EasyOCR

开箱即用的 OCR 工具，支持 80 多种语言及所有主流书写系统，包括拉丁字母、中文、阿拉伯文、天城文、西里尔字母等。

在我们的网站上试用演示

集成到 Huggingface Spaces 🤗 中，使用 Gradio。体验在线演示：

最新动态

• 2024年9月24日 - 版本 1.7.2

  • 修复了若干兼容性问题

• 查看全部发布说明

下一步计划

• 手写文本支持

示例

安装

使用 pip 进行安装

对于最新稳定版：

pip install easyocr

对于最新开发版：

pip install git+https://github.com/JaidedAI/EasyOCR.git

注意 1：对于 Windows 用户，请先按照官方指南 https://pytorch.org 安装 PyTorch 和 torchvision。在 PyTorch 官网中，请确保选择与您显卡匹配的 CUDA 版本。如果您仅打算在 CPU 上运行，请选择 CUDA = None。

注意 2：我们还提供了一个 Dockerfile 在这里。

使用方法

import easyocr
reader = easyocr.Reader(['ch_sim','en']) # 此步骤只需执行一次，用于将模型加载到内存中
result = reader.readtext('chinese.jpg')

输出将以列表形式呈现，每个元素分别包含检测到的文本框坐标、识别出的文本内容以及置信度。

[([[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)]

注意 1：['ch_sim','en'] 是您希望识别的语言列表。您可以同时指定多种语言，但并非所有语言都能组合使用。英语可以与任何语言搭配使用，而具有共同字符的语言通常也能相互兼容。

注意 2：除了文件路径 'chinese.jpg' 外，您还可以传入 OpenCV 图像对象（numpy 数组）或以字节形式表示的图像文件。直接指向原始图像的 URL 也是可行的。

注意 3：语句 reader = easyocr.Reader(['ch_sim','en']) 用于将模型加载到内存中。这需要一些时间，但只需执行一次即可。

您也可以通过设置 detail=0 来获得更简洁的输出。

reader.readtext('chinese.jpg', detail = 0)

结果：

['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E']

所选语言的模型权重将会自动下载；您也可以从 模型中心 手动下载，并将其放置在 ~/.EasyOCR/model 文件夹中。

如果您的设备没有 GPU，或者 GPU 内存不足，可以通过添加 gpu=False 参数以纯 CPU 模式运行模型。

reader = easyocr.Reader(['ch_sim','en'], gpu=False)

欲了解更多信息，请参阅 教程 和 API 文档。

命令行运行

$ easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True

训练/使用自定义模型

关于识别模型，请参阅 此处。

关于检测模型（CRAFT），请参阅 此处。

实施路线图

• 手写文本支持
• 重构代码以支持可替换的检测和识别算法 API 应该简单易用，例如：

reader = easyocr.Reader(['en'], detection='DB', recognition = 'Transformer')

我们的目标是能够将任何最先进的模型无缝集成到 EasyOCR 中。许多天才正在努力开发更好的检测和识别模型，但我们并不追求成为这些领域的专家。我们只想让这些优秀成果快速、免费地惠及大众……（毕竟，大多数天才都希望自己的工作能尽快、尽可能广泛地产生积极影响）。整个流程应类似于下图所示，灰色部分为可更换的浅蓝色模块。

致谢与参考文献

本项目基于多篇论文及开源仓库中的研究和代码。

所有深度学习的执行均基于 Pytorch。:heart:

检测部分采用了来自此 官方仓库 的 CRAFT 算法及其 论文（感谢来自 @clovaai 的 @YoungminBaek）。我们还使用了他们提供的预训练模型。训练脚本由 @gmuffiness 提供。

识别模型为 CRNN（论文），由三个主要组件构成：特征提取（目前我们使用 Resnet 和 VGG）、序列标注（LSTM）以及解码（CTC）。识别部分的训练流程是对 deep-text-recognition-benchmark 框架的修改版本。（感谢来自 @clovaai 的 [@ku21fan]）该仓库堪称瑰宝，值得更多关注。

Beam search 的代码基于此 仓库 及其 博客。（感谢 @githubharald）

数据合成基于 TextRecognitionDataGenerator。（感谢 @Belval）

此外，distill.pub 上有一篇关于 CTC 的优秀文章，可在此查阅：链接。

想要贡献吗？

让我们携手推动人工智能普惠化，共同造福人类！

有三种方式可以参与贡献：

开发者： 请针对小问题或改进提交 Pull Request。若涉及较大改动，请先通过新建 Issue 与我们讨论。我们已将一些可能的 Bug 或改进问题标记为 'PR WELCOME'，欢迎随时提出。

用户： 请告诉我们 EasyOCR 如何帮助了您或您的组织，以激励我们持续开发。同时，也欢迎您在 Issue 栏 中分享遇到的失败案例，这将有助于我们优化未来的模型。

技术领袖/专家： 如果您认为本库很有价值，请帮忙宣传！（参见 Yann LeCun 关于 EasyOCR 的 帖子）

新语言请求指南

如需申请支持新语言，您需要提交一个包含以下两个文件的 PR：

1. 在 easyocr/character 文件夹中，我们需要一个名为 'yourlanguagecode_char.txt' 的文件，其中列出该语言的所有字符。请参考该文件夹内其他文件的格式示例。

2. 在 easyocr/dict 文件夹中，我们需要一个名为 'yourlanguagecode.txt' 的文件，其中包含该语言的所有词汇。通常每种语言约有 30,000 个词汇，较为流行的语言则超过 50,000 个。文件中词汇越多越好。

如果您的语言具有特殊性（例如：1. 阿拉伯语：字母连接时会改变形状，且从右向左书写；2. 泰语：部分字母需置于基线上方，部分则在下方），请尽可能详细地向我们说明，或提供相关参考资料。只有充分考虑这些细节，才能构建出真正可用的系统。

最后，请理解我们的优先级将倾向于那些使用广泛的语言，或是与其他语言共享大量字符的语言组合（请告知我们您的语言是否属于此类）。开发一个新的语言模型至少需要一周时间，因此您可能需要耐心等待新模型的发布。

更多正在开发的语言列表，请参阅 此处。

GitHub Issues

由于资源有限，超过 6 个月未更新的 Issue 将被自动关闭。若问题仍至关重要，请重新打开新的 Issue。

商务咨询

对于企业级支持，Jaided AI 提供 OCR/AI 系统的全方位定制服务，涵盖实施、训练/微调及部署等环节。请点击 这里 联系我们。

EasyOCR 快速上手指南

EasyOCR 是一个开箱即用的 OCR（光学字符识别）工具，支持 80+ 种语言（包括简体中文、繁体中文、英文等），能够识别拉丁文、汉字、阿拉伯文等多种书写脚本。

环境准备

• 操作系统：Windows, Linux, macOS
• Python 版本：建议 Python 3.8+
• 深度学习框架：PyTorch
• 硬件要求：
  • GPU 模式（推荐）：需要 NVIDIA 显卡及对应的 CUDA 环境，识别速度更快。
  • CPU 模式：无需显卡，可在任何机器上运行，但速度较慢。

Windows 用户特别注意： 在安装 EasyOCR 之前，请务必先根据官方指引安装 torch 和 torchvision。 请访问 PyTorch 官网 获取安装命令。

• 若有 GPU：请选择对应的 CUDA 版本。
• 若仅使用 CPU：请选择 CUDA = None。

安装步骤

1. 安装稳定版

使用 pip 直接安装最新稳定版本：

pip install easyocr

2. 安装开发版（可选）

如需体验最新功能（可能包含未发布的修复）：

pip install git+https://github.com/JaidedAI/EasyOCR.git

3. 国内加速方案（推荐）

在中国大陆地区，建议使用国内镜像源加速安装：

pip install easyocr -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

1. Python 代码调用

以下是最简单的使用示例，识别图片中的简体中文和英文：

import easyocr

# 初始化 Reader，加载模型到内存（只需运行一次）
# ['ch_sim', 'en'] 表示同时支持简体中文和英文
reader = easyocr.Reader(['ch_sim', 'en']) 

# 执行识别
result = reader.readtext('chinese.jpg')

# 打印结果
print(result)

输出说明： 返回结果为列表，每项包含 [边界框坐标，识别文本，置信度]。

[([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.3754989504814148),
 ([[226, 170], [414, 170], [414, 220], [226, 220]], 'Yuyuan Rd.', 0.8261902332305908)]

简化输出模式： 如果只需要提取文字内容，不需要坐标和置信度，可设置 detail=0：

result = reader.readtext('chinese.jpg', detail=0)
# 输出：['愚园路', 'Yuyuan Rd.', ...]

无 GPU 环境运行： 如果没有显卡或显存不足，可强制使用 CPU 模式：

reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)

提示：首次运行时会自动下载对应语言的模型权重至 ~/.EasyOCR/model 目录，请确保网络畅通。

2. 命令行调用

也可以直接在终端运行命令进行识别：

easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True

• -l: 指定语言列表
• -f: 指定图片文件路径
• --detail: 是否输出详细信息 (0 或 1)
• --gpu: 是否启用 GPU