OCR（Optical Character Recognition，光學字符識別）是一種技術，用於自動識別和提取印刷或手寫文本中的字符。
相關的應用
- 文件掃描。
- 自動化數據輸入。
- 發票掃描。
- 自動化降低人工輸入錯誤。
安裝
pip install easyocr
引用並載入模型
我們將載入「中文」、「英文」的模型， 並採取GPU的方式進行運算。
import easyocr
reader = easyocr.Reader(['ch_tra','en'], gpu = True)
簡單對圖片進行辨識
使用起來也非常的簡單， 我們只要給予圖片位置即可進行辨識。
image_path = 'test.png'
result = reader.readtext(image_path)
辨識結果分析
基本上沒有特別指定回傳類型時， 將回傳以下資料， 我們也會針對底下的資料內容一一說明。
[([[56, 84], [224, 84], [224, 116], [56, 116]], 'Analytics India', 0.5051276683807373), ([[54, 118], [142, 118], [142, 142], [54, 142]], 'MAGAZINE', 0.6871832013130188)]
for (bbox, text, prob) in result:
print(bbox)
print(text)
print(prob)
結語
原來OCR的技術已經這麼成熟的！ 不再像過往需要重頭開始模型訓練， 大部分語言的模型都已經有開源釋出了， 真的非常感謝這些佛心的前輩讓我們科技進展加速， 而我們需要了解的部份會是OCR這門技術的基礎概念， 之後搭配文檔就能夠搭建出屬於自己的文字辨識系統了。
我們在「🔒 阿Han的軟體心法實戰營 - 影像處理」也會教您如何對影片進行文字辨識， 甚至產生字幕的詳細教學， 歡迎加入一起學習。