OCR-easyocr初识

一、介绍

批量文字识别（OCR）是Python办公自动化的基本操作，应用在我们工作生活中的方方面面，比如车牌识别、证件识别、银行卡识别、票据识别等等。

Python中OCR第三方库非常多，比如easyocr、PaddleOCR、cnocr等等。

EasyOCR 是一个用 Python 编写的 OCR 库，用于识别图像中的文字并输出为文本，支持 80 多种语言。

检测部分使用CRAFT算法，识别模型为CRNN，由3个组件组成：特征提取Resnet、序列标记LSTM、解码CTC。整个深度学习过程基于pytorch实现。

图片--预处理（去噪、色彩饱和度、尖锐处理等）--文字检测（CRAFT）--中间处理（倾斜处理等）---文字识别---后续处理---输出结果

二、安装

pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple easyocr

模型储存路径：

windows： C:\Users\username\.EasyOCR\

linux：/root/.EasyOCR/

easyocr 的深度学习算法依赖于另一个著名的第三方模块 pytorch，图形处理部分则会用到 opencv、Pillow 等，所以还需要确保自己电脑上已经安装这些基础模块。

首次使用easyocr识别图片，会自动从网络中下载预训练模型。下载耗时较长，而且大概率遇到URLError错误，

推荐下载模型文件(下载链接：Jaided AI: EasyOCR model hub），不用解压直接复制粘贴于~/.EasyOCR/model/目录下。

三、API文档

3.1、easyocr.Reader class：

参数：

• lang_list (list) - 识别的语言代码列表，例如 ['ch_sim','en']
• gpu (bool, string, default = True) - 启用 GPU
• model_storage_directory (string, default = None) - 模型数据目录的路径。如果未指定，将从环境变量 EASYOCR_MODULE_PATH（首选）、MODULE_PATH（如果已定义）或 ~/.EasyOCR/ 定义的目录中读取模型。
• download_enabled (bool, default = True) - 如果 EasyOCR 无法找到模型文件，则启用下载；
• user_network_directory (bool, default = None) - 用户模型存储的路径。如果未指定，将从 MODULE_PATH + '/user_network' (~/.EasyOCR/user_network) 读取模型;
• recog_network (string, default = 'standard') - 用户模型、模块和配置文件的名称;
• detector (bool, default = True) - 将检测模型加载到内存中 
• recognizer (bool, default = True) - 将识别模型加载到内存中

属性：

• lang_char - 显示当前模型中的所有可用字符

3.2、reader.readtext(）

Reader对象的主要方法。有 4 组参数：General、Contrast、Text Detection 和 Bounding Box Merging。

参数1：General

• 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]。

参数2：Contrast 对比度

• 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。

参数3：Text Detection 文本检测（来自CRAFT）

• 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

参数4：Bounding Box Merging 边界框合并

    这组参数控制相邻边界框何时相互合并。除了 'slope_ths' 之外的所有参数都以盒子高度为单位。

• 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。

返回：结果列表

四、识别模型  

EasyOCR/custom_model.md at master · JaidedAI/EasyOCR · GitHubReady-to-use OCR with 80+ supported languages and all popular writing scripts including Latin, Chinese, Arabic, Devanagari, Cyrillic and etc. - EasyOCR/custom_model.md at master · JaidedAI/EasyOCR https://github.com/JaidedAI/EasyOCR/blob/master/custom_model.md

4.1、训练识别模型

可以使用自己的数据或生成自己的数据集。要生成您自己的数据建议使用 TextRecognitionDataGenerator（GitHub - Belval/TextRecognitionDataGenerator: A synthetic data generator for text recognition）。我们在此处提供了一个数据集示例。拥有数据集后，您可以按照此存储库 deep-text-recognition-benchmark（https://github.com/clovaai/deep-text-recognition-benchmark）训练自己的模型。网络需要完全卷积才能预测灵活的文本长度。我们当前的网络是“None-VGG-BiLSTM-CTC”。一旦你有了训练好的模型（一个.pth文件），你需要两个额外的文件来描述识别网络架构和模型配置。此处custom_example.zip的文件中提供了一个示例。

我们还在此处提供我们的训练脚本版本。它是deep-text-recognition-benchmark的修改版本。

4.2、使用自定义的识别模型

需要三个文件，这三个文件必须共享相同的名称，即yourmodel.pth,  yourmodel.yaml，yourmodel.py，然后您将使用它们在 EasyOCR API 中调用您的模型。

请下载custom_example.zip 作为示例，解压并放置custom_example.py，custom_example.yaml在user_network_directory（默认= ~/.EasyOCR/user_network），放置custom_example.pth在模型目录（默认= ~/.EasyOCR/model）。一旦你将所有3个文件放在各自的位置，你可以通过设置recog_network来使用custom_example：reader = easyocr.Reader(['en'], recog_network='custom_example')

五、使用

5.1、基本使用1

可以通过命令行使用如下：

$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True 

5.2、基本使用2

import easyocr

reader = easyocr.Reader(
    lang_list=['ch_sim', 'en'], # 需要导入的语言识别模型，可以传入多个语言模型，其中英语模型en可以与其他语言共同使用
    gpu=False, # 默认为True
    download_enabled=True # 默认为True，如果 EasyOCR 无法找到模型文件，则启用下载
)

result = reader.readtext('id_card.jpg', detail=1 ) # 图片可以传入图片路径、也可以传入图片链接。但推荐传入图片路径，会提高识别速度。包含中文会出错。设置detail=0可以简化输出结果，默认为1
print(result)

readtext 返回的列表中，每个元素都是一个元组，内含三个信息：位置、文字、置信度:
[
    ([[27, 37], [341, 37], [341, 79], [27, 79]], '姓  名  爱新觉罗 。玄烨', 0.6958897643232619),
    ([[29, 99], [157, 99], [157, 135], [29, 135]], '性  别  男', 0.914532774041559),
    ([[180, 95], [284, 95], [284, 131], [180, 131]], '民蔟满', 0.4622474180193509),
    ([[30, 152], [94, 152], [94, 182], [30, 182]], '出  生', 0.6015505790710449),
    ([[110, 152], [344, 152], [344, 184], [110, 184]], '1654 年54日', 0.42167866223467815),
    ([[29, 205], [421, 205], [421, 243], [29, 243]], '住  址   北京市东城区景山前街4号', 0.6362530289101117),
    ([[105, 251], [267, 251], [267, 287], [105, 287]], '紫禁城乾清宫', 0.8425745057905053),
    ([[32, 346], [200, 346], [200, 378], [32, 378]], '公民身份证号码', 0.22538012770296922),
    ([[218, 348], [566, 348], [566, 376], [218, 376]], '000003165405049842', 0.902066405195785)
]

detail=0，从而只返回文字内容：
['姓  名  爱新觉罗 。玄烨', '性  别  男', '民蔟满', '出  生', '1654 年54日', '住  址  北京市东城区景山前街4号', '紫禁城 乾清宫', '公民身份证号码', '000003165405049842']

5.3、基本使用3

识别后的结果并不完全准确：