ddddocr 下載 - ddddocr 原始碼下載

滴滴醫師

其他源碼

下載

DdddOcr 帶弟弟OCR通用驗證碼離線本地識別SDK免費開源版

DdddOcr，其由本作者與kerlomz 共同合作完成，通過大批量生成隨機數據後進行深度網絡訓練，本身並非針對任何一家驗證碼廠商而製作，本庫使用效果完全靠玄學，可能可以識別，可能不能識別。

DdddOcr、最簡依賴的理念，盡量減少使用者的配置和使用成本，希望帶給每位測試者舒適的體驗

專案地址：點我傳送

QQ浏览器截图20241115161410.png

一個容易使用的通用驗證碼辨識python函式庫
探索本項目的文件»

· 報告Bug · 提出新特性

	贊助合作商	推薦理由
	YesCaptcha	GooglereCaptcha驗證碼/ hCaptcha驗證碼/ funCaptcha驗證碼商業級辨識介面點我直達VIP4
	超級鷹	全球領先的智慧圖片分類及識別商家，安全、準確、高效、穩定、開放，強大的技術及校驗團隊，支援大並發。 7*24h作業進度管理
	Malenia	Malenia企業級代理IP網關平台/代理IP分銷軟體
雨雲VPS	註冊首月5折	浙江節點低價大頻寬，100M每月30元

上手指南

環境支援

系統	CPU	GPU	最大支援py版本	備註
Windows 64位	√	√	3.12	部分版本windows需要安裝vc運行庫
Windows 32位元	×	×	-
Linux 64 / ARM64	√	√	3.12
Linux 32	×	×	-
Macos X64	√	√	3.12	M1/M2/M3...晶片參考#67

安裝步驟

i. 從pypi安裝

pip install ddddocr

ii. 從原始碼安裝

git clone https://github.com/sml2h3/ddddocr.gitcd ddddocr
python setup.py

請勿直接在ddddocr專案的根目錄內直接import ddddocr ，請確保你的開發專案目錄名稱不為ddddocr，此為基礎常識。

文件目錄說明

eg:

ddddocr 
├── MANIFEST.in
├── LICENSE
├── README.md
├── /ddddocr/
│  │── __init__.py            主代码库文件
│  │── common.onnx            新ocr模型
│  │── common_det.onnx        目标检测模型
│  │── common_old.onnx        老ocr模型
│  │── logo.png
│  │── README.md
│  │── requirements.txt
├── logo.png
└── setup.py

專案底層支持

本項目基於dddd_trainer 訓練所得，訓練底層框架位pytorch，ddddocr推理底層抵賴於onnxruntime，故本項目的最大兼容性與python版本支持主要取決於onnxruntime。

使用文件

i. 基礎ocr辨識能力

主要用於識別單行文字，即文字部分佔據圖片的主體部分，例如常見的英數驗證碼等，本項目可以對中文、英文（隨機大小寫or透過設定結果範圍圈定大小寫）、數字以及部分特殊字元。

 # example.pyimport ddddocrocr = ddddocr.DdddOcr()image = open("example.jpg", "rb").read()result = ocr.classification(image)print(result)

本函式庫內建有兩套ocr模型，預設不會自動切換，需要在初始化ddddocr的時候透過參數進行切換

# example.pyimport ddddocrocr = ddddocr.DdddOcr(beta=True) # 切換為第二套ocr模型image = open("example.jpg", "rb").read()result = ocr.classification(image)print( result)

提示對於部分透明黑色png格式圖片得辨識支援: classification方法使用png_fix參數，預設為False

 ocr.classification(image, png_fix=True)

注意

之前發現很多人喜歡在每次ocr識別的時候都重新初始化ddddocr，即每次都執行ocr = ddddocr.DdddOcr() ，這是錯誤的，通常來說只需要初始化一次即可，因為每次初始化和初始化後的第一次辨識速度都非常慢

參考例圖

包括且不限於以下圖片

QQ浏览器截图20241115161452.png

QQ浏览器截图20241115161502.png

ii. 目標偵測能力

主要用於快速偵測出影像中可能的目標主體位置，由於被偵測出的目標不一定為文字，所以本功能只提供目標的bbox位置（在⽬標偵測⾥，我們通常使⽤bbox（bounding box，縮寫是bbox）來描述⽬標位置。

如果使用過程中無需呼叫ocr功能，可以在初始化時透過傳參ocr=False關閉ocr功能，開啟目標偵測需要傳入參數det=True

 import ddddocrimport cv2det = ddddocr.DdddOcr(det=True)with open("test.jpg", 'rb') as f:image = f.read()bboxes = det.detection(image)print(bboxes)im = cv2 .imread("test.jpg")for bbox in bboxes:x1, y1, x2, y2 = bboxim = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255 ), thickness=2)cv2.imwrite("result.jpg", im)

參考例圖

包括且不限於以下圖片

QQ浏览器截图20241115161530.png

QQ浏览器截图20241115161537.png

Ⅲ. 滑桿檢測

本專案的滑塊偵測功能並非AI識別實現，皆為opencv內建演算法實現。可能對於截圖黨用戶沒那麼友善~，如果使用過程中無需調用ocr功能或目標檢測功能，可以在初始化時透過傳參ocr=False關閉ocr功能或det=False來關閉目標檢測功能

本功能內建兩套演算法實現，適用於兩種不同情況，請參考以下說明

a.算法1

演算法1原理是透過滑桿影像的邊緣在背景圖中計算找到相對應的坑位，可以分別取得到滑桿圖和背景圖，滑桿圖為透明背景圖

滑桿圖

QQ浏览器截图20241115161545.png

背景圖

QQ浏览器截图20241115161550.png

 det = ddddocr.DdddOcr(det=False, ocr=False) with open('target.png', 'rb') as f:target_bytes = f.read() with open('background.png', 'rb') as f:background_bytes = f.read() res = det.slide_match(target_bytes, background_bytes) print(res)

由於滑桿圖可能存在透明邊框的問題，導致計算結果不一定準確，需要自行估算滑桿圖透明邊框的寬度用於修正得出的bbox

提示：如果滑桿沒有過多背景部分，則可以新增simple_target參數，通常為jpg或bmp格式的圖片

slide = ddddocr.DdddOcr(det=False, ocr=False) with open('target.jpg', 'rb') as f:target_bytes = f.read() with open('background.jpg', 'rb') as f:background_bytes = f.read() res = slide.slide_match(target_bytes, background_bytes, simple_target=True) print(res)

a.演算法2

演算法2是透過比較兩張圖的不同之處進行判斷滑桿目標坑位的位置

參考圖a，帶有目標坑位陰影的全圖

68747470733a2f2f63646e2e77656e616e7a68652e636f6d2f696d672f62672e6a7067.jpg

參考圖b，全圖

68747470733a2f2f63646e2e77656e616e7a68652e636f6d2f696d672f66756c6c706167652e6a7067.jpg

 slide = ddddocr.DdddOcr(det=False, ocr=False)with open('bg.jpg', 'rb') as f:target_bytes = f.read() with open('fullpage.jpg', 'rb') as f:background_bytes = f.read() img = cv2.imread("bg.jpg") res = slide.slide_comparison(target_bytes, background_bytes)print(res)

Ⅳ. OCR機率輸出

為了提供更靈活的ocr結果控制與範圍限定，專案支援對ocr結果進行範圍限定。

可以透過在呼叫classification方法的時候傳參probability=True ，此時classification方法將會傳回全字元表的機率當然也可以透過set_ranges方法設定輸出字元範圍來限定回傳的結果。

Ⅰ. set_ranges方法限定返回字元返回

本方法接受1個參數，如果輸入為int類型為內建的字元集限制，string類型則為自訂的字元集

若為int類型，請參考下表

參數值	意義
0	純整數0-9
1	純小寫英文az
2	純大寫英文AZ
3	小寫英文az + 大寫英文AZ
4	小寫英文az + 整數0-9
5	大寫英文AZ + 整數0-9
6	小寫英文az + 大寫英文AZ + 整數0-9
7	預設字元庫- 小寫英文az - 大寫英文AZ - 整數0-9

若為string類型請傳入一段不包含空格的文本，其中的每個字元均為待選字詞如： "0123456789+-x/=""

 import ddddocrocr = ddddocr.DdddOcr()image = open("test.jpg", "rb").read()ocr.set_ranges("0123456789+-x/=")result = ocr.classification(image, probability=True )s = ""for i in result['probability']:s += result['charsets'][i.index(max(i))]print(s)

Ⅴ. 自訂OCR訓練模型導入

本專案支援導入來自於dddd_trainer 進行自訂訓練後的模型，參考導入程式碼為

import ddddocrocr = ddddocr.DdddOcr(det=False, ocr=False, import_onnx_path="myproject_0.984375_139_13000_2022-02-26-15-34-13.onnwithx" ', 'rb') as f:image_bytes = f.read()res = ocr.classification(image_bytes)print(res)