Pytesseract 对于实时 OCR 来说非常慢，有什么方法可以优化我的代码吗？

Question

我正在尝试使用

mss

和

pytesseract

在 python 中创建实时 OCR。

到目前为止，我已经能够捕获整个屏幕，其 FPS 稳定为 30。如果我想捕获大约 500x500 的较小区域，我已经能够获得 100+ FPS。

但是，一旦我添加这行代码，

text = pytesseract.image_to_string(img)

，猛增 0.8 FPS。有什么方法可以优化我的代码以获得更好的 FPS？该代码还能够检测文本，只是速度非常慢。

from mss import mss
import cv2
import numpy as np
from time import time
import pytesseract

pytesseract.pytesseract.tesseract_cmd = r'C:\\Users\\Vamsi\\AppData\\Local\\Programs\\Tesseract-OCR\\tesseract.exe'

with mss() as sct:
    # Part of the screen to capture
    monitor = {"top": 200, "left": 200, "width": 500, "height": 500}

    while "Screen capturing":
        begin_time = time()

        # Get raw pixels from the screen, save it to a Numpy array
        img = np.array(sct.grab(monitor))

        # Finds text from the images
        text = pytesseract.image_to_string(img)

        # Display the picture
        cv2.imshow("Screen Capture", img)

        # Display FPS
        print('FPS {}'.format(1 / (time() - begin_time)))

        # Press "q" to quit
        if cv2.waitKey(25) & 0xFF == ord("q"):
            cv2.destroyAllWindows()
            break

Answer 1

查看 pytesseract 代码后，我发现它会转换图像格式并保存在本地，然后再将其输入 tesseract。 通过从 PNG 更改为 JPG，我获得了 3 倍的加速（9.5 秒/图像 3 秒）。我想Python代码部分还可以做更多的优化。

Answer 2

您可以使用“easyocr”，这是一个轻量级的Python包，可用于OCR应用程序。它非常快速、可靠，可以访问 70 多种语言，包括英语、中文、日语、韩语、印地语，还有更多语言正在添加中。

“pip 安装 easyocr”

看看这个： https://huggingface.co/spaces/tomofi/EasyOCR

Answer 3

pytesseract “默认情况下”效率不高，因为它包装了 tesseract 可执行文件，它将临时文件保存到磁盘等...... 如果您认真对待性能，则需要直接使用 tesseract API（例如通过 tesserocr 或通过 创建自定义 API 包装器）

Answer 4

我也遇到了同样的问题。在本机桌面环境中对文档进行 OCR 需要 5 秒，而在同一台计算机上的 docker 中运行相同的文档则需要 200 多秒。

解决方案原来是添加：

ENV OMP_THREAD_LIMIT=1

到我的 dockerfile。

这会禁用超立方体中的多线程。为什么它在 docker 中运行得更快，我无法告诉你，但它对我来说使其接近本机性能。