文章描述了一个竞赛项目中使用EasyOCR进行OCR文字识别的过程。由于团队缺乏人工智能知识，选择了易用的EasyOCR库，但该库仅支持图片格式。因此，借助PyMuPDF将PDF转换为图片，然后通过EasyOCR识别图片中的文字。转换过程包括使用fitz打开PDF，调整图像大小和清晰度，保存为PNG图片，最后通过EasyOCR读取和转换图片文字。
为了完成一个竞赛作品，需要自主开发一个ocr文字识别模型，奈何组内无懂得人工智能的同学，退而求其次之，使用已经存在的框架开发一个能够实现pdf文件转文字的模块。
基于时间和使用难度的考虑，我最后决定使用easyocr（同类框架还有很多，比如pandaocr）正如它的宣言一样，做更少的事情，完成更多的事情，easyocr应该是最容易上手的ocr模型之一，但是令人感到无奈的是，easyocr貌似只支持图片格式（png，jpg）转文字，所以我们需要事先使用另一个方法将我们准备好的pdf文件转换成图片格式，这里选取的框架是fitz，逻辑可行，开始实践。
这是我的项目结构
将pdf转为图片格式
def trans_pdf(filename):
pdfPath = 'pdf' # ！
最低0.47元/天 解锁文章
扫一扫
819
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
