EasyOCRで日本人だけが読めないフォント「Electroharmonix」を認識させてみた

はじめに

• ちょっとOCRを試してみたいなと思っていたところ、EasyOCRというPythonパッケージを見つけた
  • 環境構築や認識する言語の切り替えがお手軽に出来、非常に使いやすい
• 日本人だけが読めないフォントはどう認識するのか、ふと気になり試してみた
  • ソースコードはこちら
  • ※後から調べて分かったが『日本人「だけ」読めないフォント』が本当に日本人だけ読めないのか、ニューラルネットの力を借りて確認してみたという記事が既にある。本記事はこのEasyOCR版だと思って頂ければ...

EasyOCR

• その名の通り、簡単にOCRが試せるパッケージ
  • Github
  • デモページ

そもそもOCRとは？

• Optical Character Recognitionの略
• ざっくり画像から文字を抽出して認識する技術と理解している

Electroharmonix

• 日本人だけが読めないフォントと言われているフォント
• ちなみに、下記の画像はモレモコヤロカムヤ巾ロウエメElectroharmonixと書いてある
• 記号とかはあるけど、大文字だけで小文字はなさそう

(出典: Electroharmonix)

検証方法

1. 下記のフォント使って「Hello, Wolrd」と書かれた画像を生成する
   • electroharmonix
   • IPAex明朝
   • IPAexゴシック
2. EasyOCRで以下の言語を指定して文字認識を実行する
   • 英語
   • 日本語
   • 日本語＆英語
3. EasyOCRの出力した文字列から考察を行う

実装

実装といってもテキスト画像生成がメイン

事前準備

• electroharmonixを含むいくつかのフォントを比較用にインストールしておく
  • 今回は比較用にIPAexフォントもダウンロードした
• 必要パッケージのインストール
  • 画像生成にpillowを用いるがEasyOCRに含まれていたため、EasyOCRのインストールのみで事足りた
  • パッケージ管理にはPoetryを利用している

Pillowを用いた画像生成

主な処理は以下の通り

1. フォントサイズ: 48, 文字色: 黒, 背景色: 白に設定
2. 指定したフォントでテキストを書いた時の領域(幅、高さ)を算出
3. パディングが全体のテキスト領域の10%になるように画像サイズ、テキスト表示位置を設定

@dataclass
class TextImageGenerator:
    font_filepath: str = "fonts/ipaexg.ttf"
    fontsize: int = 48
    px_ratio: float = 0.1
    py_ratio: float = 0.1

    def generate(
        self,
        text: str,
        color: Color = (0, 0, 0),
        bg_color: Color = (255, 255, 255),
    ) -> Image:
        # fontを取得
        font = self._get_font()
        
        # 生成画像のサイズ、テキストの左上位置を取得
        canvas_size, text_tl = self._get_canvas_size(text, font)
        
        # 下地となるImageを作成
        img = self._get_canvas(bg_color, canvas_size)
        
        # 文字を描画
        draw = ImageDraw.Draw(img)
        draw.text(text_tl, text, fill=color, font=font)

        return img

    def _get_canvas_size(self, text: str, font: ImageFont.FreeTypeFont) -> Tuple[Tuple[int, int], Tuple[int, int]]:
        text_width, text_height = ImageDraw.Draw(Image.new("RGB", (200, 200))).textsize(text, font)
        width = int(text_width * (1 + 2 * self.px_ratio))
        height = int(text_height * (1 + 2 * self.py_ratio))

        text_top_left_x = int(width * self.px_ratio / (1 + 2 * self.px_ratio))
        text_top_left_y = int(height * self.py_ratio / (1 + 2 * self.py_ratio))
        return (width, height), (text_top_left_x, text_top_left_y)

    def _get_canvas(self, bg_color: Color, canvas_size: Tuple[int, int]) -> Image:
        return Image.new("RGB", canvas_size, bg_color)

    def _get_font(self) -> ImageFont.FreeTypeFont:
        return ImageFont.truetype(self.font_filepath, self.fontsize)

EasyOCRを用いた各フォント、言語での文字認識

主な処理は以下の通り

• 生成画像に対してEasyOCRで文字認識を実行する
  • 認識した領域ごとに分割されてしまうため、全ての領域の結果を抽出する
• 上記の処理をフォントごと、言語ごとに行う

結果

画像生成結果とOCRの認識結果は下記の通り

画像生成結果

electroharmonix

IPAex明朝

IPAexゴシック

OCR認識結果

フォント	言語	結果
electroharmonix	英語	bELLA; WARlDi
electroharmonix	日本語	カモレレロ,山口ポレワ』
electroharmonix	英語＆日本語	カモレレロ,山口ポレワ』
IPAex明朝	英語	HELLO, WORLDI'
IPAex明朝	日本語	チ__0, 0♪_」
IPAex明朝	英語＆日本語	HELLO,VORLD」
IPAexゴシック	英語	HELLO, WORLDI
IPAexゴシック	日本語	んヒ__0一0二_!
IPAexゴシック	英語＆日本語	HELLOWORLD!

考察

• electroharmonix
  • 英語としても結構外れてる...
  • 日本人らしい認識だなぁ、一点気になるはヤじゃなくてポって読むのね
  • ロ(ろ)と口(くち)を分けてるところも日本人らしくて個人的にビックリした
  • 英語入れても日本語と一緒
• IPAex系
  • 日本語として読めないのはまぁ分かる
  • 英語でも惜しいけど100点ではない「!」と「I」の違いって確かに結構難しい

まとめ

• 他の記事でもみられるように、そもそも英語圏の人でも読みやすいフォントではなさそう
• ただ、思ったよりも日本人寄りの認識結果だった