5分钟搭建一个高精度中英文OCR识别服务

最近处理一个自动化流程时遇到了这样的场景：需要从邮件里下载附件，但附件是加密压缩包，解压密码藏在对应的图片中。于是，借助OCR自动识别图片中的密码就成了关键一步。

调研了一圈主流的OCR方案，最终锁定了EasyOCR——轻量、识别率高、完全开源免费，而且对多语言的支持相当到位。今天就把这套方案的搭建方法、关键参数和实际集成经验梳理出来。

1. 简介

EasyOCR 是一个基于 Python 的 OCR（光学字符识别）库，覆盖 80+ 种语言文字识别。核心特点包括：

• 使用简单，几行代码就能完成文字识别
• 支持中文、英文、日文等多种语言
• 底层基于 PyTorch 深度学习框架
• 支持 GPU 加速，处理速度有保障
• 完全开源，可自由使用和二次开发

2. 环境准备

2.1 系统要求

• Python 3.6 及以上版本
• PyTorch 1.7.0 及以上版本

2.2 安装步骤

# 使用 pip 安装
pip install easyocr

# 如果需要 GPU 加速，确保已安装 CUDA 并执行：
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

3. 基础使用

3.1 简单示例

初始化一个阅读器，指定语言（这里选中文简体+英文），然后直接调用 readtext 即可：

import easyocr

# 初始化读取器
reader = easyocr.Reader(['ch_sim','en'])  # 中文简体 + 英文

# 读取图像
result = reader.readtext('image.jpg')

# 输出结果
for (bbox, text, prob) in result:
    print(f'识别文本: {text}')
    print(f'置信度: {prob}')

3.2 高级参数配置

实际场景中，图像质量参差不齐，调整参数往往能显著提升准确率：

result = reader.readtext(
    'image.jpg',
    detail = 0,              # 设为 0 只返回文本，隐藏坐标和置信度
    paragraph = True,        # 将临近文本合并为段落
    min_size = 10,           # 最小文本框大小
    contrast_ths = 0.15,     # 对比度阈值
    adjust_contrast = 0.5,   # 对比度调整系数
    text_threshold = 0.7,    # 文本检测阈值
    low_text = 0.4,          # 文本检测低阈值
    link_threshold = 0.4,    # 文本行连接阈值
)

4. 实践应用场景

4.1 与 Web 应用集成或对外提供 API

下面是一个典型的集成方式——用 Flask 搭建一个简易 OCR 服务：

from flask import Flask, request, jsonify, render_template, json
import easyocr
import numpy as np
from PIL import Image

app = Flask(__name__)
reader = easyocr.Reader(['ch_sim','en'])

@app.route('/', methods=['GET'])
def index():
    pass
    
@app.route('/ocr', methods=['POST'])
def ocr_endpoint():
    try:
        if 'image' not in request.files:
            return jsonify({'error': 'No image provided'}), 400
            
        image = request.files['image']
        img = Image.open(image)
        result = reader.readtext(np.array(img))
        
        processed_result = []
        current_line = []
        current_line_boxes = []
        
        sorted_result = sorted(result, key=lambda x: (x[0][0][1] + x[0][2][1]) / 2)
        
        y_threshold = 10
        
        for i, (bbox, text, prob) in enumerate(sorted_result):
            current_y = (bbox[0][1] + bbox[2][1]) / 2
            
            if not current_line:
                current_line.append((bbox, text))
                current_line_boxes.append(bbox)
            else:
                prev_y = (current_line[0][0][0][1] + current_line[0][0][2][1]) / 2
                
                if abs(current_y - prev_y) <= y_threshold:
                    current_line.append((bbox, text))
                    current_line_boxes.append(bbox)
                else:
                    current_line.sort(key=lambda x: x[0][0][0])
                    processed_result.append({
                        'text': ' '.join(item[1] for item in current_line)
                    })
                    current_line = [(bbox, text)]
                    current_line_boxes = [bbox]
        
        if current_line:
            current_line.sort(key=lambda x: x[0][0][0])
            processed_result.append({
                'text': ' '.join(item[1] for item in current_line)
            })
        
        response = app.response_class(
            response=json.dumps(
                {'result': processed_result}, 
                ensure_ascii=False,
                indent=2
            ),
            status=200,
            mimetype='application/json'
        )
        return response
        
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=8080, debug=True)  

5. 性能优化建议

1. GPU 加速
   • 确保在 GPU 环境下正确安装 CUDA 和对应版本的 PyTorch
   • 首次运行会下载模型，建议预先下载到本地

2. 内存优化
   • 处理大量图片时注意及时释放内存
   • 可以使用生成器进行批量处理，避免一次性加载全部

3. 图像预处理
   • 适当预处理（如对比度调整、去噪）能明显提升识别准确率
   • 光照不均或模糊的图片，建议先做图像增强

6. 常见问题解决

1. 内存不足
   • 降低处理图片的分辨率
   • 批量处理时减小批次大小

2. 识别准确率不高
   • 调整识别参数，尤其是 text_threshold 和 low_text
   • 优化图像质量，确保文字清晰可辨
   • 考虑使用特定语言模型（如纯中文场景可单独加载）

整体来看，EasyOCR 在轻量级和易用性上表现突出，尤其适合需要快速集成、多语言识别的自动化场景。如果你也在处理类似的图片验证码、文档文字提取等需求，不妨拿它先试试。