Skip to content

Latest commit

 

History

History
136 lines (104 loc) · 5.69 KB

Plugin-zh.md

File metadata and controls

136 lines (104 loc) · 5.69 KB
Raw

EasyOCR 图片清理插件编写

EasyOCR最主要的特点，就是除了使用一行代码就能完成OCR识别之外，还针对验证码识别提供一体化的清理和识别支持。但是，验证码出现的目的就是反机器提交和防止识别，所以识别和反识别之间是一对矛与盾的关系，此强彼弱，你来我往。

验证码识别技术中，关键技术点其实并不在于OCR，而是在于图片清理，能从洗图片中提取到有用的图片特征，清洗掉杂质。而验证码本身为了防止OCR，对字形做了很多干扰，一个好的清理算法能减少干扰，显著提高识别率。

当然，由于验证码本身的特征，没有任何算法是可以适应所有验证码类型的，做到100%准确无误的识别率也是不太可能的，有些验证码人都很难区分，机器也不一定能做到。所以，很多时候，不同的验证码类型，不同的场景，需要作出不同的图片清理。

EasyOCR虽然无法穷举所有验证码场景和类型，但通过可扩展的插件支持，能够编写基于EasyOCR一体化识别的验证码图片清理扩展插件，通过自行编写图片清理的处理代码，或组合不同处理代码，来满足不同人的处理需求，解决不同场景问题。

最后，值得考虑的是，在OCR识别技术不断提高，机器学习能力不断进步，大数据分析越来越快的的时候，传统以字符识别为主的验证码作用也在动摇，问题型验证码，图像选择型验证码等等都已经不再仅能通过OCR实现了。

插件列表

  • 已开发的针对指定处理场景的验证码插件:
plugin ImageClean Enum required
easyocr-linkbold-plugin-3.0.0-RELEASE.jar LinkBoldImageType.LINK_BOLD 1. Create new file: %Tesseract-OCR%\tessdata\configs\lettersAndNumbers
2. Character defining, write content to file: tessedit_char_whitelist 0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz
3. Set tesseractOptions: lettersAndNumbers
EasyOCR ec=new EasyOCR();
ec.setTesseractOptions("lettersAndNumbers");
  • Maven
<-- EasyOCR  plugins -->
<dependency>
       <groupId>cn.easyproject</groupId>
       <artifactId>easyocr-linkbold-plugin</artifactId>
       <version>3.0.3-RELEASE</version>
</dependency>

插件编写规范和步骤

  1. 定义图片清理类和处理方法（可选，如果不需要自行编写图片清理代码，则可以不定义）
/**
* 定义图片清理处理类
* @author easyproject.cn
*
*/
public class LinkBoldClean {
   
  	/**
  	 * 图片处理方法，会自动注入BufferedImage和ImageClean对象
  	 * @param image 要处理的图片对象
  	 * @param imageClean ImageClean对象
  	 */
  	public void cleanOperate1(BufferedImage image, ImageClean imageClean){
  		   // 图片清理代码....
  	}
  	/**
  	 * 图片处理方法，会自动注入BufferedImage和ImageClean对象
  	 * @param image 要处理的图片对象
  	 * @param imageClean ImageClean对象
  	 */
  	public void cleanOperate2(BufferedImage bufferedImage, ImageClean imageClean){
  	   	// 图片清理代码....
  	}
}

由于为了向调用者提供更清晰的接口，ImageClean中将图片清理相关方法访问权限设置为protected，在外部并不可见。如果需要调用ImageClean中protected的清理方法，请利用反射实现，例如：

// 调用imageClean对象中的changeToBinarization方法
Method m = imageClean.getClass().getDeclaredMethod("changeToBinarization",
					int.class);
m.setAccessible(true);
m.invoke(imageClean, 117);
  1. 自定义清理枚举类型
  • 枚举类型必须实现cn.easyproject.easyocr.Type接口
  • 枚举格式：
    • 清理方法#清理方法2#清理方法3
  • 清理方法：
    • 清理方法必须加上对应类的完全限定名，格式：类完全限定名.方法
    • 多个清理方法之间使用#分隔，清理方法会按定义顺序执行
    • 如果清理方法在cn.easyproject.easyocr.ImageClean中，可以省略类完全限定名部分
    • 可使用,代替#
public enum LinkBoldImageType implements Type {
   	/**
   	 * 定义图片类型枚举项，指定要调用的清理方法 
   	 * 格式：清理方法#清理方法2#清理方法3
   	 * 1. 清理方法必须加上对应类的完全限定名，格式：类完全限定名.方法
   	 * 2. 多个清理方法之间使用#分隔，清理方法会按定义顺序执行
   	 * 3. 如果清理方法在cn.easyproject.easyocr.ImageClean中，可以省略类完全限定名部分
   	 * 4. 可使用`,`代替`#`
   	 */
   	LINK_BOLD("changeToBinarizationForLinkBold"
   	+ "#changeToGrey"
   	+ "#cn.easyproject.easyocr.plugin.linkbold.LinkBoldClean.cleanOperate1"
   	+ "#cn.easyproject.easyocr.plugin.linkbold.LinkBoldClean.cleanOperate2");

   	private final String cleanMethods;

   	private LinkBoldImageType(String cleanMethods) {
   		this.cleanMethods = cleanMethods;
   	}
   	/**
   	* 返回清理枚举定义的方法调用列表
   	* @return 清理方法列表
   	*/
   	public String getCleanMethods() {
   		return this.cleanMethods;
   	}
}
  1. 调用测试
	EasyOCR ec=new EasyOCR();
	System.out.println(ec.discernAndAutoCleanImage("images/link_bold_text/test/dk3d.png", LinkBoldImageType.LINK_BOLD));

结束

留言评论

如果您有更好意见，建议或想法，请联系我。

联系、反馈、定制、培训 Email：[email protected]

http://www.easyproject.cn