《OCR 工具与项目实战》

OCR（光学字符识别）用于从图像中提取文字，场景覆盖扫描件、车牌、票据等。本文整理常用工具（Tesseract、open-ocr）与深度学习方法的学习资源。

1 Tesseract（开源 OCR 引擎）

Tesseract 是最常用的开源文本识别引擎。

1.1 安装

        
# macOS
brew install tesseract tesseract-lang

# Ubuntu / Debian
sudo apt install tesseract-ocr tesseract-ocr-chi-sim   # chi-sim 为简体中文语言包

1.2 命令行使用

        
      
# 识别图片中的文字，输出到终端
tesseract image.png stdout

# 输出到文件，默认英文
tesseract image.png out

# 指定中文 + 英文
tesseract image.png out -l chi_sim+eng

# 保留版面/表格布局
tesseract image.png out --psm 6

常用 --psm（页面分割模式）：

值	含义
6	假设一个均匀文本块
3	自动分页（默认）
11	稀疏文本，无特定顺序
7	单行文字

1.3 Python 调用

pip install pytesseract pillow

        
from PIL import Image
import pytesseract

text = pytesseract.image_to_string(Image.open("image.png"), lang="eng")
print(text)

中文识别前建议先对图像做灰度化、二值化、去噪，能显著提升正确率。

2 open-ocr 项目

Tesseract 的容器化服务封装，便于以 HTTP API 方式提供 OCR 能力：

项目地址：https://github.com/tleyden/open-ocr

        
      
# docker-compose 一键起服务（示意）
services:
  openocr:
    image: tleyden5iwx/open-ocr
    command: ["/usr/local/bin/run_service.sh", "py-tesseract-ocr"]
    ports:
      - "9292:9292"

curl -F "image=@image.png" http://localhost:9292/ocr

3 深度学习 OCR 思路

小数据集上即可上手深度学习 OCR，常用路线：

CNN → CTC
- 参考用 Keras + Supervisely 15 分钟训练 OCR：https://hackernoon.com/latest-deep-learning-ocr-with-keras-and-supervisely-in-15-minutes-34aecd630ed8
- EMNIST（扩展手写字母数字集）替代 MNIST 做字符分类。
目标检测 + 识别两阶段
- 先用检测模型（YOLO / SSD）定位文字区域，再送入识别模型。
- 车牌检测参考：https://towardsdatascience.com/number-plate-detection-with-supervisely-and-tensorflow-part-1-e84c74d4382c
端到端
- 成熟方案如 PaddleOCR、EasyOCR，开箱即用且支持中文。

4 附：相关教程

OpenCV 图像读取与显示入门：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_gui/py_image_display/py_image_display.html#display-image
用 CNTK 从零构建 OCR（MNIST 之外的进阶思路）：https://blogs.msdn.microsoft.com/uk_faculty_connection/2017/11/20/bored-of-mnist-lets-build-your-own-ocr-deep-learning-computer-vision-ai-using-microsoft-cntk-with-emnist-step-by-step-guide/

5 常见问题

中文识别乱码：需安装并指定 chi_sim/chi_sim+eng 语言包。
识别率低：优先做图像预处理（缩放、二值化）与 --psm 调参。
大批量处理：用 Tesseract 的 batch 接口或接入 open-ocr / PaddleOCR 服务化。

阅读 — · 全站 —