使用Azure OCR读取摄像头帧报错：'bytes'对象无'read'属性

问题原因 #

Azure Computer Vision Python SDK的read_in_stream方法要求传入类文件对象（即实现了read()方法的对象，比如io.BytesIO），而你直接传入了bytes类型的图像数据，因此触发该错误。

修复方案 #

将bytes数据用io.BytesIO包装成类文件对象后再传入接口，同时替换已废弃的tostring()方法为tobytes()：

import io
import cv2

def detect_text(image, highest_prob):
    # 将OpenCV帧编码为JPG格式的字节数据
    _, img_encoded = cv2.imencode(".jpg", image)
    img_bytes = img_encoded.tobytes()
    # 包装为类文件对象
    img_stream = io.BytesIO(img_bytes)
    
    # 调用Azure OCR Read接口
    recognize_printed_results = computervision_client.read_in_stream(img_stream, raw=True)
    # 后续处理识别结果的逻辑...

向Azure OCR发送摄像头帧的最佳方式 #

• 使用类文件对象传递数据：这是官方推荐的标准方式，既避免直接传bytes的类型问题，也兼容本地文件和内存流等多种场景。
• 裁剪目标区域后再识别：结合自定义视觉的预测结果，裁剪出车牌、公交编号等目标区域，缩小OCR识别范围，显著提升准确率和响应速度：

  def detect_text(image, highest_prob):
      # 从自定义视觉预测结果中提取边界框（相对比例转实际像素）
      bbox = highest_prob.bounding_box
      h, w = image.shape[:2]
      x1, y1 = int(bbox.left * w), int(bbox.top * h)
      x2, y2 = int((bbox.left + bbox.width) * w), int((bbox.top + bbox.height) * h)
      # 裁剪目标区域
      cropped_img = image[y1:y2, x1:x2]
      
      # 编码并包装为流
      _, img_encoded = cv2.imencode(".jpg", cropped_img)
      img_bytes = img_encoded.tobytes()
      img_stream = io.BytesIO(img_bytes)
      
      recognize_printed_results = computervision_client.read_in_stream(img_stream, raw=True)
      # 处理识别结果...
  

• 优化图像编码：选择JPG等压缩格式，在保证识别清晰度的前提下减少数据传输量，降低API调用延迟。
• 添加异常处理：针对网络超时、API调用失败等情况添加try-except块，提升Demo的稳定性。

内容的提问来源于stack exchange，提问作者Adityo Setyonugroho