Python基于OCR實現圖片識別翻譯工具功能(附源碼)
更新時間：2025年11月04日 09:49:13 作者：PythonFun
這篇文章主要為大家詳細介紹了Python如何通過智能OCR文字識別和精準翻譯技術,實現一鍵截圖翻譯,大幅提升跨語言閱讀效率,讓語言不再成為信息獲取的障礙,感興趣的可以了解下
一、軟件名稱
OCR圖片識別翻譯工具
二、軟件簡介
本軟件主要解決用戶在閱讀外文圖片、截圖或界面文字時遇到的語言障礙痛點。通過智能OCR文字識別和精準翻譯技術，實現一鍵截圖翻譯，大幅提升跨語言閱讀效率，讓語言不再成為信息獲取的障礙。
三、軟件功能
本軟件是一款基于AI技術的智能OCR識別翻譯工具，主要功能包括：
1. 智能區(qū)域截圖：支持自定義框選截圖區(qū)域，精準捕獲需要翻譯的內容
2. AI文字識別：采用先進的AI OCR技術，準確提取圖片中的文字信息
3. 智能翻譯引擎：集成小牛翻譯API，支持英漢互譯
4. 自動語言檢測：智能識別原文語種，自動選擇翻譯方向
5. 結果展示窗口：提供獨立的懸浮窗口顯示識別和翻譯結果
6. 文本復制功能：支持一鍵復制原文和譯文到剪貼板
7. 字體縮放：提供文本放大顯示功能，便于閱讀長文本內容
四、使用方法和操作步驟
運行程序后，桌面會出現一個懸浮翻譯窗口
按下快捷鍵 Ctrl+Alt+A 激活截圖功能，或者點界面上的截圖鍵開始截圖
用鼠標框選需要識別翻譯的屏幕區(qū)域
程序自動識別區(qū)域內的文字并顯示"識別中..."提示
識別完成后自動進行翻譯并顯示"翻譯中..."提示
在懸浮窗口中同時顯示原文和譯文結果
可點擊"復制"按鈕將內容復制到剪貼板
五、運行環(huán)境
系統(tǒng)要求：Windows操作系統(tǒng)
Python環(huán)境：需要安裝相關依賴庫（PIL、tkinter、keyboard、mss等）
運行方式：直接運行Python腳本
六、技術特點說明
1. OCR識別技術
主方案：基于智譜AI的GLM-4V視覺模型，準確率高
備用方案：集成Tesseract OCR引擎，確保服務穩(wěn)定性
精準提?。簢栏癖３衷膬热荩辉鰟h改寫
2. 翻譯服務
翻譯引擎：小牛翻譯API，專業(yè)翻譯服務
語言支持：支持中英文互譯，可擴展其他語言
自動檢測：智能判斷原文語種，自動選擇翻譯方向
3. 截圖技術
使用mss庫進行高效屏幕捕獲
支持高DPI屏幕顯示
區(qū)域選擇精準，操作流暢
七、特色亮點
操作便捷：快捷鍵一鍵觸發(fā)，簡單易用
識別準確：AI OCR技術，文字識別精度高
翻譯專業(yè)：專業(yè)翻譯引擎，譯文質量可靠
實時顯示：獨立懸浮窗口，結果展示清晰
雙重保障：主備OCR方案，確保服務穩(wěn)定
界面美觀：深色主題設計，視覺效果舒適
代碼開源：可自定義修改，滿足個性化需求
八、注意事項
1. 使用前請確保網絡連接正常，OCR和翻譯服務需要聯網
2. 首次使用可能需要配置相關API密鑰
3. 截圖時請確保目標區(qū)域文字清晰可見
4. 對于特殊字體或復雜背景的圖片，識別準確率可能受影響
5. 本工具僅適用于一般圖片翻譯，專業(yè)領域翻譯建議人工校對
九、界面展示
十、源碼展示
import os
import tkinter as tk
from urllib import parse, request
import json
import keyboard # 監(jiān)聽快捷鍵
import base64
from io import BytesIO
from zai import ZhipuAiClient # 取消注釋
import ctypes
import mss
import mss.tools
from PIL import Image
# ================== 小牛翻譯 ==================
apikey = "d99fc0600b16efa6e310f53579593c57"
def niutrans_translate(sentence, src_lan="auto", tgt_lan="zh"):
try:
url = 'http://api.niutrans.com/NiuTransServer/translation?'
data = {"from": src_lan, "to": tgt_lan, "apikey": apikey, "src_text": sentence}
data_en = parse.urlencode(data)
req = url + "&" + data_en
res = request.urlopen(req, timeout=5)
res_dict = json.loads(res.read())
if "tgt_text" in res_dict:
return res_dict['tgt_text']
else:
return f"翻譯失敗: {res_dict}"
except Exception as e:
return f"翻譯接口錯誤: {str(e)}"
# ================== 框選截圖區(qū)域 ==================
def select_area():
# 預初始化Tkinter，避免第一次創(chuàng)建窗口時的跳動
root = tk.Tk()
root.withdraw() # 隱藏預初始化窗口
root.update_idletasks()
# 創(chuàng)建實際的全屏窗口
root = tk.Tk()
root.attributes("-fullscreen", True)
root.attributes("-alpha", 0.3)
# 設置窗口位置確保不會影響主界面
root.geometry("0x0+0+0")
root.update_idletasks()
canvas = tk.Canvas(root, cursor="cross")
canvas.pack(fill="both", expand=True)
rect = None
start_x = start_y = 0
area = [0, 0, 0, 0]
# 設置DPI感知
try:
ctypes.windll.user32.SetProcessDPIAware()
except:
pass
def on_mouse_down(event):
nonlocal start_x, start_y, rect
start_x, start_y = event.x, event.y
rect = canvas.create_rectangle(start_x, start_y, start_x, start_y, outline="red", width=3)
def on_mouse_move(event):
nonlocal rect
if rect:
canvas.coords(rect, start_x, start_y, event.x, event.y)
def on_mouse_up(event):
nonlocal area
x1, y1, x2, y2 = start_x, start_y, event.x, event.y
# 直接使用坐標，不進行縮放轉換
# MSS會自動處理DPI縮放
area = [int(min(x1, x2)), int(min(y1, y2)),
int(max(x1, x2)), int(max(y1, y2))]
#print(f"Selected area: {area}")
root.withdraw()
root.quit()
canvas.bind("<ButtonPress-1>", on_mouse_down)
canvas.bind("<B1-Motion>", on_mouse_move)
canvas.bind("<ButtonRelease-1>", on_mouse_up)
root.mainloop()
root.destroy()
return tuple(area)
def capture_region(region):
"""用 mss 按區(qū)域截圖，返回 PIL.Image"""
with mss.mss() as sct:
# 確保區(qū)域坐標正確
left, top, right, bottom = region
width = max(1, right - left)
height = max(1, bottom - top)
monitor = {
"top": top,
"left": left,
"width": width,
"height": height
}
#print(f"Capturing region: {monitor}")
sct_img = sct.grab(monitor)
# 保存截圖用于調試
#mss.tools.to_png(sct_img.rgb, sct_img.size, output="debug_mss_screenshot.png")
#print("MSS screenshot saved as debug_mss_screenshot.png")
return Image.frombytes("RGB", sct_img.size, sct_img.bgra, "raw", "BGRX")
# ================== 主應用 ==================
class TranslationApp:
def __init__(self):
self.root = tk.Tk()
self.root.title("OCR翻譯器")
self.root.overrideredirect(False)
self.root.attributes('-topmost', True)
self.root.geometry("400x200")
self.font_size = 12
self.is_zoomed = False
self.frame = tk.Frame(self.root, bg='#2C3E50')
self.frame.pack(padx=5, pady=5, fill="both", expand=True)
self.label = tk.Label(self.frame, text="按 Ctrl+Alt+A 截圖翻譯",
font=('微軟雅黑', 12),
bg='#2C3E50', fg='#ECF0F1',
wraplength=400, justify='left',
padx=10, pady=5)
self.label.pack(fill="both", expand=True)
self.running = True
self.last_text = ""
self.setup_ui()
# 注冊截圖快捷鍵
keyboard.add_hotkey("ctrl+alt+a", self.capture_and_translate)
def translate_text(self, text):
is_chinese = any('\u4e00' <= c <= '\u9fa5' for c in text)
from_lang = "zh" if is_chinese else "en"
to_lang = "en" if is_chinese else "zh"
return niutrans_translate(text, from_lang, to_lang)
def process_image_with_ai(self, pil_image):
# 把 PIL 圖片轉為 base64
buffered = BytesIO()
pil_image.save(buffered, format="JPEG")
encoded_string = base64.b64encode(buffered.getvalue()).decode('utf-8')
try:
client = ZhipuAiClient(api_key="101fb0dca2d148cc937a73dc61f73368.HfIMCncTJPNibjYl")
response = client.chat.completions.create(
model="glm-4.1v-thinking-flash",
messages=[{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": f"data:image/jpeg;base64,{encoded_string}"
}
},
{
"type": "text",
"text": "請準確提取圖片中的文字信息，不增加、刪除或改寫其它文本內容。"
}
]
}]
)
content = response.choices[0].message.content
if content:
content = content.replace("<|begin_of_box|>", "").replace("<|end_of_box|>", "")
return content
else:
return "未識別到文字"
except Exception as e:
print(f"AI OCR錯誤: {str(e)}")
# 如果AI OCR失敗，嘗試使用Tesseract作為備用方案
return self.fallback_ocr(pil_image)
def fallback_ocr(self, pil_image):
"""備用OCR方案（如果AI OCR失?。?""
try:
import pytesseract
# 如果安裝了Tesseract
text = pytesseract.image_to_string(pil_image, lang='chi_sim+eng')
return text.strip() if text.strip() else "未識別到文字（備用OCR）"
except:
return "OCR服務不可用，請檢查網絡連接或AI密鑰"
def capture_and_translate(self):
try:
#print("開始截圖...")
# 選擇截圖區(qū)域
region = select_area()
#print(f"選擇的區(qū)域: {region}")
if region[0] == region[2] or region[1] == region[3]:
self.update_display("無效的截圖區(qū)域")
return
# 使用 mss 截圖
screenshot = capture_region(region)
# 保存截圖用于調試
#screenshot.save("debug_pil_screenshot.png")
#print("PIL screenshot saved as debug_pil_screenshot.png")
# 顯示"識別中..."提示
self.update_display("識別中...")
# 調用 AI OCR，直接傳 PIL.Image
text = self.process_image_with_ai(screenshot).strip()
#print(f"識別結果: {text}")
if text and text != "未識別到文字":
self.last_text = text
# 顯示"翻譯中..."提示
self.update_display(f"原文: {text}\n翻譯中...")
# 翻譯文本
translation = self.translate_text(text)
#print(f"翻譯結果: {translation}")
self.update_display(f"原文: {text}\n\n譯文: {translation}")
else:
self.update_display("未識別到文字")
except Exception as e:
import traceback
error_msg = f"錯誤: {str(e)}\n{traceback.format_exc()}"
print(error_msg)
self.update_display(f"處理錯誤:\n{str(e)}")
def update_display(self, text):
self.label.config(text=text)
self.root.update_idletasks()
def copy_to_clipboard(self):
"""復制原文和譯文到剪貼板"""
if self.last_text:
try:
# 獲取當前顯示的文本
current_text = self.label.cget("text")
self.root.clipboard_clear()
self.root.clipboard_append(current_text)
# 臨時顯示復制成功提示
original_text = self.label.cget("text")
self.label.config(text="已復制到剪貼板！")
self.root.after(1500, lambda: self.label.config(text=original_text))
except Exception as e:
print(f"復制失敗: {e}")
def zoom_text(self):
"""放大/恢復文本字體"""
if not self.is_zoomed:
# 放大字體
self.font_size = 16
self.label.config(font=('微軟雅黑', self.font_size, 'bold'))
self.is_zoomed = True
else:
# 恢復原字體
self.font_size = 12
self.label.config(font=('微軟雅黑', self.font_size))
self.is_zoomed = False
def setup_ui(self):
control_frame = tk.Frame(self.frame, bg='#2C3E50')
control_frame.pack(fill='x', pady=(5,0))
# 左上角放大按鈕
zoom_btn = tk.Button(control_frame, text="放大",
command=self.zoom_text,
bg='#27AE60', fg='white', relief='flat', width=6, font=(10))
zoom_btn.pack(side='left', padx=2)
# 左下角截圖按鈕
capture_btn = tk.Button(control_frame, text="截圖",
command=self.capture_and_translate,
bg='#3498DB', fg='white', relief='flat', width=6, font=(10))
capture_btn.pack(side='left', padx=2)
exit_btn = tk.Button(control_frame, text="退出",
command=self.exit_app,
bg='#E74C3C', fg='white', relief='flat', width=6, font=(10))
exit_btn.pack(side='right', padx=2)
# 右上角復制按鈕
copy_btn = tk.Button(control_frame, text="復制",
command=self.copy_to_clipboard,
bg='#9B59B6', fg='white', relief='flat', width=6, font=(10))
copy_btn.pack(side='right', padx=2)
# 快捷鍵退出
self.root.bind("<Control-Shift-Q>", lambda e: self.exit_app())
def exit_app(self):
self.running = False
self.root.destroy()
def run(self):
self.root.mainloop()
if __name__ == "__main__":
app = TranslationApp()
app.run()以上就是Python基于OCR實現圖片識別翻譯工具功能(附源碼)的詳細內容，更多關于Python OCR圖片識別翻譯的資料請關注腳本之家其它相關文章！
相關文章
在Python編程中,列表（list）是最常用的數據結構之一,當需要復制或修改列表時,不同的賦值方式會產生截然不同的性能表現,本文將帶您深入探索列表賦值的六種核心方法,通過實際性能測試揭示它們的效率差異,并給出不同場景下的最佳選擇,需要的朋友可以參考下2025-04-04
今天小編就為大家分享一篇在python Numpy中求向量和矩陣的范數實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
這篇文章主要介紹了python多線程請求帶參數的多個接口問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教2023-03-03
這篇文章主要為大家詳細介紹了如何使用Python創(chuàng)建一個簡單但強大的本地文件內容搜索工具,可以處理大量文本文件時的快速檢索需求,感興趣的小伙伴可以了解下2025-07-07
在實際開發(fā)中，有時為了方便，可能需要執(zhí)行dos命令或者Linux命令。比如說執(zhí)行某些shell腳本，上傳下載一些文件等。本文總結了一些Python執(zhí)行dos和Linux命令的方法，需要的可以了解一下2022-10-10
這篇文章主要介紹了Python 實現數據結構-循環(huán)隊列的操作方法,需要的朋友可以參考下2019-07-07
這篇文章主要介紹了pandas抽取行列數據的幾種方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-12-12
本文通過實例代碼給大家介紹了python爬蟲簡單的添加代理進行訪問,代碼簡單易懂，非常不錯，具有一定的參考借鑒價值，需要的朋友可以參考下2019-04-04
這篇文章主要介紹了Python開啟線程和線程池的方法，本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2024-03-03
這篇文章主要介紹了python解析json內容存入數據庫方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2025-05-05