opencv保姆级讲解——光学学符识别(OCR)(4)

光学字符识别

(Optical Character Recognition, OCR)是指对文本材料的图像文件进行分析识别处理,以获取文字和版本信息的过程。也就是说将图象中的文字进行识别,并返回文本形式的内容

以下是比较流行的开源的ORC识别库

  1. Tesseract OCR Tesseract 是 Google 赞助的一个开源 OCR 引擎,支持多种语言,包括中文。它是最流行和最成熟的 OCR
  2. PaddleOCR PaddleOCR 是基于 PaddlePaddle 的 OCR 工具,集成了文本检测和识别模型,支持多种语言,包括中文。
  3. EasyOCR EasyOCR 是一个轻量级的 OCR 库,支持多种语言,包括中文。它使用 PyTorch 作为后端

PaddleHub 介绍

PaddleHub现已开源OCR文字识别的预训练模型

移动端的超轻量模型:仅有8.6M,chinese_ocr_db_crnn_mobile。

服务器端的精度更高模型:识别精度更高,chinese_ocr_db_crnn_server。

该 Module 用于识别图片当中的汉字、数字、字母。如果仅需要检测,也可单独使用chinese_text_detection_db_server或者chinese_text_detection_db_mobile得到检测结果的文本框

开发者可以基于PaddleHub提供的OCR中文识别Module,实现一键文字识别,适用于常见的OCR应用场景中。

OCR的应用场景

​ 根据OCR的应用场景而言,我们可以大致分成识别特定场景下的专用OCR以及识别多种场景下的通用OCR。就前者而言,证件识别以及车牌识别就是专用OCR的典型案例。针对特定场景进行设计、优化以达到最好的特定场景下的效果展示。那通用的OCR就是使用在更多、更复杂的场景下,拥有比较好的泛性。在这个过程中由于场景的不确定性,比如:图片背景极其丰富、亮度不均衡、光照不均衡、残缺遮挡、文字扭曲、字体多样等等问题,会带来极大的挑战。现PaddleHub为大家提供的是超轻量级中文OCR模型,聚焦特定的场景,支持中英文数字组合式别、竖排文字识别、长文本识别场景

应用案例

下面是完整案例

python 复制代码
import paddlehub as hub
import cv2
#识别图片的文字
def get_text():
    img = cv2.imread("../images/chepiao.png")
    #加载模型
    ocr = hub.Module(name="chinese_ocr_db_crnn_server")
	#识别文本
    results = ocr.recognize_text(images=[img]);
    for result in results:
        data = result['data']
        for x in data:
            print('文本: ', x['text'], '识别文本结果置信度: ', x['confidence'], '文本框在原图中的像素坐标: ',
                  x['text_box_position'])

if __name__ =="__main__":
    get_text()

代码解释

1 加载模型,"chinese_ocr_db_crnn_server"是 服务器端的精度更高模型

移动端的超轻量模型:仅有8.6M,chinese_ocr_db_crnn_mobile。

服务器端的精度更高模型:识别精度更高,chinese_ocr_db_crnn_server。

 ocr = hub.Module(name="chinese_ocr_db_crnn_server")

2 识别图片文本

pyhton 复制代码
     results = ocr.recognize_text(images=[img])

3 打印结果信息

python 复制代码
for result in results:
    data = result['data']
    for x in data:
        print('文本: ', x['text'], '识别文本结果置信度: ', x['confidence'], '文本框在原图中的像素坐标: ',
              x['text_box_position'])

测试

python 复制代码
import paddlehub as hub
import cv2
#识别图片的文字
def get_text(img):
    ocr = hub.Module(name="chinese_ocr_db_crnn_server")
    rs = ocr.recognize_text(images=[img])
    return rs

if __name__ =="__main__":
    img = cv2.imread("../images/car2.png")
    rs = get_text(img)
    print(rs)
相关推荐
sp_fyf_20241 小时前
【大语言模型】ACL2024论文-19 SportsMetrics: 融合文本和数值数据以理解大型语言模型中的信息融合
人工智能·深度学习·神经网络·机器学习·语言模型·自然语言处理
CoderIsArt1 小时前
基于 BP 神经网络整定的 PID 控制
人工智能·深度学习·神经网络
开源社1 小时前
一场开源视角的AI会议即将在南京举办
人工智能·开源
FreeIPCC1 小时前
谈一下开源生态对 AI人工智能大模型的促进作用
大数据·人工智能·机器人·开源
机器之心1 小时前
全球十亿级轨迹点驱动,首个轨迹基础大模型来了
人工智能·后端
z千鑫1 小时前
【人工智能】PyTorch、TensorFlow 和 Keras 全面解析与对比:深度学习框架的终极指南
人工智能·pytorch·深度学习·aigc·tensorflow·keras·codemoss
EterNity_TiMe_1 小时前
【论文复现】神经网络的公式推导与代码实现
人工智能·python·深度学习·神经网络·数据分析·特征分析
机智的小神仙儿2 小时前
Query Processing——搜索与推荐系统的核心基础
人工智能·推荐算法
AI_小站2 小时前
RAG 示例:使用 langchain、Redis、llama.cpp 构建一个 kubernetes 知识库问答
人工智能·程序人生·langchain·kubernetes·llama·知识库·rag
Doker 多克2 小时前
Spring AI 框架使用的核心概念
人工智能·spring·chatgpt