说明1、muggle_ocr是一款轻量级的ocr识别库,对于python来说是识别率较高的图片验证码模块。
2、主要用于识别各种类型的验证码,一般文字提取效果稍差。
安装命令pip install muggle_ocr实例
import muggle_ocr# 初始化sdk;model_type 包含了 ModelType.OCR/ModelType.Captcha 两种模式,分别对应常规图片与验证码sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha) with open(r"d:Desktop四位验证码.png","rb") as f: img = f.read() text = sdk.predict(image_bytes=img)print(text)
相关实例扩展:
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)
到此这篇关于python muggle_ocr库用法及实例代码的文章就介绍到这了,更多相关python muggle_ocr库的介绍内容请搜索编程之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程之家!
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。