如何在Python脚本中通过`from kraken import ...`方式使用Kraken OCR库

Kraken官方文档的公开内容长期以命令行工具的使用说明为主，没有单独整理Python API的导入使用章节，因此很难在公开文档中检索到from kraken import ...形式的用法说明，但该库本身完整提供了可直接调用的Python功能接口。

前置环境校验 #

• 确保安装的是完整版本的Kraken Python包，安装命令为pip install kraken[all]，仅安装核心精简包会缺少API依赖组件。
• 安装完成后可在Python交互环境执行import kraken，无导入报错即代表环境就绪，若报错优先排查版本冲突、依赖缺失问题。

核心可导入模块及功能 #

• kraken.binarization：图像二值化预处理模块，常用方法为nlbin()，适配历史手稿、扫描件的自适应二值化需求。
• kraken.pageseg：版面文本行分割模块，常用方法为segment()，可输出图像中文本行的位置边界框。
• kraken.rpred：文本识别预测核心模块，提供TextRecognizer()类，可基于分割结果逐行输出识别文本。
• kraken.lib.models：模型加载工具模块，提供load_any()方法，可直接加载本地训练完成的.kraken格式OCR模型。

最小可运行识别流程示例 #

以下流程完全通过Python API实现，和命令行识别效果等价

from PIL import Image
from kraken import binarization, pageseg, rpred
from kraken.lib import models

# 加载待识别的本地图像
input_img = Image.open("target.png")
# 执行自适应二值化
binary_img = binarization.nlbin(input_img)
# 检测图像内所有文本行位置
segment_result = pageseg.segment(binary_img)
# 加载本地预训练OCR模型
ocr_model = models.load_any("local_trained_model.kraken")
# 初始化逐行识别器
line_recognizer = rpred.TextRecognizer(ocr_model, segment_result['boxes'], binary_img)
# 遍历输出所有行的识别文本
for recognized_line in line_recognizer:
    print(recognized_line['text'])

常见使用避坑提示 #

• 不要直接导入Kraken命令行入口文件内的函数，这类函数耦合了命令行参数解析逻辑，直接调用会出现参数不匹配报错。
• 不同大版本的Kraken Python API存在不兼容变更，调用参数、返回值结构可能存在差异，可直接查看对应模块内的源码注释获取最新参数说明。
• 如果需要对齐命令行kraken recognize的输出效果，需要对照CLI入口脚本内的参数配置，调整API调用时的DPI、分割阈值、识别解码参数。

内容的提问来源于stack exchange，提问作者Alem