支持40种语言的图片文字识别(OCR)项目

学外语做头发 2020-07-26

展开全文

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://github.com/jaidedai/easyocr.git

注意：对于Windows，请先按照https://pytorch.org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-2020年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（2020年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')