OCR识别方法,OCR识别原理

　　1、介绍

　　图片文字的OCR识别之前已经介绍过了。本文介绍了一个Python包pyTesseract，它是基于Tesseract封装的。这个包虽然支持多语言文本识别，但是对于不同的语言，准确率是不一样的，比如英文识别准确率高，中文文本识别率低；英文字符识别整体上基本不错，但是对于图片中的汉字，经常会出现乱码和识别失败的情况。

　　2、EasyOCR

　　项目地址：https://github.com/JaidedAI/EasyOCR

　　今天，我们介绍一个新的用于文本识别的Python包：EasyOCR。这个包是基于训练好的深度学习模型开发的，它包括文本检测和文本识别的功能。

　　EasyOCR包开源以来已经在GitHub上获得了12k星。到目前为止，它已经经历了四次迭代，并具有以下特征：

　　1-目前支持80种语言的文字识别，包括但不限于英文、中文、韩文、日文等。2-来自深度学习技术，识别准确率高；对于正常的图片文字识别，准确率可以达到100%；3-不仅适用于单种语言，也适用于多种语言(比如一张图中需要识别中英文两种语言)；支持4- GPU加速，GPU的识别速度比CPU快6~7倍(cuda、pytorch、torchvision Python环境需要提前配置)。与传统OCR相比，EasyOCR不仅具有图像文本识别，还具有文本检测功能(在图像中识别文本框，在图像中的定位按照左上、右上、右下、左下坐标的顺序返回)。效果如下图所示：

　　上图中EasyOCR最终输出的是右图中的文字信息，左图中的红色线框是经过处理后添加的。

　　3、EasyOCR的使用

　　上面简单介绍了EasyOCR包，下面描述它的基本用法。

　　3.1 安装

　　EasyOCR已经上传到Pypi，安装可以通过pip命令完成。

　　基于pytorch框架训练安装easyocr Easy OCR模型。在下载Easy OCR的同时，还会下载其他一些额外的python包，比如pytorch，torchvision等。时间会稍微长一点(需要注意下，easyocr 默认安装的是 pytorch 的 cpu 版本，需要 gpu 配置的小伙伴可以搜一下 pytorch-gpu 相关教程进行配置)；

　　在安装过程中，你可能会遇到一系列的问题，比如软件包之间的兼容性问题，版本问题等等。会根据错误提示解决。

　　3.2 使用方法

　　Easyocr将所有函数封装在一个类Reader中，可以通过调用类中的三个方法来实现，即readtext、detect和recognize。

　　detect方法用于检测图像中的文本框，最后返回两个列表来表示文本框在图像中的位置，一个是horizontal_list格式[x_min，x_max，y_min，y_max]，另一个是free_list格式[[x1，y1]，[x2，y2]，[x3]

　　上图是b站在用户登录时弹出的验证码界面。在下面的例子中，这张图片被用作模板。检测功能的使用如下：

　　导入easyocrreader=easyocr。Reader([ch_sim ， en]，gpu=False，Model _ storage _ directory=。/model )result=reader . detect( ceshi . png )print(result)# # output([[11，133，11，31]，[158，238，2，34]，[1999]

　　Lang_list，用于指定要识别的语言代码(例如中文和英文)，以列表的形式存储。关于语言代码，请参考以下内容(此处仅发布部分内容，详情请参考官网):

　　Gpu，布尔值，表示是否使用GPU。默认值为TrueModel_storage_directoy，字符串类型，默认为~。/easycor/。它用于指定网络模型的存储路径。建议自己指定新路径；最后会输出两个列表，分别是horizontal _ list和free _ list。

　　recognize用于识别。使用该函数时，需要提供三个参数，image、horizontal_list和free_list，与detect一起使用。

　　图像图片；Horizontal_list和free_list分别表示矩形文本框列表，这是detect函数的两个输出列表。使用方法如下：

　　从PIL导入图像，ImageDrawreader=easyocr。Reader([ch_sim ， en]，gpu=False，model_storage_directory=。/model )result=reader . recognize( ceshi . png ，horizontal_list=[[11，133，11，31]，[158，238，2，34]，[199，235，315，333]，[Free _ list=[])print(result)# # output[([[158，2]，[238，2]，[238，34]，[158，34]， hairtail ，0.40

　　readtext函数是detect和recognize两种方法的结合：首先使用detect函数识别图像中文本框的位置坐标，然后将坐标列表输入到recognize中进行识别，最后返回每个文本信息和位置坐标。功能框架如下：

　　导入easyocrreader=easyocr。Reader([ch_sim ， en]，gpu=False，model_storage_directory=。/model )result=reader . read text( ceshi . png )print(result)# # # ou使用CPU。注意：这个模块使用GPU要快得多。[([[158，2]，[238，2]，[238，34]，[158，34]，带鱼，0.48857.763535558875 [133，11]，[133，31]，[11，31]]，清点击下图：，0.46184659004211426)，([[199，315

　　从PIL导入图像，ImageDrawreader=easyocr。Reader([ch_sim ， en]，gpu=False，model_storage_directory=。/model )result=reader . read text( ceshi . png )img=image . open( ceshi . png )draw=ImageDraw。draw(img)For in result:draw . rectangle((tuple(I[0][0])，tuple (I [0] [2]))，fill=none，outline= red ，width=2) img.save (ceshi3.png )有以下效果：

　　结果表明，除了图片中间的带鱼文本信息未被识别外，其他区域的文本信息都能达到较好的识别和检测效果；

　　这里说明一下识别失败的原因。如果你仔细看，你会发现上面这张图并不是现实中的真实，而是深度学习技术生成的甘等虚拟形象。里面的文字信息不是简单的粘贴在图片上，我猜是加密的。

　　上面只介绍了easyocr方法中的一些常规参数，很多默认参数没有介绍。例如，batch_size控制每次要识别的图像数量。有了这个参数，可以实现批量识别，但前提需要GPU大内存的支持；Adjust_contrast调整图像对比度。

　　更多关于EasyOCR的信息，请阅读官方文档。

　　参考：

　　https://mp.weixin.qq.com/s?_ _ biz=mzu 2 ntgxmjuymq==mid=2247487340 idx=1sn=1cc 15737 a 668 a 94 f 0 b 901 f 86d 43 ca 239 chk sm=fcb 7432 ABC 0 ca 3c ca 4401 CB 71 f 609d 7817 f 8643 C4 E3 be 13 f 17 f 50 b 8d 53 cef 3 b 088 BC 23888000 token=112121

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。