有哪些图片转文字的OCR软件值得分享

本文主要介绍关于的知识点，对【OCR开源代码库介绍】和【有哪些图片转文字的OCR软件值得分享】有兴趣的朋友可以看下由【海清河宴】投稿的技术文章，希望该技术和经验能帮到你解决你所遇的深度学习相关技术问题。

有哪些图片转文字的OCR软件值得分享

OCR开源代码库介绍 简介tesseract-ocrEasyOCRchineseocr_litePaddleOCRMMOCRSTR

简介

文字的发明是人类文明史上的重要进步，它改变了人类知识的存储方式和传播方式。文字于日常生活中无处不在，比如马路上的标志牌，商店的招聘，商品的包装盒等。办公自动化、工业自动化等应用场景迫切需要一套直接从图像中检测，识别并理解文字的工具。
典型的OCR系统，按照流程分为两大支：

先检测后识别（detection then recognition）；端到端识别(end to end text spotting)； tesseract-ocr

Tesseract是一个由HP公司开发（后由Google接手）的开源的OCR（Optical Character Recognition，光学字符识别）引擎，可以识别多种格式的图像文件并将其转换成文本，目前已支持多种语言（包括中文）

该库有C++语言编写，可编译为一个库，有C++接口与python接口；底层OCR引擎本身使用LSTM网络（RNN）当前景文本与背景有非常清晰的分割时，Tesseract效果最好，对于比如有干扰线的简单验证码，会识别不好。此外，这些分割需要尽可能高的分辨率，并且输入图像中的字符在分割后不能出现“像素化”。如果字符表现出像素化，那么Tesseract很难正确识别文本——我们甚至在应用理想条件下拍摄的图像时也发现了这一点(一个PDF截图)。对于安装好的tesseract库，具体运行方式：

./tesseract ./input.jpg ./result -l eng --psm 4 --oem 0

训练tesseract词库：
需要下载jTessBoxEditor，可以直接从官网下载压缩包，下载地址Browse。解压后，可直接使用。但是这个工具是用java开发的，需要jre7以上的版本支持。此外， jTessBoxEditor解压包中自带了一个tesseract-ocr文件包。我们需要使用第二步中自己安装tesseract-ocr生成的文件覆盖掉jTessBoxEditor\tesseract-ocr\中的文件。tesseract库方便移植到ARM平台tesseract库只有字符识别功能，没有检测功能 EasyOCR

EasyOCR是一个用 Python 编写的 OCR 库，该 OCR 库使用深度神经网络构建而成：CNN+LSTM+CTC loss，包含三个解码器可选项：贪心搜索、束搜索和词束搜索（word-beam search），支持超过80种语言的识别，包括英语、中文（简繁）、阿拉伯文、日文等，并且该库在不断更新中，未来会支持更多的语言。

与标准的开源 OCR 工具 Tesseract 相比，Easy OCR 的准确率更高，不过速度稍慢EasyOCR的优势在于多语言支持，非常适合有小语种需求的开发者模型较大不适合端侧部署不支持自定义训练，不过可以参考该库 https://github.com/clovaai/deep-text-recognition-benchmark 进行模型重训练。整理算法的检测部分基于 CRAFT 算法预训练得到，识别部分则基于作者自有数据集训练得到。CRAFT是一个字符级别的文本检测网络，使用分水岭算法生成 label，采用 heatmap 得到激活值最大的目标区域。 chineseocr_lite

chineseocr_lite 是基于chineseocr的改进（chineseocr基于 YOLO V3 与 CRNN 实现中文自然场景文字检测及识别），相比 chineseocr，它采用了轻量级的主干网络 PSENet，轻量级的 CRNN 模型和行文本方向分类网络 AngleNe，它支持竖排文字识别，支持 ncnn 推理，psenet (8.5M) + crnn (6.3M) + anglenet (1.5M) 总模型仅 17M。此外，该项目支持linux/macos/windows 平台。

提供轻量的backone检测模型psenet（8.5M）,crnn_lstm_lite(9.5M) 和行文本方向分类网络（1.5M） 任意方向文字检测，在识别时会自动判断行文本方向 crnn\crnn_lite lstm\dense识别（ocr-dense和ocr-lstm是搬运chineseocr的） 支持竖排文本识别 ncnn 实现 (支持lstm) nihui大佬实现的crnn_lstm推理 具体操作详解: 详细记录超轻量中文OCR LSTM模型ncnn实现 提供竖排文字样例以及字体库（旋转90度的字体） PaddleOCR

PaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。

轻量中英文OCR模型是经过产业实践考验的语种识别上PaddleOCR目前包括中英文、英文、法语、德语、韩语、日语等对于普通场景来说，比如身份证识别、票据识别，其实大多数算法的准确率都不错，但特殊场景更考验模型的泛化性能。相较而言PaddleOCR至少在检测能力上比其他几个开源工具要好，但识别能力仍有待提升无论是对文档图像还是场景图像，PaddleOCR都有不俗的表现提供标注工具整体算法主要分文本检测、检测包围框校正和文本识别三部分与其他开源库的对比： 语种与训练模型大小端侧部署自定义训练chineseocr_lite中英文10M是不支持EasyOCR多语言218M否不支持PaddleOCR多语言轻量：8.6M 通用：203M是支持 MMOCR

MMOCR 具有以下特点：

全流程：支持文字检测、文字识别以及其下游任务，比如关键信息提取等。多模型：我们实现了 10 余种优秀算法。文字检测算法包括单阶段检测算法和双阶段检测算法；文字识别包含规则文字识别和非规则文字识别算法；关键信息提取包含基于图模型的关键信息提取算法。只支持英文字符识别

对于文字检测，MMOCR 实现了最新的优秀的文字检测算法，同时支持多方向文字和任意形状文字的检测。它们包括：

单阶段文字检测算法：PANet，PSENet，DBNet，TextSnake双阶段文字检测算法：MaskRCNN

对于文字识别，MMOCR 不但实现了经典的 CRNN算法，也实现了最近的基于 encoder-decoder 和 2d attention的 SAR 算法，增加位置增强模块的 RobustScanner , 基于 Transformer 的算法，以及实现了基于分割网络的文字识别基准算法。基于 CTC loss 的 CRNN，支持规则文字的识别, 速度快, 广泛应用于工业界。基于 Transformer 或者分割网络的识别模型，以及基于注意力机制的 SAR 和 RobustScanner， 在非规则文字识别方向具有显着优势。

关键信息提取是图像文字识别一个常见和重要的下游任务。文字识别只能给出一个文字框对应的识别字符串，然而实际应用场景往往需要结构化的文字输出。比如针对小票图片，我们需要提取消费的地点，时间，店名，商品明细，以及消费金额等。传统的关键信息提取算法，基于模板匹配算法，具有不鲁棒、每种版式需要定制研发的缺点。MMOCR 实现了最近提出的基于图神经网络的通用关键信息提取算法SDMG-R。它利用了文字框空间位置关系，图片视觉信息，文字的语义信息，通过深度学习网络，端到端地实现了关键信息提取任务。

STR

STR(Scene Text Recognition)的任务是识别文字框中的内容，Vedastr是基于PyTorch的场景文本识别工具箱。

本文《OCR开源代码库介绍》版权归海清河宴所有，引用OCR开源代码库介绍需遵循CC 4.0 BY-SA版权协议。