开源通用验证码识别OCR —— DdddOcr 源码赏析（一）

文章目录

    • @[toc]
  • 前言
  • DdddOcr
  • 环境准备
    • 安装DdddOcr
    • 使用示例
  • 源码分析
    • 实例化DdddOcr
      • 实例化过程
    • 分类识别
      • 分类识别过程
  • 未完待续

前言

DdddOcr 源码赏析
在这里插入图片描述

DdddOcr

DdddOcr是开源的通用验证码识别OCR
官方传送门

环境准备

安装DdddOcr

pip install ddddocr

使用示例

示例图片如下
在这里插入图片描述


import ddddocrocr = ddddocr.DdddOcr(show_ad=False)image = open("example.png", "rb").read()
result = ocr.classification(image)
print(result)
# 识别结果 aFtf

源码分析

我们以实例代码为例，分析源码里面都做了什么

实例化DdddOcr

ocr = ddddocr.DdddOcr(show_ad=False)

对应源码如下

class DdddOcr(object):def __init__(self, ocr: bool = True, det: bool = False, old: bool = False, beta: bool = False,use_gpu: bool = False,device_id: int = 0, show_ad=True, import_onnx_path: str = "", charsets_path: str = ""):if show_ad:print("欢迎使用ddddocr，本项目专注带动行业内卷，个人博客:wenanzhe.com")print("训练数据支持来源于:http://146.56.204.113:19199/preview")print("爬虫框架feapder可快速一键接入，快速开启爬虫之旅：https://github.com/Boris-code/feapder")print("谷歌reCaptcha验证码 / hCaptcha验证码 / funCaptcha验证码商业级识别接口：https://yescaptcha.com/i/NSwk7i")if not hasattr(Image, 'ANTIALIAS'):setattr(Image, 'ANTIALIAS', Image.LANCZOS)self.use_import_onnx = Falseself.__word = Falseself.__resize = []self.__charset_range = []self.__channel = 1if import_onnx_path != "":det = Falseocr = Falseself.__graph_path = import_onnx_pathwith open(charsets_path, 'r', encoding="utf-8") as f:info = json.loads(f.read())self.__charset = info['charset']self.__word = info['word']self.__resize = info['image']self.__channel = info['channel']self.use_import_onnx = Trueif det:ocr = Falseself.__graph_path = os.path.join(os.path.dirname(__file__), 'common_det.onnx')self.__charset = []

实例化过程

1 show_ad
先来一波广告推广，开源不易，尤其是DdddOcr这么良心的开源Ocr，大家多多支持DdddOcr
2 ANTIALIAS 判断

if not hasattr(Image, 'ANTIALIAS'):setattr(Image, 'ANTIALIAS', Image.LANCZOS)

Image.LANCZOS，这是一种图像重采样过滤器，通常用于图像缩放时减少锯齿状边缘和模糊。
这段代码的作用主要是向后兼容或者为旧代码提供一种便捷的访问方式，使得即使PIL或Pillow库的官方API中没有直接提供ANTIALIAS这个属性，开发者也可以通过这种方式来使用LANCZOS过滤器进行图像缩放等操作。

3 然后初始化一些变量

self.use_import_onnx = Falseself.__word = Falseself.__resize = []self.__charset_range = []self.__channel = 1

4 判断是否使用自己的Ocr模型

if import_onnx_path != "":det = Falseocr = Falseself.__graph_path = import_onnx_pathwith open(charsets_path, 'r', encoding="utf-8") as f:info = json.loads(f.read())self.__charset = info['charset']self.__word = info['word']self.__resize = info['image']self.__channel = info['channel']self.use_import_onnx = True

如果使用自己的Ocr模型，通过import_onnx_path指定模型路径，同时charsets_path指定字符集信息
5 是否启用目标检测

if det:ocr = Falseself.__graph_path = os.path.join(os.path.dirname(__file__), 'common_det.onnx')self.__charset = []

1.6 是否启用ocr
beta为True表示启用新的ocr模型, 为False启用老的ocr模型

if ocr:if not beta:self.__graph_path = os.path.join(os.path.dirname(__file__), 'common_old.onnx')self.__charset = [....]else:self.__graph_path = os.path.join(os.path.dirname(__file__), 'common.onnx')self.__charset = [...]

6 是否启用GPU

 if use_gpu:self.__providers = [('CUDAExecutionProvider', {'device_id': device_id,'arena_extend_strategy': 'kNextPowerOfTwo','cuda_mem_limit': 2 * 1024 * 1024 * 1024,'cudnn_conv_algo_search': 'EXHAUSTIVE','do_copy_in_default_stream': True,}),]else:self.__providers = ['CPUExecutionProvider',]

这里根据use_gpu来决定是使用GPU还是CPU作为计算提供者（ExecutionProvider）

如果use_gpu为True，即决定使用GPU进行计算，那么会创建一个名为CUDAExecutionProvider的提供者配置列表，并设置了一系列与CUDA（GPU计算平台）相关的参数。这些参数包括：

  1. device_id：指定使用的GPU设备的ID，这允许在多GPU环境中选择特定的GPU进行计算。
  2. arena_extend_strategy：内存分配策略，这里设置为’kNextPowerOfTwo’，意味着内存分配时会向上取到最近的2的幂次方大小，这有助于减少内存碎片。
  3. cuda_mem_limit：限制CUDA设备（GPU）的内存使用量，这里设置为2GB（2 * 1024 * 1024 * 1024字节）。
  4. cudnn_conv_algo_search：指定卷积算法搜索策略，'EXHAUSTIVE’表示使用穷举搜索策略来找到最佳的卷积算法，这可能会增加预处理时间但可能提高执行效率。
  5. do_copy_in_default_stream：指定是否在默认流中执行数据复制操作，这里设置为True。

如果use_gpu为False，即决定使用CPU进行计算，那么会简单地设置计算提供者列表为仅包含一个’CPUExecutionProvider’的列表。

7 加载onnx模型

self.__ort_session = onnxruntime.InferenceSession(self.__graph_path, providers=self.__providers)

❓疑问❓
从代码来看只能加载一种模型，ocr模型（新/旧）、det模型、自己的onnx模型，三种模型三选一，这里self.__graph_path指定模型路径时，却使用了3个if, 而不是if-elif-else结构，个人感觉不太合理, 只能说瑕不掩瑜

源码结构如下

if import_onnx_path != "":self.__graph_path = import_onnx_path
if det:self.__graph_path = os.path.join(os.path.dirname(__file__), 'common_det.onnx')
if ocr:if not beta:self.__graph_path = os.path.join(os.path.dirname(__file__), 'common_old.onnx')else:self.__graph_path = os.path.join(os.path.dirname(__file__), 'common.onnx')

分类识别

image = open("example.jpg", "rb").read()
result = ocr.classification(image)
print(result)

对应源码如下

def classification(self, img, png_fix: bool = False, probability=False):if self.det:raise TypeError("当前识别类型为目标检测")if not isinstance(img, (bytes, str, pathlib.PurePath, Image.Image)):raise TypeError("未知图片类型")if isinstance(img, bytes):image = Image.open(io.BytesIO(img))elif isinstance(img, Image.Image):image = img.copy()elif isinstance(img, str):image = base64_to_image(img)else:assert isinstance(img, pathlib.PurePath)image = Image.open(img)if not self.use_import_onnx:image = image.resize((int(image.size[0] * (64 / image.size[1])), 64), Image.ANTIALIAS).convert('L')else:if self.__resize[0] == -1:if self.__word:image = image.resize((self.__resize[1], self.__resize[1]), Image.ANTIALIAS)else:image = image.resize((int(image.size[0] * (self.__resize[1] / image.size[1])), self.__resize[1]),Image.ANTIALIAS)else:image = image.resize((self.__resize[0], self.__resize[1]), Image.ANTIALIAS)if self.__channel == 1:image = image.convert('L')else:if png_fix:image = png_rgba_black_preprocess(image)else:image = image.convert('RGB')image = np.array(image).astype(np.float32)image = np.expand_dims(image, axis=0) / 255.if not self.use_import_onnx:image = (image - 0.5) / 0.5else:if self.__channel == 1:image = (image - 0.456) / 0.224else:image = (image - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225])image = image[0]image = image.transpose((2, 0, 1))ort_inputs = {'input1': np.array([image]).astype(np.float32)}ort_outs = self.__ort_session.run(None, ort_inputs)result = []last_item = 0if self.__word:for item in ort_outs[1]:result.append(self.__charset[item])else:if not self.use_import_onnx:# 概率输出仅限于使用官方模型if probability:ort_outs = ort_outs[0]ort_outs = np.exp(ort_outs) / np.sum(np.exp(ort_outs))ort_outs_sum = np.sum(ort_outs, axis=2)ort_outs_probability = np.empty_like(ort_outs)for i in range(ort_outs.shape[0]):ort_outs_probability[i] = ort_outs[i] / ort_outs_sum[i]ort_outs_probability = np.squeeze(ort_outs_probability).tolist()result = {}if len(self.__charset_range) == 0:# 返回全部result['charsets'] = self.__charsetresult['probability'] = ort_outs_probabilityelse:result['charsets'] = self.__charset_rangeprobability_result_index = []for item in self.__charset_range:if item in self.__charset:probability_result_index.append(self.__charset.index(item))else:# 未知字符probability_result_index.append(-1)probability_result = []for item in ort_outs_probability:probability_result.append([item[i] if i != -1 else -1 for i in probability_result_index ])result['probability'] = probability_resultreturn resultelse:last_item = 0argmax_result = np.squeeze(np.argmax(ort_outs[0], axis=2))for item in argmax_result:if item == last_item:continueelse:last_item = itemif item != 0:result.append(self.__charset[item])return ''.join(result)else:last_item = 0for item in ort_outs[0][0]:if item == last_item:continueelse:last_item = itemif item != 0:result.append(self.__charset[item])return ''.join(result)

分类识别过程

1 目标检测任务不支持分类

if self.det:raise TypeError("当前识别类型为目标检测")
  1. 图片格式转换
 if not isinstance(img, (bytes, str, pathlib.PurePath, Image.Image)):raise TypeError("未知图片类型")if isinstance(img, bytes):image = Image.open(io.BytesIO(img))elif isinstance(img, Image.Image):image = img.copy()elif isinstance(img, str):image = base64_to_image(img)else:assert isinstance(img, pathlib.PurePath)image = Image.open(img)

未完待续

明天见

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。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。如若转载，请注明出处：http://www.rhkb.cn/news/405431.html

如若内容造成侵权/违法违规/事实不符，请联系长河编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

Java语言程序设计——篇十五（3）

Java语言程序设计——篇十五（3）

🌿🌿🌿跟随博主脚步，从这里开始→博主主页🌿🌿🌿 欢迎大家：这里是我的学习笔记、总结知识的地方，喜欢的话请三连，有问题可以私信🌳🌳&…
阅读更多...
450nm 高功率蓝光激光模组使用多长时间需要更换

450nm 高功率蓝光激光模组使用多长时间需要更换

450nm蓝光激光模组以其独特的波长特性和高功率输出，成为了市场上备受瞩目的产品。然而，对于用户而言，了解这类高功率激光模组的使用寿命及何时需要更换，是确保工作效率和设备安全性的重要环节。本文将带大家了解450nm 高功率蓝光激…
阅读更多...
使用钉群发送告警通知

使用钉群发送告警通知

创建钉群，添加机器人 创建群 添加机器人并设置信息 需要注意的是设置“安全设置”时如果使用自定义关键词方式，那设置的内容必须要包含告警消息的内容 代码 模拟http请求发送通知 /*** param content 消息内容* param webhook 设置告警通知的群中机器…
阅读更多...
6款局域网管理软件优选|企业网络安全管理必备！

6款局域网管理软件优选|企业网络安全管理必备！

局域网管理软件在提高工作效率、保障信息安全等方面发挥着越来越重要的作用。 本文将详细介绍六款市场上最受欢迎的局域网管理软件，帮助企业管理者更好地理解和选择适合自己的局域网管理工具。 一、局域网管理的重要性 一个高效运作的局域网不仅可以提升工作效率&…
阅读更多...
动态内存管理申请调整和释放

动态内存管理申请调整和释放

动态内存管理存放在内存中的堆区中 动态内存分配的函数：malloc、calloc、realloc、free 动态内存分配 malloc函数（内存申请空间）无初始化free函数（动态内存释放）calloc函数（内存空间申请）初始化…
阅读更多...
页面设计任务 个人简介页面

页面设计任务 个人简介页面

目录 任务要求 任务讲解 源码: 详细讲解 html部分 CSS部分 任务要求 页面结构: 创建一个基本的 HTML 页面，页面标题为“我的个人简介”。页面内容分为以下四个部分： 顶部导航栏: 包含至少三个导航链接，例如：“主页”、“关于…
阅读更多...
OpenCV几何图像变换（2）计算仿射变换矩阵的函数getAffineTransform()的使用

OpenCV几何图像变换（2）计算仿射变换矩阵的函数getAffineTransform()的使用

操作系统：ubuntu22.04 OpenCV版本：OpenCV4.9 IDE:Visual Studio Code 编程语言：C11 算法描述 计算三对对应点之间的仿射变换。 该函数计算 23 的仿射变换矩阵，使得： [ x i ′ y i ′ ] map_matrix ⋅ [ x i y i 1 …
阅读更多...
Docker的安装与镜像配置

Docker的安装与镜像配置

小编目前大一，刚开始着手学习SSM，小编会把每个框架都整理成知识点发布出来。如果你也同时在学习SSM的话，不妨看看我做的这个笔记。我认为同为初学者，我把我对知识点的理解以这种代码加观点的方式分享出来不仅加深了我的理解&#…
阅读更多...
LORA通信详解

LORA通信详解

LORA（Long Range Radio）是一种低功耗广域网（LPWAN）技术，专门设计用于物联网（IoT）设备的远距离通信。其长距离传输和低功耗特性使其在智能城市、环境监测、农业等领域中得到了广泛应用。 一、LOR…
阅读更多...
自抗扰控制ADRC原理解析及案例应用

自抗扰控制ADRC原理解析及案例应用

1. ADRC基本原理 1.1 ADRC的基本概念 自抗扰控制（Active Disturbance Rejection Control，ADRC）是一种先进的控制策略，由韩京清研究员于1998年提出。ADRC的核心思想是将系统内部和外部的不确定性因素视为总扰动，并通过…
阅读更多...
华硕飞行堡垒键盘全部失灵【除电源键】

华硕飞行堡垒键盘全部失灵【除电源键】

华硕飞行堡垒FX53VD键盘全部失灵【除电源键】 前言一、故障排查二、发现问题三、使用方法总结 前言 版本型号： 型号 ASUS FX53VD（华硕-飞行堡垒） 板号：GL553VD 故障情况描述： 键盘无法使用，键盘除开机键外…
阅读更多...
heic格式怎么转成jpg？3种格式转换方法分享

heic格式怎么转成jpg？3种格式转换方法分享

heic格式怎么转成jpg？将HEIC格式的图片转换为JPG格式，是图像处理中的常见需求，它极大地方便了跨平台分享与浏览。通过专业的转换软件，我们可以轻松实现这一转换过程，确保图像内容在更多设备和环境中得到兼容和展示。这…
阅读更多...
vue 接口 传参token对 返回数据不对原因

vue 接口 传参token对 返回数据不对原因

接口不携带参数 接口token 正确 但是返回数据 返回的上一次登录的数据 处理 携带个时间戳
阅读更多...
Python基础知识学习总结（五）

Python基础知识学习总结（五）

一. 字典 字典是另一种可变容器模型，且可存储任意类型对象。 字典的每个键值 key>value 对用冒号 : 分割，每个对之间用逗号( , )分割，整个字典包括在花括号 {} 中 。 dict 作为 Python 的关键字和内置函数，变量名不建议命名…
阅读更多...
多商户入驻商城系统源码+收银系统源码

多商户入驻商城系统源码+收银系统源码

随着移动互联网的不断发展，私域小程序对于零售门店来说早已不再陌生。很多门店也都搭建了自己专属的私域商城，但是私域商城一直是不温不火的状态，尤其针对一些腰尾部商户来说，无小程序运营能力，小程序流量匮乏&#xf…
阅读更多...
Unity 波函数坍缩算法随机地图生成

Unity 波函数坍缩算法随机地图生成

Unity 波函数坍缩算法随机地图生成 波函数波函数基本概念位置空间波函数动量空间波函数两种波函数之间的关系波函数的本征值和本征态波函数坍缩 熵是什么熵作为状态函数时间之箭 实现原理举个例子：2D迷宫地图生成 Unity 如何实现前期准备单元格代码瓦片地图代码波函…
阅读更多...
jpg怎么转换成pdf？6个简单方法，实现jpg转换成pdf

jpg怎么转换成pdf？6个简单方法，实现jpg转换成pdf

你是否也曾想将jpg图片转换为pdf格式文档呢？亦或者在处理文档或制作报告时，不知道怎么才能更快地将多张图片整合成一个pdf文件呢？如果你正在寻找简单快速的方法，又有哪些工具可以帮助您完成图片转pdf呢？别着急&#xf…
阅读更多...
“LOCAL_LISTENER”参数导致业务无法连接数据库，文末附Oracle连接故障检查监听的排查流程

“LOCAL_LISTENER”参数导致业务无法连接数据库，文末附Oracle连接故障检查监听的排查流程

1. 背景及问题 今天在Oracle BCV技术[1]做数据同步，建立生产库的测试库，需要DBA配合同步前后的停库和起库。在同步完起库后，有部门反应同步好的测试库连接不上去。 2. 问题排查 以我当前的知识储备，能想到的可能就是以下几点进…
阅读更多...
深入浅出：你需要了解的用户数据报协议（UDP）

深入浅出：你需要了解的用户数据报协议（UDP）

文章目录 **UDP概述****1. 无连接性****2. 尽最大努力交付****3. 面向报文****4. 多种交互通信支持****5. 较少的首部开销** **UDP报文的首部格式****详细解释每个字段** **UDP的多路分用模型****多路分用的实际应用** **检验和的计算方法****伪首部的详细内容****检验和计算步…
阅读更多...
国内智能车零部件头号玩家引望：年出货300万套，估值1150亿

国内智能车零部件头号玩家引望：年出货300万套，估值1150亿

作者 |德新 编辑 |王博 8月19日，长安汽车发布公告，其联营企业阿维塔科技在当日的董事会上，通过了对引望公司的投资方案议案。 阿维塔将在8月20日与华为签约，阿维塔将出资115亿元，对引望公司持股10%，华为持…
阅读更多...
最新文章
推荐文章

Copyright @ 2022~2023

友情链接： 我的编程经验分享 一条长河网 尧图网站开发