uniOCR: кроссплатформенный инструмент для распознавания текста с открытым исходным кодом

Общее введение

uniOCR - это инструмент для распознавания текста с открытым исходным кодом, разработанный командой mediar-ai. Он основан на языке Rust и поддерживает macOS, Windows и Linux. Пользователи могут использовать его для извлечения текста из изображений, работа с которыми проста и бесплатна. Основные особенности uniOCR - кроссплатформенная поддержка и унифицированный дизайн интерфейса. Он интегрирует несколько движков OCR, включая Vision Kit для macOS, Windows OCR и Tesseract, а также поддерживает облачный OCR, который может использоваться как индивидуальными пользователями, так и разработчиками для быстрого решения задач по распознаванию изображений и текста. Код проекта является открытым, что позволяет пользователям свободно изменять и расширять его.

Список функций

• Поддерживает системы macOS, Windows и Linux и работает в кроссплатформенном режиме.
• Доступно несколько вариантов движков OCR: macOS Vision, Windows OCR, Tesseract и Cloud OCR.
• Поддерживает извлечение текста из одного или нескольких изображений.
• Предоставьте унифицированный API-интерфейс для облегчения переключения между различными OCR-движками.
• Поддержка асинхронных операций и пакетной обработки для повышения эффективности распознавания.
• Позволяет настраивать такие параметры, как язык, пороги доверия и тайм-ауты.
• Проект с открытым исходным кодом, пользователи могут просматривать и изменять код.

Использование помощи

Процесс установки

Для работы uniOCR требуется среда Rust и соответствующие зависимости. Ниже приведены подробные шаги:

1. Установка ржавчины
   • Откройте терминал и введите следующую команду для установки Rust:

     curl --proto '=https' --tlsv1.2 -sSf https://sh.rustup.rs | sh
     

   • После завершения установки запустите rustc --version Проверьте версию, чтобы убедиться, что установка прошла успешно.
2. Загрузить исходный код uniOCR
   • Клонируйте проект локально с помощью Git:

     git clone https://github.com/mediar-ai/uniOCR.git
     

   • Перейдите в каталог проектов:

     cd uniOCR
     

3. Установите Tesseract (необязательно)
   • Если вы хотите использовать движок Tesseract, вам необходимо установить его дополнительно:
     • macOS: работает brew install tesseract
     • Ubuntu: работает apt-get install tesseract-ocr
     • Windows: работает winget install tesseract или загрузите установочный пакет вручную.
   • Для macOS Vision и Windows OCR дополнительная установка не требуется.
4. Компиляция проектов
   • Запустите в каталоге проекта:

     cargo build --release
     

   • После компиляции исполняемый файл находится по адресу <项目目录>/target/release/.
5. программа бега
   • Введите следующую команду для запуска:

     cargo run --release
     

Как использовать

uniOCR позволяет распознавать текст с помощью кодовых вызовов. Ниже описаны основные операции:

1. Подготовьте фотографию
   • Поместите изображение для распознавания (например. test.png) в каталог проектов.
2. Запустите базовый пример
   • компилятор <项目目录>/examples/basic.rsКод выглядит следующим образом:

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let text = engine.recognize_file("test.png").await?;
     println!("提取的文字: {}", text);
     Ok(())
     }
     

   • Запустите пример:

     cargo run --example basic
     

   • Программа выводит текст на изображение.
3. Выберите механизм распознавания текста
   • модификации OcrProvider параметр для переключения двигателей:
     • macOS Vision:OcrProvider::MacOS
     • Windows OCR:OcrProvider::Windows
     • Тессеракт:OcrProvider::Tesseract
   • Код примера:

     let engine = OcrEngine::new(OcrProvider::Tesseract)?;
     

4. пакетный файл
   • компилятор <项目目录>/examples/batch_processing.rs::

     use uniocr::{OcrEngine, OcrProvider};
     use anyhow::Result;
     #[tokio::main]
     async fn main() -> Result<()> {
     let engine = OcrEngine::new(OcrProvider::Auto)?;
     let images = vec!["img1.png", "img2.png", "img3.png"];
     let results = engine.recognize_batch(images).await?;
     for (i, text) in results.iter().enumerate() {
     println!("图片 {} 提取的文字: {}", i + 1, text);
     }
     Ok(())
     }
     

   • Бег:

     cargo run --example batch_processing
     

Функциональное управление

Пользовательские настройки

• uniOCR поддерживает настройку параметров распознавания. Пример кода:

use uniocr::{OcrEngine, OcrProvider, OcrOptions};
let options = OcrOptions::default()
.languages(vec!["eng", "chi_sim"])  // 设置英文和简体中文
.confidence_threshold(0.8)         // 置信度阈值
.timeout(std::time::Duration::from_secs(30));  // 超时 30 秒
let engine = OcrEngine::new(OcrProvider::Auto)?.with_options(options);

• После запуска распознавание будет выполнено в заданном порядке.

Поддержка нескольких языков

• Если вы знаете китайский язык, вам необходимо установить китайский языковой пакет для Tesseract:
• macOS/Ubuntu: запустите программу brew install tesseract-lang возможно apt-get install tesseract-ocr-chi-sim
• Windows: Скачать chi_sim.traineddata в каталоге установки Tesseract. tessdata Папка.
• Установите для параметра "Язык" значение vec!["chi_sim"].

оптимизация производительности

• В uniOCR используется асинхронная работа и параллельная обработка. При пакетном распознавании программа обрабатывает несколько изображений одновременно для экономии времени.
• На высокопроизводительных устройствах, таких как M4 MacBook Pro, macOS Vision может обрабатывать 3,2 изображения в секунду с точностью 90%.

предостережение

• Изображения должны быть четкими, размытость или плохое освещение могут повлиять на распознавание.
• Системы Windows должны быть не ниже Windows 10.
• Для настройки облачного OCR (например, Google Cloud Vision) требуются дополнительные учетные данные, и полный официальный пример на данный момент недоступен.

сценарий применения

1. сканирование документов
   Пользователи могут сфотографировать бумажный документ, извлечь из него текст с помощью uniOCR и сохранить его в электронном виде.
2. многоязычный перевод
   После распознавания иностранного языка на изображении он работает с инструментами перевода для создания многоязычного текста.
3. Автоматизированные рабочие процессы
   Разработчики могут интегрировать uniOCR в сценарии для пакетной обработки изображений и извлечения текста.

QA

1. Какие системы поддерживают uniOCR?
   Поддерживает macOS, Windows 10+ и Linux, не требуя дополнительного оборудования.
2. Как повысить точность распознавания?
   Используйте высококачественные изображения, настройте пороги доверия или выберите подходящий механизм OCR.
3. Что делать, если Tesseract не распознает китайский язык?
   Необходимо установить и настроить китайские языковые пакеты languages(vec!["chi_sim"]).