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。

思路

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：

代码实现

#!/usr/bin/env python 
# -*- coding: utf-8 -*- 
# @Time : 2022-7-8 上午 9:09 
# @Author : damon.guo 
# @File : picToClass.py 
# @Software: PyCharm
import cv2
from PIL import Image
import pytesseract
import os,sys
import shutil
from aip import AipOcr

gettaglist = ["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 client

def 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 tag

def 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 -1

def 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()