OCR是什麼？

有一款軟體叫掃描全能王，想必一些小夥伴聽過，這是一個OCR整合軟體，可以將影象內容掃描成文字。

所以說，OCR作用是對文字資料的影象檔案進行分析識別處理，獲取文字及版面資訊。

OCR的全稱叫作“Optical Character Recognition”，即光學字元識別。

這算是生活裡最常見、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，文件掃描、車牌識別、證件識別、銀行卡識別、票據識別等等。

OCR本質是影象識別，其包含兩大關鍵技術：文字檢測和文字識別。

先將影象中的特徵的提取並檢測目標區域，之後對目標區域的的字元進行分割和分類。

​

關於EasyOCR

Python中有一個不錯的OCR庫-EasyOCR，在GitHub已有9700star。它可以在python中呼叫，用來識別影象中的文字，並輸出為文字。

❝

https://github.com/JaidedAI/EasyOCR

❞

​

EasyOCR支援超過80種語言的識別，包括英語、中文（簡繁）、阿拉伯文、日文等，並且該庫在不斷更新中，未來會支援更多的語言。

​

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.建立識別物件；
• 2.讀取並識別影象；
• 3.匯出文字。

我們先來舉個簡單的例子。

找一張路標圖片，儲存到電腦：

​

接著擼程式碼：

# 匯入easyocrimport easyocr# 建立reader物件reader = easyocr.Reader(['ch_sim','en']) # 讀取影象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裡，元組由三部分組成：邊框座標、文字、識別概率。

「關於語言：」

這段程式碼有一段引數['ch_sim','en']，這是要識別的語言列表，因為路牌裡有中文和英文，所以列表裡添加了ch_sim（簡體中文）、en（英文）。

可以一次傳遞多種語言，但並非所有語言都可以一起使用。英語與每種語言相容，共享公共字元的語言通常相互相容。

前文我們給出了EasyOCR支援的語言列表，並附有引數代號。

「關於影象檔案：」

上面傳入了相對路徑'test.jpg'，還可以傳遞OpenCV影象物件（numpy陣列）、影象位元組檔案、影象URL。

再讀取一張文字較多的新聞稿圖片：

​

# 匯入easyocrimport easyocr# 建立reader物件reader = easyocr.Reader(['ch_sim','en']) # 讀取影象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，真是一位實幹家。

檢測部分使用了CRAFT演算法，識別模型為CRNN，它由3個主要元件組成：特徵提取，序列標記（LSTM）和解碼（CTC）。整個深度學習過程基於Pytorch實現。

作者一直在完善EasyOCR，後續計劃一方面擴充套件支援更多的語言，爭取覆蓋全球80%~90%的人口；另一方面支援手寫識別，並提高處理速度。