轻松实现高精度中文OCR识别，开源神器大揭秘

CNOCR 学习目录

1. CNOCR 简介与安装

1.1 什么是 CNOCR？

CNOCR 是一个基于深度学习的开源中文 OCR 工具，专门用于识别图像中的中文文本。它由 Breezedeus 开发，旨在为中文文本识别提供一个简单易用且高效的解决方案。CNOCR 不仅支持中文，还支持中英文混合文本的识别，适用于各种场景，如文档扫描、图像文字提取等。

1.2 CNOCR 的特点与优势

专注于中文文本识别：CNOCR 针对中文文本进行了优化，识别准确率高，尤其擅长处理复杂的中文排版和字体。

轻量级且易于使用：CNOCR 的安装和使用非常简单，只需几行代码即可完成图像文字的识别。

支持多种字体和复杂布局：无论是印刷体、手写体，还是复杂的排版布局，CNOCR 都能很好地处理。

提供预训练模型：CNOCR 提供了多个预训练模型，用户可以直接使用，无需从头训练。

高效且快速：CNOCR 基于深度学习技术，识别速度快，适合处理大量图像。

开源免费：CNOCR 是完全开源的，用户可以自由使用和修改。

1.3 环境要求与依赖安装

Python 版本要求

CNOCR 需要 Python 3.6 及以上版本。如果你还没有安装 Python，可以从 Python 官网 下载并安装。

安装 CNOCR

安装 CNOCR 非常简单，只需运行以下命令：

pip install cnocr

这个命令会自动安装 CNOCR 及其依赖项。如果你在安装过程中遇到问题，可以尝试升级 pip：

pip install --upgrade pip

1.4 验证安装是否成功

安装完成后，我们可以通过以下代码来验证 CNOCR 是否安装成功：

import cnocr

# 初始化 CNOCR

ocr = cnocr.CnOcr()

# 测试识别

test_image_path = 'test_image.png' # 请确保存在测试图片

result = ocr.ocr(test_image_path)

# 输出结果

print("CNOCR 安装成功！识别结果：")

for line in result:

print(f"文本: {

line['text']}, 位置: {

line['position']}, 置信度: {

line['score']}")

这段代码首先导入了 CNOCR 库，然后初始化了一个 CNOCR 实例。接着，它读取了一张测试图片并进行了文字识别，最后输出了识别结果。如果一切正常，你会看到识别出的文本及其位置和置信度。

2. CNOCR 基本使用

2.1 导入库与基本配置

在使用 CNOCR 之前，我们需要先导入库并进行一些基本配置。以下是一个简单的示例：

from cnocr import CnOcr

# 初始化 CNOCR 实例

ocr = CnOcr(

det_model_name='ch_PP-OCRv3_det', # 检测模型

rec_model_name='ch_PP-OCRv3_rec', # 识别模型

cand_alphabet='0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ' # 可选字符集

)

在这段代码中，我们导入了 CnOcr 类，并初始化了一个 CNOCR 实例。det_model_name 和 rec_model_name 分别指定了文本检测和识别模型，cand_alphabet 是可选的字符集，用于限制识别结果中的字符类型。

2.2 使用 CNOCR 进行简单的图像识别

识别单张图片

# 识别单张图片

image_path = 'example.png'

result = ocr.ocr(image_path)

# 打印识别结果

print("识别结果：")

for idx, line in enumerate(result):

print(f"第 {

idx+1} 行: {

line['text']}")

这段代码展示了如何使用 CNOCR 识别单张图片中的文字。ocr.ocr(image_path) 会返回一个包含识别结果的列表，每个元素代表一行文本及其相关信息。

识别图片中的中文文本

# 提取文本内容

texts = [line['text'] for line in result]

# 保存结果到文件

with open('output.txt', 'w', encoding='utf-8') as f:

f.write('\n'.join(texts))

print("文本已保存到 output.txt")

这段代码将识别出的文本保存到一个文本文件中，方便后续处理或分析。

2.3 输出结果的格式与解析

CNOCR 的识别结果是一个包含多个字典的列表，每个字典代表一行文本。以下是一个示例：

# 解析识别结果

for line in result:

print(f"""

文本内容: {

line['text']}

位置坐标: {

line['position']}

置信度: {

line['score']:.2f}

""")

这段代码展示了如何解析识别结果，并输出每行文本的内容、位置坐标和置信度。

2.4 处理图像路径输入与文件夹批量处理

如果你需要处理多张图片，可以使用以下代码进行批量处理：

import os

from pathlib import Path

def batch_ocr(image_folder, output_folder='output'):

"""批量处理文件夹中的图片"""

# 创建输出目录

Path(output_folder).mkdir(exist_ok=True)

results = {

}

for filename in os.listdir(image_folder):

if filename.lower().endswith(('.png', '.jpg', '.jpeg')):

# 处理每张图片

image_path = os.path.join(image_folder, filename)

result = ocr.ocr(image_path)

# 保存结果

output_path = os.path.join(output_folder, f"{

Path(filename).stem}.txt")

with open(output_path, 'w', encoding='utf-8') as f:

f.write('\n'.join([line['text'] for line in result]))

results[filename] = result

return results

# 使用示例

batch_results = batch_ocr('images')

print(f"处理完成，共识别 {

len(batch_results)} 张图片")

这段代码会遍历指定文件夹中的所有图片，并将识别结果保存到输出文件夹中。

3. CNOCR 高级功能

3.1 识别图片中的中英文混合文本

CNOCR 不仅可以识别中文，还支持中英文混合文本的识别。以下是一个示例：

# 初始化支持中英文的模型

mixed_ocr = CnOcr(

det_model_name='en_PP-OCRv3_det',

rec_model_name='en_PP-OCRv3_rec'

)

# 识别混合文本

mixed_text_image = 'mixed_text.png'

result = mixed_ocr.ocr(mixed_text_image)

print("中英文混合识别结果：")

for line in result:

print(line['text'])

这段代码展示了如何使用 CNOCR 识别中英文混合文本。通过指定不同的模型，CNOCR 可以更好地处理混合文本。

3.2 识别不同字体、手写体和复杂布局的文本

CNOCR 支持识别多种字体和复杂布局的文本。以下是一个示例：

# 使用更强大的模型

advanced_ocr = CnOcr(

det_model_name='ch_PP-OCRv3_det',

rec_model_name='ch_PP-OCRv3_rec',

cand_alphabet='0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ'

)

# 识别复杂文本

complex_image = 'complex_layout.png'

result = advanced_ocr.ocr(complex_image)

print("复杂文本识别结果：")

for line in result:

print(line['text'])

这段代码展示了如何使用更强大的模型来识别复杂文本。

3.3 调整识别精度与参数设置

图像预处理：二值化、去噪等

from cnocr.utils import read_img

import cv2

# 读取并预处理图像

img = read_img('noisy_image.png', gray=True)

# 二值化处理

_, img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)

# 去噪

img = cv2.fastNlMeansDenoising(img, None, h=10, templateWindowSize=7, searchWindowSize=21)

# 识别处理后的图像

result = ocr.ocr(img)

print("预处理后识别结果：")

for line in result:

print(line['text'])

这段代码展示了如何对图像进行预处理，以提高识别精度。

调整识别模型的参数

# 自定义模型参数

custom_ocr = CnOcr(

det_model_name='ch_PP-OCRv3_det',

rec_model_name='ch_PP-OCRv3_rec',

cand_alphabet='0123456789abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ',

det_model_backend='onnx', # 使用 ONNX 后端

rec_model_backend='onnx',

context='cpu' # 指定使用 CPU

)

# 使用自定义模型识别

result = custom_ocr.ocr('custom_image.png')

print("自定义模型识别结果：")

for line in result:

print(line['text'])

这段代码展示了如何自定义模型参数，以满足特定需求。

3.4 多线程与批量图像处理

from concurrent.futures import ThreadPoolExecutor

from tqdm import tqdm

def process_image(image_path):

"""处理单张图片"""

try:

result = ocr.ocr(image_path)

return image_path, [line['text'] for line in result]

except Exception as e:

return image_path, str(e)