粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
**点击上方蓝字 关注我**
OCR（Optical Character Recognition，光学字符识别）已经融入到我们日常生活和工作中，有可能你没感觉到，但是你一定用到过，比如常见的一些场景：
文档数据存储：例如，将纸质书籍、报纸、杂志或其他文件转换为可编辑的文本格式，便于存储和搜索；
自动数据录入：比如在报销发票、整理收据时。利用OCR技术，可以自动提取这些信息，提高处理速度；
车牌识别：智能交通中的一个最常见应用，无论是停车场的自动收费系统，还是交通违法行的车牌设别等，都是采用了OCR车牌设别技术；
身份验证：识别身份证、护照、驾照等证件上的文本信息来验证身份，比如很多银行APP添加银行卡时的号卡自动化设别，身份证自动设别验证等；
物流和电商：最常见的就是菜鸟驿站的自助取件时扫描取货码，OCR可以读取快递上的标签信息。
社交媒体：OCR可以用于识别照片中的文字标签等，比如电脑端的微信聊天发送的图标，微信自动提取文字的功能。
文档比较和对比：OCR可以提取文档中的文本内容，并与其他文档或数据库中的信息进行比较和审计，以发现差异或潜在的问题。比如在测试工作中最常见的UI页面对比技术。
所以，作为一个IT人员，我们一定要对OCR的技术实现、原理等具备一定的了解和运用。目前市场上主流的开源OCR技术框架有以下几种：Tesseract (Tesseract-OCR)、OCRopus、EasyOCR，具体优缺点对比如下：
| OCR技术框架 | 简介 | 优点 | 缺点 |
| Tesseract | 由Google开发的OCR引擎 |
1. 开源性：用户可以自由使用和修改，适应性强 2. 多平台支持：支持Windows、Linux、Mac等多种操作系统。 3. 多种语言支持：支持多种语言的识别，包括英语、中文等。 4. 深度学习支持：采用深度学习技术，提供较高的识别精度。 5. 丰富的API和工具：提供丰富的API接口和命令行工具，方便开发者集成和使用。 |
1. 识别准确性：虽然识别准确率较高，但在某些复杂场景下仍可能存在误识别。 2. 依赖图像质量：输入图像的质量对识别结果有很大影响，低质量的图像可能导致识别率下降。 3. 定制和优化需求：针对不同语言或特定字体，可能需要额外的定制和优化工作。 4. 学习曲线：对于不熟悉OCR技术的用户来说，可能需要一定的学习成本来掌握其使用方法。 |
| OCRopus | 一款基于Python的OCR引擎 |
1. 高识别准确性：结合多种先进技术，如神经网络、深度学习等，提供高识别准确性 2. 可扩展性：支持自定义训练数据和语言模型，可根据需求进行扩展和优化。 3. 模块化设计：采用模块化设计，各模块之间相对独立，方便进行二次开发和定制。 4. 多种语言支持：支持多种语言的OCR识别，满足多语言处理需求。 5. 基于Python：对于熟悉Python的用户来说，上手容易，易于集成到Python项目中。 |
1. 依赖外部库：可能需要安装额外的Python库或依赖项，增加了部署的复杂性。 2. 学习曲线：对于不熟悉OCR技术或Python语言的用户来说，可能需要一定的学习成本。 3. 性能：在处理大量图像或复杂场景时，性能可能受到一定限制。 4. 定制和优化需求：针对不同语言或特定场景，可能需要额外的定制和优化工作。 |
| EasyOCR | 款基于Python的OCR引擎 |
1. 易于使用：提供简单易用的API接口，使开发者能够轻松集成OCR功能 2. 多语言支持：支持多种语言的识别，包括中文、英文、日文、韩文等。 3. 高精度识别：使用深度学习技术进行文本识别，提供高精度识别的能力。 4. 多种输出格式：支持多种输出格式，如TXT、JSON、XML等，方便后续处理。 5. 批量处理：支持同时处理多个图像文件，提高处理效率。 |
1. 性能：在处理大量图像或复杂场景时，性能可能受到一定影响。 2. 依赖外部库：可能需要安装额外的Python库或依赖项。 3. 定制和优化需求：针对不同语言或特定字体，可能需要额外的定制和优化工作。 4. 学习曲线：对于不熟悉OCR技术的用户来说，能够快速的入门和使用 |
当然今天也不是来帮助大家选择的，还是那句话，合适自己的才是最好的。结合上述不同OCR框架的对比，为了快速入门和使用，本文选择EasyOCR进行介绍和说明。
一句话介绍EasyOCR：一款基于Python的开源OCR引擎。支持80+种语言，包括中文、日语、韩语等，并且具有高效的识别速度和准确的识别结果，支持用户自定义设别模型，还提供了灵活的API接口，方便集成到第三方应用系统中。
? 项目信息
https://github.com/JaidedAI/EasyOCRhttps://www.jaided.ai/https://www.jaided.ai/easyocr/install/
图像文本识别：EasyOCR能够将图像中的文本转换为可编辑的文本，支持多种语言，包括英文、中文、法文、德文等。它使用深度学习技术进行文本识别，具有高精度识别的能力，能够识别各种字体、字号和印刷质量的文本。
验证码识别：EasyOCR特别针对CAPTCHA验证码图片进行了优化，能够识别并清理各种验证码和票据图片，提高了识别的准确性。
票据识别：EasyOCR还针对票据等特定场景进行了优化，使其能够更准确地识别票据上的文本信息。
图像清理：EasyOCR内置了图片清理功能，可以自动清理图像中的干扰元素，如噪点、背景色等，以提高文本识别的准确率。同时，它还支持多种预定义的图片清理模式，可以根据不同的场景进行灵活选择。
本地化开发SDK集成：EasyOCR 提供了本地化的开发SDK集成，可以与C/S、B/S及Android移动端项目进行原生集成，方便开发者将OCR功能集成到自己的应用中。
备注：需要具备Python和pip环境。本文环境信息：
#python and pip versionPython 3.10.12pip 22.0.2
一、安装EasyOCR
pip install easyocr# 如果发现安装较慢，可以添加阿里源pip install easyocr -i https://mirrors.aliyun.com/pypi/simple/# 安装过程如下none-manylinux1_x86_64.whl (731.7 MB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 731.7/731.7 MB 540.4 kB/s eta 0:00:00DEPRECATION: The HTML index page being used (https://mirrors.aliyun.com/pypi/simple/nvidia-cusparse-cu12/) is not a proper HTML 5 document. This is in violation of PEP 503 which requires these pages to be well-formed HTML 5 documents. Please reach out to the owners of this index page, and ask them to update this index page to a valid HTML 5 document. pip 22.2 will enforce this behaviour change. Discussion can be found at https://github.com/pypa/pip/issues/10825Collecting nvidia-cusparse-cu12==12.1.0.106Downloading https://mirrors.aliyun.com/pypi/packages/65/5b/cfaeebf25cd9fdec14338ccb16f6b2c4c7fa9163aefcf057d86b9cc248bb/nvidia_cusparse_cu12-12.1.0.106-py3-none-manylinux1_x86_64.whl (196.0 MB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 196.0/196.0 MB 1.5 MB/s eta 0:00:00DEPRECATION: The HTML index page being used (https://mirrors.aliyun.com/pypi/simple/nvidia-cuda-cupti-cu12/) is not a proper HTML 5 document. This is in violation of PEP 503 which requires these pages to be well-formed HTML 5 documents. Please reach out to the owners of this index page, and ask them to update this index page to a valid HTML 5 document. pip 22.2 will enforce this behaviour change. Discussion can be found at https://github.com/pypa/pip/issues/10825Collecting nvidia-cuda-cupti-cu12==12.1.105Downloading https://mirrors.aliyun.com/pypi/packages/7e/00/6b218edd739ecfc60524e585ba8e6b00554dd908de2c9c66c1af3e44e18d/nvidia_cuda_cupti_cu12-12.1.105-py3-none-manylinux1_x86_64.whl (14.1 MB)━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 14.1/14.1 MB 2.0 MB/s eta 0:00:00DEPRECATION: The HTML index page being used (https://mirrors.aliyun.com/pypi/simple/nvidia-curand-cu12/) is not a proper HTML 5 document. This is in violation of PEP 503 which requires these pages to be well-formed HTML 5 documents. Please reach out to the owners of this index page, and ask them to update this index page to a valid HTML 5 document. pip 22.2 will enforce this behaviour change. Discussion can be found at https://github.com/pypa/pip/issues/10825Collecting nvidia-curand-cu12==10.3.2.106Downloading https://mirrors.aliyun.com/pypi/packages/44/31/4890b1c9abc496303412947fc7dcea3d14861
二、验证是否安装完成
安装完成后，本地具备 EasyOCR命令
easyocr -husage: easyocr [-h] -l LANG [LANG ...] [--gpu {True,False}] [--model_storage_directory MODEL_STORAGE_DIRECTORY][--user_network_directory USER_NETWORK_DIRECTORY] [--recog_network RECOG_NETWORK] [--download_enabled {True,False}][--detector {True,False}] [--recognizer {True,False}] [--verbose {True,False}] [--quantize {True,False}] -f FILE[--decoder {greedy,beamsearch,wordbeamsearch}] [--beamWidth BEAMWIDTH] [--batch_size BATCH_SIZE] [--workers WORKERS][--allowlist ALLOWLIST] [--blocklist BLOCKLIST] [--detail {0,1}] [--rotation_info ROTATION_INFO] [--paragraph {True,False}][--min_size MIN_SIZE] [--contrast_ths CONTRAST_THS] [--adjust_contrast ADJUST_CONTRAST] [--text_threshold TEXT_THRESHOLD][--low_text LOW_TEXT] [--link_threshold LINK_THRESHOLD] [--canvas_size CANVAS_SIZE] [--mag_ratio MAG_RATIO] [--slope_ths SLOPE_THS][--ycenter_ths YCENTER_THS] [--height_ths HEIGHT_THS] [--width_ths WIDTH_THS] [--y_ths Y_THS] [--x_ths X_THS] [--add_margin ADD_MARGIN][--output_format {standard,dict,json}]
三、Python中使用
# 导入easyocr库import easyocr# 创建一个Reader实例，并指定识别的语言列表。例如，识别简体中文和英文：reader = easyocr.Reader(['ch_sim', 'en'])# 读取和识别图像：result = reader.readtext('path_to_your_image.jpg')
注：reader = easyocr.Reader(['ch_sim','en'])用于将模型加载到内存中。需要联网下载模型，但只需运行一次，如果网络不好，可以按照以下说明，手动下载模型。
#模型下载地址https://www.jaided.ai/easyocr/modelhub/
首先下载文本检测模型：
下载识别模型，识别模型对应了各种语言包，下图是简体中文和英文的识别模型：
如果有其他语言设别需要，可以安装对应的语言包代码下载和加载：
# 语言模型对应的代码https://www.jaided.ai/easyocr/
下载的模型解压后，放入“~/.EasyOCR/model”文件夹中
ls /root/.EasyOCR/modelcraft_mlt_25k.pth english_g2.pth zh_sim_g2.pth
结果输出
输出将采用列表格式，每个项目分别代表一个边界框、检测到的文本和置信度。
[([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148),([[86, 80], [134, 80], [134, 128], [86, 128]], '西', 0.40452659130096436),([[517, 81], [565, 81], [565, 123], [517, 123]], '东', 0.9989598989486694),([[78, 126], [136, 126], [136, 156], [78, 156]], '315', 0.8125889301300049),([[514, 126], [574, 126], [574, 156], [514, 156]], '309', 0.4971577227115631),([[226, 170], [414, 170], [414, 220], [226, 220]], 'Yuyuan Rd.', 0.8261902332305908),([[79, 173], [125, 173], [125, 213], [79, 213]], 'W', 0.9848111271858215),([[529, 173], [569, 173], [569, 213], [529, 213]], 'E', 0.8405593633651733)]
可以设置 detail=0 更简单的输出。
reader.readtext('chinese.jpg', detail = 0)['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E'] easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=TrueEasyOCR提供了强大的集成能力，提供API和SDK方便第三方应用快速集成和使用。
https://www.jaided.ai/easyocr/documentation/本章节就是基于EasyOCR实现一个简单的OCR识别系统，包含以下两个能力：
提供用户上传图片的功能，无需存储图片
能够将用户上传图片采用easyocr进行设别，设别的结果直接在页面上展示
实现逻辑：用Flask作为后端服务来处理图片上传和OCR识别，并使用HTML和JavaScript在前端页面上提供上传和显示结果的功能。由于不需要存储图片，可以直接在服务器上读取上传的图片流，并使用EasyOCR进行识别。
1.首先，确保开发环境中安装了Flask和EasyOCR：
pip install Flask easyocr -i https://mirrors.aliyun.com/pypi/simple/2.然后，编写Flask（一个使用 Python编写的轻量级Web应用程序开发框架）应用：
from flask import Flask, request, jsonify, render_template_stringimport easyocrimport ioimport jsonfrom PIL import Imageapp = Flask(__name__)@app.route('/')def index():# 使用内联模板或重定向到HTML文件return render_template_string('''<html lang="en"><head><meta charset="UTF-8"><title>OCR Recognition</title></head><body><h1>OCR Recognition</h1><form method="post" action="/ocr" enctype="multipart/form-data"><input type="file" name="file" required><input type="submit" value="Upload and Recognize"></form><div id="result" style="margin-top: 20px;"></div><script>document.querySelector('form').addEventListener('submit', function(e) {e.preventDefault();var fileInput = document.querySelector('input[type=file]');var formData = new FormData();formData.append('file', fileInput.files[0]);var xhr = new XMLHttpRequest();xhr.open('POST', '/ocr', true);xhr.onreadystatechange = function () {if (xhr.readyState == 4 && xhr.status == 200) {var result = JSON.parse(xhr.responseText);document.getElementById('result').innerHTML = '<pre>' + JSON.stringify(result, null, 2) + '</pre>';}};xhr.send(formData);});</script></body></html>''')@app.route('/ocr', methods=['POST'])def ocr():if 'file' not in request.files:return jsonify({'error': 'No file part in the request'}), 400file = request.files['file']if not file.filename:return jsonify({'error': 'No selected file'}), 400# 使用io.BytesIO读取文件流stream = io.BytesIO(file.read())img = Image.open(stream)# 使用EasyOCR进行OCR识别reader = easyocr.Reader(['ch_sim', 'en']) # 根据需要添加语言result = reader.readtext(img,detail = 0)# 返回识别结果return json.dumps(result)if __name__ == '__main__':app.run(debug=True)
在上述脚本中，前端代码已经包含在后端Flask应用中，作为一个内联模板。这个模板包含了一个文件上传表单和一个用于显示结果元素。页面监听表单提交事件，并使用XMLHttpRequest发送文件到/ocr路由进行识别。识别结果会以JSON格式返回。
3.启动ocr_app应用：
python3 ocr_app.py# 界面返回* Serving Flask app 'ocr_app'* Debug mode: onWARNING: This is a development server. Do not use it in a production deployment. Use a production WSGI server instead.* Running on http://127.0.0.1:5000Press CTRL+C to quit* Restarting with stat* Debugger is active!* Debugger PIN: 761-980-277
3.本地访问 http://127.0.0.1:5000 打开界面：
4.上传图片（网络上的一个测试身份证）进行，识别：
设别的效果：
EasyOCR 支持多种编程语言和许多优点和特性。它提供了简洁的API接口，使得使用者只需几行代码就能实现复杂的OCR功能。其次，它在CPU和GPU上运行都表现优秀，即使在没有高性能硬件的情况下也能高效工作。总之，EasyOCR 是一款高效、易用、功能强大的OCR识别引擎（当然，如果需要更高精度的设别，还是需要经过特点场景的训练才行，比如上章节中图片设别就有错误），适用于各种需要文字识别和提取的场景。有兴趣的同学可以实践下，生命不息，学习不止！
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-08-18
当产品经理谈到用LLM Agent构建新一代智能体的时候，他们在说什么？
2024-08-15
对话AI教育从业者们：AI如何解决因材施教的难题？
2024-08-03
工业应用中的向量数据库与知识向量化存储方案
2024-07-25
两大深度学习框架TensorFlow与PyTorch对比
2024-07-17
让生成式 AI 触手可及：NVIDIA NIM on VKE 部署实践
2024-07-16
中文大模型基准测评2024上半年报告
2024-07-16
一文看懂人工智能的起源、发展、三次浪潮与未来趋势
2024-07-14
"自拍" 秒变 "证件照" 看Coze如何实现
2024-05-14
2024-04-26
2024-04-12
2024-03-30
2024-05-22
2024-05-10
2024-07-18
2024-04-25
2024-04-26
2024-05-28
回到顶部