Easy OCR memo

はじめに

Easy OCRに関するメモです。

Easy OCRの設置

pip install easyocr

• CUDA利用時は、easyocrの設置前にtorchをインストールする必要があります。

** opencvとクラッシュを起こすときがあります。
2022年5月の基準に、opencv-python==4.5.4.60がOKです。

 pip uninstall opencv-python-headless
 pip install opencv-python==4.5.4.60

Easy OCRの利用

import easyocr

#インスタンスを立てます
reader = easyocr.Reader(['en'])

#numpy arrayを入力
img_path = './image/001.png'
img_array = cv2.imread(img_path)

#OCR実施、結果を返してもらう。
result = reader.readtext(img_path)

画像のOCR

import cv2
import easyocr

import numpy as np

reader = easyocr.Reader(['en'])
font = cv2.FONT_HERSHEY_SIMPLEX


def draw_boxes(img, result):
    for detection in result:
        p0 = tuple((detection[0][0]))
        p1 = tuple((detection[0][1]))
        p2 = tuple((detection[0][2]))
        p3 = tuple((detection[0][3]))
        points = np.array([p0, p1, p2, p3],dtype=np.int32)

        text = detection[1]
        confidence = round(detection[2],2)
        img = cv2.polylines(img, [points], True, (255, 0, 0), thickness = 2)
        print('p0',p0)
        img = cv2.putText(img, text , (int(p0[0]), int(p0[1])) , font, 1, (255, 0, 0), 2, cv2.LINE_AA)

    return img


#numpy arrayを入力
img_path = './image/001.png'
img_array = cv2.imread(img_path)

img2 = draw_boxes(img_array, result)
cv2.imshow('box', img2)

cv2.waitKey(0)

output format

result = 
[([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148),
 ([[86, 80], [134, 80], [134, 128], [86, 128]], '西', 0.40452659130096436),
 ([[517, 81], [565, 81], [565, 123], [517, 123]], '东', 0.9989598989486694),
 ([[78, 126], [136, 126], [136, 156], [78, 156]], '315', 0.8125889301300049),
 ([[514, 126], [574, 126], [574, 156], [514, 156]], '309', 0.4971577227115631),
 ([[226, 170], [414, 170], [414, 220], [226, 220]], 'Yuyuan Rd.', 0.8261902332305908),
 ([[79, 173], [125, 173], [125, 213], [79, 213]], 'W', 0.9848111271858215),
 ([[529, 173], [569, 173], [569, 213], [529, 213]], 'E', 0.8405593633651733)]

ここで、リストの各エレメントを見ると、'(a bounding box, the text detected, confidet level)' である。

(a bounding box,  the text detected, confidet level) 

([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148)


p0 = tuple((detection[0][0])) -> (189, 75)
p1 = tuple((detection[0][1])) -> (469,75)
p2 = tuple((detection[0][2])) -> (469,165)
p3 = tuple((detection[0][3])) -> (189,165)
points = np.array([p0, p1, p2, p3],dtype=np.int32)

text = detection[1] -> '愚园路'
confidence = round(detection[2],2) -> 0.37