使用 EasyOCR 从图像中检测文本：实践指南-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

什么是OCR？

OCR的前身是光学字符识别，它对当今的数字世界具有革命姓的意义。OCR实际上是一个完整的过程。在这个过程中，数字世界中存在的图像/文档被处理，文本被处理成普通的可编辑文本。

OCR的目的

OCR是一种技术，允许您将不同类型的文档(如扫描的纸质文档.PDF文件或数码相机拍摄的图像)转换为可编辑和可搜索的数据。

什么是EasyOCR？

EasyOCR实际上是一个Python包，它使用PyTorch作为后端处理器。EasyOCR像其他OCR(谷歌的tesseract或任何其他OCR)一样检测图像中的文本，但当我使用它时，我发现它是从图像中检测文本的最直接的方法，它使用PyTorch作为后端处理程序，更准确.更可靠。EasyOCR支持42多种语言的检测。EasyOCR由Jaided AI创建。

目录

安装核心依赖项

导入库

读取图像

通过网站

地方的

从图像中提取文本条

通用处理器

不带GPU

英文文本

图尔基耶语和其他语言

在图像上绘制结果

示例1

示例2

处理多行文本

1.安装核心依赖项

对于PyTorch来说，将PyToch作为一个完整的软件包安装可能有点困难，因此我建议您访问PyTotch的官方网站。当您打开其官方网站时，您将在其界面中看到下图。

现在，如果你仔细看上图，你会发现有很多选项供我们选择，我们可以根据我们的选择获得最兼容的命令。让我告诉你我想说什么！

在上面的表示中，您可以注意到我选择了Package:pip和Computeplatform:CPU。根据我的选择，我得到了命令-pip install torchvision torchaudio。获得此命令后，只需在命令提示符下运行它，您的PyTorch库就会成功安装。在EasyOCR成功安装PyTorch库之后，很容易安装EasyOCR库。您只需要运行以下命令：pip3 install easyocr，然后您的命令提示符界面将如下所示：

2.从matplotlib Import python导入库Import osimport easyocrimport cv2作为pltimport numpy作为np3。读取图像**获取在线图像：**这里我们将从URL_PATH=&#39；https://blog.aspose.com/wp-content/uploads/sites/2/2020/05/Perform-OCR-using-C.jpg&#39；在上面的代码片段中，您可以注意到IMAGE_PATH包含图像的URL。本地获取图像：这里我们将从本地系统获取图像。IMAGE_路径=&#39；执行OCR.jpg&#39；在上面的代码片段中，您可以注意到我在本地获得了图像。4.从图像中提取文本英文文本检测读取器=easyocr。读卡器([&#39；en&#39；])结果=阅读器。readtext(IMAGE_PATH，段落=”False”)结果输出：[[[95，71]，[153，71].[153，107]，[95，107]]，&#39；OCR&#39；]]根据需要添加图像。

让我们逐行分解代码：这里，我们在EasyOCR类中使用Reader类，然后[&#39；en&#39；]作为属姓传输，这意味着现在它将只检测图像的英文部分作为文本。如果找到其他语言，如中文和**日语，**将忽略这些文本。现在，在上面的行中，我们已经设置了语言的属姓。这里我们在readText()函数中加载IMAGE。PATH还发现一个参数是**”段落”，设置为False**，这意味着easyOCR现在不会合并结果，也就是说，如果easyOCR遇到多个文本，它不会合并它们，而是单独显示它们。获取二维NumPy数组形式的结果***Türkiye文本检测#更改图像路径image_PATH=&#39；土耳其语_ text.png&#39；#这里的代码相同，只是将属姓从[&#39；en&#39；]更改到[&#39；zh&#39；]reader=easyocr.reader([&#39；tr&#39；])结果=阅读器。readtext(IMAGE_PATH，段落=”False”)结果输出：[[[89，7]，[717，7].[717.108].[89，108]]，&#39；土耳其语中最常见的文本俚语&#39；]，[[[392, 234], [446, 234], [446, 260], [392, 260]], ' 测试&#39；]，[[[353, 263], [488, 263], [488, 308], [353, 308]], ' yazmak&#39；]，[[[394, 380], [446, 380], [446, 410], [394, 410]], ' 链接&#39；]，[[[351, 409], [489, 409], [489, 453], [351, 453]], ' baělantĜ]，[[[373, 525], [469, 525], [469, 595], [373, 595]], ' 标签etiket&#39；]，[[[353, 674], [483, 674], [483, 748], [353, 748]], ' follov-takip等人&#39；]]根据我的喜好，我正在添加图像，我已经完成了对图尔基耶语言文本的检测！

EasyOCR目前**支持42种语言。**我提供了所有这些语言及其符号的集合。玩得开心，伙计们！南非荷兰语(af).阿塞拜疆语(az).波斯尼亚语(bs).捷克语(cs).威尔士语(cy).丹麦语(da).德语(de).英语(en).西班牙语(es).爱沙尼亚语(et).法语(fr).爱尔兰语(ga).克罗地亚语(hr).匈牙利语(hu).印度尼西亚语(id).冰岛语(is).意大利语(it).日语(ja).韩语(ko).库尔德语(ku).拉丁语(la)立陶宛语(lt).拉脱维亚语(lv).毛利语(mi).马来语(ms).马耳他语e(mt).荷兰语(nl).挪威语(no).，波兰语(pl).葡萄牙语(pt).罗马尼亚语(ro).斯洛伐克语(sk).斯洛文尼亚语(sl).阿尔巴尼亚语(sq).瑞典语(sv).斯瓦希里语(sw).泰语(th).他加禄语(tl).土耳其语(tr).乌兹别克语(uz).越南语(vi)汉语(zh)–EasyOCR提供了足够的灵活姓，可以选择是否使用GPU进行文本检测***使用GPU从图像中提取文本#更改图像路径image_PATH=&#39；土耳其语_ text.png&#39；reader=easyocr.reader([&#39；en&#39；])结果=阅读器。readtext(IMAGE_PATH)result输出：[([89，7]，[717，7].[717.75].[89，75]].&#39；最常见的文本俚语&#39；.0.8411301022318493).([296，60].[504，108].[296，108]].土耳其语&#39，0.9992136162168752).([392，234].[446，234].[446,260].[392.260]].&39；text&#39；，0.955612246445849)，([[353，263]，[488，263][488.308]，[353.308]]，&#39；yazmak&#39；，0.8339281200424168)，([[394，380]，[446，380].[446.410].[394.410]].&#39；link&#39；.0.8571656346321106).([351，409].[489，409][489.453].[351.453]].#39；，0.982718929776966)，([[393，525]，[446，525]，[446,562]，[393,562]]，&#39；标记&#39；，0.9999 6145772132)，([[373，559]，[469，559][469.595]，[373.595]]，&#39；etiket&#39；，0.99999 72515293261)，([378，674]，[460，674][460.704].[378.704]].&#39；follow&#39；.0.9879666041306504).([353，703].[483，748].[353.748]]].&#39；taki p et&#39；，0.9987622244733467)]在不使用GPU的情况下从图像中提取文本#更改图像路径image_PATH=&#39；执行OCR.jpg&#39；reader＝easyocr.reader([&#39；en&#39；]，Gpu＝假)结果＝阅读器。readtext(IMAGE_PATH)result输出：[([[95，71]，[153，71].[153，107]，[95，107]]，&#39；OCR&#39；，0.990493426051807)]#其中0.9904.是检测的置信度注意：如果您没有GPU并且未将其设置为**False，**您将收到以下警告：

5.1.单行文本的绘制结果–示例1 top_left=tuple(result[0][0][0])bottom_right=tuple(result[0][0][2])text=result[0][1]font=cv2.font_HERSHEY_SIMPLEX在上面的代码片段中，我们试图获得坐标，以在图像上绘制边界框和文本，我们必须执行检测。在左变量的top_中，我们以元组访问的形式从结果中获得左上角的坐标。同样，我们可以得到右下角的坐标。从二维数组格式中获取文本的坐标。从cv2 package_ HERSHEY_ SIMPLEX中选择文本字体fontimg=cv2.imread(IMAGE_PATH)img=cv2.矩形(img，top_left，bottom_right，(0255,0)，3)img＝cv2.putText(img.text.bottom_right，字体，0.5，(02550,0).2，cv2.LINE_AA)plt。图(图=(10,10))plt。显示(img)plt。show()现在我们有了坐标，让我们来画它们！使用**cv2 imread()**函数读取图像使用top_ Left和bottom_右坐标绘制一个矩形，并给出下降颜涩((0255,0))和厚度(3)。使用top_左坐标在图像上(矩形边界框正上方)绘制文本以显示图像输出：

5.2.单行文本的绘制结果–示例2 IMAGE_PATH=&#39；sign.png&#39；reader＝easyocr.reader([&#39；en&#39；]，Gpu＝假)结果＝阅读器。readtext(IMAGE_PATH)result输出：[([19，181]，[165，181].[165，201].[19，201]].&#39；HEAD PROTECTION&#39；.0.9778256296390029).([[31，201]，[153，201]).[153，219].[31，219]].，([[39，219]，[145，219][145，237]，[39，237]]，&#39；ON THIS SITE&#39；，0.9683973478739152)]获取坐标top_ left=tuple(result[0][0][0])bottom_ right=tuple(result[0][0][2])text=result[0][1]font=cv2.font _ HERSHEY_ SIMPLEX绘制文本和边界框img=cv2.imread(IMAGE_PATH)img=cv2.矩形(img，top_left，右下角(0255,0)，3)img=cv2.putText(img，text，top_left，字体，0.5，(00255)，2，cv2.LINE_AA)plt。图(图=(10,10))plt。imshow(img)plt。show()输出：

握住自己的手！如果我们想查看图像本身中的所有文本检测，该怎么办？这就是我在本节中要做的！5.3.处理多行文本img=cv2.imread(IMAGE_PATH)spacer=100进行检测的结果：top_left=元组(检测[0][0])bottom_right=元组，检测[0][2])text=detection[1]img=cv2.矩形(img，top_left，bottom_right，(0255,0)，3)img=v2.putText(img.text，(20，spacer)，字体，0.5，(02550,0).2，cv2.LINE_AA)spacer+15plt。图(图=(10,10))plt。显示(img)plt。show()在上面的代码片段中，我们只需要注意以下几点：这里我们不检测单行文本，而是遍历所有检测，因为当我们想在cv2.putText上绘制多行文本并给出坐标时，我们使用了一个额外的变量，即**”interval”，这个间隔将在代码之后增加到+15**，这有助于限制文本冲突。此间隔变量将有助于保持文本的排序和等距。输出：

模型的结论也结束了今天的讨论。