Thư viện PHP để Trích xuất Văn bản từ Hình ảnh bằng Nhiều Ngôn ngữ

Bắt đầu với OcrPHP

Cách khuyến nghị để cài đặt OcrPHP là sử dụng Composer. Vui lòng sử dụng lệnh sau để cài đặt suôn sẻ.

composer require fizzday/ocrphp

git clone https://github.com/fizzday/OcrPHP.git 

Nhận dạng và Trích xuất Văn bản từ Hình ảnh bằng PHP

Thư viện OcrPHP nguồn mở giúp phần mềm dễ dàng tải các loại hình ảnh khác nhau và trích xuất văn bản từ những hình ảnh đó chỉ với vài dòng mã PHP. Dưới đây là một ví dụ rất đơn giản, sử dụng thư viện Imagick để tải tệp hình ảnh và tạo một thể hiện của lớp OcrPHP. Các nhà phát triển sau đó có thể đặt ngôn ngữ và cài đặt engine OCR trước khi thực hiện OCR trên hình ảnh bằng phương thức recognize(). Cuối cùng, nó in ra văn bản đã trích xuất bằng phương thức getText().

require_once 'OcrPHP/autoload.php';

// Load the image file
$image = new Imagick('path/to/image.jpg');

// Create an instance of the OcrPHP class
$ocr = new OcrPHP();

// Set the language and OCR engine settings
$ocr->setLanguage('eng');
$ocr->setPageSegmentationMode(OcrPHP::PSM_SINGLE_BLOCK);

// Perform OCR on the image
$result = $ocr->recognize($image);

// Print the extracted text
echo $result->getText();

Nhận dạng Văn bản trong Ngôn ngữ Cụ thể bằng PHP

Thư viện OcrPHP đã cung cấp hỗ trợ cho nhiều ngôn ngữ để thực hiện các thao tác OCR trong các ứng dụng PHP. Dù văn bản của bạn là tiếng Anh, tiếng Trung hay bất kỳ ngôn ngữ nào được hỗ trợ, OcrPHP đều có thể xử lý một cách liền mạch. Để trích xuất văn bản trong một ngôn ngữ cụ thể, truyền mã ngôn ngữ làm tham số. Đảm bảo mô hình ngôn ngữ Tesseract tương ứng đã được cài đặt. Ví dụ dưới đây cho thấy cách các nhà phát triển có thể trích xuất từ hình ảnh bằng tiếng Trung trong các ứng dụng PHP.

require 'vendor/autoload.php';

use Fizzday\Ocr\Ocr;

$imagePath = __DIR__ . '/example-image-chinese.png';

$ocr = new Ocr();

// Extract text in Chinese
$text = $ocr->scan($imagePath, 'chi_sim'); // Use 'eng' for English

echo "Extracted Text (Chinese): \n" . $text;

Xử lý Hàng loạt và Tự động hóa OCR bằng PHP

Đối với các nhà phát triển phần mềm xây dựng các ứng dụng xử lý tài liệu, xử lý hàng loạt có thể là một tính năng hữu ích. OcrPHP nguồn mở giúp các nhà phát triển dễ dàng lặp qua một thư mục chứa các tệp hình ảnh và tự động trích xuất văn bản từ mỗi tệp. Điều này hoàn hảo cho việc tự động hoá các nhiệm vụ như quét hoá đơn, biên lai hoặc sách. Dưới đây là một ví dụ rất hữu ích, quét tất cả các tệp .png trong thư mục được chỉ định, trích xuất văn bản từ mỗi tệp và in ra. Bạn có thể mở rộng để lưu kết quả vào tệp hoặc cơ sở dữ liệu, biến nó thành một công cụ mạnh mẽ cho việc xử lý tài liệu.

require 'vendor/autoload.php';

use Fizzday\Ocr\Ocr;

$directory = __DIR__ . '/images/';
$ocr = new Ocr();

foreach (glob($directory . '*.png') as $imagePath) {
    $text = $ocr->scan($imagePath);
    echo "Text from {$imagePath}: \n" . $text . "\n\n";
}

Cấu hình Tùy chỉnh & Hỗ trợ Tích hợp

OcrPHP nguồn mở là một thư viện đa năng và thân thiện với nhà phát triển, giúp đơn giản hoá việc tích hợp khả năng OCR vào các dự án PHP. Thư viện cho phép bạn chỉ định các cấu hình Tesseract tùy chỉnh, chẳng hạn như ngôn ngữ, chế độ phân đoạn trang và các tham số tiền xử lý hình ảnh, mang lại sự linh hoạt để tùy chỉnh kết quả OCR.