大家好，我是Echa。

今天小編給大家介紹一個跟生活息息相關(guān)的而且經(jīng)常使用的好東西。物理世界和數(shù)字世界的信息轉(zhuǎn)換是數(shù)字化發(fā)展的一個技術(shù)內(nèi)容。

專業(yè)術(shù)語叫：光學(xué)字符識別——OCR（Optical Character Recognition）。

基于目標檢測類的OCR識別技術(shù)

OCR是指對文本資料的圖像文件進行分析識別處理，獲取文字及版面信息的過程。亦即將圖像中的文字進行識別，并以文本的形式返回。這樣描述估計還是一頭霧水，下面直接說應(yīng)用場景就會更清晰明了。

OCR應(yīng)用場景如下：

卡片證件識別類：大陸、港澳臺身份證、通行證、護照識別，卡類識別，車輛類駕駛證識別、行駛證識別，執(zhí)照識類識別，企業(yè)證件類識別

文字信息結(jié)構(gòu)化視頻類識別：字幕識別和文字檢測，表格；

票據(jù)類識別：增值稅發(fā)票識別、全電發(fā)票識別、銀行支票識別、承兌匯票識別、銀行票據(jù)識別、物流快遞識別；

其他識別：二維碼識別、一維碼識別、車牌識別、數(shù)學(xué)公式識別、物理化學(xué)符號識別、音樂符號識別、工程圖識別、流程圖識別、古跡文獻識別、手寫輸入識別；

除了以上列舉的之外，還有自然場景下的文字識別、菜單識別、橫幅檢測識別、圖章檢測識別、廣告類圖文識別等圍繞審核相關(guān)的業(yè)務(wù)應(yīng)用。

簡單的OCR應(yīng)用場景

隨著科技的發(fā)展，OCR場景隨處可見。人臉、車輛、人體屬性、卡證、交通標識等經(jīng)典圖像識別能力，在我們當(dāng)前數(shù)字化工作及生活中發(fā)揮著極其重要的作用。業(yè)內(nèi)也不乏頂尖公司提供的可直接調(diào)用的API、SDK，但這些往往面臨著定制化場景泛化效果不好、價格昂貴、黑盒可控性低、技術(shù)壁壘難以形成多諸多痛點。

9大場景模型效果示意圖

而今天小編要給大家好物分享12個完全開源免費的OCR開源項目、覆蓋人、車、OCR等9大經(jīng)典識別場景、在CPU上可3毫秒實現(xiàn)急速識別、一行代碼就可實現(xiàn)迭代訓(xùn)練的項目！希望對大家有所幫助。可以借助一些主流開源框架來快速應(yīng)用項目中，達到我們的目的。

全文大綱

1. Tesseract.js - 是一個基于TesseractOCR的Web瀏覽器OCR軟件。
2. OCRopus - 是由Google開發(fā)的OCR相關(guān)工具集合。
3. Tesseract OCR - 是一個非常經(jīng)典的開源OCR引擎。
4. Ocrad - 一個輕量級的OCR解決方案，主要以識別印刷文本而聞名。
5. GOCR- 是在GNU通用公共許可證下開發(fā)的開源OCR引擎。
6. Ocrad.js - 是一個基于Ocrad的瀏覽器的OCR軟件。
7. Capture2Text- 是一個基于命令行的Windows OCR軟件。
8. GImage Reader- 它能夠識別多種語言以及各種圖像文件格式的文本。
9. OCRmyPDF-是一個專門用于PDF的OCR識別軟件。
10. PaddleClas - 是飛槳為工業(yè)界和學(xué)術(shù)界所準備的一個圖像識別和圖像分類任務(wù)的工具集。
11. kraken - 一個由Python開發(fā)的OCR軟件，主要用于非拉丁字符的識別。
12. EasyOCR- 基于機器學(xué)習(xí)（CRNN）實現(xiàn)OCR功能。

Tesseract.js - 是一個基于TesseractOCR的Web瀏覽器OCR軟件。

Github：https://github.com/naptha/tesseract.js#tesseractjs

Tesseract.js 官網(wǎng)

Tesseract.js是一個基于TesseractOCR的Web瀏覽器OCR軟件。你可以在瀏覽器中使用它，并且非常易用。與Tesseract OCR一樣，它也支持多種語言，包括中文。

Tesseract.js 網(wǎng)站上所說，它支持 100 多種語言，自動文本定位和腳本檢測，用于閱讀段落、單詞和字符邊界框的簡單界面。

Tesseract.js 演示截圖

Tesseract.js 案例演示

OCRopus - 是由Google開發(fā)的OCR相關(guān)工具集合。

Github：https://github.com/ocropus

OCRopus是由Google開發(fā)的OCR相關(guān)工具集合，它擴展了Tesseract OCR引擎的功能。它提供了布局分析、文本識別和樣本數(shù)據(jù)生成的高級功能。

另外，OCRopus可以從命令行通過指定輸入的圖像來執(zhí)行它。它會將識別的文本直接輸出到標準輸出，或者將其作為hOCR（基于HTML）代碼寫入文件，然后可以將其轉(zhuǎn)換為可搜索的PDF。如果需要更精確的控制，可以在命令行上指定選項來執(zhí)行特定操作。

優(yōu)勢：

• 布局分析：OCRopus在布局分析方面非常精確，使其成為具有復(fù)雜布局或多列結(jié)構(gòu)文檔識別的理想選擇。
• 文本識別準確性：OCRopus通過利用Tesseract的精確OCR引擎和其他組件，能夠提高識別的準確性。
• 可定制性：OCRopus能夠生成用于訓(xùn)練的樣本數(shù)據(jù)，用于訓(xùn)練自定義的OCR模型，從而在專業(yè)應(yīng)用中實現(xiàn)更高可定制性和準確性。

缺點

• 學(xué)習(xí)曲線：與獨立的OCR引擎相比，OCRopus由于其工具和組件的范圍比較廣，因此具有更陡峭的學(xué)習(xí)曲線。
• 資源密集型：OCRopus的高級功能可能需要更多的計算資源，這個可能需要較高的成本，并且也需要考慮項目對處理時間的要求。

Tesseract OCR - 是一個非常經(jīng)典的開源OCR引擎。

Github：https://github.com/tesseract-ocr/tesseract

Tesseract OCR Github 官網(wǎng)

Tesseract是一個非常經(jīng)典的開源OCR引擎，最初由Hewlett-Packard開發(fā)，現(xiàn)在由Google維護。Tesseract以其準確性和多功能性而聞名，可以提取數(shù)據(jù)并將掃描的文檔、圖像和手寫文字轉(zhuǎn)換為機器理解的文本。Tesseract支持100多種語言，并兼容多種操作系統(tǒng)，并且提供了非常方便的命令行界面。

優(yōu)勢：

• 準確性：Tesseract提供了非常高OCR準確性，特別是在打印文本和掃描文檔方面。
• 語言支持：Tesseract支持廣泛的語言，允許識別多種語言的文本，包括一些特殊語種，使其成為多語言應(yīng)用的理想選擇。
• 持續(xù)改進：Tesseract的開源社區(qū)非?；钴S，能夠及時地更新升級項目、修復(fù)Bug、完善用戶反饋的性能需求等。

缺點：

• 復(fù)雜布局文檔識別：Tesseract在簡單布局的文檔上表現(xiàn)非常好，但在布局比較復(fù)雜的文檔上就需要額外的預(yù)處理或后續(xù)處理步驟。
• 手寫識別準確度：Tesseract在識別機器打印文本方面表現(xiàn)出色，但在手寫文本上的表現(xiàn)并不盡如人意，有時還不如一些專用手寫識別工具準確。

Ocrad - 一個輕量級的OCR解決方案，主要以識別印刷文本而聞名。

傳送門：https://www.gnu.org/software/ocrad/

Ocrad 官網(wǎng)

Ocrad以其簡單性和識別速度而聞名，它提供了一個輕量級的OCR解決方案，主要以識別印刷文本而聞名。它旨在提供一個簡單高效的OCR解決方案，側(cè)重文本識別提取的速度和易用性。

優(yōu)勢

• 易用性和識別效率：Ocrad簡單的設(shè)計和輕量級的特性有助于其易用性和識別效率。特別適合用于快速和簡單的OCR解決方案需求。
• 打印文本識別：Ocrad擅長從掃描圖像中識別打印文本，可以從清晰且格式良好的打印文檔中識別提取出可靠的結(jié)果。

缺點

• 缺乏高級功能：Ocrad的側(cè)重點在于基礎(chǔ)的OCR任務(wù)，它可能缺乏高級功能，例如布局分析或手寫識別等。
• 復(fù)雜文本和低質(zhì)量圖像的準確性：在處理復(fù)雜的文本結(jié)構(gòu)或低質(zhì)量的掃描圖像時，Ocrad的準確性可能會降低。

GOCR- 是在GNU通用公共許可證下開發(fā)的開源OCR引擎。

傳送門：https://jocr.sourceforge.net/

GOCR 官網(wǎng)

GOCR是在GNU通用公共許可證下開發(fā)的開源OCR引擎。它能夠識別各種圖像文件格式中的文本內(nèi)容，并支持多種語言和操作平臺。

雖然它的準確性可能無法超過其他OCR引擎，但GOCR的優(yōu)勢是非常簡單易用。

優(yōu)勢

• 簡單性：GOCR的主要優(yōu)勢在于它的簡單性。該軟件提供了一個簡單易用的界面，適合那些喜歡簡單OCR解決方案而不需要大量配置或復(fù)雜設(shè)置的用戶。
• 多語言支持：GOCR支持多種語言，允許用戶從包含不同語言內(nèi)容的圖像中提取文本。

缺點

• 準確性：雖然GOCR提供了基本的OCR功能，但其準確性可能無法與其他更高級的OCR引擎相媲美。
• 高級功能：GOCR專注于簡單的OCR任務(wù)，可能缺乏布局分析或?qū)I(yè)識別算法等高級功能。因此，如果您需要高級功能，這個工具并不是很適合。

Ocrad.js - 是一個基于Ocrad的瀏覽器的OCR軟件。

傳送門：https://antimatter15.com/ocrad.js/demo.html

Ocrad.js 官網(wǎng)

Ocrad.js是一個基于Ocrad的瀏覽器的OCR軟件。在JavaScript中使用它。支持的圖像格式包括JPEG、PNG、GIF、BMP、SVG、NetBPM等。

它非常簡單易用，只需要通過調(diào)用OCRAD的函數(shù)即可實現(xiàn)對img標簽的識別。雖然在識別精度方面比Tesseract.js遜色，但Ocard的優(yōu)勢是它的模型文件比Tesseract小30倍以上。

Capture2Text- 是一個基于命令行的Windows OCR軟件。

傳送門：https://capture2text.sourceforge.net/

Capture2Text 官網(wǎng)

Capture2Text是一個基于命令行的Windows OCR軟件。它支持多種語言，包括日語。它不僅能識別水平的字符，還能識別垂直的字符。可以在你需要的時候使用windows命令行調(diào)用OCR命令，識別出的文本將被保存進剪貼板。

GImage Reader- 它能夠識別多種語言以及各種圖像文件格式的文本。

Github：https://github.com/manisandro/gImageReader

GImage Reader 官網(wǎng)

GImage Reader工具它能夠識別多種語言以及各種圖像文件格式的文本，使其適合從掃描的文檔、屏幕截圖或者照片中提取文本；并且它提供了一個簡單直觀的用戶界面，允許您快速加載圖像并獲得文本結(jié)果。

優(yōu)勢

• 友好的用戶界面：GImage Reader的界面非常直觀易用，用戶可以輕松訪問，能夠輕松加載圖像并獲取結(jié)果。
• 多語言支持：GImage Reader支持多種語言，允許您從包含不同語言內(nèi)容的圖像中提取文本。

缺點

• 缺乏高級功能：GImage Reader主要專注于比較基本的OCR任務(wù)，如果需要更加專業(yè)的內(nèi)容識別，它就不適合了。
• 準確度和性能：雖然GImage Reader可用于基本的OCR任務(wù)，但其準確性和性能可能會受到圖像質(zhì)量和文本復(fù)雜性的影響。

OCRmyPDF-是一個專門用于PDF的OCR識別軟件。

Github：https://github.com/ocrmypdf/OCRmyPDF

OCRmyPDF 官網(wǎng)

OCRmyPDF是一個專門用于PDF的OCR識別軟件，它能夠?qū)⒆R別到的文本信息作為透明的文本添加到PDF中。因此，您可以在PDF中搜索文本。

如果您將其用于沒有文本信息的PDF，則可以進行搜索，從而增加了方便性。由于它基于Tesseract OCR引擎進行文本識別，因此也支持中文。

PaddleClas - 是飛槳為工業(yè)界和學(xué)術(shù)界所準備的一個圖像識別和圖像分類任務(wù)的工具集。

Github：https://github.com/PaddlePaddle/PaddleClas

飛槳圖像識別套件PaddleClas是飛槳為工業(yè)界和學(xué)術(shù)界所準備的一個圖像識別和圖像分類任務(wù)的工具集，助力使用者訓(xùn)練出更好的視覺模型和應(yīng)用落地。

特性

PaddleClas支持多種前沿圖像分類、識別相關(guān)算法，發(fā)布產(chǎn)業(yè)級特色骨干網(wǎng)絡(luò)PP-HGNet、PP-LCNetv2、 PP-LCNet和SSLD半監(jiān)督知識蒸餾方案等模型，在此基礎(chǔ)上打造PULC超輕量圖像分類方案和PP-ShiTu圖像識別系統(tǒng)。

kraken - 一個由Python開發(fā)的OCR軟件，主要用于非拉丁字符的識別。

Github：https://github.com/mittagessen/kraken

kraken 官網(wǎng)

kraken是一個由Python開發(fā)的OCR軟件，主要用于非拉丁字符的識別。它支持從右到左書寫的語言，例如阿拉伯語，也支持從上到下書寫的語言，例如日語?？梢詮拿钚羞\行OCR識別PDF、JPEG和TIFF等格式的文件。

它的特點包括：

• 支持自定義訓(xùn)練的布局分析和字符識別
• 支持從右到左, 自上而下的識別
• 提供ALTO、PageXML、abbyyXML和hOCR 格式輸出
• 能夠識別單詞邊界框，支持字符剪切
• 多腳本識別支持
• 模型文件的公共存儲庫
• 動圖識別網(wǎng)絡(luò)架構(gòu)

EasyOCR- 基于機器學(xué)習(xí)（CRNN）實現(xiàn)OCR功能。

Github ：https://github.com/JaidedAI/EasyOCR

EasyOCR基于機器學(xué)習(xí)（CRNN）實現(xiàn)OCR功能。它能夠識別超過80種語言的文字，包括簡體中文和繁體中文。它是使用python開發(fā)的，因此使用Python調(diào)用也非常簡單。例如：

識別包含中文的圖片

import easyocr
reader = easyocr.Reader(['ch_sim','en']) # this needs to run only once to load the model into memory

reader.readtext('chinese.jpg', detail = 0)

識別結(jié)果為：

['愚園路', '西', '東', '315', '309', 'Yuyuan Rd.', 'W', 'E']

最后