想用Python做OCR？看看这篇文章

news2024/9/21 4:32:40

OCR是Optical Character Recognition的缩写，中文名为光学字符识别。它是一种通过计算机技术对图像或扫描文档中的文字进行识别和理解的过程。OCR技术可以将图像中的文字转换为可编辑、可搜索的文本，使得计算机能够理解和处理这些文字信息。

OCR技术通常包括以下几个步骤：

文字检测：检测图像中的文字区域，确定文字的位置和边界框。
文字识别：识别文字内容，将图像中的文字转换为计算机可处理的文本数据。
文字校正：对识别出的文字进行校正，以提高识别准确性。
格式化输出：将识别的文本信息进行格式化，使其符合特定的需求，例如保存为文本文件或数据库记录。

目前在Python领域比较流行的OCR库有多个，其中一些主要的OCR库包括Tesseract-OCR、EasyOCR、Pillow、Pytesseract、PaddleOCR等。下面我将对这几个库进行简要的比较，并列出它们的优缺点，以便您选择适合您需求的OCR库：

Tesseract-OCR
- 优点：
  - Google开源的OCR引擎，支持多种语言。
  - 识别准确率较高。
- 缺点：
  - 对于非常复杂的图像和排版不规范的文本处理效果可能不佳。
EasyOCR
- 优点：
  - 基于PyTorch实现，支持多种语言。
  - 非常易于使用，具有良好的用户体验。
- 缺点：
  - 在某些特定场景下识别效果可能不如其他库。
Pillow + Pytesseract
- 优点：
  - Pillow用于图像处理，Pytesseract用于OCR识别，灵活性高。
  - 可以方便地与其他Python库集成使用。
- 缺点：
  - 对于复杂的文本和特定排版的处理效果可能有限。
PaddleOCR
- 优点：
  - 基于PaddlePaddle深度学习框架，支持多种语言。
  - 提供了多个预训练模型，适用于不同场景。
  - 在中文文字识别上效果较好。
- 缺点：
  - 部署和使用相对复杂一些。

百度PaddleOCR是基于百度开源深度学习框架PaddlePaddle开发的一款端到端的文字识别工具库，旨在提供高效、准确的OCR（Optical Character Recognition）解决方案。PaddleOCR支持多种文字识别任务，包括文本检测、文本识别、关键点检测等，适用于各种场景，如证件识别、车牌识别、图像字幕生成等。

以下是关于百度PaddleOCR的详细介绍：

特点和优势：
- 多模型支持：PaddleOCR提供了多种预训练模型，覆盖了不同场景和需求，用户可以选择适合自己应用场景的模型。
- 多语言支持：PaddleOCR支持多种语言的文字识别，包括英文、中文等，适用范围广泛。
- 高性能：基于PaddlePaddle深度学习框架，PaddleOCR具有高效的推理速度和准确的识别能力。
- 易用性：提供了简单易用的API接口，方便快速部署和集成到自己的应用中。
- 持续更新：PaddleOCR团队会持续更新和优化模型，以提供更好的文字识别效果和体验。
主要功能模块：
- 文本检测：用于检测图像中的文本区域，确定文字的位置和边界框。
- 文本识别：对检测到的文本区域进行文字识别，将图像中的文字转换为计算机可处理的文本数据。
- 关键点检测：用于检测文本中的关键点，如文本行的起始点和结束点等。
使用场景：
- 证件识别：身份证、驾驶证等证件信息的识别。
- 车牌识别：车牌号码的自动识别。
- 图像字幕生成：图像中的文字生成字幕。
- 文档数字化：扫描文档的文字转化为可编辑的文本。
部署和使用：
- PaddleOCR提供了详细的文档和示例代码，用户可以根据文档进行部署和使用。
- 支持CPU和GPU环境下的部署，可以满足不同设备和需求。

第一部分：环境搭建

1. 安装Python和PaddlePaddle

首先，确保你已经安装了Python，并且安装了pip包管理工具。接下来，我们将安装PaddlePaddle，PaddleOCR的基础依赖。

pip install paddlepaddle

2. 安装PaddleOCR

安装PaddleOCR可以通过以下命令来完成：

pip install paddleocr

3. 下载预训练模型

PaddleOCR提供了多个预训练模型，可以根据需求选择合适的模型进行下载。可以通过以下方式来下载预训练模型：

from paddleocr import PaddleOCR
ocr = PaddleOCR(use_angle_cls=True, lang="ch")

以上代码会自动下载中文文字识别的预训练模型。

第二部分：使用PaddleOCR进行文字识别

1. 图片文字识别

下面的示例展示了如何使用PaddleOCR对图片中的文字进行识别：

import rich
from paddleocr import PaddleOCR

ocr = PaddleOCR(use_angle_cls=True, lang="ch")

img_path = r'C:\Users\Administrator\Desktop\airTestDemo\Snapshot\OCR\img_5.png'
result = ocr.ocr(img_path, cls=True)

rich.print(result)

效果如下：

2. 实际项目示例

现在，让我们结合一个实际项目，假设我们需要从一张包含文字的图片中提取出特定信息并打印。

原图：

代码如下：

from paddleocr import PaddleOCR
import cv2

# 初始化PaddleOCR
ocr = PaddleOCR()

# 读取待识别的图像
img_path = r'C:\Users\Administrator\Desktop\airTestDemo\Snapshot\OCR\img_5.png'
img = cv2.imread(img_path)

# 进行文字检测和识别
result = ocr.ocr(img, cls=True)

# 打印识别结果
for line in result:
    for word in line:
        print(word[1][0], end=' ')  # 打印识别的文字
    print()  # 换行

识别效果如下：