今天我在給大家分享一個(gè) OCR? 應(yīng)用——ddddocr自動(dòng)識(shí)別驗(yàn)證碼。

前面 4 個(gè)d是“帶帶弟弟”的首拼音。[/笑哭]。

項(xiàng)目地址：https://github.com/sml2h3/ddddocr。

使用的時(shí)候用pip?命令直接安裝即可pip install ddddocr。

OCR的核心技術(shù)包含兩方面，一是目標(biāo)檢測模型檢測圖片中的文字，二是文字識(shí)別模型，將圖片中的文字轉(zhuǎn)成文本文字。

第一類驗(yàn)證碼最簡單，它們沒有復(fù)雜的背景圖片，所以目標(biāo)檢測模型可以省略，直接將圖片送入文字識(shí)別模型即可。

識(shí)別代碼如下：

import ddddocr
from PIL import Image

# 模型
ocr = ddddocr.DdddOcr(beta=True)

# 驗(yàn)證碼圖片
with open('test.jpg', 'rb') as f:
    image = f.read()

res = ocr.classification(image)
# 驗(yàn)證碼文字內(nèi)容
print(res)

第二類驗(yàn)證碼有復(fù)雜的背景，需要先用目標(biāo)檢測模型框出文字，在進(jìn)行識(shí)別。

代碼如下：

import ddddocr
import cv2

det = ddddocr.DdddOcr(det=True)

with open("test2.jpg", 'rb') as f:
    image = f.read()

# 目標(biāo)檢測
poses = det.detection(image)
print(poses)

im = cv2.imread("test2.jpg")

# 遍歷檢測出的文字
for box in poses:
    x1, y1, x2, y2 = box
    # 給每個(gè)文字畫矩形框
    im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2)

cv2.imwrite("result.jpg", im)

輸出結(jié)果如下：

可以看到文字部分已經(jīng)被框出來了，如果我們在上述代碼直接將im[y1:y2, x1:x2]送入文字識(shí)別模型，就可以識(shí)別出對(duì)應(yīng)的文本內(nèi)容了。

ddddocr還能識(shí)別下面這種帶滑塊的驗(yàn)證碼。

這種雖然不屬于OCR的業(yè)務(wù)范疇，但作為一個(gè)通用的驗(yàn)證碼識(shí)別工具，作者還是支持了，必須給作者點(diǎn)個(gè)贊。