1.功能描述：

百度的公式识别功能支持对试卷中的数学公式及题目内容进行识别，可提取公式部分进行单独识别，也可对题目和公式进行混合识别，并返回Latex格式公式内容及位置信息，便于进行后续处理

2.产品介绍
百度的公式识别支持公式提取识别和公式与题目的混合识别，并以Latex格式返回公式内容，方便进行后处理，为教育场景进阶功能提供高质量输入。依托百度优秀的文字图像处理技术和优质的教育数据，支持对数学公式及题目内容进行识别，能够满足教育场景对公式进行提取的需求。

3.调用攻略（Python3）及评测
3.1平台接入

具体接入方式比较简单，可以参考我的另一个帖子，这里就不重复了：
http://ai.baidu.com/forum/topic/show/943327

3.2首先认证授权：

在开始调用任何API之前需要先进行认证授权，具体的说明请参考：

http://ai.baidu.com/docs#/Auth/top

具体Python3代码如下：

# -*- coding: utf-8 -*-
#!/usr/bin/env python

import urllib
import base64
import json
#client_id 为官网获取的AK， client_secret 为官网获取的SK
client_id =【百度云应用的AK】
client_secret =【百度云应用的SK】

#获取token
def get_token():
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=' + client_id + '&client_secret=' + client_secret
request = urllib.request.Request(host)
request.add_header('Content-Type', 'application/json; charset=UTF-8')
response = urllib.request.urlopen(request)
token_content = response.read()
#print (token_content)
if token_content:
token_info = json.loads(token_content)
token_key = token_info['access_token']
return token_key

3.3公式识别分析接口调用：

详细说明请参考： https://ai.baidu.com/ai-doc/OCR/Ok3h7xxva

说明的比较清晰，这里就不重复了。

大家需要注意的是：
API访问URL：https://aip.baidubce.com/rest/2.0/ocr/v1/formula
输入图像：图像数据，base64编码后进行urlencode，要求base64编码和urlencode后大小不超过4M，最短边至少15px，最长边最大4096px,支持jpg/jpeg/png/bmp格式，当image字段存在时url字段失效

返回示例：
{
"log_id": 2671713289176456793,
"direction": 0,
"formula_result_num": 3,
"formula_result": [
{
"location": {
"width": 258,
"top": 265,
"left": 450,
"height": 204
},
"words": "\\left\\{ \\begin{aligned} & x = - 1 1 \\\\ & y = 2 \\\\ \\end{aligned} \\right. "
},
{
"location": {
"width": 429,
"top": 546,
"left": 310,
"height": 203
},
"words": "\\left\\{ \\begin{aligned} & 3 x + 2 y = m \\\\ & n x - y = 2 \\\\ \\end{aligned} \\right. "
},
{
"location": {
"width": 142,
"top": 613,
"left": 1029,
"height": 71
},
"words": "m - \\left[ 1 0 0 , - \\infty \\right) "
}
],
"words_result_num": 5,
"words_result": [
{
"location": {
"width": 168,
"top": 313,
"left": 292,
"height": 110
},
"words": "已知"
},
{
"location": {
"width": 258,
"top": 265,
"left": 450,
"height": 204
},
"words": "\\left\\{ \\begin{aligned} & x = - 1 1 \\\\ & y = 2 \\\\ \\end{aligned} \\right. "
},
{
"location": {
"width": 582,
"top": 319,
"left": 728,
"height": 84
},
"words": "是二元一次方程组"
},
{
"location": {
"width": 429,
"top": 546,
"left": 310,
"height": 203
},
"words": "\\left\\{ \\begin{aligned} & 3 x + 2 y = m \\\\ & n x - y = 2 \\\\ \\end{aligned} \\right."
},
{
"location": {
"width": 780,
"top": 597,
"left": 745,
"height": 88
},
"words": "的解,则 m - \\left[ 1 0 0 , - \\infty \\right) 的值是()"
}
]
}

Python3调用代码如下：

def style_trans(filename,resultfilename,option):
    request_url = "https://aip.baidubce.com/rest/2.0/image-process/v1/style_trans"
    
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    
    params = dict()
    params['image'] = img
    params['option'] = option
    params = urllib.parse.urlencode(params).encode("utf-8")
    #params = json.dumps(params).encode('utf-8')
    
    access_token = get_token()
    
    begin = time.perf_counter()
    request_url = request_url + "?access_token=" + access_token
    request = urllib.request.Request(url=request_url, data=params)
    request.add_header('Content-Type', 'application/x-www-form-urlencoded')
    response = urllib.request.urlopen(request)
    content = response.read()
    end = time.perf_counter()

    print('处理时长:'+'%.2f'%(end-begin)+'秒')
    
    if content:
        #print(content)
        content=content.decode('utf-8')
        #print (content)
        #print(content)
        data = json.loads(content)
        img_str=data['image']
        save_base_image(img_str,resultfilename)

4.功能评测：
选用不同的数据对效果进行测试，具体效果如下（以下例子均来自网上）：

处理时长:0.86秒
{'log_id': 937093195731821510, 'words_result_num': 1, 'words_result': [{'location': {'width': 263, 'top': 28, 'left': 27, 'height': 76}, 'words': 'x _ { 1 , 2 } = \\frac { - b \\pm \\sqrt { b ^ { 2 } - 4 a c } } { 2 a } '}]}

5.测试结论和建议
测试下来，整体效果非常惊艳，速度很快，转换结果准确。可用于各种教育、科研等场景，例如：
拍照搜题：使用公式识别技术，可对题目中的数学公式和题目内容进行识别，并以Latex格式返回公式内容，满足对含数字公式的题目进行识别后匹配题库内容的需求，有效提升可搜索题目类型的丰富性，提升用户使用体验
智能阅卷：使用公式识别技术，对学生日常作业及考试试卷中的公式及题目内容进行识别，完成学生作业、考卷的自动化录入，为智能阅卷平台提供数据录入基础，方便进行后续的线上批阅及教学数据沉淀分析，大幅度提升教师工作效率及质量，促进教学管理的数字化和智能化