在编程中识图打字可以通过以下几种方法实现：
光学字符识别（OCR）
利用OCR技术将图片中的文字提取出来。OCR技术可以通过图像处理和模式识别等算法，将图片中的文字转换为计算机可识别的文本格式。常用的OCR库包括Tesseract和OpenCV等。
手动标注
如果图片中的文字较少，可以手动标注文字并输入。这种方式适用于需要输入的文字较少且文本位置明确的情况。可以使用绘图工具（如Photoshop、GIMP等）手动标注出文字的位置和内容，并将其转换为计算机可读的文本。
目标检测
如果图片中的文字为特定的标志、标牌等，可以使用目标检测算法来识别文字。目标检测算法可以识别出图片中的特定目标，其中包括文字。常用的目标检测算法包括YOLO和Faster R-CNN等。
文字区域分割
如果图片中的文字位置不明确，可以先使用文字区域分割算法将文字与背景分离出来，然后再对分割后的文字进行识别。常用的文字区域分割算法包括深度学习网络（如U-Net、FCN等）和传统图像处理方法。
使用OCR库
例如，Tesseract OCR是一个开源的光学字符识别引擎，具有强大的文字识别能力，支持多种语言。在Python中，可以使用`pytesseract`库来调用Tesseract进行文字识别。安装`pytesseract`和`PIL`库后，可以通过以下代码进行文字识别：
```python
from PIL import Image
import pytesseract
打开图片
image = Image.open（'example.jpg'）
进行文字识别
text = pytesseract.image_to_string（image）
print（text）
```
图像预处理
在进行文字识别之前，通常需要对图像进行预处理，包括图像的读取、去噪、调整大小等操作，以提高识别的准确率。
使用第三方服务
也可以使用第三方OCR服务，如百度OCR-API，通过提供应用的API Key和Secret Key来进行图片文字识别。这种方式需要调用外部服务，并处理返回的识别结果。
建议
选择合适的OCR库：根据具体需求和项目环境选择合适的OCR库，如Tesseract和OpenCV，或者使用Python的`pytesseract`库。
图像预处理：在进行文字识别前，对图像进行适当的预处理，如去噪、二值化等，可以提高识别的准确率。
测试和优化：在实际应用中，需要对不同的图片和场景进行测试，并根据识别结果进行优化，以提高整体的文字识别准确率。