支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


5分钟搭建一个高精度中英文OCR识别服务

发布日期:2025-03-30 06:22:12 浏览次数: 1579 作者:运维朱工
推荐语

快速搭建高精度OCR识别服务,轻松应对多语言文字识别需求。

核心内容:
1. EasyOCR特点:轻量、识别率高、支持多语言
2. 环境准备与安装步骤
3. 基础使用与高级参数配置指南

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家


最近接到一个需求:需要从邮件中自动下载某些邮件的附件,而这些附件是经过加密的压缩包,解压码在对应的图片中,所以需要自动识别图片中的解压码,然后去解压文件。


经过各种调研,对比了几种OCR,最后选定了EasyOCR,轻量、识别率高、开源免费!

1. 简介 

EasyOCR 是一个用 Python 编写的 OCR(光学字符识别)库,支持 80+ 种语言的文字识别。它具有以下特点:

  • 使用简单,仅需几行代码即可完成文字识别
  • 支持多种语言,包括中文、英文、日文等
  • 基于 PyTorch 深度学习框架
  • 支持 GPU 加速
  • 完全开源,可以自由使用

    2. 环境准备 

    2.1 系统要求

    • Python 3.6+
    • PyTorch 1.7.0+

    2.2 安装步骤

    # 使用 pip 安装
    pip install easyocr

    # 如果需要支持 GPU,请确保已安装 CUDA
    pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

    3. 基础使用 

    3.1 简单示例

    import easyocr

    # 初始化读取器
    reader = easyocr.Reader(['ch_sim','en'])  # 这里选择中文简体和英文

    # 读取图像
    result = reader.readtext('image.jpg')

    # 输出结果
    for (bbox, text, prob) in result:
        print(f'识别文本: {text}')
        print(f'置信度: {prob}')

    3.2 高级参数配置

    result = reader.readtext(
        'image.jpg',
        detail = 0,               # 设置为 0 只返回文本,坐标和置信度会隐藏
        paragraph = True,         # 将临近文本合并为段落
        min_size = 10,           # 最小文本框大小
        contrast_ths = 0.15,     # 对比度阈值
        adjust_contrast = 0.5,    # 对比度调整
        text_threshold = 0.7,     # 文本检测阈值
        low_text = 0.4,          # 文本检测低阈值
        link_threshold = 0.4,     # 文本行连接阈值
    )

    4. 实践应用场景 

    4.1 与 Web 应用集成或者对外提供API

    web页面
    识别效果

    对外提供API:

    api接口

    部分代码如下:

    from flask import Flask, request, jsonify, render_template, json
    import easyocr
    import numpy as np
    from PIL import Image

    app = Flask(__name__)
    reader = easyocr.Reader(['ch_sim','en'])

    @app.route('/', methods=['GET'])
    def index():
        pass
        

    @app.route('/ocr', methods=['POST'])
    def ocr_endpoint():
        try:
            if'image'notin request.files:
                return jsonify({'error''No image provided'}), 400
                
            image = request.files['image']
            img = Image.open(image)
            result = reader.readtext(np.array(img))
            
            processed_result = []
            current_line = []
            current_line_boxes = []
            
            sorted_result = sorted(result, key=lambda x: (x[0][0][1] + x[0][2][1]) / 2)
            
            y_threshold = 10
            
            for i, (bbox, text, prob) in enumerate(sorted_result):
                current_y = (bbox[0][1] + bbox[2][1]) / 2
                
                ifnot current_line:
                    current_line.append((bbox, text))
                    current_line_boxes.append(bbox)
                else:
                    prev_y = (current_line[0][0][0][1] + current_line[0][0][2][1]) / 2
                    
                    if abs(current_y - prev_y) <= y_threshold:
                        current_line.append((bbox, text))
                        current_line_boxes.append(bbox)
                    else:
                        current_line.sort(key=lambda x: x[0][0][0])
                        processed_result.append({
                            'text'' '.join(item[1for item in current_line)
                        })
                        current_line = [(bbox, text)]
                        current_line_boxes = [bbox]
            
            if current_line:
                current_line.sort(key=lambda x: x[0][0][0])
                processed_result.append({
                    'text'' '.join(item[1for item in current_line)
                })
            
            response = app.response_class(
                response=json.dumps(
                    {'result': processed_result}, 
                    ensure_ascii=False,
                    indent=2
                ),
                status=200,
                mimetype='application/json'
            )
            return response
            
        except Exception as e:
            return jsonify({'error': str(e)}), 500

    if __name__ == '__main__':
        app.run(host='0.0.0.0', port=8080, debug=True)  

    5. 性能优化建议 

    1. GPU 加速

    • 在有 GPU 的环境下,确保正确安装 CUDA 和对应版本的 PyTorch
    • 首次运行时会自动下载模型,建议预先下载
    • 内存优化

      • 处理大量图片时,注意及时释放内存
      • 可以使用生成器进行批量处理
    • 图像预处理

      • 对图像进行适当的预处理可以提高识别准确率
      • 考虑使用图像增强技术,如对比度调整、去噪等

      6. 常见问题解决 

      1. 内存不足

      • 降低处理图片的分辨率
      • 使用批处理时减小批次大小
    • 识别准确率不高

      • 调整识别参数
      • 优化图像质量
      • 考虑使用特定语言模型

      个人觉得EasyOCR 是一个功能强大且易用的 OCR 工具,适合各种文字识别场景,如果你也遇到需要和我一样的需求场景,也可以试试。

      53AI,企业落地大模型首选服务商

      产品:场景落地咨询+大模型应用平台+行业解决方案

      承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

      联系我们

      售前咨询
      186 6662 7370
      预约演示
      185 8882 0121

      微信扫码

      添加专属顾问

      回到顶部

      加载中...

      扫码咨询