OCR Tesseract Docker Text추출

OCR-Tesseract-Demo

OCR 오픈소스 tesseract(Docker)를 이용한 데모 페이지 개발

Posted by 옐란 on 2021-02-20
  • 현재 인터넷에 공개되 있는 ‘Tesseract 데모 페이지 구현 블로그’는 구 레파지토리(google) 버전이라 실행이 불가능하다. 하여 최신 레파지토리(github) 기준으로 동작가능한 데모 페이지로 오류를 수정하여 내용을 공개한다.
  • 또한, 기존 블로그는 모바일 환경을 지원하지 않지만, 모바일에서 카메라 캡처->Text추출 가능한 소스로 업데이트 예정이다.

실행화면

  • 초기화면
  • Text 추출 결과

tesseract 다운로드

도커 이미지 다운로드

image 다운로드

1
docker pull tesseractshadow/tesseract4re .

샘플 테스트 (복사 & 실행)

  • test.sh 
1
2
docker cp ./ocr-files/phototest.tif t4re:/home/work/$TASK_TMP_DIR/
docker exec -it t4re /bin/bash -c "mkdir -p ./$TASK_TMP_DIR/out/; cd ./$TASK_TMP_DIR/out/; tesseract ../phototest.tif phototest -l eng --psm 1 --oem 3 txt pdf hocr"

데모 페이지

pytesseract 설치 및 Flask 웹서버 연동

도커실행

  • 5000: ocr tesseract flask port 
    1
    2
    docker build -t ocr_tesseract_web .
    docker run --name ocr_tesseract_web --publish 5000:5000 -it ocr_tesseract_web

dockerfile

  • tesseractshadow/tesseract4re + Flask 웹서버 구동을 위해서 일부 오류수정 추가
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    # start with a base image
    # FROM ubuntu:14.04
    FROM tesseractshadow/tesseract4re

    ## install dependencies
    RUN apt-get update
    RUN apt-get install -y liblog4cplus-dev
    RUN apt-get install -y python python-pip

    RUN ls
    WORKDIR /
    RUN ls
    ADD requirements.txt /
    RUN pip install -r requirements.txt

    # pil error : decoder jpeg not available
    RUN pip uninstall Pillow -y
    RUN apt-get install -y libjpeg-dev
    RUN pip install Pillow

    # update working directories
    ADD ./flask_server /flask_server
    WORKDIR /flask_server

    #EXPOSE 5000
    CMD ["python", "app.py"]

Flask app

  • app.py 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    @app.route('/')
    def main():
        return render_template('index.html')

    @app.route('/v{}/ocr'.format(_VERSION), methods=["POST"])
    def ocr():
        print('--call ocr processing --')
        try:
            if request.files.get("image"):
                print('--read image --')
                # read the image in PIL format
                image = request.files["image"].read()
                image = Image.open(io.BytesIO(image))
                print('RECV:', image.format, image.size, image.mode)

                output = process_image2(image)
                print('output:', output)
                return jsonify({"output": output})
            else:
                return jsonify({"error": "only .jpg files, please"})
        except Exception as e:
            print('ocr processing exception:' , e)
            print(traceback.format_exc())
            return jsonify(
                {"error": str(e)}
            )
  • javascript 
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    30
    31
    32
    33
    $('#submit').on('click', function(event){
    	$("#results").hide()
    	var data = new FormData();
    	
    	if(is_mobile){
    		var cFile = getCaptureImg();
    		data.append("image", cFile);
    	}else{			
    		var file = $('#file')[0].files[0];
    		data.append("image", file);
    	}

    	$.ajax({
    	  type: "POST",
    	  url: "/v1/ocr",
    	  enctype: 'multipart/form-data',
    	  data : data,
    	  processData: false,
    	  contentType: false,
    	  cache: false,
    	  timeout: 600000,
    	  success: function(result) {
    		console.log(result);
    		$("#post-form").hide()
    		$("#retry").show()
    		$("#results").show()
    		$("#results-data").html("<div class='well'>"+result["output"]+"</div>");
    	  },
    	  error: function(error) {
    		console.log(error);
    	  }
    	});
    });

Source

FEATURED TAGS
OCR Tesseract Docker Text추출