ocrtext用于屏幕截图的OCR

介绍

主要参考开源项目以及训练模型：

Tr

TrWebOCR

chineseocr_lite

此项目主要用于非扭曲、倾斜、变形的标准字体。

增加了手动标注文本框、按颜色查找文字、文字识别白名单等功能。 针对于类似屏幕截图等应用场景，准确、高效。 如果使用的非标准字体，或者有扭曲变形等应用，请参考其他OCR项目。

特性

• 中英文识别

• 手动标注文本框

• 按颜色查找文字

• 文字识别白名单

• lua可调用的测试文档

• 并发请求
  由于模型本身不支持并发，但通过tornado多进程的方式，能支持一定数量的并发请求。具体并发数取决于机器的配置。

安装需求

运行平台

• ✔ Python 3.6+
• ✔ Ubuntu 16.04
• ✔ ️Ubuntu 18.04
• ✔ CentOS 7
• ✔ Docker

Windows和MacOS系统下推荐通过构建Docker镜像来使用，其他Linux平台暂未测试，可自行安装测试

最低配置要求

• CPU: 1核
• 内存: 2G
• SWAP: 2G

安装说明

本地部署

1. 安装python3.7
   推荐使用miniconda

2. 安装依赖包

pip install -r requirements.txt

3. 运行
   项目默认运行在8099端口：

python backend/main.py

安装成功成功后可直接浏览WEB界面测试： web界面入口: http://192.168.31.139:8099 这里用本机IP和端口替代，也可以用localhost测试。

Docker部署

使用 Dockerfile 构建 或者直接 Pull镜像

# dockerfile 构建
docker build -t ocrtext:v2 .

# 运行镜像
docker run -itd -p 8099:8099 --restart=always -v $(pwd):/ocrtext --name ocrtext ocrtext:lastet

这里把容器的8089端口映射到了物理机的8089上，但如果你不喜欢映射，去掉run后面的-p 8089:8089 也可以使用docker的IP加8089来访问

接口

文字识别

描述： 进行文字识别与检测的接口

地址： /api/ocrtext/

方法： POST

请求参数：

参数名称	是否必选	数据类型	描述
file	是(或者base64)	file	通过上传的方式来发送图片的字段
base64	是(或者file)	string	通过base64来发送图片的字段
compress	否	int	值为空时，默认将图片最短边压缩到960px。非空时，将最短边压缩到该值的大小。
whitelist	否	string	只返回白名单字符串中包含的字符。
boxlist	否	list	值为空时，自动查找文本框。非空时，按照手动给出的文本框识别文字。格式为：[[x1,y1,x2,y2],[x3,y3,x4,y4]]，注意所包含的每一条范围（如：x1,y1,x2,y2）都只能识别单行或者单列的文字，多行是无法识别的，多行文字就标注多个范围。
colorlist	否	list	给出多组颜色，相近的颜色为一个列表，预处理后才进行识别。格式为：[["0x000000","0x000001"],["0x111110","0x111111"]]，每个元素是一个字符串，内容是一个16进制的RGB颜色信息。
is_draw	否	bool	是否返回，画出文字区域的图片base64值

返回参数：

参数名称	是否必选	数据类型	描述
code	是	int	识别结果的状态码，识别成功为200，有异常为 400
msg	是	string	是否成功识别的描述信息
words	否	list	识别结果，若识别异常则没有此字段
img_detected	否	string	画出文字区域的图片base64值，需要请求时发送is_draw
speed_time	是	float	识别的耗时

返回示例：

{"code": 200, "msg": "\u6210\u529f", "words": [["\u4f60", [519, 66, 621, 136]], ["\u5927\u6742\u8d27\u5e97\u8001\u677f\u4f17", [302, 251, 418, 275]], ["\u8981\u4f60\u547d\u5317\uff01", [306, 270, 408, 296]], ["\u8d3c\u738b\u7687\u752b\u65e5", [390, 325, 475, 350]], ["\u53cc\u5178\u7f51", [209, 423, 310, 452]], ["JU5+\u65b0\u665a", [236, 445, 333, 470]]], "speed_time": 0.46}