muggle-ocr-1.0.3_muggle_ocr库下载_验证码识别_

# （白嫖）这是一个为麻瓜设计的本地OCR模块 只需要简单几步操作即可拥有两大通用识别模块，让你在工作中畅通无阻。 测试图片 test1.png  测试图片 test2.jpg  ## SDK类参数 | 参数名 | 必选 | 类型 | 说明 | | ---------- | ---- | --------- | -------------------------------------- | | model_type | No | ModelType | 指定预置模型类型 | | conf_path | No | str | 指定自定义模型yaml配置文件（绝对路径） | 以上参数两者选其一即可，默认 model_type 为 ModelType.OCR, 若指定 conf_path 参数则优先使用自定义模型。 ## 核心API 1. ```SDK.predict(image_bytes: bytes)``` ## 使用指北 **注意: 因模块过新，阿里/清华等第三方源可能尚未更新镜像，因此手动指定使用境外源，为了提高依赖的安装速度，可预先自行安装依赖：tensorflow/numpy/opencv-python/pillow/pyyaml** 1. ```pip install muggle-ocr``` 2. 调用示例： ```python import time # 1. 导入包 import muggle_ocr """ 使用预置模型，预置模型包含了[ModelType.OCR, ModelType.Captcha] 两种 其中 ModelType.OCR 用于识别普通印刷文本, ModelType.Captcha 用于识别4-6位简单英数验证码 """ # 打开印刷文本图片 with open(r"test1.png", "rb") as f: ocr_bytes = f.read() # 打开验证码图片 with open(r"test2.jpg", "rb") as f: captcha_bytes = f.read() # 2. 初始化；model_type 可选: [ModelType.OCR, ModelType.Captcha] sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR) # ModelType.Captcha 可识别光学印刷文本 for i in range(5): st = time.time() # 3. 调用预测函数 text = sdk.predict(image_bytes=ocr_bytes) print(text, time.time() - st) # ModelType.Captcha 可识别4-6位验证码 sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha) for i in range(5): st = time.time() # 3. 调用预测函数 text = sdk.predict(image_bytes=captcha_bytes) print(text, time.time() - st) """ 使用自定义模型 支持基于 https://github.com/kerlomz/captcha_trainer 框架训练的模型 训练完成后，进入导出编译模型的[out]路径下, 把[graph]路径下的pb模型和[model]下的yaml配置文件放到同一路径下。 将 conf_path 参数指定为 yaml配置文件 的绝对或项目相对路径即可，其他步骤一致，如下示例： """ with open(r"test3.jpg", "rb") as f: b = f.read() sdk = muggle_ocr.SDK(conf_path="./ocr.yaml") text = sdk.predict(image_bytes=b) ``` **输出结果:** ```shell script MuggleOCR Session [ocr] Loaded. 曹文轩教授作序推荐 0.010004520416259766 曹文轩教授作序推荐 0.009941339492797852 曹文轩教授作序推荐 0.0109710693359375 曹文轩教授作序推荐 0.00901031494140625 曹文轩教授作序推荐 0.010967493057250977 MuggleOCR Session [captcha] Loaded. ceey 0.010970592498779297 ceey 0.009973287582397461 ceey 0.010970592498779297 ceey 0.009973526000976562 ceey 0.009973287582397461 ``` OCR和验证码识别的速度基本都在10ms左右，低配CPU可能需要15-20ms。本模块仅支持单行识别，如有多行识别需求请自行采用目标检测预裁图片。 对本项目感兴趣的可以加QQ群交流：857149419