前言:

OCR文字識(shí)別在目前有著比較好的應(yīng)用,也出現(xiàn)了很多的文字識(shí)別軟件,但軟件是面向用戶的。對(duì)于我們技術(shù)人員來說,有時(shí)難免需要在計(jì)算機(jī)視覺任務(wù)中加入文字識(shí)別,如車牌號(hào)識(shí)別,票據(jù)識(shí)別等,因此軟件對(duì)我們是沒用的,我們需要自己實(shí)現(xiàn)文字識(shí)別。

在文字識(shí)別方面,主要有兩款主流的開源框架Tesseract和EasyOCR。本文討論了 Tesseract 和 EasyOCR 使用 Python API 之間的主要區(qū)別,包括安裝、使用示例、準(zhǔn)確率和推理速度方面的對(duì)比。

更多內(nèi)容請(qǐng)關(guān)注公眾號(hào)CV技術(shù)指南,專注于計(jì)算機(jī)視覺的技術(shù)總結(jié),最新技術(shù)跟蹤。

使用示例

Tesseract

安裝: pip install pytesseract pillow

使用示例:

這只是一個(gè)簡(jiǎn)單的使用示例,在實(shí)際應(yīng)用中,圖像并非理想情況,還需要對(duì)圖像進(jìn)行一定的預(yù)處理以更好地識(shí)別。如去除椒鹽噪聲,去除干擾物,如在車牌識(shí)別中還會(huì)利用矩形框檢測(cè)框出車牌所在位置,并放大,以更好地進(jìn)行車牌號(hào)識(shí)別。

EasyOCR

安裝:pip install easyocr

使用示例

注:easyocr還會(huì)輸出文字在圖片中的坐標(biāo)。

準(zhǔn)確率

在參考鏈接[2]中進(jìn)行了一項(xiàng)實(shí)驗(yàn),使用1000張含字母的圖片和1000張含數(shù)字的圖片分別使用Tesseract和EasyOCR進(jìn)行測(cè)試。

含字母的輸入圖像如下圖所示:

含數(shù)字的輸入圖像如下圖所示:

經(jīng)過測(cè)試得出下面兩個(gè)開源框架的準(zhǔn)確率對(duì)比

如上圖所示,Tesseract 在字母識(shí)別方面做得更好,而 EasyOCR 在數(shù)字識(shí)別方面做得更好。

此外,它們?cè)谧R(shí)別某些字符時(shí)存在完全不同的問題。例如,Tesseract 傾向于將諸如 29977．23 之類的東西識(shí)別為 2997．23,或者將carrier 識(shí)別為 cartier。另一方面,EasyOCR 更有可能將 94268．1 識(shí)別為 94268,或者advances 識(shí)別為 atvances。這兩個(gè)單詞識(shí)別的舉例表明這兩個(gè)框架對(duì)單個(gè)字母的識(shí)別傾向。

推理速度

在速度方面,Tesseract 在 CPU 上的表現(xiàn)優(yōu)于 EasyOCR,而 EasyOCR 在 GPU 上的表現(xiàn)更好。

結(jié)論

Tesseract 在字母識(shí)別方面表現(xiàn)更好,而 EasyOCR 在數(shù)字方面表現(xiàn)更好。如果圖片包含大量字母,可以考慮 Tesseract。此外,EasyOCR 的輸出是小寫的。如果大寫對(duì)處理很重要,還應(yīng)該使用 Tesseract。另一方面,如果圖片中包含大量數(shù)字,建議 EasyOCR。

在公眾號(hào)中回復(fù)關(guān)鍵字 “技術(shù)總結(jié)” 可獲取以下文章的匯總pdf。

更多內(nèi)容請(qǐng)關(guān)注公眾號(hào)CV技術(shù)指南,專注于計(jì)算機(jī)視覺的技術(shù)總結(jié),最新技術(shù)跟蹤。