EasyOCR，识别图片中的文字真的so easy

EasyOCR，识别图片中的文字真的so easy

原文链接：http://www.juzicode.com/image-ocr-python-easyocr

桔子菌之前在 pytesseract提取识别图片中的文字 中介绍过怎么在Python中使用tesseract提取和识别图片中的文字，今天再来聊一聊EasyOcr，它也是一款非常优秀的OCR包，使用起来是相当地easy。

1、安装easyocr包

这里以windows系统为例，需要先安装pytorch，在pytorch官网可以根据语言版本、 *** 作系统等信息找到安装方法：

pip3 install torch torchvision torchaudio

安装easyocr：

pip3 install easyocr

安装完成后，可以通过easyocr.__version__查看版本号：

import easyocr
print(easyocr.__version__)

2、安装检测模型、识别模型(语言包)

如果事先没有安装检测模型和识别模型，第一次执行脚本时会自动下载2种模型文件：

这种方式下载速度较慢，而且容易出错导致下载中断，可以通过手动方式下载、安装。

进入esayocr官网选择需要的模型下载（Jaided AI: EasyOCR model hub）。

首先下载文本检测模型：

接下来下载识别模型，识别模型对应了各种语言包，下图是简体中文和英文的识别模型：

将下载的模型文件解压后拷贝到当前登录的用户目录的.EasyOCRmodel文件夹下，Windows系统为：C:Usersyourname.EasyOCRmodel，其中yourname是登录用户名。

【注】这里下载的识别模型（语言包）的文件名称和后面看到的语言类型并不是完全对应的，比如在代码中的语言类型ch_sim对应简体中文(zh_sim_g2)，en对应英文(english_g2)。

3、使用方法

EsayOcr的使用正如其名非常地简单，就是2个步骤，第1步创建Reader()实例，第2步用readtxt()方法检测和识别。

创建Reader()实例

初始化Reader()实例的参数有：

• 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EASYOCR_MODULE_PATH (preferred)、MODULE_PATH (if defined)表示的路径或者~/.EasyOCR/路径。
• 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，如果没有指明，则在MODULE_PATH + ‘/user_network’ (~/.EasyOCR/user_network)目录中查找。
• 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。

创建完实例后，识别文字就要用到其readtext()方法。

检测与识别readtext()方法

下面是一个最简单的应用例子，首先创建一个reader对象，传入要使用的语言包（识别模型），然后在reader对象的readtext方法中传入要识别的文件名称：

#juzicode.com / vx:桔子code
import easyocr
reader = easyocr.Reader(['ch_sim','en'])
result = reader.readtext('road-poetry.png')
for res in result:
     print(res)

运行结果：

([[151, 101], [195, 101], [195, 149], [151, 149]], '西', 0.9816301184856115)
([[569, 71], [635, 71], [635, 131], [569, 131]], '东', 0.9986620851098884)
([[218, 92], [535, 92], [535, 191], [218, 191]], '诗和远方路', 0.8088406614287519)
([[137, 217], [177, 217], [177, 257], [137, 257]], 'W', 0.8304899668428476)
([[209, 217], [525, 217], [525, 257], [209, 257]], 'Poetry And The Places Afar Rd。', 0.40033782611925706)
([[571, 207], [611, 207], [611, 251], [571, 251]], 'C', 0.1553293824532922)

readtext()方法返回一个元组，包含了多个元素，每个元素由识别到文字信息的边框，文字内容，可信度等3部分组成。

除了前面例子中readtext()传入文件名称，也可以在readtext()方法中传入图像的numpy数组，比如用opencv读取图片文件得到的numpy数组：

#juzicode.com / vx:桔子code
import easyocr
import cv2
reader = easyocr.Reader(['ch_sim','en'])
img = cv2.imread('road-poetry.png' ) 
result = reader.readtext(img)

color=(0,0,255)
thick=3
for res in result:
    print(res)
    pos = res[0]
    text = res[1]
    for p in [(0,1),(1,2),(2,3),(3,0)]:
        cv2.line(img,pos[p[0]],pos[p[1]],color,thick)
cv2.imwrite('bx-road-poetry.jpg',img)

运行结果：

([[151, 101], [195, 101], [195, 149], [151, 149]], '西', 0.9805448761688105)
([[569, 71], [635, 71], [635, 131], [569, 131]], '东', 0.9985224701960114)
([[217, 91], [534, 91], [534, 194], [217, 194]], '诗和远方路', 0.8750403596327564)
([[137, 217], [177, 217], [177, 257], [137, 257]], 'W', 0.7520859053705777)
([[209, 217], [523, 217], [523, 257], [209, 257]], 'Poetry And The Places Afar Rd。', 0.3012721541954036)
([[571, 207], [611, 207], [611, 251], [571, 251]], 'C', 0.15253169048338933)

第3种方法是在readtext()中传入读出的原始字节内容，注意图片文件是以rb方式读出：

#juzicode.com / vx:桔子code
import easyocr
reader = easyocr.Reader(['ch_sim','en'])
with open('road-poetry.png','rb') as pf:
    img = pf.read()
    result = reader.readtext(img)
    for res in result:
        print(res)

运行结果：

([[151, 101], [195, 101], [195, 149], [151, 149]], '西', 0.673960519698312)
([[569, 71], [635, 71], [635, 131], [569, 131]], '东', 0.9128537192685862)
([[218, 92], [535, 92], [535, 191], [218, 191]], '诗和远方路', 0.7941057755221305)
([[137, 217], [177, 217], [177, 257], [137, 257]], 'W', 0.7182424534268108)
([[209, 217], [525, 217], [525, 257], [209, 257]], 'Poetry And The Places Afar Rd。', 0.5591090091224509)
([[571, 207], [611, 207], [611, 251], [571, 251]], 'C', 0.1532075452826911)

EasyOcr，so easy，你学废了吗？

推荐阅读：

模糊照片修复神器GFPGAN

新鲜上架的Python3.10，来个match-case尝尝鲜

在Python中使用微信扫码功能

一行代码深度定制你的专属二维码(amzqr)

来看看怎么用OpenCV解构Twitter大牛的视觉错觉图