JaidedAI/EasyOCR · 上手攻略

• 仓库：JaidedAI/EasyOCR
• 链接：https://github.com/JaidedAI/EasyOCR
• 分类：computer-vision / ocr / pytorch
• 作者：Tom
• 更新：2026-08-18

是什么

EasyOCR 是一个用 PyTorch 开发的通用 OCR（光学字符识别）Python 库，开箱即用，支持 80+ 语言，涵盖 Latin、CJK（简繁体中文、日文、韩文）、Arabic、Devanagari、Cyrillic 等所有主流书写系统，同时处理自然场景文本和文档密集文本。

v1.7.2（2024 年 9 月）是当前最新正式版。自 2020 年起持续维护，GitHub Star 29.9k+，是开源 OCR 领域最受欢迎的项目之一。

解决什么问题

传统 OCR 方案（如 Tesseract）对非英语文本、多语言混合、弯曲或倾斜文本的支持往往很差，而且需要大量配置才能达到可用精度。

EasyOCR 的核心价值是一个函数调用解决多语言 OCR 问题——不需要调参数、不需要训练模型、不需要准备语言包（模型权重会自动下载），给一个图像路径就返回识别结果和置信度。

快速安装

标准安装（pip）

pip install easyocr

开发版（Git 直接安装）

pip install git+https://github.com/JaidedAI/EasyOCR.git

Windows 用户特别说明

⚠️ Windows 上建议先手动安装 PyTorch，再装 EasyOCR： ```bash

访问 https://pytorch.org，选择对应的 CUDA 版本

如果只用 CPU 模式：CUDA = None

pip install torch torchvision pip install easyocr ```

Docker（可选）

# 项目提供 Dockerfile，适合不想污染本地环境的用户
docker build -t easyocr https://github.com/JaidedAI/EasyOCR.git

核心用法

基础四行代码

import easyocr

reader = easyocr.Reader(['ch_sim', 'en'])  # 只需执行一次，加载模型到内存
result = reader.readtext('chinese.jpg')

print(result)

输出格式（每项：边界框坐标、识别文本、置信度）：

[
    ([[189, 75], [469, 75], [469, 165], [189, 165]], '愚园路', 0.375),
    ([[86, 80], [134, 80], [134, 128], [86, 128]], '西', 0.405),
    ([[517, 81], [565, 81], [565, 123], [517, 123]], '东', 0.999),
    ...
]

简化输出（不需要置信度时）

reader = easyocr.Reader(['ch_sim', 'en'])
result = reader.readtext('chinese.jpg', detail=0)

# 输出: ['愚园路', '西', '东', '315', '309', 'Yuyuan Rd.', 'W', 'E']

指定语言

# 英语 + 简体中文
reader = easyocr.Reader(['ch_sim', 'en'])

# 日语 + 英语
reader = easyocr.Reader(['jpn', 'en'])

# 阿拉伯语
reader = easyocr.Reader(['ar'])

# 俄语（西里尔文，推荐使用第二代模型）
reader = easyocr.Reader(['cyrillic'], recog_network='cyrillic_g2')

⚠️ 语言兼容规则：英语与所有语言兼容；共享字符集的语言通常可以一起使用（如英语+法语+德语）；不兼容的语言组合会降低识别精度。

输入格式灵活

# 方式一：文件路径
reader.readtext('/path/to/image.jpg')

# 方式二：OpenCV 图像对象（numpy array）
import cv2
img = cv2.imread('image.jpg')
reader.readtext(img)

# 方式三：图片字节
with open('image.jpg', 'rb') as f:
    reader.readtext(f.read())

# 方式四：URL（直链图片）
reader.readtext('https://example.com/image.jpg')

CPU 模式（无 GPU 或显存不足时）

reader = easyocr.Reader(['ch_sim', 'en'], gpu=False)

CLI 用法（无需写 Python）

easyocr -l ch_sim en -f chinese.jpg --detail=1 --gpu=True

参数说明： - -l：语言列表（逗号分隔） - -f：图像文件路径 - --detail=1：输出详细信息（边界框、置信度）；=0 则只输出文本 - --gpu=True / False：是否启用 GPU

技术架构（机制说明）

EasyOCR 的识别管线分两个阶段，基于两篇经典论文：

第一阶段：文本检测（CRAFT） 来自 ClovaAI 的 CRAFT 论文，检测图像中文字区域的位置。不需要提前知道语言。

第二阶段：文本识别（CRNN） 来自 CRNN 论文，将检测到的文字区域识别为字符串。

识别模型结构（从官方文档）： 1. 特征提取：ResNet + VGG（从图像中提取字符特征） 2. 序列标注：LSTM（对特征序列进行时序建模） 3. 解码输出：CTC Loss（Connectionist Temporal Classification，不需字符对齐的序列解码）

v1.6.0 新增：可选检测网络 DBNET（DBNet，论文 arxiv.org/abs/2202.10304），在部分场景下精度更高：

# 使用 DBNet 代替默认 CRAFT
reader = easyocr.Reader(['en'], detect_network='dbnet18')

模型权重管理

首次运行时会自动下载对应语言的模型权重（约数百 MB），存储路径：

~/.EasyOCR/model/

如需手动下载：访问 https://www.jaided.ai/easyocr/modelhub

典型适用场景

1. 文档数字化：扫描 PDF / 照片 → 自动提取文字 → 进一步处理或检索。
2. 多语言招牌 / 菜单识别：旅游场景下中英日韩阿混合文本一次性识别。
3. 车牌 / 工业字符识别：自然场景下的文本检测，配合置信度过滤低质量识别。
4. 手写文字识别：支持部分手写体（官方示例中已有演示），但精度低于印刷体。
5. 批量图像 OCR 管道：Python 循环或批处理脚本，配合 pandas 输出结构化表格。

坑与注意

1. 首次加载慢：模型首次加载到 GPU 内存需要 20-60 秒（取决于网络和 GPU），这是正常的；后续复用 reader 对象无需重新加载。
2. 第二代模型 vs 第一代：第二代模型体积更小、速度更快、字符覆盖更多，但部分语言仍只有第一代模型；选择时需参考官方文档。
3. 弯曲 / 透视变形文本：默认 CRAFT 检测器对弯曲文本有一定鲁棒性，但严重透视变形的文档建议先用 OpenCV 预处理（cv2.warpPerspective）。
4. 置信度不等于准确率：低置信度字符大概率是识别错误，但高置信度也可能出错；生产环境建议配合规则校验。
5. PyTorch 版本兼容性：PyTorch 2.x 可能存在一些兼容问题，如遇报错建议降级到 PyTorch 1.x 或参考官方 Issue。
6. v1.7.2 后无新版本（截至 2026-08，距上一个正式版已近两年）：项目目前以修复兼容性问题为主，大版本功能迭代放缓；PP-OCRv6（2026 年 5 月）等新版方案在部分benchmark上已超越 EasyOCR。
7. 中文简繁体混合：简体中文 (ch_sim) 和繁体中文 (ch_tra) 是两个独立模型，不可同时加载；如需识别两岸三地文本需分两次调用。
8. 多语言组合限制：不是所有语言两两兼容，同时使用超过 3 种不相关语言时识别率会明显下降。

与同类对比

一句话对比：EasyOCR 是最容易上手的本地多语言 OCR 方案（没有之一），但 2026 年的 PP-OCRv6 和 PaddleOCR-VL 在 benchmark 精度上已领先。如需生产级精度建议对比测试后再选型。

一句话推荐结论

EasyOCR 用四行 Python 代码搞定 80+ 语言 OCR，是快速原型 / POC / 个人项目里最省事的方案；但如果你在 2026 年要做正式产品，建议同时评估 PaddleOCR-VL（VLM 加持，OmniDocBench 94.5%）和 PP-OCRv6 的最新benchmark，因为 EasyOCR 本身已近两年无大版本更新，精度差距在逐步拉开。