轻松识别文字,这款Python OCR库支持超过80种语言
OCR是什么?
有一款软件叫扫描全能王,想必一些小伙伴听过,这是一个OCR集成软件,可以将图像内容扫描成文字。
所以说,OCR作用是对文本资料的图像文件进行分析识别处理,获取文字及版面信息。
OCR的全称叫作“Optical Character Recognition”,即光学字符识别。
这算是生活里最常见、最有用的AI应用技术之一。
细心观察便可发现,身边到处都是OCR的身影,文档扫描、车牌识别、证件识别、银行卡识别、票据识别等等。
OCR本质是图像识别,其包含两大关键技术:文本检测和文字识别。
先将图像中的特征的提取并检测目标区域,之后对目标区域的的字符进行分割和分类。
关于EasyOCR
Python中有一个不错的OCR库-EasyOCR,在GitHub已有9700star。它可以在python中调用,用来识别图像中的文字,并输出为文本。
❝https://github.com/JaidedAI/EasyOCR
❞
EasyOCR支持超过80种语言的识别,包括英语、中文(简繁)、阿拉伯文、日文等,并且该库在不断更新中,未来会支持更多的语言。
安装EasyOCR
安装过程比较简单,使用pip或者conda安装。
pip install easyocr
如果用的PyPl源,安装起来可能会耽误些时间,建议大家用清华源安装,几十秒就能安装好。
使用方法
EasyOCR的用法非常简单,分为三步:
1.创建识别对象; 2.读取并识别图像; 3.导出文本。
我们先来举个简单的例子。
找一张路标图片,保存到电脑:
接着撸代码:
# 导入easyocr
import easyocr
# 创建reader对象
reader = easyocr.Reader(['ch_sim','en'])
# 读取图像
result = reader.readtext('test.jpg')
# 结果
result
输出结果:
可以看到路标上的三个路名以及拼音都识别出来了!
识别的结果包含在元组里,元组由三部分组成:边框坐标、文本、识别概率。
「关于语言:」
这段代码有一段参数['ch_sim','en'],这是要识别的语言列表,因为路牌里有中文和英文,所以列表里添加了ch_sim(简体中文)、en(英文)。
可以一次传递多种语言,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。
前文我们给出了EasyOCR支持的语言列表,并附有参数代号。
「关于图像文件:」
上面传入了相对路径'test.jpg',还可以传递OpenCV图像对象(numpy数组)、图像字节文件、图像URL。
再读取一张文字较多的新闻稿图片:
# 导入easyocr
import easyocr
# 创建reader对象
reader = easyocr.Reader(['ch_sim','en'])
# 读取图像
result = reader.readtext('test1.jpg')
# 结果
result
识别文字的准确率还是很高的,接下来对文字部分进行抽取。
for i in result:
word = i[1]
print(word)
输出:
小结
该开源库是作者研究了几篇论文,复现出来的成果,真是一位实干家。
检测部分使用了CRAFT算法,识别模型为CRNN,它由3个主要组件组成:特征提取,序列标记(LSTM)和解码(CTC)。整个深度学习过程基于Pytorch实现。
作者一直在完善EasyOCR,后续计划一方面扩展支持更多的语言,争取覆盖全球80%~90%的人口;另一方面支持手写识别,并提高处理速度。
· 推荐阅读 ·