OCR新体验！基于LLaMA视觉模型的强大OCR工具，支持批量处理与进度追踪，支持多种输出格式！ - 文章 - 开发者社区

点击上方“蓝色字体”关注我，每天推送“实用有趣的项目”！

Ollama-OCR 是一个强大的 OCR（光学字符识别）工具，基于 LLaMA 视觉模型开发，旨在为用户提供精准、便捷的文字识别解决方案。

它能够将图像中的文字准确地提取出来，并支持多种输出格式。

并且提供了 Python 包和 Streamlit 网页应用两种使用方式，使得开发者可以灵活选择，适应不同场景的需求。

picture.image

主要特性

1、多种输出格式支持

Ollama-OCR 支持多种输出格式，使得用户能够根据需求选择最适合的方式进行文本处理：

• Markdown 格式 ：适用于生成文档格式化内容，方便直接使用。
• 纯文本 ：简单明了的文本输出，适合快速提取文字。
• JSON 格式 ：结构化数据输出，方便后续数据处理与分析。
• 结构化格式 ：为复杂文档生成结构化的数据输出。
• 键值对格式 ：适用于需要进一步处理或存储的场景。

2、批量处理与进度跟踪

支持批量处理，能够一次性识别多张图片，并且提供了处理进度跟踪功能。用户可以在批量操作时实时查看每个图像的处理进度，提高操作效率。

3、图像预处理功能

该工具内置图像预处理功能，能够在进行文字识别之前自动优化图像质量，如调整图像的对比度、去噪等，确保OCR结果更加精准。

4、灵活的使用方式

• Python包 ：适合开发者在Python环境中调用，方便集成到各种项目中。
• Streamlit Web应用 ：提供了一个简洁易用的网页应用，使非开发人员也能通过图形界面轻松使用OCR功能。

picture.image

安装与使用

你可以通过以下命令安装 Ollama-OCR 的 Python 包：


 
 
 
 
   
pip install ollama-ocr

下载 Ollama模型


 
 
 
 
   
ollama pull llama3.2-vision:11b

安装完毕后，可以通过 Python 编写代码来进行OCR操作：


 
 
 
 
   
from ollama_ocr import OCRProcessor  
  
# Initialize OCR processor  
ocr = OCRProcessor(model_name='llama3.2-vision:11b')  # You can use any vision model available on Ollama  
  
# Process an image  
result = ocr.process_image(  
    image_path="path/to/your/image.png",  
    format_type="markdown"  # Options: markdown, text, json, structured, key\_value  
)  
print(result)

批量处理与进度追踪


 
 
 
 
   
batch_results = ocr.process_batch(  
    input_path="path/to/images/folder",  # Directory or list of image paths  
    format_type="markdown",  
    recursive=True,  # Search subdirectories  
    preprocess=True  # Enable image preprocessing  
)  
# Access results  
for file_path, text in batch_results['results'].items():  
    print(f"\nFile: {file\_path}")  
    print(f"Extracted Text: {text}")  
  
# View statistics  
print("\nProcessing Statistics:")  
print(f"Total images: {batch\_results['statistics']['total']}")  
print(f"Successfully processed: {batch\_results['statistics']['successful']}")  
print(f"Failed: {batch\_results['statistics']['failed']}")

如果你更喜欢图形界面的操作，Ollama-OCR 还提供了 Streamlit 网页应用。

只需通过以下步骤部署启动即可。


 
 
 
 
   
git clone https://github.com/imanoop7/Ollama-OCR.git  
cd Ollama-OCR  
  
pip install -r requirements.txt  
  
cd src  
streamlit run app.py

之后，通过浏览器访问生成的地址，即可上传图像并查看识别结果。

picture.image