Как распознать текст с фото на Python: OCR для новичка

OCR превращает пиксели фотографии в строки, но хороший результат начинается не с модели, а с понятного изображения и проверки уверенности. Мы запустим EasyOCR локально, распознаем русский и английский текст, выведем вероятность каждой строки и сохраним чистый результат в TXT. Заодно увидим, почему наклон, блики и мелкий шрифт влияют сильнее, чем лишняя настройка кода.

Компьютер видит фотографию как сетку чисел. OCR-система сначала находит области, похожие на строки, затем распознаёт символы внутри каждой области. Поэтому задача состоит из двух разных частей: обнаружить текст и прочитать его. В статье используем готовую модель, чтобы сосредоточиться на входных данных, структуре результата и проверке качества.

Что OCR делает с фотографией

На вход программа получает путь к image.jpg. Reader загружает модели для ru и en, затем readtext анализирует изображение. В режиме detail=1 каждый результат содержит координаты четырёх углов, распознанную строку и число уверенности от 0 до 1. Мы печатаем все кандидаты, а в итоговый файл берём строки с confidence не ниже 0.35.

У проекта есть один главный маршрут: получить входные данные, проверить их, выполнить действие и показать результат. Если каждый этап можно проверить отдельно, ошибка перестаёт быть загадкой.

От входных данных до видимого результата. Модель сначала ищет область, затем читает символы

Запускаем EasyOCR и сохраняем текст

Создайте окружение и установите пакет: uv init ocr-lab, затем uv add easyocr. На Windows официальный README рекомендует сначала подобрать сборку PyTorch под CPU или вашу CUDA. Положите фотографию как image.jpg. Первый запуск скачает веса модели, поэтому он длится дольше последующих. Код ниже работает на CPU и явно указывает два языка.

from pathlib import Path
import easyocr

image_path = Path("image.jpg")
if not image_path.exists():
    raise SystemExit("Положите фотографию в image.jpg")

reader = easyocr.Reader(["ru", "en"], gpu=False)
items = reader.readtext(str(image_path), detail=1, paragraph=False)

accepted = []
for box, text, confidence in items:
    print(f"{confidence:.0%} | {text}")
    if confidence >= 0.35 and text.strip():
        accepted.append(text.strip())

result = "\n".join(accepted)
Path("result.txt").write_text(result, encoding="utf-8")
print(f"Сохранено строк: {len(accepted)}")

Мы не прячем сомнительные строки. Полный вывод остаётся в терминале, а итоговый файл содержит отфильтрованную версию. Такой подход позволяет вернуться к источнику и проверить, где программа могла ошибиться.

Что отличает устойчивый проект от случайного успеха. Сомнение нужно показать, а не спрятать

Как читать рамки и confidence

EasyOCR сочетает детектор текстовых областей и модель распознавания. Координаты box описывают не просто прямоугольник, а четыре угла, поэтому строка может быть немного наклонена. text является гипотезой модели, confidence оценивает её уверенность, но не является гарантией правильности.

Качество OCR удобно улучшать по одному фактору. Сначала выровняйте поворот, затем обрежьте пустой фон, поднимите контраст и только после этого меняйте параметры модели. Иначе вы не поймёте, что именно помогло. Для фото с телефона полезны ровное освещение, камера параллельно листу и достаточное разрешение.

Улучшаем плохой снимок по одному признаку

Сделайте три версии одной страницы: ровное фото, поворот примерно на десять градусов и кадр с тенью. Запустите программу для каждой, переименовывая файл результата. Сравните количество найденных строк и самые низкие confidence. Затем обрежьте тень обычным редактором и повторите тест. Добавьте список rejected, куда попадут фрагменты ниже порога, и сохраните его в review.txt.

OCR становится полезным не тогда, когда один раз угадал текст, а когда процесс умеет показать сомнения. Файл review.txt и контроль формата делают ошибку заметной до того, как данные попадут дальше.

Четыре проверки перед следующим шагом. Контрольное фото делает качество измеримым

Собираем OCR в полезный мини-инструмент

Из этого примера легко сделать пакетный обработчик папки или интерфейс на Streamlit. Для нескольких файлов создайте Reader один раз и переиспользуйте его, иначе модель будет загружаться для каждой картинки. Храните оригинал, распознанный текст и метаданные проверки вместе.

Как изучить тему в Кодике

В Кодике сначала закрепите строки, списки, циклы и работу с Path. Затем разберите кортеж из трёх значений и фильтрацию по условию. После этого результат EasyOCR перестаёт быть сложным объектом: это коллекция записей, которую Python перебирает и сохраняет.

Не пытайтесь запомнить весь API. В тренажёре Кодика сначала воспроизведите чистую логику без библиотеки, затем восстановите подключение и обработку ошибок. Финальный тест: объяснить проект по памяти и добавить одну свою функцию.

Что получится в итоге

Фотография проходит обнаружение строк, распознавание и фильтр уверенности, а программа сохраняет читаемый UTF-8 файл и список сомнительных мест.