撰写OCR 服务的用途日渐广泛，比如常见的 身份证识别，车牌号识别，又比如通过拍商品照片，获取照片中商品的一些关键字直接去搜索相关商品等用途
而市面上，很多大厂也提供了 OCR 服务，其中功能（精确度选择，文字位置信息选择）和体验（准确度，识别速度）都不错的有 百度云，并且百度提供每天的免费使用额度，日常使用下基本等于免费使用了。
那如果我们自己想在本地做 OCR 部署的话，就需要自己写服务程序了（百度的OCR服务本地化部署得20w+），而 github ，nuget 上有不少的OCR相关项目：
tesseract：免费，而且速度也不错，但是自带的中文数据模型文件的准确性略低，如果想要提高准确率，需要自己去训练模型
IronOcr：收费，速度也不错，但对中文的识别的准确率不是很好
EasyOCR，免费，速度如果是GPU计算的话很快，而且准确率极高，CPU速度则慢很多
等…
EasyOCR（github） 的优点是，配置和使用都比较简单，并且支持识别的语言较多，识别率也高，不过有几点需要注意：
1.开发环境有一定要求，最好是需要 Linux + Python3.6 +（Windows Server 也可以，不过会折腾一些）
2.如果不使用 GPU CUDA 加速，图片识别的速度会非常非常非常非常慢（平均相差20倍的速度），所以建议使用GPU服务器作为生成环境去使用
根据官方文档安装
pip install easyocr //建议升级到最新版本的 pip 再进行安装 Linux 下几乎能一步到位，Windows下会出现版本不一致问题，需要先安装 torch 和 torchvision，再进行 easyocr 的安装 (torch 和 torchvision 可前往 https://pytorch.org/get-started/locally/ 生成对应的 pip 命令)
Demo：
import easyocr
import os
import time
from datetime import datetime
#cpu计算
reader = easyocr.Reader(['ch_sim','en'],False) #False为不使用GPU
starttime=datetime.now()
print('start')
//decoder 为引擎，detail 为是否显示位置信息 batch_size 设置越大，占用内存越高，识别速度越快
result = reader.readtext(image='test.jpg',decoder='greedy',batch_size=20,detail=0)
endtime=datetime.now()
print('cpu need time',(endtime-starttime).seconds,'s')
#gpu计算
reader = easyocr.Reader(['ch_sim','en'])
starttime=datetime.now()
print('start')
result = reader.readtext(image='test.jpg',decoder='greedy',batch_size=20,detail=0)
endtime=datetime.now()
print('gpu need time',(endtime-starttime).seconds,'s')
print(result)
首次运行会下载对应的文本数据模型，如果其中报错的话，将对应缺少的组件进行 yum 安装一下即可（如果需要使用 GPU加速，需要安装对应显卡的驱动，如 NVIDIA-driver 和 NVIDIA-cuda，我是直接使用阿里云的 GPU服务器，并自动安装了该驱动）
服务器配置为： CPU：Intel Platinum 8163 处理器，四核心 内存：15G GPU：NVIDIA T4 GPU 16G显存
下面是测试运行结果：（测试结果仅供参考，实际和拍照角度，清晰度，文字布局复杂度等有关）
结论：可以看出，CPU 计算的速度完全无法直视，所以能 GPU 还是 GPU ，不然无法在生产环境中使用（不过GPU服务器也很贵，所以实际生产环境中，如果没特殊要求，还是用第三方比较划算）
附带图片处理时候的性能监控，其中 CPU 出现峰驼的时候是使用 CPU 去计算，显存出现峰驼的时候是使用 GPU 去计算，不过厉害的是，GPU 占用率一直都很低
