一文了解文字识别OCR开源框架的对比

CV技术指南

    前言:
    OCR文字识别在目前有着比较好的应用,也出现了很多的文字识别软件,但软件是面向用户的。对于我们技术人员来说,有时难免需要在计算机视觉任务中加入文字识别,如车牌号识别,票据识别等,因此软件对我们是没用的,我们需要自己实现文字识别。
    在文字识别方面,主要有两款主流的开源框架Tesseract和EasyOCR。本文讨论了 Tesseract 和 EasyOCR 使用 Python API 之间的主要区别,包括安装、使用示例、准确率和推理速度方面的对比。
    更多内容请关注公众号CV技术指南,专注于计算机视觉的技术总结,最新技术跟踪。
    使用示例
    Tesseract
    安装: pip install pytesseract pillow
    使用示例:
    

    from PIL import Image
    import pytesseract
    text=pytesseract.image_to_string(Image.open(filename))
    print(text)
    

    这只是一个简单的使用示例,在实际应用中,图像并非理想情况,还需要对图像进行一定的预处理以更好地识别。如去除椒盐噪声,去除干扰物,如在车牌识别中还会利用矩形框检测框出车牌所在位置,并放大,以更好地进行车牌号识别。
    EasyOCR
    安装:pip install easyocr
    使用示例
    

    import easyocr
    reader = easyocr.Reader(['ch_sim', 'en'])
    text = reader.readtext('filename')
    print(text)
    

    注:easyocr还会输出文字在图片中的坐标。
    准确率
    在参考链接[2]中进行了一项实验,使用1000张含字母的图片和1000张含数字的图片分别使用Tesseract和EasyOCR进行测试。
    含字母的输入图像如下图所示:
    
    含数字的输入图像如下图所示:
    
    经过测试得出下面两个开源框架的准确率对比
    
    如上图所示,Tesseract 在字母识别方面做得更好,而 EasyOCR 在数字识别方面做得更好。
    此外,它们在识别某些字符时存在完全不同的问题。例如,Tesseract 倾向于将诸如 29977.23 之类的东西识别为 2997.23,或者将carrier 识别为 cartier。另一方面,EasyOCR 更有可能将 94268.1 识别为 94268,或者advances 识别为 atvances。这两个单词识别的举例表明这两个框架对单个字母的识别倾向。
    推理速度
    
    在速度方面,Tesseract 在 CPU 上的表现优于 EasyOCR,而 EasyOCR 在 GPU 上的表现更好。
    结论
    Tesseract 在字母识别方面表现更好,而 EasyOCR 在数字方面表现更好。如果图片包含大量字母,可以考虑 Tesseract。此外,EasyOCR 的输出是小写的。如果大写对处理很重要,还应该使用 Tesseract。另一方面,如果图片中包含大量数字,建议 EasyOCR。
    
    在公众号中回复关键字 “技术总结” 可获取以下文章的汇总pdf。
    更多内容请关注公众号CV技术指南,专注于计算机视觉的技术总结,最新技术跟踪。