目前效果较好的OCR文字识别（附代码包）

一、OCR到底选哪个模型？

OCR（Optical Character Recognition，光学字符识别）。目前开源OCR工具种类繁多，不同场景图像的识别效果却参差不齐，这给开发人员的选型工作带来了不小的挑战。

为了尽可能全面测试OCR工具的识别能力，该链接文章测评精心挑选了12款开源OCR工具，评测过程参考原文：评测报告

该链接文章评测开源OCR基本的文字识别能力，包括印刷中文、印刷英文、手写中文等三类基本类型，以及复杂自然场景和变形字体两类附加测评；

这里直接上结论：

二、OCR界扛把子RapidOCR

本文要重点介绍的就是优秀生RapidOCR，以下是基本的使用。文末附源码（包含模型文件）。

2.1 官方简介

💖目前，我们自豪地推出了运行速度最为迅猛、兼容性最为广泛的多平台多语言OCR工具，它完全开源免费，并支持离线环境下的快速部署。其核心亮点在于采用ONNXRuntime作为推理引擎，相比传统的PaddlePaddle推理引擎，速度实现了4至5倍的提升，同时彻底解决了内存泄露问题，确保了高效稳定的运行。

🦜 支持语言概览： 默认支持中文与英文识别，对于其他语言的识别需求，我们提供了便捷的自助转换方案。具体转换指南，请参见这里。

🔎 项目缘起： 鉴于PaddleOCR在工程化方面仍有进一步优化的空间，为了简化并加速在各种终端设备上进行OCR推理的过程，我们创新地将PaddleOCR中的模型转换为了高度兼容的ONNX格式，并利用Python、C++、Java、C#等多种编程语言，实现了跨平台的无缝移植，让广大开发者能够轻松上手，高效应用。

🎓 名称寓意： RapidOCR，这一名称蕴含着我们对产品的深刻期待——轻快（操作简便，响应迅速）、好省（资源占用低，成本效益高）并智能（基于深度学习的强大技术，精准高效）。我们专注于发挥人工智能的优势，打造小巧而强大的模型，将速度视为不懈追求，同时确保识别效果的卓越。

三、改进的源码包教程

3.1 源码资源地址点此处下载

3.2 代码说明

rapidocr官方是只实现了核心部分，返回的是图片。实际大部分场景是要发布成api，并且识别出来的结果要可复制可布局。本人改造的项目结构如下：

其中，common是依赖的一些工具，实现了识别结果转html、接口应对不同类别的图片输入等。我们需要运行web_service/run_web.py文件，即可启动api服务，接口信息如下：

• 地址：localhost:5001/engine/ocr
• 入参：threshold、image
• 响应json：{‘code’: 200, ‘info’: ‘success’, ‘data’: “html字符串”}
• 直接看run_web.py代码：

# -*- encoding: utf-8 -*-
"""
@File    :   run_service.py
@Description    :   None
@Author    :   一只特立独行的羱
@Contact :   未知
@License :   (C)Copyright 2019-2030,xx

@Modify Time         @Version
------------         --------
2024/11/26 15:36         1.0
"""

import uvicorn
from fastapi import FastAPI, Form, File, UploadFile
from fastapi.middleware.cors import CORSMiddleware
from typing import Union
from rapid_ocr import RapidOCR
from common.tools import get_pil_images_in_anyway, boxes_generate_html

# ocr 引擎
_engine = RapidOCR()

# api对象
app = FastAPI()

# 添加CORS中间件
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],  # 允许所有源，也可以指定具体的源
    allow_credentials=True,
    allow_methods=["*"],  # 允许所有方法
    allow_headers=["*"],  # 允许所有头
)


@app.post('/engine/ocr/')
async def engine_ocr(
        threshold: float = Form(default=0.6, description='可选参。识别返回的置信度阈值，默认0.6'),
        image: Union[str, UploadFile] = File(..., description='必要参。待识别的图片，支持二进制格式、base64位图片字符串、http图片地址、服务器资源地址')
        ):

    resp = {'code': 200, 'info': 'success', 'data': ""}
    if image is None:
        resp['code'] = 201
        resp['info'] = '请求参数异常'
    else:
        img = get_pil_images_in_anyway(image)
        try:
            # 识别图片带框位置
            ocr_result = _engine(img, text_score=threshold)
            # 提取框boxes和标记文本
            rectangles = [(i[0], i[1]) for i in ocr_result[0]]

            # 生成HTML
            html = boxes_generate_html(rectangles)
            resp['data'] = html
            # resp['data'] = json.dumps(rs, default=json_serializable, ensure_ascii=False)
            print('response success.')
        except Exception as e:
            print(f"failed response:{repr(e)}")
            resp['code'] = 202
            resp['info'] = repr(e)

    return resp


if __name__ == '__main__':
    uvicorn.run(app, host='0.0.0.0', port=8001, workers=1)

3.3 示例demo页面

当启动了接口服务后，我们可以浏览器打开index.html文件，即可进行简单测试效果。（仅供测试，页面做的很简陋哈）

• 输入页面：
  
• 识别结果页面：【右边其实就是嵌入的html文件】
  

结语

下载项目改造的源码，一键运行。实现返回html，识别结果的布局和原始图片类似、文字可自由复制。