CnOCR 是 Python 3 下的文字识别（Optical Character Recognition，简称OCR）工具包，支持简体中文、繁体中文（部分模型）、英文和数字的常见字符识别，支持竖排文字的识别。自带了20+个训练好的识别模型，适用于不同应用场景，安装后即可直接使用。同时，CnOCR也提供简单的训练命令供使用者训练自己的模型。欢迎加入 交流群。CnOCR 追求的目标一直是使用简单，而不是实现各种最新的模型算法。
CnOCR V2.2 前两天终于上线了，内部集成了场景文字检测功能，终于不挑图片了~。而且，文档做了大规模更新，可爱多了~。
官方代码库：https://github.com/breezedeus/cnocr 。
可以使用 在线 Demo (https://cnocr.readthedocs.io/zh/latest/demo/) 查看效果。
之前版本把文本检测 CnSTD 分离出来的初衷是 CnOCR 不用依赖opencv，降低安装成本，结果发现opencv的安装对大部分人来说不是事。分离出来的另一个问题是很多人在第一次用CnOCR时都是在随便的一张图片上看效果，然后觉得效果很差就不用了。真正结合CnSTD试验效果的人很少。从 V2.2 开始，CnOCR 内部调用 CnSTD 进行文本检测，这样整个文本检测+文本识别过程都在 CnOCR 内部完成，对用户完全透明。
CnOCR 新版 V2.2 会比 PaddleOCR (ppocr) 好用，主要体现在四个方面：
CnOCR 安装更简单，不依赖PaddlePaddle；
CnOCR 使用更简单，主要接口依旧就3个，文档尽量简洁明了；
CnOCR 精度不低于 ppocr，因为 CnOCR 中引入了 ppocr 的主要模型（ONNX版本）。而且从我的使用经验看，CnOCR 自己训练的模型在某些场景精度是比 ppocr 模型更高的，比如不常见的汉字排列，简单的文字截图图片；
CnOCR 速度更快。CnOCR 中支持的ppocr模型是 ONNX版本，会比 ppocr 的 paddle版本更快一倍左右（经验值）。而且 CnOCR 自己训练的部分识别模型更精简，速度也会更快。
安装简单
嗯，顺利的话一行命令即可完成安装。
> pip install cnocr
更多说明可见 安装文档。
注：如果电脑中从未安装过 PyTorch，OpenCV python包，初次安装可能会遇到问题，但一般都是常见问题，可以自行百度/Google解决。
各种场景的调用示例
常见的图片识别
所有参数都使用默认值即可。如果发现效果不够好，多调整下各个参数看效果，最终往往能获得比较理想的精度。
from cnocr import CnOcr
img_fp = './docs/examples/huochepiao.jpeg'
ocr = CnOcr() # 所有参数都使用默认值
out = ocr.ocr(img_fp)
print(out)
识别结果：
排版简单的印刷体截图图片识别
针对 排版简单的印刷体文字图片，如截图图片，扫描件图片等，可使用 det_model_name='naive_det'，相当于不使用文本检测模型，而使用简单的规则进行分行。
使用 det_model_name='naive_det' 的最大优势是速度快，劣势是对图片比较挑剔。如何判断是否该使用此检测模型呢？最简单的方式就是拿应用图片试试效果，效果好就用，不好就不用。
from cnocr import CnOcr
img_fp = './docs/examples/multi-line_cn1.png'
ocr = CnOcr(det_model_name='naive_det')
out = ocr.ocr(img_fp)
print(out)
识别结果：
竖排文字识别
采用来自 ppocr 的中文识别模型 rec_model_name='ch_PP-OCRv3' 进行识别。
from cnocr import CnOcr
img_fp = './docs/examples/shupai.png'
ocr = CnOcr(rec_model_name='ch_PP-OCRv3')
out = ocr.ocr(img_fp)
print(out)
识别结果：
英文识别
虽然中文检测和识别模型也能识别英文，但专为英文文字训练的检测器和识别器往往精度更高。如果是纯英文的应用场景，建议使用来自 ppocr 的英文检测模型 det_model_name='en_PP-OCRv3_det'， 和英文识别模型 rec_model_name='en_PP-OCRv3' 。
from cnocr import CnOcr
img_fp = './docs/examples/en_book1.jpeg'
ocr = CnOcr(det_model_name='en_PP-OCRv3_det', rec_model_name='en_PP-OCRv3')
out = ocr.ocr(img_fp)
print(out)
识别结果：
繁体中文识别
采用来自ppocr的繁体识别模型 rec_model_name='chinese_cht_PP-OCRv3' 进行识别。
from cnocr import CnOcr
img_fp = './docs/examples/fanti.jpg'
ocr = CnOcr(rec_model_name='chinese_cht_PP-OCRv3') # 识别模型使用繁体识别模型
out = ocr.ocr(img_fp)
print(out)
使用此模型时请注意以下问题：
识别精度一般，不是很好；
除了繁体字，对标点、英文、数字的识别都不好；
此模型不支持竖排文字的识别。
识别结果：
单行文字的图片识别
如果明确知道待识别的图片是单行文字图片（如下图），可以使用类函数 CnOcr.ocr_for_single_line() 进行识别。这样就省掉了文字检测的时间，速度会快一倍以上。
调用代码如下：
from cnocr import CnOcr
img_fp = './docs/examples/helloworld.jpg'
ocr = CnOcr()
out = ocr.ocr_for_single_line(img_fp)
print(out)
更多应用示例
更多文档
请见：https://cnocr.readthedocs.io 。
知识星球私享群
作者也维护 知识星球CnOCR/CnSTD私享群 (
https://wx.zsxq.com/dweb2/index/group/28858522821151) ，欢迎加入。知识星球私享群会陆续发布一些CnOCR/CnSTD相关的私有资料，包括更详细的训练教程，未公开的模型，使用过程中遇到的难题解答等。本群也会发布OCR/STD相关的最新研究资料。此外，私享群中作者每月提供两次免费特有数据的训练服务。
