說明
1、muggle_ocr是一款輕量級的ocr識別庫，對于python來說是識別率較高的圖片驗證碼模塊。
2、主要用于識別各種類型的驗證碼，一般文字提取效果稍差。
安裝命令
實例
import muggle_ocr
# 初始化sdk；model_type 包含了 ModelType.OCR/ModelType.Captcha 兩種模式,分別對應常規圖片與驗證碼
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
with open(r"d:\Desktop\四位驗證碼.png", "rb") as f:
img = f.read()
text = sdk.predict(image_bytes=img)
print(text)
相關實例擴展：
import time
# 1. 導入包
import muggle_ocr
"""
使用預置模型，預置模型包含了[ModelType.OCR, ModelType.Captcha] 兩種
其中 ModelType.OCR 用于識別普通印刷文本, ModelType.Captcha 用于識別4-6位簡單英數驗證碼
"""
# 打開印刷文本圖片
with open(r"test1.png", "rb") as f:
ocr_bytes = f.read()
# 打開驗證碼圖片
with open(r"test2.jpg", "rb") as f:
captcha_bytes = f.read()
# 2. 初始化；model_type 可選: [ModelType.OCR, ModelType.Captcha]
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)
# ModelType.Captcha 可識別光學印刷文本
for i in range(5):
st = time.time()
# 3. 調用預測函數
text = sdk.predict(image_bytes=ocr_bytes)
print(text, time.time() - st)
# ModelType.Captcha 可識別4-6位驗證碼
sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)
for i in range(5):
st = time.time()
# 3. 調用預測函數
text = sdk.predict(image_bytes=captcha_bytes)
print(text, time.time() - st)
"""
使用自定義模型
支持基于 https://github.com/kerlomz/captcha_trainer 框架訓練的模型
訓練完成后，進入導出編譯模型的[out]路徑下, 把[graph]路徑下的pb模型和[model]下的yaml配置文件放到同一路徑下。
將 conf_path 參數指定為 yaml配置文件 的絕對或項目相對路徑即可，其他步驟一致，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)
到此這篇關于python muggle_ocr庫用法及實例代碼的文章就介紹到這了,更多相關python muggle_ocr庫的介紹內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- python3使用Pillow、tesseract-ocr與pytesseract模塊的圖片識別的方法
- python3光學字符識別模塊tesserocr與pytesseract的使用詳解
- python PaddleOCR庫用法及知識點詳解
- python EasyOCR庫實例用法介紹
- python 如何做一個識別率百分百的OCR
- Python 實現任意區域文字識別(OCR)操作
- Python實現OCR識別之pytesseract案例詳解
