【Python】画像中の文字認識の簡単実装【EasyOCR】｜工場勤務Pythonプログラマーの日常

この記事は、こんな人にオススメ

・画像中の文字を認識したい人
・ EasyOCRの実装例について知りたい方
など

画像中の文字を簡単に認識できる方法を調べていると
EasyOCRという、簡単に実装できることを全面に名前で表現しているPythonライブラリを見つけてしまったので紹介させていただきます。

実際使ってみて、とても良いいなと思ったので紹介させてください。

EasyOCRはPythonで書かれたオープンソースの画像処理ライブラリであり、画像中の文字を認識してくれる機能があります。

本記事では、EasyOCRの使い方や機能について詳しく説明し、実際に文字認識を行う手順を紹介します。

インストール
認識する文字
Pythonコード
- サンプルプログラム(その1)
- サンプルコード(その2)
使われている技術
- ①CRAFT
- ②CRNN
おわりに

インストール

Pythonのバージョンはあまり指定されていませんが、　Python 3.8　を今回は使用しました。

インストールはpipでインストールします。

pip install easyocr

今回私はCPUのマシンを使って色々試しましたが、数秒で結果が出力されるので満足してます。

認識する文字

今回は用意した文字はこちら。

手書きのフォントの画像ですね。

この画像を読み込み、どんな文字が書かれているかを見ます。

名前はsample.pngとしました。

Pythonコード

サンプルプログラム(その1)

sample.pngと以下のPythonファイルを同じディレクトリに置いて、Pythonを実行します。

import easyocr

reader = easyocr.Reader(['ja', 'en']) # this needs to run only once to load the model into memory
result = reader.readtext('sample.png')

print(result)

上記のコードを実行すると、コマンドプロンプトに画像中の認識した文字が出力されます。

ポイントになるのがeasyocr.Reader([‘ja’, ‘en’])の部分です。
‘ja’, ‘en’がそれぞれ言語コードと呼ばれるもので、事前に画像中の文字の種類を指定します。

他の文字コードはこちらにあります。

以下が実行結果になります。

少し読みにくいですが、実際にコマンドプロンプトに出力されるスクリーンショットは以下のようになります。

読みにくので文字にすると

[([[69, 67], [449, 67], [449, 151], [69, 151]], ‘空とひこうき’, 0.8749…),

([[557, 61], [973, 151], [557, 145], [869, 145]], ‘花とちょうちょ’, 0.811386),

…..
([[60, 408], [493, 408], [493, 486], [60, 486]], ‘123456789’, 0.9996142015265052),
([[553, 406], [973, 406], [973, 486], [553, 486]], ‘123456789’, 0.9999434939985133)]

という出力が得られました。

得られたリスト型のデータの中身がタプルになっており、
タプルの中身が

(文字の座標のリスト[[左上][右上][右下][左下]], 検出した文字, 確信度)

のようになってます。

やってみた結果としては
どの文字も確信度0.5以上で出力してますね。
めっちゃしゅごい。

特に日本語はしっかり判別してますね。

サンプルコード(その2)

今度は、検出した結果を使って
画像中の検出した文字を四角で囲み、検出結果・確信度を書き込むようなものを作っていきたいと思います。

上の画像を出力するコードが下のようになります。

import easyocr
import cv2
import numpy as np
from PIL import ImageFont, ImageDraw, Image


#画像中に日本語を記入する関数
def putText_japanese(img, text, point, size, color):
    font = ImageFont.truetype('ヒラギノ角ゴシック W8.ttc')

    #imgをndarrayからPILに変換
    img_pil = Image.fromarray(img)

    #drawインスタンス生成
    draw = ImageDraw.Draw(img_pil)

    #テキスト描画
    draw.text(point, text, fill=color, font=font)

    #PILからndarrayに変換して返す
    return np.array(img_pil)


#メインの処理
def main():
    reader = easyocr.Reader(['ja', 'en']) # this needs to run only once to load the model into memory
    result = reader.readtext('leter.png')
    
    ###
    im = cv2.imread('leter.png')

    for element in result:
        #認識した文字を青で囲む
        cv2.rectangle(im, element[0][0], element[0], (255, 0, 0))
        #認識した文字と確信度を赤で表示
        im=putText_japanese(im, element+':'+str(round(element, 2)), element[0][0], 100, (10, 10, 255))


    cv2.imshow('result', im)
    cv2.waitKey()
    cv2.destroyAllWindows()
    
if __name__ == "__main__":
    main()