单机ocr识别框架（字符识别之EasyOCR介绍）
单机ocr识别框架（字符识别之EasyOCR介绍）import easyocr import cv2 as cv reader = easyocr.Reader(['ch_sim' 'en']) # this needs to run only once to load the model into memory image = cv.imread('E:/100.png') result = reader.readtext(image) print(result)在模型选择方面，easyocr会默认选择最新模型，如果需要选择自己训练的或者其他模型可使用参数reader = easyocr.Reader(['ch_sim' 'en'] recog_network='xxxx') # 官方模型地址为： # https://www.jaided
- easyocr介绍easyocr是一款字符识别工具，支持80多种语言并且支持本地运行。支持语言为python，遵循 Apache-2.0协议，目前最新版本（2021年11月24日）为Version1.4.1。github地址为https://gitee.com/mirrors/EasyOCR。
- easyocr安装easyocr支持pip安装，打开cmd执行下列命令。
pip install easyoc
pip install git git://github.com/jaidedai/easyocr.git
在window上安装时需要安装torch和torchvision并且选择正确的cuda版本，否则选择cuda=None。在进行代码运行时程序会自动下载相关模型。
3. easyocr使用
安装完成后进行测试，测试图像如下，之后键入下列代码
import easyocr
reader = easyocr.Reader(['ch_sim' 'en']) # this needs to run only once to load the model into memory
result = reader.readtext('E:/100.png')
print(result)
从结果可以看到结果数据以列表形式展现，每个元素内分别有边界，文本和置信度组成。从代码中可以看出reader对象创建时指定了语言，这里可以同时指定多种语言，英语和多种语言均适配。在处理时除直接读取图像外，还支持opencv格式的图像传入，代码如下。
import easyocr
import cv2 as cv
reader = easyocr.Reader(['ch_sim' 'en']) # this needs to run only once to load the model into memory
image = cv.imread('E:/100.png')
result = reader.readtext(image)
print(result)
在模型选择方面，easyocr会默认选择最新模型，如果需要选择自己训练的或者其他模型可使用参数
reader = easyocr.Reader(['ch_sim' 'en'] recog_network='xxxx')
# 官方模型地址为：
# https://www.jaided.ai/easyocr/modelhub/
训练自己的模型参考以下链接：
https://github.com/JaidedAI/EasyOCR/blob/master/custom_model.md //链接
https://github.com/clovaai/deep-text-recognition-benchmar //训练
https://github.com/Belval/TextRecognitionDataGenerator // 数据集生成
