php实现ocr文字识别

OCR的百度定义 （Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程；即，针对印刷体字符，采用光学的方式将纸质文档中的文字转换成为黑白点阵的图像文件，并通过识别软件将图像中的文字转换成文本格式，供文字处理软件进一步编辑加工的技术。

作为一个工程师，在实际编程中，可能需要把图片中的文字显示出来，这就需要用到ocr技术。因为php开发，所以优先选择php，找了php的ocr扩展测试了下，结果发现不可用（地址：http://sourceforge.net/projects/phpocr.berlios）？网上也看了很多朋友的demo，基本上原理都是对图片分解成0，1矩阵，然后根据特征，转化成相应的字符串。测试几个都是不可行的。然后看到别人说PHP搞OCR的很少，也不适合，语言效率太低，这种算法需要很高的效率。可以尝试C,MATLAB 等的OCR算法。搞matlab的玩OCR这类偏算法的很多。

无奈才虚学浅，不会C。无意中却发现百度有ocr的api提供：http://apistore.baidu.com/apiworks/servicedetail/146.html。

写了个玩下：

<?php
header("Content-type: text/html; charset=utf-8");

function curl($img) {

    $ch  = curl_init();
    $url = 'http://apis.baidu.com/apistore/idlocr/ocr'; //百度ocr api
    $header = array(
        'Content-Type:application/x-www-form-urlencoded',
        'apikey:69c2ace1ef297ce88869f0751cb1b618',
    );

    $data_temp = file_get_contents($img);
    $data_temp = urlencode(base64_encode($data_temp));
    //封装必要参数
    $data = "fromdevice=pc&clientip=127.0.0.1&detecttype=LocateRecognize&languagetype=CHN_ENG&imagetype=1&image=".$data_temp;
    
    curl_setopt($ch, CURLOPT_HTTPHEADER , $header); // 添加apikey到header
    curl_setopt($ch, CURLOPT_POST, 1);
    curl_setopt($ch, CURLOPT_POSTFIELDS, $data); // 添加参数
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch , CURLOPT_URL , $url); // 执行HTTP请求
    $res = curl_exec($ch);
    if ($res === FALSE) {
        echo "cURL Error: " . curl_error($ch);
    }
    curl_close($ch);
    
    $temp_var = json_decode($res,true);
    return $temp_var;

}

$wordArr = curl('4.jpg');
if($wordArr['errNum'] == 0) {
    var_dump($wordArr);
} else {
    echo "识别出错:".$wordArr["errMsg"];
}

测试了几张图片，准确度还是蛮高的。百分百的话，是不现实的~