随着数字化程度的不断提高，越来越多的企业开始将纸质文档数字化存储。而将大量纸质文档手动转换成电子文档是一项费时费力的工作，因此如何利用技术来提高转换效率成为了迫切需要解决的问题。OCR（Optical Character Recognition，光学字符识别）技术恰好可以用于解决这个问题。
OCR 技术通过将图片或扫描文档中的文字转换为可编辑的电子文本，极大地提高了文档转换的效率。但是，实现 OCR 技术需要一定的技能和资源，对于那些没有能力或没有资源来实现 OCR 的企业来说，Serverless 就是一个良好的选择。
什么是 Serverless
Serverless 是一种 Cloud Computing 服务模型，其中云服务提供商负责所有服务器资源和底层设施。开发者只需关注代码，无需关心服务器管理和配置。Serverless 能够提供可扩展性和性能，同时也降低了成本。
Serverless 实现 OCR 批量识别
利用 Serverless 技术，我们可以利用 OCR 程序将大量的纸质文档转化为可编辑文本，而且还能够批量处理。平台的架构是 AWS Lambda 和 AWS S3，其中 AWS S3 用来存储所需的输入和输出数据，AWS Lambda 用于实现 OCR。
首先，需要注册 AWS 帐户，并创建 S3 存储桶（Bucket）。这里将输入文档放置在在名为“input_bucket”的 S3 存储桶内，将 OCR 结果储存在名为“output_bucket”的另一个 S3 存储桶内。
接下来，需要创建一个 AWS Lambda 函数去实现 OCR。在这里，我们使用 Python 编程语言和 Tesseract OCR 引擎。对于那些不熟悉 Tesseract 的读者，可以简单理解为一种开源的 OCR 引擎，支持多种语言。以下是示例代码：
----
---- --- ------ -----
------ ------------
------ -----
------ -----------
------ --
--- --------------------- ---------
--- ------ -- -----------------
------ - ------------------------------
--- - -----------------------------
----------- - -----------------------
-- ----------- -- ------ -- ----------- -- ----- -- ----------- -- ------
------------------ - ---------------
-- - --------------------
------------------------------------ -------------------
------------- - -----------------------------------------------------------
-- - --------------------
------ - --------------------------
------------------------------- - --- - ------- -------------------这段代码非常简单。当 S3 存储桶中有输入图片时，触发 AWS Lambda 函数，将输入图片取出并识别出文本内容，最终结果将以 .txt 格式储存在 output_bucket 存储桶中。
最后，在 AWS Lambda 控制台上配置该函数。在事件源中选择 input_bucket，在触发器配置中选择 S3 事件，并添加特定扩展名（.png，.jpg 或 .jpeg）。如果一切都配置正确，将会自动解析我们放置在 input_bucket 存储桶中的图片并将其转换为文本。
总结
Serverless 是一种新型的服务模型，可轻松实现 OCR 技术，通过自动识别大量文档文本，极大地提高了生产效率。Serverless 技术的应用不仅仅局限于 OCR，该技术还可应用于从视频或媒体流中提取文本信息、处理大量数据和业务计算等。这种基于云资源的新型服务模型，正日益成为企业进行数字化转型的核心战略之一。
来源：JavaScript中文网 ，转载请联系管理员！ 本文地址：https://www.javascriptcn.com/post/651feaab95b1f8cacd774f1d