easyocr，一个超厉害的 Python 库！

大家好，我是涛哥，本文内容来自 涛哥聊Python ，转载请标原创。

更多Python学习内容：http://ipengtao.com

今天为大家分享一个超厉害的 Python 库 - EasyOCR。

Github地址：https://github.com/JaidedAI/EasyOCR

---

光学字符识别（OCR）技术在现代图像处理和计算机视觉领域有着广泛的应用，能够将图片中的文字提取出来并转化为可编辑的文本。EasyOCR 是一个由 Jaided AI 开发的 Python 库，旨在提供简单而强大的 OCR 功能。它支持多种语言，易于使用，并且具有高效的识别性能。本文将详细介绍 EasyOCR 库，包括其安装方法、主要特性、基本和高级功能，以及实际应用场景，帮助全面了解并掌握该库的使用。

安装

要使用 EasyOCR 库，首先需要安装它。以下是安装步骤：

使用 pip 安装

可以通过 pip 直接安装 EasyOCR 及其依赖项：

pip install easyocr

安装 Pytorch

EasyOCR 依赖于 Pytorch，因此在安装 EasyOCR 之前，需要确保系统中已经安装了 Pytorch。

可以根据自己的系统和 CUDA 版本，通过以下命令安装 Pytorch：

pip install torch torchvision torchaudio

如果需要安装特定版本的 Pytorch，可以访问 Pytorch 官方网站 获取安装命令。

特性

1. 多语言支持：支持 80 多种语言，包括中文、英文、日文、韩文等。
2. 易于使用：提供简单的 API，能够快速上手并进行 OCR 任务。
3. 高效识别：基于深度学习的文本识别模型，具有高效的文字识别性能。
4. 支持手写文字：能够识别手写文字，适用范围广泛。
5. 自定义模型：支持用户使用自定义模型进行文字识别。

基本功能

初始化 Reader 对象

在进行 OCR 操作之前，需要初始化一个 Reader 对象：

import easyocr

# 初始化支持中文和英文的 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'])

识别图片中的文字

可以使用 readtext 方法识别图片中的文字：

# 识别图片中的文字
result = reader.readtext('example.jpg')

# 输出识别结果
for res in result:
    print(f"文本内容: {res[1]}, 置信度: {res[2]}")

输出带有位置信息的识别结果

识别结果中包含文字的位置信息，可以用于进一步处理：

result = reader.readtext('example.jpg')

for res in result:
    print(f"位置信息: {res[0]}, 文本内容: {res[1]}, 置信度: {res[2]}")

高级功能

自定义识别模型

可以使用自定义的识别模型进行文字识别：

# 初始化使用自定义模型的 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'], model_storage_directory='path/to/custom_model', user_network_directory='path/to/custom_network')

# 识别图片中的文字
result = reader.readtext('example.jpg')

处理多页 PDF

EasyOCR 可以处理多页 PDF 文件，提取其中的文字：

result = reader.readtext('example.pdf', pdf=True)

for page in result:
    for res in page:
        print(f"位置信息: {res[0]}, 文本内容: {res[1]}, 置信度: {res[2]}")

识别手写文字

EasyOCR 支持识别手写文字，只需在初始化 Reader 对象时指定相应的语言：

# 初始化支持中文手写文字的 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'], recog_network='handwritten')

# 识别图片中的手写文字
result = reader.readtext('handwritten_example.jpg')

for res in result:
    print(f"文本内容: {res[1]}, 置信度: {res[2]}")

实际应用场景

文档数字化

在文档数字化过程中，通过 EasyOCR 提取扫描件中的文字，转化为可编辑的文本文件。

import easyocr

# 初始化 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'])

# 识别文档扫描件中的文字
result = reader.readtext('document_scan.jpg')

# 将识别结果保存为文本文件
with open('document_text.txt', 'w', encoding='utf-8') as f:
    for res in result:
        f.write(f"{res[1]}\n")

数据录入自动化

在数据录入过程中，通过 EasyOCR 提取表单或票据中的信息，自动录入到数据库中。

import easyocr
import sqlite3

# 初始化 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'])

# 识别表单中的文字
result = reader.readtext('form_image.jpg')

# 将识别结果保存到数据库中
conn = sqlite3.connect('data.db')
cursor = conn.cursor()

for res in result:
    cursor.execute("INSERT INTO form_data (text, confidence) VALUES (?, ?)", (res[1], res[2]))

conn.commit()
conn.close()

图像文字翻译

在图像翻译过程中，通过 EasyOCR 提取图像中的文字，并结合翻译 API 进行实时翻译。

import easyocr
from googletrans import Translator

# 初始化 Reader 对象
reader = easyocr.Reader(['ch_sim', 'en'])

# 识别图片中的文字
result = reader.readtext('image_with_text.jpg')

# 初始化翻译器
translator = Translator()

# 翻译识别出的文字
for res in result:
    translated = translator.translate(res[1], dest='en')
    print(f"原文: {res[1]}, 翻译: {translated.text}")

总结

EasyOCR 库是一个功能强大且易于使用的 OCR 工具，能够帮助开发者在各种应用场景中高效地提取图片中的文字。通过支持多语言、高效识别、手写文字识别和自定义模型，EasyOCR 提供了强大的功能和灵活的扩展能力。本文详细介绍了 EasyOCR 库的安装方法、主要特性、基本和高级功能，以及实际应用场景。希望本文能帮助大家全面掌握 EasyOCR 库的使用，并在实际项目中发挥其优势。无论是在文档数字化、数据录入自动化还是图像文字翻译中，EasyOCR 库都将是一个得力的工具。