（白嫖）這是一個為麻瓜設計的本地OCR模塊

只需要簡單幾步操作即可擁有兩大通用識別模塊，讓你在工作中暢通無阻。

測試圖片 test1.png

測試圖片 test2.jpg

SDK類參數

參數名

必選

類型

說明

model_type

No

ModelType

指定預置模型類型

conf_path

No

str

指定自定義模型yaml配置文件（絕對路徑）

以上參數兩者選其一即可，默認 model_type 為 ModelType.OCR, 若指定 conf_path 參數則優先使用自定義模型。

核心API

SDK.predict(image_bytes: bytes)

使用指北

注意: 因模塊過新，阿里/清華等第三方源可能尚未更新鏡像，因此手動指定使用境外源，為了提高依賴的安裝速度，可預先自行安裝依賴：tensorflow/numpy/opencv-python/pillow/pyyaml

pip install muggle-ocr

調用示例：

# 1\. 導入包

import muggle_ocr

"""

使用預置模型，預置模型包含了[ModelType.OCR, ModelType.Captcha] 兩種

其中 ModelType.OCR 用于識別普通印刷文本, ModelType.Captcha 用于識別4-6位簡單英數驗證碼

"""

# 打開印刷文本圖片

with open(r"test1.png", "rb") as f:

ocr_bytes = f.read()

# 打開驗證碼圖片

with open(r"test2.jpg", "rb") as f:

captcha_bytes = f.read()

# 2\. 初始化；model_type 可選: [ModelType.OCR, ModelType.Captcha]

sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.OCR)

# ModelType.Captcha 可識別光學印刷文本

for i in range(5):

st = time.time()

# 3\. 調用預測函數

text = sdk.predict(image_bytes=ocr_bytes)

print(text, time.time() - st)

# ModelType.Captcha 可識別4-6位驗證碼

sdk = muggle_ocr.SDK(model_type=muggle_ocr.ModelType.Captcha)

for i in range(5):

st = time.time()

# 3\. 調用預測函數

text = sdk.predict(image_bytes=captcha_bytes)

print(text, time.time() - st)

"""

使用自定義模型

支持基于 https://github.com/kerlomz/captcha_trainer 框架訓練的模型

訓練完成后，進入導出編譯模型的[out]路徑下, 把[graph]路徑下的pb模型和[model]下的yaml配置文件放到同一路徑下。

將 conf_path 參數指定為 yaml配置文件 的絕對或項目相對路徑即可，其他步驟一致，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)

輸出結果:

曹文軒教授作序推薦 0.010004520416259766

曹文軒教授作序推薦 0.009941339492797852

曹文軒教授作序推薦 0.0109710693359375

曹文軒教授作序推薦 0.00901031494140625

曹文軒教授作序推薦 0.010967493057250977

MuggleOCR Session [captcha] Loaded.

ceey 0.010970592498779297

ceey 0.009973287582397461

ceey 0.010970592498779297

ceey 0.009973526000976562

ceey 0.009973287582397461

OCR和驗證碼識別的速度基本都在10ms左右，低配CPU可能需要15-20ms。本模塊僅支持單行識別，如有多行識別需求請自行采用目標檢測預裁圖片。

總結

以上是生活随笔為你收集整理的python验证码识别接口 服务器_python验证码识别模块的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。