前言:

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

在文字識別方面,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、準確率和推理速度方面的對比。

更多內(nèi)容請關(guān)注公眾號CV技術(shù)指南,專注于計算機視覺的技術(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:

這只是一個簡單的使用示例,在實際應(yīng)用中,圖像并非理想情況,還需要對圖像進行一定的預(yù)處理以更好地識別。如去除椒鹽噪聲,去除干擾物,如在車牌識別中還會利用矩形框檢測框出車牌所在位置,并放大,以更好地進行車牌號識別。

EasyOCR

安裝:pip install easyocr

使用示例

注:easyocr還會輸出文字在圖片中的坐標。

準確率

在參考鏈接[2]中進行了一項實驗,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進行測試。

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)過測試得出下面兩個開源框架的準確率對比

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

此外,它們在識別某些字符時存在完全不同的問題。例如,Tesseract 傾向于將諸如 29977．23 之類的東西識別為 2997．23,或者將carrier 識別為 cartier。另一方面,EasyOCR 更有可能將 94268．1 識別為 94268,或者advances 識別為 atvances。這兩個單詞識別的舉例表明這兩個框架對單個字母的識別傾向。

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)容請關(guān)注公眾號CV技術(shù)指南,專注于計算機視覺的技術(shù)總結(jié),最新技術(shù)跟蹤。