AI OCR文本生成器—文本，图像，字体，词典合成OCR数据集

AI OCR文本生成器

欢迎来到AI OCR文本生成器专栏，这是一个专注于深度学习OCR（光学字符识别）模型训练的文本生成工具的专业平台。在这里，您将了解如何使用该工具生成训练CRNN等OCR模型所需的文本行图像。

我们的工具采用模块化设计，允许您轻松添加各种组件，如不同类型的语料库（Corpus）、图像效果（Effect）和布局（Layout）。该工具还与图像增强库imgaug完美集成，支持在图像生成的各个阶段应用不同的效果。无论是生成垂直文本，还是为PaddleOCR生成兼容的lmdb数据集，这款工具都能满足您的需求。

本专栏涵盖了从环境搭建、资源准备到配置文件编写的详细指导，帮助您快速上手。此外，我们还提供了丰富的示例和实践案例，包括如何使用背景图片、字体文件以及文本语料库来生成符合实际业务场景的训练数据。

如果您正在从事OCR相关的研究，或是希望通过训练自己的模型提高文本识别的精度，这个专栏将为您提供全面的技术支持和资源共享。

完整项目代码请访问：Burmese-text-rendering。

文本渲染器

生成文本行图像，用于训练深度学习 OCR 模型（例如 CRNN）。

• 模块化设计。您可以轻松添加不同的组件：Corpus、Effect、Layout。
• 与 imgaug 集成，使用方法请参见 imgaug_example。
• 支持在图像上渲染多个语料库并实现不同的效果。 Layout负责多个语料库之间的布局
• 支持在渲染过程的不同阶段应用效果corpus_effects、layout_effects、render_effects。
• 生成垂直文本。
• 支持生成与 PaddleOCR 兼容的 lmdb 数据集，请参阅 Dataset
• 网页字体查看器。
• 语料库采样器：有助于执行角色平衡

文档

运行示例

运行以下命令使用示例数据生成图像：

git clone https://github.com/lingskr/Burmese-text-rendering.git
cd Burmese-text-rendering
python3 setup.py evolve
pip3 install -r docker/requirements.txt
pip install --upgrade pip setuptools
pip install "fonttools>=4.22.0" "pillow>=8.3.2" "sphinx>=5" "pygments>=2.13.0"

python3 main.py \
--config example_data/example.py \
--dataset img \
--num_processes 2 \
--log_period 10

数据是在 example_data/output 目录中生成。labels.json 文件包含以下格式的所有注释：

{
"labels": {
"000000000": "test",
"000000001": "text2"
},
"sizes": {
"000000000": [
120,
32
],
"000000001": [
128,
32
]
},
"num-samples": 2
}

您还可以使用 --dataset lmdb 将图像存储在 lmdb 文件中，lmdb 文件包含以下键：

• num-samples
• image-000000000
• label-000000000
• size-000000000

您可以检查配置文件example_data/example.py 了解如何使用 text_renderer，
或按照 快速入门 了解如何设置配置

快速入门

准备文件资源

• 字体文件：.ttf、.otf、.ttc
• 任意大小的背景图片，可以来自您的业务场景，也可以来自公开可用的数据集 (COCO、VOC)
• 语料库：text_renderer 提供多种 文本采样方法，
  使用这些方法，你需要从两个角度考虑语料库的准备：

1. 语料库必须是你想要进行OCR识别的目标语言
2. 语料库应该符合你的实际业务需求，例如教育领域、医疗领域等。

• 字符集文件[可选但推荐]：现实场景中的OCR模型（例如CRNN）通常仅支持有限的字符集，
  因此最好在数据生成时过滤掉字符集之外的字符。
  您可以通过设置 chars_file 参数来实现此目的

您可以从此处下载此“快速入门”的预先准备的文件资源：

• simsun.ttf
• background.png
• eng_text.txt

将这些资源文件保存在同一目录中：

workspace
── bg
│ └── background.png
── corpus
│ └── burmse.txt
└── font
└── NotoSansMyanmar-Regular.ttf

创建配置文件

在 workspace 目录中创建一个 config.py 文件。一个配置文件必须有一个 configs 变量，它是 GeneratorCfg 的列表。

完整的配置文件如下：

import os
from pathlib import Path

from text_renderer.effect import *
from text_renderer.corpus import *
from text_renderer.config import (
RenderCfg,
NormPerspectiveTransformCfg,
GeneratorCfg,
SimpleTextColorCfg,
)

CURRENT_DIR =Path(os.path.abspath(os.path.dirname(__file__)))

def story_data():
return GeneratorCfg(
num_image=10,
save_dir=CURRENT_DIR / "output",
render_cfg=RenderCfg(
bg_dir=CURRENT_DIR / "bg",
height=32,
perspective_transform=NormPerspectiveTransformCfg(20, 20, 1.5),
corpus=WordCorpus(
WordCorpusCfg(
text_paths=[CURRENT_DIR / "corpus" / "eng_text.txt"],
font_dir=CURRENT_DIR / "font",
font_size=(20, 30),
num_word=(2, 3),
),
),
corpus_effects=Effects(Line(0.9, thick=(2, 5))),
gray=False,
text_color_cfg=SimpleTextColorCfg(),
),
)

configs = [story_data()]

在上面的配置中我们做了以下几件事：

1.指定资源文件的位置
2.指定文本采样方式：从语料库中随机选取2个或3个单词
3.配置一些生成的效果

• 透视变换NormPerspectiveTransformCfg
• 随机线条效果
• 固定输出图片高度为32
• 生成彩色图片。 gray=False, SimpleTextColorCfg()

4. 指定字体相关参数：font_size, font_dir

运行

运行main.py，它只有4个参数：

• config：Python配置文件路径
• dataset：数据集格式img或lmdb
• num_processes：使用的进程数
• log_period：日志打印周期。 (0, 100)

所有效果/布局示例

在 链接 处找到所有效果/布局配置示例

• bg_and_text_mask: 三张相同宽度的图像水平合并在一起，
  可用于训练 GAN 模型，如 EraseNet

	名称	示例
0	bg_and_text_mask
1	char_spacing_compact
2	char_spacing_large
3	color_image
4	曲线
5	dropout_horizo​​ntal
6	dropout_rand
7	dropout_vertical
8	浮雕
9	extra_text_line_layout
10	line_bottom
11	line_bottom_left
12	line_bottom_right
13	line_horizo​​ntal_middle
14	line_left
15	线条右
16	行顶
17	线条上左
18	线条上右
19	垂直线中间
20	填充
21	透视变换
22	same_line_layout_different_font_size
23	vertical_text

贡献

设置 Commitizen 以获取提交消息

• 语料库：欢迎为项目贡献更多语料库生成器，
  它不一定需要是通用语料库生成器，也可以是特定于业务的生成器，
  例如生成 ID 号

引用 text_renderer

如果您在研究中使用 text_renderer，请考虑使用以下 BibTeX 条目。

@misc{text_renderer,
author = {lingskr},
title = {Burmese-text-rendering},
howpublished = {\url{https://github.com/lingskr/Burmese-text-rendering.git}},
year = {2024}
}