简介
由于国内爱因互动 Ein+项目需求，项目组内部成员对ocr技术进行了重构，开发出了python的cnocr库。
cnocr是用来做中文OCR的Python3包。cnocr自带了训练好的识别模型，安装后即可直接使用。
cnocr主要针对的是排版简单的印刷体文字图片，如截图图片，扫描件等。cnocr目前内置的文字检测和分行模块无法处理复杂的文字排版定位。如果要用于场景文字图片的识别，需要结合其他的场景文字检测引擎使用。
安装
sudo pip3 install cnocr
注意事项
首次使用cnocr时，系统会自动从Dropbox下载zip格式的模型压缩文件，并存于~/.cnocr目录。下载后的zip文件代码会自动对其解压，然后把解压后的模型相关文件放于 ~/.cnocr/models 目录。
如果系统不能自动从 Dropbox 成功下载zip文件，则需要手动下载此zip文件并把它放于~/.cnocr目录。下载地址是 百度云盘：https://pan.baidu.com/s/1s91985r0YBGbk_1cqgHa1Q (提取码为 pg26 )
使用
单行识别
如果明确知道要预测的图片中只包含了单行文字，可以使用函数CnOcr.ocr_for_single_line(img_fp)进行识别。和 CnOcr.ocr()相比，CnOcr.ocr_for_single_line()结果可靠性更强，因为它不需要做额外的分行处理。
# 参数说明 输入参数 img_fp: 可以是需要识别的单行文字图片文件路径（如上例）；或者是已经从图片文件中读入的数组，
类型可以为mx.nd.NDArray 或 np.ndarray，取值应该是[0，255]的整数，维数应该是(height, width)或(height, width, channel)。
如果没有channel，表示传入的就是灰度图片。第三个维度channel可以是1（灰度图片）或者3（彩色图片）。如果是彩色图片，它应该是RGB格式的。 返回值：为一个list，类似这样['你', '好', 'U', 'O', 'S']。 示例1： from cnocr import CnOcr ocr = CnOcr() res = ocr.ocr_for_single_line('examples/1.png') print("Predicted Chars:", res) 示例2： import mxnet as mx from cnocr import CnOcr ocr = CnOcr() img_fp = 'examples/1.png' img = mx.image.imread(img_fp, 1) res = ocr.ocr_for_single_line(img) print("Predicted Chars:", res)
多行识别
函数CnOcr.ocr_for_single_lines(img_list)可以对多个单行文字图片进行批量预测。函数CnOcr.ocr(img_fp)和CnOcr.ocr_for_single_line(img_fp)内部其实都是调用的函数CnOcr.ocr_for_single_lines(img_list)。
# 参数说明 输入参数 img_list: 为一个list；其中每个元素是已经从图片文件中读入的数组，类型可以为mx.nd.NDArray 或 np.ndarray，
取值应该是[0，255]的整数，维数应该是(height, width)或(height, width, channel)。如果没有channel，表示传入的就是灰度图片。
第三个维度channel可以是1（灰度图片）或者3（彩色图片）。如果是彩色图片，它应该是RGB格式的。 返回值：为一个嵌套的list，类似这样[['第', '一', '行'], ['第', '二', '行'], ['第', '三', '行']]。 示例： import mxnet as mx from cnocr import CnOcr ocr = CnOcr() img_fp = 'examples/multi-line_cn1.png' img = mx.image.imread(img_fp, 1).asnumpy() line_imgs = line_split(img, blank=True) line_img_list = [line_img for line_img, _ in line_imgs] res = ocr.ocr_for_single_lines(line_img_list) print("Predicted Chars:", res)