PyTorch搭配EasyOCR使用：如何避免单字符串被拆分为多条识别结果

核心原因 #

该问题属于文本检测阶段的误判：EasyOCR执行识别时会先走文本检测步骤定位图像中所有文本的坐标框，若同一行文本的字符间距略大、存在局部噪点，或是默认合并阈值过低，就会将原本连续的字符串判定为两个独立检测框，最终输出两个独立的识别结果。

可调参数优化方案 #

你可以通过调整readtext方法的内置参数解决该问题，修改后的参考代码如下：

import easyocr

reader = easyocr.Reader(['de'], gpu=False)
result = reader.readtext(
    file, # 待识别的jpg文件
    width_ths = 0.8, # 水平文本合并阈值，默认值为0.5，数值越高越容易合并水平方向相邻的检测框
    link_threshold = 0.7, # 字符连接置信度阈值，默认值为0.4，数值越高越容易将断开的字符判定为同一段文本
    mag_ratio = 2.0, # 图像放大倍数，默认值为1.0，低分辨率图像可调高该参数提升检测精度
    paragraph = False # 若无需获取每个文本框的坐标，可设为True，会自动将同段落的文本合并为完整字符串
)

如果是垂直排列的文本被拆分，可以额外调高height_ths参数（默认值0.5）。

相关专业术语补充 #

• 文本检测（Text Detection）：OCR流程的第一阶段，核心作用是定位图像中所有文本所在的坐标位置，不负责识别具体文字内容
• 文本识别（Text Recognition）：OCR流程的第二阶段，负责将文本检测输出的坐标框内的像素转换为可编辑的文字内容
• 非极大值抑制（NMS）：文本检测阶段的后处理算法，核心作用是去除重复的检测框、合并相邻的同属一段文本的检测框，上述调整的ths类参数都是作用于该算法的阈值

额外优化建议 #

• 可先对输入图像做预处理：包括调整对比度、灰度二值化、去除噪点等操作，让文本边界更清晰，可大幅降低检测阶段的误判概率
• 若你的使用场景下文本均为水平单行排列，直接开启paragraph=True可基本解决所有字符串拆分问题
• 条件允许的话建议开启GPU推理，识别精度会略高于CPU模式，模糊场景下的检测准确性更高

内容的提问来源于stack exchange，提问作者peter