Question

第 18 章 OCR

目录

18.1. EasyOCR

18.1.1. 安装 EasyOCR

18.1.2. 操作演示

18.1.3. 命令行运行

18.1.4. 函数

18.1.5. urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:833)>

18.2. Tesseract

18.2.1. 安装 Tesseract

18.2.2. 演示 Tesseract

18.2.3.

OCR(Optical Character Recognition)：光学字符识别，是指电子设备（例如扫描仪或数码相机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻译成计算机文字的过程。

OCR 的应用场景:

• 扫描件的文字识别：纸质扫描件，PDF文件，纸书籍转电子书
• 卡证文字识别：名片，身份证，银行卡
• 车牌设别：多用在停车场和交警执法
• 票据识别：报销凭证，税务票据，医疗票据
• 教育领域：公式识别，自动判卷，自动答题

OCR 原理

扫描/拍照 > 图像输入 > 二值化 > 去噪声 > 倾斜校正 > 版面分析 > 字符切割 > 字符识别 > 版面恢复 > 文字校对	

扫描或拍照：使用扫描仪将纸质资料扫描成图像文件，手机拍照也能达到同样效果，然后将图像文件交给OCR软件进行处理。

首先把彩色图像编程黑白图像（黑色文字，白色背景），识别系统不关心颜色。

通过算法去除图像中的影响因素，噪点，污染，这部叫去噪声，类似Ps中的色阶，降噪，模糊一类的操作，让图像中的文字更突出。

然后矫正倾斜的图像，分析文本段落，切割字符，识别字符。

将识别的字符，重新排版，生成 Text 文本文件。

较为高级OCR系统，带有AI语法分析，能够实现拼写检查，语法校对等等。

18.1. EasyOCR

https://www.jaided.ai

18.1.1. 安装 EasyOCR

pip install easyocr		

EasyOCR 源码

https://github.com/JaidedAI/EasyOCR

安装最新版

pip install git+git://github.com/jaidedai/easyocr.git		

18.1.2. 操作演示

import easyocr

reader = easyocr.Reader(['ch_sim','en']) 
result = reader.readtext('test.jpg')

print(result)

for text in result:
    word = text[1]
    print(word)	

18.1.3. 命令行运行

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

18.1.4. 函数

18.1.4.1. Reader()

禁用 GPU

reader = easyocr.Reader(['ch_sim','en'], gpu = False)			

18.1.4.2. readtext() 函数

进输出识别结果

reader.readtext('chinese.jpg', detail = 0)

输出结果

['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E']

18.1.5. urllib.error.URLError: <urlopen error [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:833)>

解决方法，加入下面代码

import ssl
ssl._create_default_https_context = ssl._create_unverified_context		

或运行

pip install --upgrade certifi