104 lines
2.7 KiB
Markdown
104 lines
2.7 KiB
Markdown
---
|
||
name: "ocr-extract"
|
||
description: "OCR文字识别工具，使用RapidOCR从图片中提取文字。Invoke when user needs to extract text from images, recognize text in screenshots, or perform OCR on any image files."
|
||
---
|
||
|
||
# OCR 文字识别工具
|
||
|
||
使用 RapidOCR (rapidocr-onnxruntime) 对图片进行文字识别，支持中英文混合识别，无需GPU。
|
||
|
||
## 前提条件
|
||
|
||
- Python 环境
|
||
- 依赖包：`rapidocr-onnxruntime`, `Pillow`
|
||
- 安装命令：`pip install rapidocr-onnxruntime Pillow`
|
||
|
||
## 基本用法
|
||
|
||
### 单张图片OCR
|
||
|
||
```python
|
||
from rapidocr_onnxruntime import RapidOCR
|
||
|
||
ocr = RapidOCR()
|
||
result, _ = ocr("image_path.png")
|
||
if result:
|
||
for line in result:
|
||
print(line[1]) # line[1] 是识别的文字
|
||
```
|
||
|
||
### 长图分段识别（推荐）
|
||
|
||
对于高度超过2000像素的长截图，建议分段识别以提高速度和准确度：
|
||
|
||
```python
|
||
from rapidocr_onnxruntime import RapidOCR
|
||
from PIL import Image
|
||
import os, time
|
||
|
||
ocr = RapidOCR()
|
||
|
||
img_path = r"长图路径.png"
|
||
img = Image.open(img_path)
|
||
height = img.size[1]
|
||
chunk_size = 1200 # 每段1200像素，约1-2秒/段
|
||
|
||
all_text = []
|
||
for i in range(0, height, chunk_size):
|
||
bottom = min(i + chunk_size, height)
|
||
chunk = img.crop((0, i, img.size[0], bottom))
|
||
tmp_path = os.path.join(os.environ['TEMP'], f'ocr_chunk_{i}.png')
|
||
chunk.save(tmp_path)
|
||
result, _ = ocr(tmp_path)
|
||
if result:
|
||
for line in result:
|
||
all_text.append(line[1])
|
||
if os.path.exists(tmp_path):
|
||
os.remove(tmp_path)
|
||
|
||
for t in all_text:
|
||
print(t)
|
||
```
|
||
|
||
### 批量图片OCR
|
||
|
||
```python
|
||
from rapidocr_onnxruntime import RapidOCR
|
||
import os
|
||
|
||
ocr = RapidOCR()
|
||
img_dir = r"图片目录路径"
|
||
images = sorted([f for f in os.listdir(img_dir) if f.lower().endswith(('.jpeg', '.jpg', '.png'))])
|
||
|
||
for img_name in images:
|
||
img_path = os.path.join(img_dir, img_name)
|
||
result, _ = ocr(img_path)
|
||
print(f"\n=== {img_name} ===")
|
||
if result:
|
||
for line in result:
|
||
print(line[1])
|
||
```
|
||
|
||
## 性能参考
|
||
|
||
| 图片尺寸 | 分段大小 | 耗时 |
|
||
|---------|---------|------|
|
||
| 1731x1200 | 不分段 | ~1.5秒 |
|
||
| 1731x4896 | 1200px/段 | ~6秒 |
|
||
| 1731x20824 | 1200px/段 | ~26秒 |
|
||
|
||
## 返回结果格式
|
||
|
||
`result` 是一个列表，每个元素格式为 `[bbox, text, confidence]`：
|
||
- `bbox`: 文字位置坐标 `[[x1,y1], [x2,y2], [x3,y3], [x4,y4]]`
|
||
- `text`: 识别的文字内容
|
||
- `confidence`: 置信度（字符串类型）
|
||
|
||
## 注意事项
|
||
|
||
- 临时文件使用 `os.environ['TEMP']` 目录，用后需清理
|
||
- `os.remove()` 前务必用 `os.path.exists()` 检查文件是否存在
|
||
- Windows PowerShell 中避免使用 `&&` 连接命令，改用 `;` 或分行
|
||
- 对于非常长的截图（>10000px），建议 chunk_size 设为 1200-1500
|
||
- 识别中文效果良好，支持中英文混合
|