在基本完成了银行卡识别之后，开始新的任务：发票类OCR识别。发票类OCR识别一直以来也是OCR之中的热点，包括证件类识别等等，后续都要一步步来。
一：发票格式解析
现在随着无纸化办公的推行，电子发票的使用率越来越多，纸质发票的数量越来越少，一般来说，我们现在的发票分为三大类：
①：增值税电子普通发票 ②：增值税普通发票 ③：增值税专用发票
现在以我在京东购物的发票为例：
发票的尺寸为24*14cm,都是比较规范的标准。
二：发票识别分析
我们识别一张发票，我们一定是想从当中查询到那些信息，那些信息有用我们着重识别，那些信息没用我们可以暂且放在一边。在国家税务总局全国增值税查验平台上，我们来验证一张发票是否合法，着重要注意四项：
①发票代码，②：发票号码，③：开票日期，④开票金额
只要找到这四项，基本上一张发票的利用价值就结束了。
那问题来了，如何找到这四项，现在有两个思路：
第一种，识别发票二维码。第二种，直接全局识别发票内容（最全，也是最麻烦）
当然，为了保证代码的有效性，这两种我们肯定都得做。
第一种：识别发票二维码
识别左上角的二维码，二维码中包含发票里面大部分有用信息，并且识别的结果基本上无误差。我写了个小代码识别了一下：
01,10,011002000111,31015945,251.77,20200407,68212483303223031362,A6CA,
这里边的信息需要说一下：
发票二维码中一共有8个属性：
以我识别出来的为例：
其中第二项：不同的代码表示的发票类型不一样
10表示的是增值税电子发票， 04表示的增值税普通发票(纸票)，01表示增值税专用发票
微信识别结果：
但是二维码识别的问题在于，如果上传的都是电子版截图，效果很不错，很好识别，但是如果上传的是拍照的纸质发票，这种识别方法需要做一些图像处理后再去识别，并且很多情况下识别二维码是无效的。这是需要改进的地方。使用pyzbar
识别的成功率在65%左右。
第二种：OpenCV 神经网络
第二种方法使用的方法和之前识别银行卡的架构很相似，但是处理起来会更麻烦，原因有几点：
①：银行卡只需要识别卡号，而发票信息需要定位更多地方
②：需要标注数据量很多，人力要求高
初步思路：
读入图片-> 边缘检测->二值化->轮廓检测->筛选结果融合->定位->数据集制作->模型训练->识别
先慢慢进行，一点点摸索吧~
