跳转至

安装及使用

Shows an illustrated sun in light mode and a moon with stars in dark mode.
PyPI SemVer2.0

📖 简介

Note

OCR API的输出结果为最原始结果，大家可按需进一步扩展。

该包是将rapidocr库做了API封装，采用FastAPI + uvicorn实现。

定位是一个快速调用rapidocr的API接口，没有考虑多进程处理并发请求，如果有这需求的小伙伴，可以看看gunicorn等。

📌 版本依赖关系

rapidocr_api rapidocr
v0.2.x rapidocr>1.0.0,<3.0.0
v0.1.x rapidocr_onnxruntime

安装

1
pip install rapidocr_api

启动服务端

在rapidocr_api>=0.1.0中，可通过环境变量传递模型参数：det_model_path, cls_model_path, rec_model_path；接口中可传入参数，控制是否使用检测、方向分类和识别这三部分的模型；具体调用可参见下面文档。

1
2
3
set det_model_path=I:\models\图像相关\OCR\RapidOCR\PP-OCRv4\ch_PP-OCRv4_det_server_infer.onnx
set rec_model_path=I:\models\图像相关\OCR\RapidOCR\PP-OCRv4\ch_PP-OCRv4_rec_server_infer.onnx
rapidocr_api

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
# 默认参数启动
rapidocr_api

# 指定参数：端口与进程数量；
rapidocr_api -ip 0.0.0.0 -p 9005 -workers 2

# 指定模型
export det_model_path=/mnt/sda1/models/PP-OCRv4/ch_PP-OCRv4_det_server_infer.onnx
export rec_model_path=/mnt/sda1/models/PP-OCRv4/ch_PP-OCRv4_rec_server_infer.onnx
rapidocr_api -ip 0.0.0.0 -p 9005 -workers 2

Dockerfile源码

Build镜像:

1
2
3
4
5
6
7
8
git clone https://github.com/RapidAI/RapidOCR.git
cd api

# build方式1：使用宿主机的网络
docker build -t="rapidocr_api:0.1.4" --network host .

# build方式2：使用宿主机上的代理
docker build -t rapidocr_api:0.1.4 --network host --build-arg HTTP_PROXY=http://127.0.0.1:8888 --build-arg HTTPS_PROXY=http://127.0.0.1:8888 .

调试运行:

1
docker run --rm -p 9003:9003 --name rapidocr_api -e TZ=Asia/Shanghai rapidocr_api:0.1.4

运行:

1
docker run -d -p 9003:9003 --name rapidocr_api -e TZ=Asia/Shanghai rapidocr_api:0.1.4

接口web界面：

1
http://<ip>:9003/docs

Docker 临时修改并验证的方法

1
docker run -p 9003:9003 --name rapidocr_api -e TZ=Asia/Shanghai rapidocr_api:0.1.4

进入container修改python源文件，Dockerfile最好加上apt-get install vim安装

1
2
3
4
5
6
docker exec -it rapidocr_api /bin/bash
cd /usr/local/lib/python3.10/site-packages/rapidocr_api
...
# 修改参数文件
vi /usr/local/lib/python3.10/site-packages/rapidocr_onnxruntime/config.yaml
# 改好后exit退出

重启container

1
docker restart rapidocr_api

查看日志：

1
docker logs -f rapidocr_api

调用

Info

调用本质就是发送一个POST请求，以下给出Curl和Python的调用示例，其他编程语言同理。

Curl调用

1
curl -F image_file=@1.png http://0.0.0.0:9003/ocr

Python调用

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
import requests

url = 'http://localhost:9003/ocr'
img_path = 'tests/test_files/ch_en_num.jpg'

with open(img_path, 'rb') as f:
    file_dict = {'image_file': (img_path, f, 'image/png')}
    response = requests.post(url, files=file_dict, timeout=60)

print(response.json())

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
import base64
import requests

url = 'http://localhost:9003/ocr'
img_path = 'tests/test_files/ch_en_num.jpg'

with open(img_path, 'rb') as fa:
    img_str = base64.b64encode(fa.read())

payload = {'image_data': img_str}
response = requests.post(url, data=payload, timeout=60)

print(response.json())

1
2
3
4
5
6
7
8
9
import requests

url = 'http://localhost:9003/ocr'
img_path = 'tests/test_files/ch_en_num.jpg'

with open(img_path, 'rb') as f:
    data = {"use_det": False, "use_cls": True, "use_rec": True}
    response = requests.post(url, files=file_dict, data=data, timeout=60)
print(response.json())

输出结果说明

如果图像中存在文字，则会输出字典格式，具体介绍如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
{
 "0": {
  "rec_txt": "香港深圳抽血，", # 识别的文本
  "dt_boxes": [  # 依次为左上角 → 右上角 → 右下角 → 左下角
   [265, 18],
   [472, 231],
   [431, 271],
   [223, 59]
  ],
  "score": "0.8176"   # 置信度
 }
}

如果没有检测到文字，则会输出空字典({})。

示例结果

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
{
    "0": {
        "rec_txt": "8月26日！",
        "dt_boxes": [
            [333.0, 72.0],
            [545.0, 40.0],
            [552.0, 90.0],
            [341.0, 122.0]
        ],
        "score": "0.7342"
    },
    "1": {
        "rec_txt": "澳洲名校招生信息",
        "dt_boxes": [
            [266.0, 163.0],
            [612.0, 116.0],
            [619.0, 163.0],
            [272.0, 210.0]
        ],
        "score": "0.8262"
    },
    "2": {
        "rec_txt": "解读！！",
        "dt_boxes": [
            [341.0, 187.0],
            [595.0, 179.0],
            [598.0, 288.0],
            [344.0, 296.0]
        ],
        "score": "0.6152"
    },
    "3": {
        "rec_txt": "Rules...",
        "dt_boxes": [
            [446.0, 321.0],
            [560.0, 326.0],
            [559.0, 352.0],
            [445.0, 347.0]
        ],
        "score": "0.8704"
    }
}

评论