还是基于医院检查单的需求，后期会有大量的样本图片，需要分别归类去识别验证，通过程序自动分类减少下人工分类的成本，简单代码实现下。

先通过百度普通OCR识别图片文字信息，对文字信息遍历，看是否有关联的关键字信息。如果识别不行，在本地的tesseract在识别一次，识别不出在统一放一个目录中，人工处理。

分类前：

分类后：

#!/usr/bin/env python # -*- coding: utf-8 -*- # @Time : 2022-7-8 上午 9:09 # @Author : damon.guo # @File : picToClass.py # @Software: PyCharmimport cv2from PIL import Imageimport pytesseractimport os,sysimport shutilfrom aip import AipOcrgettaglist = ["报告单", "报告", "医院", "卫生院", "中心"]  # 识别关键字def picToClass(picturePath):    # imageCode = cv2.imread(r"F:\xbl\11\\12.jpg")  # 图像增强，二值化    # picturePath=r"F:\xbl\11\\preclass\\1.jpg" # 图像增强，二值化    image = cv2.imread(picturePath)    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)    gray = cv2.GaussianBlur(gray, (5, 5), 0)    edged = cv2.Canny(gray, 75, 200)    tmpfilename = r"F:\xbl\11\\class\\tmp.jpg" # 临时文件    cv2.imwrite(tmpfilename, edged)    text = pytesseract.image_to_string(Image.open(tmpfilename), lang='chi_sim')    print("二次识别",picturePath)    for i in text.split("\n"):        index = getTagIndex(i)        if index != -1:           news = i[:index]           print("nes", news)           return news.strip(" ").strip(":").strip("%")    # 还是识别不出来，统一放一个目录    return "other"def getclient(APP_ID, API_KEY, SECRET_KEY):    """ 你的 APPID AK SK """    # APP_ID = '你的 App ID'    # API_KEY = '你的 Api Key'    # SECRET_KEY = '你的 Secret Key'    client = AipOcr(APP_ID, API_KEY, SECRET_KEY)    return clientdef get_file_content(imagepath):        with open(imagepath, 'rb') as fp:            return fp.read()def ocrsdk(imagepath):    #先使用百度sdk识别    client = getclient("xx", "xx", "xx")    image = get_file_content(imagepath)    # 必填参数    options = {}    # options["templateSign"] = "" # 模板id    # options["detect_direction"] = "true" #是否自动转向    # options["probability"] = "true" #    options["language_type"] = "CHN_ENG"  # 识别语言    res_image = client.basicAccurate(image,options)    print("识别图片：",image)    tag = baiduocrreslut(res_image)    if tag == "other":        # 无法识别在        # 在本地ocr识别一次        tag = picToClass(imagepath)    return tagdef getTagIndex(strs):     # 识别关键字在位置，取到索引，并向后多取2位     for i in gettaglist:         if i in strs:             index = strs.index(i)             return index+2     return -1def copyFile(src,dst):    shutil.copy(src, dst)def baiduocrreslut(res):   # 百度识别结果解析，    wordlist = res["words_result"]    for w in wordlist:        for i in gettaglist:            if i in w["words"]:                print(w["words"])                if len(w["words"]) >= 4:                    return w['words']    return "other"def main():    path = r"F:\xbl\preclass" # 待分类图片目录    classpath = r"F:\xbl\class"  # 分类后主目录    listf = os.listdir(path)    for i in listf:        imagepath = os.path.join(path,i)        tag = ocrsdk(imagepath)        tagpath = os.path.join(classpath,tag)        if not os.path.exists(tagpath):            os.makedirs(tagpath)        newimagepath = os.path.join(tagpath,i)        if not os.path.exists(newimagepath):            shutil.copy(imagepath,newimagepath)if __name__ == "__main__":    main()