ddddocr 1.6.0

带带弟弟OCR

DdddOcr - 通用验证码识别SDK

一个简单易用的通用验证码识别Python库

目录

• 赞助合作商
• 项目介绍
• 环境支持
• 安装方法
• 功能概览
• 初始化参数详解
  • 参数详细说明
  • 功能组合与冲突
  • 模型选择指南
  • 性能优化参数
• 详细使用说明
  • 文字识别功能
    • 基础OCR识别
    • OCR概率输出
    • 自定义字符范围
    • 颜色过滤功能
  • 目标检测功能
  • 滑块验证码处理
    • 算法1：边缘匹配
    • 算法2：图像差异比较
  • 自定义模型导入
• 高级用法
  • 批量处理
  • 多线程优化
  • 验证码预处理
• 常见问题
  • 初始化速度慢
  • 识别准确率不高
  • GPU加速
  • 处理复杂验证码
  • 内存占用过高
  • 参数冲突问题
  • 支持的图片格式
  • 多线程并发问题
• 项目技术支持
• 使用示例
• 许可证

赞助合作商

	赞助合作商	推荐理由
	YesCaptcha	谷歌reCaptcha验证码 / hCaptcha验证码 / funCaptcha验证码商业级识别接口 点我 直达VIP4
	超级鹰	全球领先的智能图片分类及识别商家，安全、准确、高效、稳定、开放，强大的技术及校验团队，支持大并发。7*24h作业进度管理
	Malenia	Malenia企业级代理IP网关平台/代理IP分销软件
雨云VPS	注册首月5折	浙江节点低价大带宽，100M每月30元

项目介绍

DdddOcr 是一个通用验证码离线本地识别SDK，由 sml2h3 与 kerlomz 共同开发完成。该项目通过大批量生成随机数据进行深度网络训练，可以识别各种类型的验证码，包括：

• 常见的数字字母组合验证码
• 中文验证码
• 滑块验证码
• 各种特殊字符验证码

项目设计理念是"最简依赖"，尽量减少用户的配置和使用成本，提供简单易用的API接口。

环境支持

系统	CPU	GPU	最大支持Python版本	备注
Windows 64位	✓	✓	3.12	部分版本Windows需要安装vc运行库
Linux 64 / ARM64	✓	✓	3.12
macOS X64	✓	✓	3.12	M1/M2/M3芯片用户请参考相关说明

不支持的环境：

• Windows 32位
• Linux 32位

安装方法

从PyPI安装（推荐）

pip install ddddocr

从源码安装

git clone https://github.com/sml2h3/ddddocr.git
cd ddddocr
pip install .

安装 API 依赖（可选）

pip install ".[api]"

注意：请勿直接在ddddocr项目的根目录内直接import ddddocr，请确保你的开发项目目录名称不为ddddocr。

功能概览

DdddOcr提供以下核心功能：

功能	描述	初始化参数
文字识别	识别图片中的文字内容	ocr=True（默认）
目标检测	检测图片中的目标位置	det=True
滑块验证码识别	识别滑块验证码的缺口位置	ocr=False
自定义模型导入	导入自定义训练的模型	import_onnx_path="模型路径"

初始化参数详解

DdddOcr 类初始化时支持多种参数配置，以适应不同的使用场景：

ddddocr.DdddOcr(
    ocr=True,           # 是否启用OCR功能
    det=False,          # 是否启用目标检测功能
    old=False,          # 是否使用旧版OCR模型
    beta=False,         # 是否使用Beta版OCR模型（新模型）
    use_gpu=False,      # 是否使用GPU加速
    device_id=0,        # 使用的GPU设备ID
    show_ad=True,       # 是否显示广告信息
    import_onnx_path="", # 自定义模型路径
    charsets_path="",    # 自定义字符集路径
    max_image_bytes=None, # 单图最大字节数（默认 8MB）
    max_image_side=None   # 单图最长边限制（默认 4096px）
)

参数详细说明

参数	类型	默认值	说明
ocr	bool	True	是否启用OCR功能，用于识别图片中的文字。互斥性：当det=True时会强制关闭OCR
det	bool	False	是否启用目标检测功能，用于检测图片中的目标位置。互斥性：det=True会覆盖ocr=True
old	bool	False	兼容参数，当前不会改变模型选择（默认即使用旧版模型）
beta	bool	False	是否使用Beta版OCR模型（新模型），对某些验证码识别效果更好。互斥性：与old=True参数互斥（但old当前不生效）
use_gpu	bool	False	是否使用GPU加速。依赖关系：需要安装CUDA和相应的onnxruntime-gpu版本，否则会初始化失败
device_id	int	0	使用的GPU设备ID。依赖关系：仅在use_gpu=True时生效，指定使用哪个GPU设备
show_ad	bool	True	是否在初始化时显示广告信息
import_onnx_path	str	""	自定义模型的onnx文件路径。依赖关系：设置此参数时，charsets_path参数必须同时提供；此时ocr/det设置会被忽略
charsets_path	str	""	自定义字符集的json文件路径。依赖关系：必须与import_onnx_path一起使用，否则无效
max_image_bytes	int/str	8MB	单图最大字节数上限（入参可为 int 或数字字符串）
max_image_side	int/str	4096	单图最长边像素上限（入参可为 int 或数字字符串）

功能组合与冲突

根据参数组合，ddddocr具有不同的工作模式：

1. 标准OCR模式：

   • 参数设置：ocr=True, det=False（默认）
   • 功能：识别图片中的文字

2. 目标检测模式：

   • 参数设置：ocr=False, det=True
   • 功能：检测图片中的目标位置
   • 注意：同时设置ocr=True, det=True时，会进入目标检测模式（det优先）

3. 滑块识别模式：

   • 参数设置：ocr=False, det=False
   • 功能：使用滑块匹配算法（需调用slide_match或slide_comparison方法）

4. 自定义模型模式：

   • 参数设置：import_onnx_path="模型路径", charsets_path="字符集路径"
   • 功能：使用自定义训练的模型进行识别
   • 注意：设置此模式时，ocr和det参数会被忽略，且自定义字符集文件需包含 charset/word/image/channel 字段

5. OCR模型选择：

   • 默认模型：不设置特殊参数（当前使用 common_old.onnx）
   • Beta模型：beta=True（使用 common.onnx）
   • 旧版模型参数：old=True（当前不改变模型，仅为兼容保留）
   • 注意：beta和old参数互斥，但old当前不生效

模型选择指南

• 默认模型：当前默认使用 common_old.onnx，适用于多数简单验证码场景
• Beta模型：beta=True 使用 common.onnx，对部分复杂验证码效果更好
• 自定义模型：当默认模型无法满足需求时，可以通过dddd_trainer训练自己的模型

性能优化参数

• GPU加速：对于处理大量图片时，开启GPU加速可显著提升性能

  ocr = ddddocr.DdddOcr(use_gpu=True, device_id=0)
  

• GPU设备选择：在多GPU环境中，可通过device_id指定使用的GPU

  # 使用第二张GPU卡
  ocr = ddddocr.DdddOcr(use_gpu=True, device_id=1)
  

• 关闭广告显示：在生产环境中可关闭广告提示

  ocr = ddddocr.DdddOcr(show_ad=False)
  

详细使用说明

文字识别功能

基础OCR识别

主要用于识别单行文字，如常见的英数验证码等。支持中文、英文、数字以及部分特殊字符的识别。

import ddddocr

# 初始化OCR对象
ocr = ddddocr.DdddOcr()

# 读取图片
with open("验证码图片.jpg", "rb") as f:
    image = f.read()

# 识别图片
result = ocr.classification(image)
print(result)  # 输出识别结果

OCR识别示例图片

参考例图

包括且不限于以下图片

OCR模型选择

DdddOcr内置两套OCR模型，可以通过beta参数切换：

# 使用第二套OCR模型
ocr = ddddocr.DdddOcr(beta=True)

透明PNG图片处理

对于透明黑色PNG图片，可以使用png_fix参数（对所有 OCR 模式生效）：

result = ocr.classification(image, png_fix=True)

注意：png_fix 仅对带透明通道的图片生效；初始化DdddOcr对象只需要一次，不要在每次识别时都重新初始化，这会导致速度变慢。

OCR概率输出

可以获取OCR识别结果的概率分布，便于进行更灵活的结果处理：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 获取识别结果的概率分布
result = ocr.classification(image, probability=True)

# 处理概率结果
s = ""
for i in result['probability']:
    s += result['charsets'][i.index(max(i))]

print(s)

概率输出示例（仅对内置模型生效，自定义模型会忽略probability=True并直接返回字符串）：

# 概率输出结果示例
{
    'charsets': ['', '0', '1', '2', '3', '4', '5', '6', '7', '8', '9', 'A', 'B', 'C', ...],
    'probability': [
        [0.01, 0.02, 0.01, 0.03, 0.02, 0.01, 0.02, 0.75, 0.03, 0.05, 0.01, ...],  # 第一个字符的概率分布
        [0.01, 0.01, 0.02, 0.01, 0.03, 0.02, 0.01, 0.02, 0.01, 0.80, 0.01, ...],  # 第二个字符的概率分布
        ...
    ]
}

自定义字符范围

可以通过set_ranges方法限定OCR识别的字符范围：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 设置识别范围为数字
ocr.set_ranges(0)  # 等同于 ocr.set_ranges("0123456789")

# 或自定义字符范围
ocr.set_ranges("0123456789+-x/=")

result = ocr.classification(image)
print(result)

内置字符范围参数：

参数值	含义
0	纯数字 0-9
1	纯小写英文 a-z
2	纯大写英文 A-Z
3	小写英文 + 大写英文
4	小写英文 + 数字
5	大写英文 + 数字
6	小写英文 + 大写英文 + 数字
7	默认字符库 - 小写英文 - 大写英文 - 数字

颜色过滤功能

对于一些特殊的验证码，可以通过颜色过滤来提高识别准确率：

import ddddocr

ocr = ddddocr.DdddOcr()
image = open("test.jpg", "rb").read()

# 只保留红色和蓝色部分
result = ocr.classification(image, colors=["red", "blue"])
print(result)

支持的颜色：

• red (红色)
• green (绿色)
• blue (蓝色)
• yellow (黄色)
• orange (橙色)
• purple (紫色)
• pink (粉色)
• brown (棕色)

也可以自定义颜色范围：

# 自定义颜色范围
custom_ranges = {
    'light_blue': [(90, 30, 30), (110, 255, 255)]  # HSV颜色空间
}

result = ocr.classification(image, colors=["light_blue"], custom_color_ranges=custom_ranges)

提示：custom_color_ranges 只有在 colors 列表包含对应键名时才会生效。

目标检测功能

用于检测图像中可能的目标主体位置，返回目标的边界框坐标：

import ddddocr
import cv2

# 初始化检测对象
det = ddddocr.DdddOcr(det=True, ocr=False)

# 读取图片
with open("test.jpg", 'rb') as f:
    image = f.read()

# 检测目标
bboxes = det.detection(image)
print(bboxes)  # 输出格式：[[x1, y1, x2, y2], ...]

# 可视化检测结果
im = cv2.imread("test.jpg")
for bbox in bboxes:
    x1, y1, x2, y2 = bbox
    im = cv2.rectangle(im, (x1, y1), (x2, y2), color=(0, 0, 255), thickness=2)
cv2.imwrite("result.jpg", im)

目标检测示例：

参考例图

包括且不限于以下图片

### 滑块验证码处理

DdddOcr提供两种滑块验证码处理算法：

算法1：边缘匹配

适用于有透明背景的滑块图片，通过边缘检测找到滑块在背景图中的位置：

import ddddocr

# 初始化滑块检测对象
slide = ddddocr.DdddOcr(det=False, ocr=False)

# 读取滑块图和背景图
with open('target.png', 'rb') as f:
    target_bytes = f.read()

with open('background.png', 'rb') as f:
    background_bytes = f.read()

# 匹配位置
res = slide.slide_match(target_bytes, background_bytes)
print(f"滑块位置: {res}")

# 可视化结果
background = cv2.imdecode(np.frombuffer(background_bytes, np.uint8), cv2.IMREAD_COLOR)
x1, y1, x2, y2 = res["target"]

# 在背景图上绘制匹配位置
cv2.rectangle(background, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(background, cv2.COLOR_BGR2RGB))
plt.title("滑块匹配结果")
plt.axis('off')
plt.savefig("slide_result.jpg")
plt.show()

滑块匹配示例：

滑块图

背景图

对于没有透明背景的滑块图，可以使用simple_target参数：

res = slide.slide_match(target_bytes, background_bytes, simple_target=True)

算法2：图像差异比较

适用于比较两张图片的不同之处，找出滑块缺口位置：

import ddddocr

slide = ddddocr.DdddOcr(det=False, ocr=False)

# 读取带有缺口阴影的图片和完整图片
with open('bg.jpg', 'rb') as f:
    target_bytes = f.read()

with open('fullpage.jpg', 'rb') as f:
    background_bytes = f.read()

# 比较差异
res = slide.slide_comparison(target_bytes, background_bytes)
print(res)  # 输出格式：{"target": [x, y]}

图像差异比较示例：

带缺口阴影的图片

完整图片

自定义模型导入

DdddOcr支持导入通过dddd_trainer训练的自定义模型：

import ddddocr

# 导入自定义模型
ocr = ddddocr.DdddOcr(
    det=False, 
    ocr=False, 
    import_onnx_path="mymodel.onnx", 
    charsets_path="charsets.json"
)

with open('test.jpg', 'rb') as f:
    image_bytes = f.read()

res = ocr.classification(image_bytes)
print(res)

高级用法

批量处理

对大量验证码进行批量处理时，保持OCR实例的复用可以显著提高效率：

import ddddocr
import os
import time

# 初始化OCR对象（只需一次）
ocr = ddddocr.DdddOcr()

# 批量处理目录中的所有图片
def batch_process(directory):
    results = {}
    
    start_time = time.time()
    for filename in os.listdir(directory):
        if filename.endswith(('.png', '.jpg', '.jpeg', '.bmp')):
            file_path = os.path.join(directory, filename)
            
            with open(file_path, 'rb') as f:
                image = f.read()
                
            # 使用同一个OCR实例处理所有图片
            result = ocr.classification(image)
            results[filename] = result
    
    end_time = time.time()
    print(f"处理 {len(results)} 张图片耗时: {end_time - start_time:.2f} 秒")
    return results

# 使用示例
results = batch_process("./captchas/")
for filename, text in results.items():
    print(f"{filename}: {text}")

多线程优化

在多线程环境下使用时，应当为每个线程创建独立的OCR实例：

import ddddocr
import concurrent.futures
import os

def process_image(file_path):
    # 每个线程创建自己的OCR实例
    ocr = ddddocr.DdddOcr()
    
    with open(file_path, 'rb') as f:
        image = f.read()
    
    result = ocr.classification(image)
    return os.path.basename(file_path), result

def parallel_process(directory, max_workers=4):
    file_paths = [os.path.join(directory, f) for f in os.listdir(directory) 
                 if f.endswith(('.png', '.jpg', '.jpeg', '.bmp'))]
    
    results = {}
    with concurrent.futures.ThreadPoolExecutor(max_workers=max_workers) as executor:
        future_to_file = {executor.submit(process_image, file_path): file_path for file_path in file_paths}
        
        for future in concurrent.futures.as_completed(future_to_file):
            filename, result = future.result()
            results[filename] = result
    
    return results

# 使用示例
results = parallel_process("./captchas/", max_workers=8)

验证码预处理

对于干扰较多的验证码，可以先进行预处理再识别：

import ddddocr
import cv2
import numpy as np
from PIL import Image
import io

def preprocess_captcha(image_bytes):
    # 转换为OpenCV格式
    nparr = np.frombuffer(image_bytes, np.uint8)
    img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
    
    # 灰度化
    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    
    # 二值化
    _, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)
    
    # 去除小噪点
    kernel = np.ones((2, 2), np.uint8)
    opening = cv2.morphologyEx(binary, cv2.MORPH_OPEN, kernel)
    
    # 转回字节流
    is_success, buffer = cv2.imencode(".jpg", opening)
    processed_bytes = io.BytesIO(buffer).getvalue()
    
    return processed_bytes

# 使用示例
ocr = ddddocr.DdddOcr()

with open("noisy_captcha.jpg", "rb") as f:
    image_bytes = f.read()

# 预处理验证码
processed_bytes = preprocess_captcha(image_bytes)

# 识别处理后的图片
result = ocr.classification(processed_bytes)
print(f"验证码识别结果: {result}")

常见问题

1. 初始化速度慢
   首次初始化DdddOcr对象时会加载模型，可能会比较慢，但只需要初始化一次即可。避免在循环中反复初始化。

   # 错误的用法
   for img in images:
       ocr = ddddocr.DdddOcr()  # 每次都初始化，严重影响性能
       result = ocr.classification(img)
   
   # 正确的用法
   ocr = ddddocr.DdddOcr()  # 只初始化一次
   for img in images:
       result = ocr.classification(img)
   

2. 识别准确率不高

   • 尝试使用另一个OCR模型（设置beta=True）
   • 对于特殊验证码，尝试使用颜色过滤功能
   • 限定识别字符范围（使用set_ranges方法）
   • 对于透明PNG图片，使用png_fix=True参数

3. GPU加速
   可以通过设置use_gpu=True和device_id参数来启用GPU加速：

   ocr = ddddocr.DdddOcr(use_gpu=True, device_id=0)
   

   使用GPU需确保已安装对应的CUDA版本和onnxruntime-gpu库。

4. 如何处理复杂验证码
   对于复杂的验证码，可以尝试以下步骤：

   • 先使用目标检测功能定位验证码位置
   • 对检测到的区域进行裁剪
   • 应用颜色过滤去除干扰
   • 使用OCR识别处理后的图片

5. 内存占用过高
   如果在同一程序中需要使用多个功能，建议不要同时初始化多个不同功能的实例，而是根据需要初始化：

   # 根据需要初始化不同的对象
   if need_ocr:
       processor = ddddocr.DdddOcr(ocr=True, det=False)
   elif need_detection:
       processor = ddddocr.DdddOcr(ocr=False, det=True)
   

6. 参数冲突问题
   当同时设置多个模式参数时，需注意优先级：

   • ocr=True和det=True同时设置时，优先使用目标检测模式
   • beta=True和old=True同时设置时，使用Beta模型（old当前不生效）
   • 设置import_onnx_path时，ocr和det参数会被忽略

7. 支持的图片格式
   ddddocr支持多种图片格式：

   • JPG/JPEG
   • PNG (带透明通道时可配合png_fix=True)
   • BMP
   • GIF (仅识别第一帧)

   对于不常见格式或Base64编码的图片，可以先转换为bytes：

   # Base64编码图片处理
   import base64
   image_bytes = base64.b64decode(base64_str)
   result = ocr.classification(image_bytes)
   

8. 多线程并发问题
   在多线程环境下使用时，每个线程应当创建独立的OCR实例，否则可能导致识别结果错乱。

项目技术支持

本项目基于dddd_trainer训练所得，训练底层框架为PyTorch，推理底层依赖于onnxruntime。

使用示例

完整的验证码识别流程

import ddddocr
import cv2
import numpy as np
from PIL import Image
import io

# 初始化OCR对象
ocr = ddddocr.DdddOcr()

# 读取验证码图片
with open("captcha.jpg", "rb") as f:
    image_bytes = f.read()

# 转换为OpenCV格式进行预处理
# img = cv2.imdecode(np.frombuffer(image_bytes, np.uint8), cv2.IMREAD_COLOR)

# 预处理：灰度化、二值化等
# gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# _, binary = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV)

# 转回字节流
# is_success, buffer = cv2.imencode(".jpg", binary)
# processed_bytes = io.BytesIO(buffer).getvalue()

# 识别处理后的图片
result = ocr.classification(image_bytes)
print(f"验证码识别结果: {result}")

滑块验证码完整示例

import ddddocr
import cv2
import numpy as np
import matplotlib.pyplot as plt

# 初始化滑块检测对象
slide = ddddocr.DdddOcr(det=False, ocr=False)

# 读取滑块图和背景图
with open('target.png', 'rb') as f:
    target_bytes = f.read()

with open('background.png', 'rb') as f:
    background_bytes = f.read()

# 匹配位置
res = slide.slide_match(target_bytes, background_bytes)
print(f"滑块位置: {res}")

# 可视化结果
background = cv2.imdecode(np.frombuffer(background_bytes, np.uint8), cv2.IMREAD_COLOR)
x1, y1, x2, y2 = res["target"]

# 在背景图上绘制匹配位置
cv2.rectangle(background, (x1, y1), (x2, y2), (0, 255, 0), 2)

# 显示结果
plt.figure(figsize=(10, 6))
plt.imshow(cv2.cvtColor(background, cv2.COLOR_BGR2RGB))
plt.title("滑块匹配结果")
plt.axis('off')
plt.savefig("slide_result.jpg")
plt.show()

API 服务

DdddOcr 提供了一键启动 API 服务的功能，可以通过 RESTful API 的方式访问 DdddOcr 的所有功能。

命令行启动 API 服务

# 使用默认配置启动 API 服务
python -m ddddocr api

# 指定 API 服务配置
python -m ddddocr api --host 0.0.0.0 --port 8000 --workers 4

# 配置 OCR 功能
python -m ddddocr api --ocr true --beta true

# 配置目标检测功能
python -m ddddocr api --ocr false --det true

提示：如果直接运行 python -m ddddocr.api，默认会绑定在 127.0.0.1，可通过环境变量 DDDDOCR_HOST 覆盖。

API 命令行参数说明

参数名	类型	默认值	说明
--host	字符串	0.0.0.0	API 服务主机地址（python -m ddddocr api 默认）
--port	整数	8000	API 服务端口
--workers	整数	1	API 服务工作进程数
--ocr	布尔值	true	是否启用 OCR 功能
--det	布尔值	false	是否启用目标检测功能
--old	布尔值	false	是否使用旧版 OCR 模型
--beta	布尔值	false	是否使用 Beta 版 OCR 模型
--use-gpu	布尔值	false	是否使用 GPU 加速
--device-id	整数	0	GPU 设备 ID
--show-ad	布尔值	true	是否显示广告
--import-onnx-path	字符串	""	自定义模型路径
--charsets-path	字符串	""	自定义字符集路径

使用 Docker 运行 API 服务

构建并运行 Docker 镜像

# 构建 Docker 镜像
docker build -t ddddocr-api .

# 运行 Docker 容器
docker run -d --name ddddocr-api -p 8000:8000 ddddocr-api

# 使用自定义配置运行
docker run -d --name ddddocr-api \
  -p 8000:8000 \
  -e DDDDOCR_OCR=true \
  -e DDDDOCR_BETA=true \
  -e DDDDOCR_WORKERS=4 \
  ddddocr-api

使用 Docker Compose 运行 API 服务

# 使用默认配置启动
docker-compose up -d

# 使用自定义配置启动
DDDDOCR_OCR=true DDDDOCR_BETA=true DDDDOCR_WORKERS=4 docker-compose up -d

API 接口说明

API 服务提供了以下接口：

1. 文字识别接口 (OCR)

POST /ocr

请求体：

{
  "image": "图片的Base64编码字符串",
  "probability": false,
  "colors": [],
  "custom_color_ranges": null
}

响应：

{
  "result": "识别到的文字",
  "processing_time": 0.123
}

注意：当 probability=true 时，API 会返回 result 为一个字典，包含 charsets 与 probability 字段，结构与本地 classification(probability=True) 一致。

2. 目标检测接口

POST /det

请求体：

{
  "image": "图片的Base64编码字符串"
}

响应：

{
  "result": [
    [x1, y1, x2, y2],
    ...
  ],
  "processing_time": 0.123
}

3. 滑块匹配接口

POST /slide_match

请求体：

{
  "target_image": "目标图片的Base64编码字符串",
  "background_image": "背景图片的Base64编码字符串",
  "simple_target": false,
  "flag": false
}

响应：

{
  "result": {
    "target_x": 0,
    "target_y": 0,
    "target": [x1, y1, x2, y2]
  },
  "processing_time": 0.123
}

4. 滑块比较接口

POST /slide_comparison

请求体：

{
  "target_image": "目标图片的Base64编码字符串",
  "background_image": "背景图片的Base64编码字符串"
}

响应：

{
  "result": {
    "target": [x, y]
  },
  "processing_time": 0.123
}

5. 设置字符范围接口

POST /set_charset_range

请求体：

{
  "charset_range": ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9"]
}

响应：

{
  "result": "字符范围设置成功",
  "charset_range": ["0", "1", "2", "3", "4", "5", "6", "7", "8", "9"],
  "processing_time": 0.123
}

6. 健康检查接口

GET /health

响应：

{
  "status": "ok",
  "timestamp": 1628765432.1234
}

文件上传接口

所有上述接口都支持通过表单上传文件的方式提交请求。例如：

POST /ocr/file

可以通过表单字段上传图片文件。

API 客户端示例

Python 示例 (Base64编码方式)

import requests
import base64

# 读取图片文件并Base64编码
with open("captcha.png", "rb") as f:
    img_base64 = base64.b64encode(f.read()).decode()

# 发送OCR请求
url = "http://localhost:8000/ocr"
response = requests.post(url, json={"image": img_base64})

# 处理响应
result = response.json()
print(f"识别结果: {result['result']}")

Python 示例 (文件上传方式)

import requests

# 准备文件
files = {"file": open("captcha.png", "rb")}

# 发送OCR请求
url = "http://localhost:8000/ocr/file"
response = requests.post(url, files=files)

# 处理响应
result = response.json()
print(f"识别结果: {result['result']}")

Docker 环境变量配置参考

环境变量名	默认值	说明
DDDDOCR_HOST	0.0.0.0（CLI 默认）/ 127.0.0.1（直接运行 api.py 默认）	API 服务主机地址
DDDDOCR_PORT	8000	API 服务端口
DDDDOCR_WORKERS	1	API 服务工作进程数
DDDDOCR_OCR	true	是否启用 OCR 功能
DDDDOCR_DET	false	是否启用目标检测功能
DDDDOCR_OLD	false	是否使用旧版 OCR 模型
DDDDOCR_BETA	false	是否使用 Beta 版 OCR 模型
DDDDOCR_USE_GPU	false	是否使用 GPU 加速
DDDDOCR_DEVICE_ID	0	GPU 设备 ID
DDDDOCR_SHOW_AD	true	是否显示广告
DDDDOCR_IMPORT_ONNX_PATH	""	自定义模型路径
DDDDOCR_CHARSETS_PATH	""	自定义字符集路径

许可证

本项目采用MIT许可证，详情请参阅LICENSE文件。

输入与输出校验说明

• 图片合法性：所有 Base64 与文件上传都会做尺寸、格式与大小校验（默认上限 8192 KB、最长边 4096px，可在实例化 DdddOcr(max_image_bytes=..., max_image_side=...) 时自定义），异常时返回 400。
• 允许格式：PNG / JPEG / JPG / WEBP / BMP / GIF / TIFF。
• 输入类型：本地调用支持 bytes/bytearray、Base64 字符串、文件路径或 PIL.Image。
• 类型约束：DdddOcr 的公开方法会校验布尔/整数参数，FastAPI 层也通过 Pydantic 验证请求体，错误会带具体字段。
• 统一异常：核心库新增 DdddOcrInputError / InvalidImageError，API 会把这些异常映射为 400，方便调用方处理。
• 响应结构：HTTP 接口现有明确的 response_model，文档 (/docs) 中可直接查看字段含义。
• 模式提示：在 det=True 模式下调用 classification 会抛出 “当前识别类型为目标检测”。

示例库

仓库新增 examples/ 目录，覆盖本地调用、目标检测和 HTTP 客户端等典型场景：

• basic_ocr.py：最小 OCR 示例，可演示概率输出与颜色过滤。
• detector.py：演示如何用 det=True 模式返回所有检测框。
• api_client.py：演示如何向 python -m ddddocr api 服务发送 JSON 请求。
• generate_basic_ocr_cases.py：生成基础 OCR 测试用例图片。

详细说明见 examples/README.md，可结合 README 其他章节快速起步。