', self.on_preprocess_changed)        ttk.Label(settings, text="预处理用于提升模糊/复杂背景图片的识别率",                   foreground='gray').pack(side=tk.LEFT, padx=20)# ========== 图像预览 ==========        image_frame = ttk.LabelFrame(main_frame, text="截图预览", padding=5)        image_frame.grid(row=2, column=0, sticky='nsew', pady=(0, 10))        image_frame.columnconfigure(0, weight=1)        image_frame.rowconfigure(0, weight=1)        self.canvas = tk.Canvas(image_frame, bg='white', highlightthickness=1,                               highlightbackground='#ccc')        self.canvas.grid(row=0, column=0, sticky='nsew')        self.placeholder_id = self.canvas.create_text(400, 200, text="按 F1 或点击「截图」开始",                               font=('Microsoft YaHei', 12), fill='#999', justify='center')        self.info_label = ttk.Label(main_frame, text="图像: 未加载")        self.info_label.grid(row=3, column=0, sticky='ew', pady=(0, 5))# ========== 识别结果 ==========        result_frame = ttk.LabelFrame(main_frame, text="识别结果", padding=5)        result_frame.grid(row=4, column=0, sticky='nsew', pady=(0, 10))        result_frame.columnconfigure(0, weight=1)        result_frame.rowconfigure(0, weight=1)        self.text_widget = scrolledtext.ScrolledText(            result_frame, height=8, font=('Consolas', 11),            wrap=tk.WORD, relief=tk.SUNKEN        )        self.text_widget.grid(row=0, column=0, sticky='nsew')        self.text_widget.insert('1.0', "识别结果将显示在这里...")        self.text_widget.config(state='disabled')        self.stats_label = ttk.Label(result_frame, text="字符: 0 | 耗时: 0.00s | 置信度: 0%")        self.stats_label.grid(row=1, column=0, sticky='ew', pady=(5, 0))# ========== 状态栏 ==========        self.status_label = ttk.Label(self.root, text="就绪 | 正在加载模型...",                                     relief=tk.SUNKEN, anchor=tk.W, padding=5)        self.status_label.grid(row=1, column=0, sticky='ew')# 绑定窗口大小变化事件        self.canvas.bind('<Configure>', self.on_canvas_resize)# 绑定快捷键        self.root.bind('<F1>', lambda e: self.capture_screen())        self.root.bind('<Escape>', lambda e: self.root.destroy())# 延迟加载模型        self.root.after(500, self.load_model_async)        self.root.protocol("WM_DELETE_WINDOW", self.on_closing)        self.root.mainloop()defload_model_async(self):"""异步加载模型"""defload():try:                self.ocr_engine = OCREngine()if self.ocr_engine.load():                    self.model_loaded = True                    self.root.after(0, lambda: self.status_label.config(text="就绪 | 模型已加载"))else:                    self.root.after(0, lambda: self.status_label.config(text="模型加载失败"))except Exception as e:                self.root.after(0, lambda: self.status_label.config(text=f"错误: {e}"))        threading.Thread(target=load, daemon=True).start()defcapture_screen(self):"""截图并识别"""        self.root.withdraw()        time.sleep(0.2)try:            region = self.select_region()            self.root.deiconify()if region isNone:                self.status_label.config(text="已取消截图")return            x, y, w, h = regionif w > 0and h > 0:                self.current_image = self.screenshot.capture_region(x, y, w, h)else:                self.current_image = self.screenshot.capture_full_screen()            self.display_image(self.current_image)            self.status_label.config(text="正在识别...")            self.process_image_async(self.current_image)except Exception as e:            self.root.deiconify()            messagebox.showerror("错误", f"截图失败: {e}")defselect_region(self):"""选择截图区域"""        win = tk.Toplevel()        win.attributes('-fullscreen', True)        win.attributes('-alpha', 0.3)        win.configure(bg='black')        win.grab_set()        canvas = tk.Canvas(win, bg='gray20', cursor='crosshair')        canvas.pack(fill=tk.BOTH, expand=True)# 提示        tk.Label(win, text="拖动选择区域 | Enter确认 | Esc取消",                font=('Microsoft YaHei', 14), bg='black', fg='white').pack(side=tk.TOP, fill=tk.X)        start_x, start_y, rect_id, result = [0], [0], [None], [None]defon_down(e):            start_x[0], start_y[0] = e.x, e.yif rect_id[0]:                canvas.delete(rect_id[0])            rect_id[0] = canvas.create_rectangle(e.x, e.y, e.x, e.y, outline='red', width=3)defon_drag(e):if rect_id[0]:                canvas.coords(rect_id[0], start_x[0], start_y[0], e.x, e.y)defon_up(e):            x1, y1 = min(start_x[0], e.x), min(start_y[0], e.y)            x2, y2 = max(start_x[0], e.x), max(start_y[0], e.y)            result[0] = (x1, y1, x2 - x1, y2 - y1)defon_key(e):if e.keysym == 'Escape':                result[0] = None                win.destroy()elif e.keysym == 'Return':                win.destroy()        canvas.bind('<Button-1>', on_down)        canvas.bind('<B1-Motion>', on_drag)        canvas.bind('<ButtonRelease-1>', on_up)        win.bind('<Key>', on_key)        win.wait_window()return result[0]defload_image(self):"""加载本地图片"""        file_path = filedialog.askopenfilename(            title="选择图片",            filetypes=[("图片", "*.png *.jpg *.jpeg *.bmp"), ("所有文件", "*.*")]        )ifnot file_path:returntry:            self.current_image = cv2.imread(file_path)if self.current_image isNone:raise ValueError("无法读取图片")            self.display_image(self.current_image)            self.process_image_async(self.current_image)except Exception as e:            messagebox.showerror("错误", f"加载失败: {e}")defon_canvas_resize(self, event=None):"""画布大小变化时重新显示图片"""if self.current_image isnotNone:            self.display_image(self.current_image)defdisplay_image(self, image: np.ndarray):"""显示图片"""        rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) if len(image.shape) == 3else image# 获取当前画布大小        self.canvas.update_idletasks()        canvas_w = self.canvas.winfo_width()        canvas_h = self.canvas.winfo_height()if canvas_w < 50:            canvas_w = 800if canvas_h < 50:            canvas_h = 400        h, w = rgb.shape[:2]        scale = min(canvas_w / w, canvas_h / h, 1.0)        pil_img = Image.fromarray(rgb).resize((int(w * scale), int(h * scale)), Image.Resampling.LANCZOS)        self.photo_image = ImageTk.PhotoImage(pil_img)        self.canvas.delete('all')        self.canvas.create_image(canvas_w // 2, canvas_h // 2, image=self.photo_image, anchor=tk.CENTER)        self.info_label.config(text=f"图像: {w} × {h} 像素")defprocess_image_async(self, image: np.ndarray):"""异步处理图像"""defprocess():try:if self.ocr_engine isNone:                    self.ocr_engine = OCREngine()                    self.ocr_engine.load()                result = self.ocr_engine.recognize_image(image, self.preprocess_mode)                self.last_result = result                self.root.after(0, lambda: self.update_result(result))except Exception as e:                self.root.after(0, lambda: messagebox.showerror("错误", str(e)))        threading.Thread(target=process, daemon=True).start()defupdate_result(self, result: OCRResult):"""更新结果"""        self.text_widget.config(state='normal')        self.text_widget.delete('1.0', tk.END)        self.text_widget.insert('1.0', result.text or"[未识别到文字]")        self.text_widget.config(state='disabled')        self.stats_label.config(            text=f"字符: {len(result.text)} | 耗时: {result.processing_time:.2f}s | 置信度: {result.confidence:.0%}"        )        self.status_label.config(text="识别完成")# 启用按钮        self.btn_save.config(state='normal')        self.btn_copy.config(state='normal')defon_preprocess_changed(self, event=None):"""预处理模式改变"""        mode_map = {"原始图像 (推荐)": PreprocessMode.ORIGINAL,"灰度化": PreprocessMode.GRAYSCALE,"二值化": PreprocessMode.BINARY        }        self.preprocess_mode = mode_map.get(self.preprocess_var.get(), PreprocessMode.ORIGINAL)defclear_all(self):"""清空"""        self.current_image = None        self.last_result = None        self.canvas.delete('all')        self.canvas.update_idletasks()        canvas_w = self.canvas.winfo_width()        canvas_h = self.canvas.winfo_height()        self.canvas.create_text(canvas_w // 2, canvas_h // 2, text="按 F1 或点击「截图」开始",                               font=('Microsoft YaHei', 12), fill='#999', justify='center')        self.text_widget.config(state='normal')        self.text_widget.delete('1.0', tk.END)        self.text_widget.insert('1.0', "识别结果将显示在这里...")        self.text_widget.config(state='disabled')        self.info_label.config(text="图像: 未加载")        self.stats_label.config(text="字符: 0 | 耗时: 0.00s | 置信度: 0%")        self.status_label.config(text="已清空")        self.btn_save.config(state='disabled')        self.btn_copy.config(state='disabled')defsave_result(self):"""保存结果"""ifnot self.last_result ornot self.last_result.text:return        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")        file_path = filedialog.asksaveasfilename(            title="保存", defaultextension=".txt",            filetypes=[("文本", "*.txt")], initialfile=f"ocr_{timestamp}.txt"        )if file_path:with open(file_path, 'w', encoding='utf-8') as f:                f.write(self.last_result.text)            messagebox.showinfo("成功", f"已保存: {file_path}")defcopy_text(self):"""复制文本"""if self.last_result and self.last_result.text:            self.root.clipboard_clear()            self.root.clipboard_append(self.last_result.text)            self.status_label.config(text="已复制到剪贴板")defon_closing(self):"""关闭"""if self.ocr_engine:            self.ocr_engine.unload()        self.root.destroy()if __name__ == '__main__':try:        OCRApp()except Exception as e:        print(f"启动失败: {e}")        traceback.print_exc()        input("按回车退出...")        sys.exit(1)