Предисловие

В связи с потребностями проекта мы исследовали некоторые доступные в настоящее время на рынке инструменты OCR с открытым исходным кодом, которые поддерживают локальное развертывание и не вызывают API. В основном они включают PaddleOCR/CnOCR/chinese_lite OCR/EasyOCR/Tesseract/chineseocr/mmocr. В этой статье в основном опробованы четыре продукта: EasyOCR/CnOCR/Tesseract/PaddleOCR.

EasyOCR

EasyOCRОфициальный склад：https://github.com/JaidedAI/EasyOCR Установите EasyOCR:

pip install easyocr

программа испытаний

import easyocr
reader = easyocr.Reader(['ch_sim','en']) # this needs to run only once to load the model into memory
result = reader.readtext('chinese.jpg')

Фактическое измерение EasyOCR относительно строго для CUDA. В обычной среде Pytorch после запуска будет сообщено об ошибке:

Could not load symbol cublasGetSmCountTarget from cublas64_11.dll. Error code 127

#833Этот вопрос был упомянут,Говоря о причине, возможно, cuda и cudnn не совпадают.,После замены cudnn,Ошибка до сих пор не исчезла,Поэтому я пока об этом не упоминал.

CnOCR

CnOCRОфициальный склад：https://github.com/breezedeus/CnOCR Установка CnOCR:

pip install cnocr

CnOCR предъявляет строгие экологические требования.,это вrequirements.txtНаписал много номеров версий зависимостей,Поэтому, если вы установите его непосредственно в существующей среде,Он удалит и переустановит зависимости, такие как Pytorch.,Настоящая ловушка,Лучше всего сначала открыть новую среду.

программа испытаний：

from cnocr import CnOcr

img_fp = 'img/output_2.png'
ocr = CnOcr()  # Использовать значения по умолчанию для всех параметров
out = ocr.ocr(img_fp)
print(out)

Фактическое измерение: в моем бизнес-сценарии использование модели по умолчанию не работает.

Tesseract

TesseractОфициальный склад：https://github.com/tesseract-ocr/tesseract TesseractиспользуетсяC++развитый,Итак, если вы хотите использовать его в Python,Требуются сторонние зависимостиpytesseract

Сначала вам нужно установить его на свой компьютерTesseract Адрес загрузки установочного пакета：https://digi.bib.uni-mannheim.de/tesseract/ Пожалуйста, ознакомьтесь с процессом установки：https://blog.csdn.net/weixin_51571728/article/details/120384909 После завершения настройки,Введите в командной строкеtesseract -vРаспечатка информации о версии означает, что установка прошла успешно.。

Установить послеpytesseract：

pip install pytesseract

программа испытаний

img_path = 'img/img_1.png'
# Добавьте путь к Тессеракту
pytesseract.pytesseract.tesseract_cmd = r'C:\Users\zxy\AppData\Local\Programs\Tesseract-OCR\tesseract.exe'
"""
image_to_string(): если вы распознаете английский язык или цифры, дополнительные параметры не требуются. Если вы распознаете другие языки, вам необходимо добавить параметр lang.
lang='chi_sim' означает, что следует распознавать упрощенный китайский язык.
Если не распознано, верните пустое значение
"""
text = pytesseract.image_to_string(Image.open(img_path), lang='chi_sim')
print(text)

Согласно фактическим измерениям, в моем сценарии этот эффект средний, а в тессеракте есть разные модели для китайского и английского языков, поэтому его общая применимость не очень хороша.

PaddleOCR

PaddleOCR — продукт Baidu, обновленный до четвертой версии. PaddleOCRОфициальный склад：https://github.com/PaddlePaddle/PaddleOCR Установка PaddleOCR:

pip install paddleocr

программа испытаний：

import cv2
from paddleocr import PaddleOCR

if __name__ == '__main__':
    ocr = PaddleOCR(use_angle_cls=True, lang="ch", ocr_version='PP-OCRv4')
    image_input_fullname = 'img/output_5.png'
    img = cv2.imread(image_input_fullname)
    result = ocr.ocr(img, cls=True)
    print(result)

в соответствии сPP-OCRv4вводный документ,PP-OCRv4 обучается по трем различным шкалам: (32 320), (48 320), (64 320) во время обучения.

Фактические измерения показали, что если текстовая область меньше этого диапазона, это повлияет на эффект. Поэтому можно ввести стратегию заполнения, то есть добавить белую рамку вокруг текстовой области, чтобы увеличить разрешение изображения входной модели. .

import cv2
from paddleocr import PaddleOCR

def add_padding_to_image(image, output_size=(640, 640), color=(255, 255, 255)):
    h, w = image.shape[:2]
    # Рассчитайте размер отступа, который необходимо добавить.
    delta_w = max(output_size[0] - w, 0)
    delta_h = max(output_size[1] - h, 0)
    top, bottom = delta_h // 2, delta_h - (delta_h // 2)
    left, right = delta_w // 2, delta_w - (delta_w // 2)
    # добавить отступы
    padded_image = cv2.copyMakeBorder(image, top, bottom, left, right, cv2.BORDER_CONSTANT, value=color)
    return padded_image

if __name__ == '__main__':
    ocr = PaddleOCR(use_angle_cls=True, lang="ch", ocr_version='PP-OCRv4')
    image_input_fullname = 'img/output_5.png'
    img = cv2.imread(image_input_fullname)
    padded_img = add_padding_to_image(img)
    result = ocr.ocr(img, cls=True)
    print(result)

В моем бизнес-сценарии,PaddleOCRЛучшее выступление,По сути, он может достичь точности распознавания более 80%.,Если вам все еще нужно совершенствоваться,Вы также можете тренироваться на основе собственных данных.

Инструмент маркировки: PPOCRLabelv2. Используйте документацию：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/PPOCRLabel/README_ch.md документ об обучении：https://aistudio.baidu.com/modelsdetail/270?modelId=270