5分钟搭建一个高精度中英文OCR识别服务

最近接到一个需求：需要从邮件中自动下载某些邮件的附件，而这些附件是经过加密的压缩包，解压码在对应的图片中，所以需要自动识别图片中的解压码，然后去解压文件。

经过各种调研，对比了几种OCR，最后选定了EasyOCR，轻量、识别率高、开源免费！

1. 简介 

EasyOCR 是一个用 Python 编写的 OCR（光学字符识别）库，支持 80+ 种语言的文字识别。它具有以下特点：

• 使用简单，仅需几行代码即可完成文字识别
• 支持多种语言，包括中文、英文、日文等
• 基于 PyTorch 深度学习框架
• 支持 GPU 加速
• 完全开源，可以自由使用

2. 环境准备 

2.1 系统要求

• Python 3.6+
• PyTorch 1.7.0+

2.2 安装步骤

# 使用 pip 安装
pip install easyocr

# 如果需要支持 GPU，请确保已安装 CUDA
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

3. 基础使用 

3.1 简单示例

import easyocr

# 初始化读取器
reader = easyocr.Reader(['ch_sim','en'])  # 这里选择中文简体和英文

# 读取图像
result = reader.readtext('image.jpg')

# 输出结果
for (bbox, text, prob) in result:
    print(f'识别文本: {text}')
    print(f'置信度: {prob}')

3.2 高级参数配置

result = reader.readtext(
    'image.jpg',
    detail = 0,               # 设置为 0 只返回文本，坐标和置信度会隐藏
    paragraph = True,         # 将临近文本合并为段落
    min_size = 10,           # 最小文本框大小
    contrast_ths = 0.15,     # 对比度阈值
    adjust_contrast = 0.5,    # 对比度调整
    text_threshold = 0.7,     # 文本检测阈值
    low_text = 0.4,          # 文本检测低阈值
    link_threshold = 0.4,     # 文本行连接阈值
)

4. 实践应用场景 

4.1 与 Web 应用集成或者对外提供API

对外提供API：

部分代码如下：

from flask import Flask, request, jsonify, render_template, json
import easyocr
import numpy as np
from PIL import Image

app = Flask(__name__)
reader = easyocr.Reader(['ch_sim','en'])

@app.route('/', methods=['GET'])
def index():
    pass
    

@app.route('/ocr', methods=['POST'])
def ocr_endpoint():
    try:
        if'image'notin request.files:
            return jsonify({'error': 'No image provided'}), 400
            
        image = request.files['image']
        img = Image.open(image)
        result = reader.readtext(np.array(img))
        
        processed_result = []
        current_line = []
        current_line_boxes = []
        
        sorted_result = sorted(result, key=lambda x: (x[0][0][1] + x[0][2][1]) / 2)
        
        y_threshold = 10
        
        for i, (bbox, text, prob) in enumerate(sorted_result):
            current_y = (bbox[0][1] + bbox[2][1]) / 2
            
            ifnot current_line:
                current_line.append((bbox, text))
                current_line_boxes.append(bbox)
            else:
                prev_y = (current_line[0][0][0][1] + current_line[0][0][2][1]) / 2
                
                if abs(current_y - prev_y) <= y_threshold:
                    current_line.append((bbox, text))
                    current_line_boxes.append(bbox)
                else:
                    current_line.sort(key=lambda x: x[0][0][0])
                    processed_result.append({
                        'text': ' '.join(item[1] for item in current_line)
                    })
                    current_line = [(bbox, text)]
                    current_line_boxes = [bbox]
        
        if current_line:
            current_line.sort(key=lambda x: x[0][0][0])
            processed_result.append({
                'text': ' '.join(item[1] for item in current_line)
            })
        
        response = app.response_class(
            response=json.dumps(
                {'result': processed_result}, 
                ensure_ascii=False,
                indent=2
            ),
            status=200,
            mimetype='application/json'
        )
        return response
        
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=8080, debug=True)  

5. 性能优化建议 

1. GPU 加速

• 在有 GPU 的环境下，确保正确安装 CUDA 和对应版本的 PyTorch
• 首次运行时会自动下载模型，建议预先下载

• 内存优化

• 处理大量图片时，注意及时释放内存
• 可以使用生成器进行批量处理

• 图像预处理

• 对图像进行适当的预处理可以提高识别准确率
• 考虑使用图像增强技术，如对比度调整、去噪等

6. 常见问题解决 

1. 内存不足

• 降低处理图片的分辨率
• 使用批处理时减小批次大小

• 识别准确率不高

• 调整识别参数
• 优化图像质量
• 考虑使用特定语言模型

个人觉得EasyOCR 是一个功能强大且易用的 OCR 工具，适合各种文字识别场景，如果你也遇到需要和我一样的需求场景，也可以试试。