失眠网 > python图片转文字easyocr_支持40种语言的图片文字识别(OCR)项目

python图片转文字easyocr_支持40种语言的图片文字识别(OCR)项目

时间：2021-01-14 06:30:32

Hi！大家好呀！我是你们努力的喵哥！

OCR(光学字符识别)是我们日常很常用的人工智能技术。我们总会有从图片中提取文字的需求。你是不是有需要从图片复制文字的经历？手打是最低效的选择。我们可以使用 OCR 软件，直接将图片上的符号转化为对应的文字。

那么，这里喵哥就要给大家推荐一个开源项目 EasyOCR。EasyOCR 并不是可以直接使用的软件(虽然它有一个演示网站)，而是一个超级易于使用的 OCR 开源工具库。三行代码，就可以实现一个 OCR 功能。EasyOCR 支持40多种语言，包括英文，中文，日文，韩文和泰文等。

如果你只是想简简单单的使用 OCR 工具。喵哥还是推荐你，使用国内比较成熟的商业项目。这些商业项目，还能完整的贴合你的使用场景。比如，扫描全能王就非常好用。其识别的准确度、速度都无可挑剔。之外，喵哥还要推荐另一款 OCR 软件白描。除了识别准确度和速度外，白描更是一款 UI 异常精致的产品。

EasyOCR 是基于人工智能实现的文字识别。图片检测部分是使用的是开源项目 CRAFT-pytorch 及其论文中的 CRAFT算法。识别模型为 CRNN。CRNN 由3个主要组成部分组成：特征提取、序列标记和解码。

安装

安装使用pip以获得稳定的版本。

pip install easyocr

对于最新的开发版本。

pip install git+git:///jaidedai/easyocr.git

注意：对于Windows，请先按照上的官方说明安装Torch和Torchvision。

使用

import easyocrreader = easyocr.Reader(['ch_sim','en'])reader.readtext('chinese.jpg')

输出将采用列表格式，每个项目分别表示边界框，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 ]]，“豫园路”，0.8261902332305908)，([[[ 79，173 ]，[125，173]，[ 125，213 ]，[ 79，213 ]]，' W '，0.9848111271858215)，([[[ 529，173 ]，[ 569，173 ]，[ 569，213 ]，[ 529，213 ]]，' E '，0.8405593633651733)]

注意1：['ch_sim','en']是您要阅读的语言列表。您可以一次传递几种语言，但并非所有语言都可以一起使用。英语与每种语言兼容。共享公共字符的语言通常相互兼容。

注意2：除了filepath chinese.jpg，您还可以将OpenCV图像对象(numpy数组)或图像文件作为字节传递。原始图像的URL也可以接受。

您也可以将detail= 0 设置为更简单的输出。

reader.readtext('chinese.jpg', detail = 0)

结果：

[ '愚园路'，'西'，'东'，' 315 '，' 309 '，'豫园路。'，' W '，' E ' ]

所选语言的型号权重将自动下载，或者您可以从以下链接手动下载并将其放在'〜/ .EasyOCR / model'文件夹中。

如果您没有GPU或GPU的内存不足，则可以通过添加gpu = False在CPU模式下运行它。

reader = easyocr.Reader(['th','en'], gpu = False)

详细的说明，可以参考官方文档。

在命令行上运行

$ easyocr -l ch_sim zh -f chinese.jpg --detail = 1 --gpu = True

最后

EasyOCR 目前支持以下48种语言。

南非语(af)，阿塞拜疆语(az)，波斯尼亚语(bs)，简体中文(ch_sim)，繁体中文(ch_tra)，捷克语(cs)，威尔士语(cy)，丹麦语(da)，德语(de)，英语(en) )，西班牙语(es)，爱沙尼亚语(et)，法语(fr)，爱尔兰语(ga)，印地语(hi)，克罗地亚语(hr)，匈牙利语(hu)，印度尼西亚语(id)，冰岛语(is)，意大利语(it )，日语(ja)，韩语(ko)，库尔德语(ku)，拉丁语(la)，立陶宛语(lt)，拉脱维亚语(lv)，毛利人(mi)，马拉地语(mr)，马来语(ms)，马耳他语(mt )，尼泊尔文(ne)，荷兰文(nl)，挪威文(no)，奥克西唐(oc)，波兰文(pl)，葡萄牙文(pt)，罗马尼亚文(ro)，塞尔维亚文(latin)(rs_latin)，斯洛伐克文(sk)(需要重新访问)，斯洛文尼亚语(sl)，阿尔巴尼亚语(sq)，瑞典语(sv)，斯瓦希里语(sw)，泰语(th)，他加禄语(tl)，土耳其语(tr)，乌兹别克(uz)，越南语(vi)(需要再次访问)

字符列表位于项目文件夹 easyocr / character中。

EasyOCR项目制定了一个大概的路线图。

第一阶段(现在-10月)

1. 语言包：印地语，阿拉伯语，西里尔字母等。旨在覆盖全球80％至90％以上的人口。同时改善现有语言。

2. 更好的文档和API。

3. 语言模型可实现更好的解码。

第二阶段(10月之后)

1. 手写支持：网络体系结构应该无关紧要。关键是使用GAN生成逼真的手写数据集。

2. 更快的处理时间：模型修剪(精简版)/量化/导出到其他平台(ONNX？)。

3. 开放数据集和模型训练管道。

4. 重组代码以支持可交换的检测和识别算法。API应该类似如下。

reader = easyocr.Reader(['en'], detection='DB', recognition = 'ReXNet_LSTM_Attention')