python图片识别之 easyocr

一、简介

**easyocr**：

• EasyOCR 是一个使用 Java 语言实现的 OCR 识别引擎（基于Tesseract）。借助几个简单的API，即能使用Java语言完成图片内容识别工作。并集成了图片清理、识别 CAPTCHA 验证码图片，票据等内容的一体化工作。
• EasyOCR不仅可以为消费者提供服务，更主要面向开发，能够提供本地化的开发SDK集成，与 C/S，B/S 及 Android 移动端项目进行原生集成。
• EasyOCR 4.X 新架构上线，最新版本 4.2.0。
  主要特点：
• API 极简，一个方法，一行代码即可完成
• 纯本地化SDK，JAVA原生支持，可作为引擎嵌入各种项目，支持 Android 移动端集成
• 支持 API 级别的识别白名单限定，限定识别范围
• 支持上百种语言识别，并支持混合语言识别，如：英文+日文+德文
• 专门针对常用票据、验证码图片的清理、识别一体化实现，内置多种常见类型的验证码图片选项
• 支持自定义插件，能够编写基于EasyOCR一体化识别的图片清理扩展插件
• ETD模板支持，提供图形化ETD模板设计工具(EasyTemplateDesigner)，准确可控提高识别率
• EasyOCR Suite 跨平台 GUI 套件支持，为开发人员和消费者提供设计和使用工具
• 标准输入输出，支持Socket网络接口的输入输出
• 支持识别训练，基于规则的结果修正训练，让识别准确合理，提供后天能力增长
• 性能卓越，默认纯内存运算交换
• 可脱离环境变量运行
• 跨平台支持：Window, Linux, Unix, Android

二、安装

# 安装稳定版本
pip install easyocr -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
# 安装最新版本
pip install git+https://github.com/JaidedAI/EasyOCR.git

测试

import easyocr
print(easyocr.__version__)

下载模型地址：

 https://www.jaided.ai/easyocr/modelhub/

下载后把模型文件解压后拷贝到用户目录：C:\Users\用户名.EasyOCR\model

三、使用

Reader 方法详解：

• lang_list (list)：识别语言代码，比如[‘ch_sim’,’en’]分别表示简体中文和英文。
• gpu (bool, string, default = True) ：是否使能GPU，只有安装了GPU版本才有效。
• model_storage_directory (string, default = None) ：模型存储位置，依次查找系统变量
• download_enabled (bool, default = True)：如果没有对应模型文件时，自动下载模型。
• user_network_directory (bool, default = None) ：用户自定义识别网络的路径
• recog_network (string, default = ‘standard’) ：替代标准模型，使用自定义的识别网络。
• detector (bool, default = True) ：是否加载检测模型。
• recognizer (bool, default = True) ：是否加载识别模型。

readtext 方法详解

• image (string, numpy array, byte) ： 输入图像；
• decoder (string, default = ‘greedy’)：选项有 ‘greedy’、‘beamsearch’ 和 ‘wordbeamsearch’；
• beamWidth (int, default = 5) ： 当解码器 = ‘beamsearch’ 或 ‘wordbeamsearch’ 时要保留多少光束；
• batch_size (int, default = 1) ： batch_size>1 将使 EasyOCR 更快但使用更多内存；
• worker (int, default = 0) ： 数据加载器中使用的编号线程；
• allowlist (string) ： 强制 EasyOCR 只识别字符的子集。对特定问题有用（例如车牌等）；
• blocklist (string) ： 字符的块子集。如果给定了允许列表，则此参数将被忽略。
• detail (int, default = 1)： 将此设置为 0 以进行简单输出；
• paragraph (bool, default = False)：将结果合并到段落中；
• min_size (int, default = 10) ： 过滤文本框小于最小值（以像素为单位）；
• rotation_info (list, default = None) ： 允许 EasyOCR 旋转每个文本框并返回具有最佳置信度分数的文本框。符合条件的值为 90、180 和 270。例如，对所有可能的文本方向尝试 [90, 180 ,270]。
• contrast_ths (float, default = 0.1) ： 对比度低于此值的文本框将被传入模型 2 次。首先是原始图像，其次是对比度调整为“adjust_contrast”值。结果将返回具有更高置信度的那个；
• adjust_contrast (float, default = 0.5) ： 低对比度文本框的目标对比度级别。
• text_threshold (float, default = 0.7) ： 文本置信度阈值
• low_text (float, default = 0.4) ： 文本下限分数
• link_threshold (float, default = 0.4) ： 链接置信度阈值
• canvas_size (int, default = 2560) ：最大图像尺寸。大于此值的图像将被缩小。
• mag_ratio (float, default = 1) ：图像放大率
• slope_ths (float, default = 0.1) - 考虑合并的最大斜率 (delta y/delta x)。低值意味着不会合并平铺框。
• ycenter_ths (float, default = 0.5) - y 方向的最大偏移。不应该合并不同级别的框。
• height_ths (float, default = 0.5) - 盒子高度的最大差异。不应合并文本大小非常不同的框。
• width_ths (float, default = 0.5) - 合并框的最大水平距离。
• add_margin (float, default = 0.1) - 将边界框向所有方向扩展某个值。这对于具有复杂脚本的语言（例如泰语）很重要。
• x_ths (float, default = 1.0) - 当段落=True 时合并文本框的最大水平距离。
• y_ths (float, default = 0.5) - 当段落 = True 时合并文本框的最大垂直距离。

调用方式

import easyocr

reader = easyocr.Reader(['ch_sim', 'en'])
result = reader.readtext('xxxx.png')
for res in result:
     print(res)