輕松識別文字,這款Python OCR庫支持超過80種語言

OCR是什么?
有一款軟件叫掃描全能王,想必一些小伙伴聽過,這是一個OCR集成軟件,可以將圖像內(nèi)容掃描成文字。
所以說,OCR作用是對文本資料的圖像文件進行分析識別處理,獲取文字及版面信息。
OCR的全稱叫作“Optical Character Recognition”,即光學(xué)字符識別。
這算是生活里最常見、最有用的AI應(yīng)用技術(shù)之一。

細心觀察便可發(fā)現(xiàn),身邊到處都是OCR的身影,文檔掃描、車牌識別、證件識別、銀行卡識別、票據(jù)識別等等。
OCR本質(zhì)是圖像識別,其包含兩大關(guān)鍵技術(shù):文本檢測和文字識別。
先將圖像中的特征的提取并檢測目標(biāo)區(qū)域,之后對目標(biāo)區(qū)域的的字符進行分割和分類。

關(guān)于EasyOCR
Python中有一個不錯的OCR庫-EasyOCR,在GitHub已有9700star。它可以在python中調(diào)用,用來識別圖像中的文字,并輸出為文本。
?https://github.com/JaidedAI/EasyOCR
?

EasyOCR支持超過80種語言的識別,包括英語、中文(簡繁)、阿拉伯文、日文等,并且該庫在不斷更新中,未來會支持更多的語言。
安裝EasyOCR
安裝過程比較簡單,使用pip或者conda安裝。
pip?install?easyocr
如果用的PyPl源,安裝起來可能會耽誤些時間,建議大家用清華源安裝,幾十秒就能安裝好。
使用方法
EasyOCR的用法非常簡單,分為三步:
1.創(chuàng)建識別對象; 2.讀取并識別圖像; 3.導(dǎo)出文本。
我們先來舉個簡單的例子。
找一張路標(biāo)圖片,保存到電腦:
接著擼代碼:
#?導(dǎo)入easyocr
import?easyocr
#?創(chuàng)建reader對象
reader?=?easyocr.Reader(['ch_sim','en'])?
#?讀取圖像
result?=?reader.readtext('test.jpg')
#?結(jié)果
result
輸出結(jié)果:
可以看到路標(biāo)上的三個路名以及拼音都識別出來了!
識別的結(jié)果包含在元組里,元組由三部分組成:邊框坐標(biāo)、文本、識別概率。
「關(guān)于語言:」
這段代碼有一段參數(shù)['ch_sim','en'],這是要識別的語言列表,因為路牌里有中文和英文,所以列表里添加了ch_sim(簡體中文)、en(英文)。
可以一次傳遞多種語言,但并非所有語言都可以一起使用。英語與每種語言兼容,共享公共字符的語言通常相互兼容。
前文我們給出了EasyOCR支持的語言列表,并附有參數(shù)代號。
「關(guān)于圖像文件:」
上面?zhèn)魅肓讼鄬β窂?test.jpg',還可以傳遞OpenCV圖像對象(numpy數(shù)組)、圖像字節(jié)文件、圖像URL。
再讀取一張文字較多的新聞稿圖片:
#?導(dǎo)入easyocr
import?easyocr
#?創(chuàng)建reader對象
reader?=?easyocr.Reader(['ch_sim','en'])?
#?讀取圖像
result?=?reader.readtext('test1.jpg')
#?結(jié)果
result

識別文字的準(zhǔn)確率還是很高的,接下來對文字部分進行抽取。
for?i?in?result:
????word?=?i[1]
????print(word)
輸出:
小結(jié)
該開源庫是作者研究了幾篇論文,復(fù)現(xiàn)出來的成果,真是一位實干家。
檢測部分使用了CRAFT算法,識別模型為CRNN,它由3個主要組件組成:特征提取,序列標(biāo)記(LSTM)和解碼(CTC)。整個深度學(xué)習(xí)過程基于Pytorch實現(xiàn)。
作者一直在完善EasyOCR,后續(xù)計劃一方面擴展支持更多的語言,爭取覆蓋全球80%~90%的人口;另一方面支持手寫識別,并提高處理速度。
· 推薦閱讀?·
