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”，即光學字符識別。

這算是生活里最常見、最有用的AI應用技術之一。

細心觀察便可發現，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、票據識別等等。

OCR本質是圖像識別，其包含兩大關鍵技術：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區域，之后對目標區域的的字符進行分割和分類。

關于EasyOCR

Python/ target=_blank class=infotextkey>Python中有一個不錯的OCR庫-EasyOCR，在GitHub已有9700star。它可以在python中調用，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。

圖片

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.創建識別對象；
• 2.讀取并識別圖像；
• 3.導出文本。

我們先來舉個簡單的例子。

找一張路標圖片，保存到電腦：

接著擼代碼：

# 導入easyocrimport easyocr# 創建reader對象reader = easyocr.Reader(['ch_sim','en']) # 讀取圖像result = reader.readtext('test.jpg')# 結果result

輸出結果：

可以看到路標上的三個路名以及拼音都識別出來了！

識別的結果包含在元組里，元組由三部分組成：邊框坐標、文本、識別概率。

「關于語言：」

這段代碼有一段參數['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，并附有參數代號。

「關于圖像文件：」

上面傳入了相對路徑'test.jpg'，還可以傳遞OpenCV圖像對象（numpy數組）、圖像字節文件、圖像URL。

再讀取一張文字較多的新聞稿圖片：

# 導入easyocrimport easyocr# 創建reader對象reader = easyocr.Reader(['ch_sim','en']) # 讀取圖像result = reader.readtext('test1.jpg')# 結果result

識別文字的準確率還是很高的，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

該開源庫是作者研究了幾篇論文，復現出來的成果，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，序列標記（LSTM）和解碼（CTC）。整個深度學習過程基于Pytorch實現。

作者一直在完善EasyOCR，后續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。