遍历当前目录及所有子目录下的常见图片，使用 OpenCV 进行多种图像增强，然后调用 EasyOCR 提取文字，并按段落合并同一段中的行，最后把所有结果写入一个带时间戳的文本文件。
python
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import os
import sys
import datetime
import cv2
import numpy as np
import easyocr
# ---------- 图像预处理 ----------
def preprocess_image(image_path):
"""
使用 OpenCV 对图片进行一系列增强，以提高 OCR 识别率。
返回处理后的灰度图（numpy 数组），可直接送入 EasyOCR。
"""
# 读取图片（支持中文路径）
with open(image_path, 'rb') as f:
data = np.frombuffer(f.read(), dtype=np.uint8)
img = cv2.imdecode(data, cv2.IMREAD_COLOR)
if img is None:
raise ValueError(f"无法读取图片：{image_path}")
# 1. 转灰度
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 2. 去噪（非局部均值去噪，保留边缘）
denoised = cv2.fastNlMeansDenoising(gray, None, h=10, templateWindowSize=7, searchWindowSize=21)
# 3. 对比度增强（CLAHE）
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
enhanced = clahe.apply(denoised)
# 4. 轻微锐化（可选，改善边缘）
kernel_sharpen = np.array([[0, -1, 0],
[-1, 5, -1],
[0, -1, 0]])
sharpened = cv2.filter2D(enhanced, -1, kernel_sharpen)
# 5. 尺寸调整：如果图片过小，放大到至少 800 像素宽（保持比例）
height, width = sharpened.shape[:2]
if width < 800:
scale = 800.0 / width
new_w = int(width * scale)
new_h = int(height * scale)
sharpened = cv2.resize(sharpened, (new_w, new_h), interpolation=cv2.INTER_CUBIC)
return sharpened
# ---------- 段落合并 ----------
def group_into_paragraphs(results, y_gap_ratio=1.5):
"""
将 EasyOCR 的检测结果（bbox, text, confidence）按垂直距离合并为段落。
- 首先按 top 坐标排序所有文本行。
- 如果当前行的 top 与上一段落最后一行的 bottom 的距离小于
该段落平均行高的 y_gap_ratio 倍，则认为属于同一段落。
- 每个段落内的行按照从上到下的顺序用空格连接。
"""
if not results:
return []
# 给每个框计算 top, bottom, center_y, center_x
processed = []
for (bbox, text, conf) in results:
# bbox 是四个点 [[x1,y1],[x2,y2],[x3,y3],[x4,y4]]
pts = np.array(bbox)
top = np.min(pts[:, 1])
bottom = np.max(pts[:, 1])
center_y = (top + bottom) / 2.0
center_x = (np.min(pts[:, 0]) + np.max(pts[:, 0])) / 2.0
height = bottom - top
processed.append({
'bbox': bbox,
'text': text,
'conf': conf,
'top': top,
'bottom': bottom,
'center_y': center_y,
'center_x': center_x,
'height': height
})
# 按 top 排序（从上到下）
processed.sort(key=lambda x: x['top'])
paragraphs = []
current_para = []
para_avg_height = 0.0
for item in processed:
if not current_para:
current_para.append(item)
para_avg_height = item['height']
else:
# 上一行的 bottom 与当前行的 top 之间的间隙
last_bottom = current_para[-1]['bottom']
gap = item['top'] - last_bottom
# 使用当前段落平均行高计算阈值
threshold = para_avg_height * y_gap_ratio if para_avg_height > 0 else 20
if gap < threshold:
current_para.append(item)
# 更新平均行高
heights = [x['height'] for x in current_para]
para_avg_height = sum(heights) / len(heights)
else:
# 保存当前段落，开始新段落
paragraphs.append(current_para)
current_para = [item]
para_avg_height = item['height']
if current_para:
paragraphs.append(current_para)
# 将每个段落内的文本按顺序（已经是 top 顺序）用空格合并
merged_paragraphs = []
for para in para_inner:
# 同一段落内可能同一行有多个框（按 x 排序）
# 这里简单按 top 归为一组视为一行，然后行间用空格连接
# 实际上 EasyOCR 一般返回的是行级框，这里保留后续扩展能力
lines = []
while para:
# 取第一行（最小 top）
first = para[0]
line_top = first['top']
line_bottom = first['bottom']
# 把所有 top 相近的框归为同一行
same_line = [x for x in para if abs(x['top'] - line_top) < first['height'] * 0.5]
# 同一行内按 center_x 排序
same_line.sort(key=lambda x: x['center_x'])
line_text = ' '.join([x['text'] for x in same_line])
lines.append(line_text)
# 移除已处理的行
para = [x for x in para if x not in same_line]
# 段落文本：行之间用空格连接（可改为换行符，看你需要）
merged_paragraphs.append(' '.join(lines))
return merged_paragraphs
# ---------- 主程序 ----------
def main():
# 图片扩展名（常见格式，可自行添加）
IMAGE_EXTENSIONS = ('.png', '.jpg', '.jpeg', '.bmp', '.tiff', '.tif', '.webp')
# 初始化 EasyOCR（中英文混合，开启 GPU 加速）
print("正在初始化 EasyOCR，请稍候...")
try:
reader = easyocr.Reader(['ch_sim', 'en'], gpu=True)
except Exception:
print("GPU 初始化失败，切换为 CPU 模式。")
reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)
# 获取当前工作目录
root_dir = os.getcwd()
print(f"开始遍历目录：{root_dir}")
# 存储结果：{文件路径: [段落1, 段落2, ...]}
ocr_results = {}
for dirpath, _, filenames in os.walk(root_dir):
for fname in filenames:
if not fname.lower().endswith(IMAGE_EXTENSIONS):
continue
full_path = os.path.join(dirpath, fname)
rel_path = os.path.relpath(full_path, root_dir) # 相对路径便于阅读
print(f"正在处理：{rel_path}")
try:
# 1. 图像增强
processed_img = preprocess_image(full_path)
# 2. OCR 识别（返回行级结果，方便后续段落合并）
results = reader.readtext(processed_img, paragraph=False)
if not results:
print(f" -> 未检测到文本")
ocr_results[rel_path] = []
continue
# 3. 段落合并
paragraphs = group_into_paragraphs(results, y_gap_ratio=1.5)
ocr_results[rel_path] = paragraphs
print(f" -> 检测到 {len(results)} 个文本行，合并为 {len(paragraphs)} 个段落")
except Exception as e:
print(f" -> 处理出错：{e}")
ocr_results[rel_path] = []
# ---------- 写入结果文件 ----------
timestamp = datetime.datetime.now().strftime("%Y%m%d_%H%M%S")
output_filename = f"ocr_results_{timestamp}.txt"
with open(output_filename, 'w', encoding='utf-8') as f:
for img_path, paragraphs in ocr_results.items():
f.write(f"===== {img_path} =====\n")
if paragraphs:
for i, para in enumerate(paragraphs, 1):
f.write(f"[段落 {i}]\n{para}\n\n")
else:
f.write("(未识别到文本)\n\n")
f.write("\n") # 不同图片之间再空一行
print(f"\n所有处理完成！结果已保存至：{output_filename}")
if __name__ == "__main__":
main()代码说明
-
图像预处理
- 使用
cv2.imdecode+ 二进制读取，支持中文文件路径。 - 依次进行：灰度化 → 非局部均值去噪 → CLAHE 对比度增强 → 轻度锐化 → 若宽度小于 800 像素则放大。
这些操作能有效抑制噪声、改善对比度，提升 EasyOCR 对低质量图片的识别率。
- 使用
-
段落合并
group_into_paragraphs函数先将所有文本行按top坐标排序，然后通过比较相邻行的垂直间距（以当前段落平均行高的 1.5 倍为阈值）判断是否属于同一段落。- 同一段落中，若存在同一行被拆分成多个框（水平分布），会按
center_x排序后用空格拼接，最终将各行文本也用空格连接成一个段落。 - 你可以根据需要将段落内行连接符改为
'\n'，使保存的文本更接近原始排版。
-
EasyOCR 调用
- 语言设为
['ch_sim', 'en']，同时识别简体中文和英文。 - 优先尝试 GPU 加速，失败则自动降级为 CPU。
- 使用
paragraph=False获取精细的行级结果，方便自行控制段落合并逻辑。
- 语言设为
-
输出文件
- 带时间戳的
ocr_results_YYYYMMDD_HHMMSS.txt，每个图片的相对路径作为标题，下方依次列出每个段落的文本。 - 无文本的图片也会记录，方便排查。
- 带时间戳的
运行环境准备
bash
pip install easyocr opencv-python numpy将脚本放在需要处理的目录下，直接运行即可。