# 使用Hugging Face Transformers进行OCR

本仓库展示了如何利用Hugging Face Transformers库实现光学字符识别（OCR）。其中代码使用了预训练模型对图像进行OCR处理。

环境准备

运行代码前需安装以下依赖库（通过pip安装）：

pip install transformers
pip install pillow

使用方法

通过以下步骤实现图像OCR功能：

1. 导入必要库：

from transformers import VisionEncoderDecoderModel
from transformers import TrOCRProcessor, VisionEncoderDecoderModel
from PIL import Image
import requests

2. 加载预训练OCR模型与处理器：

model = VisionEncoderDecoderModel.from_pretrained("vanshp123/ocrmnist")
processor = TrOCRProcessor.from_pretrained('microsoft/trocr-base-stage1')

3. 载入待识别图像（将"/content/left_digit_section_4.png"替换为你的图像路径）：

image = Image.open("/content/left_digit_section_4.png").convert("RGB")

4. 使用OCR处理器处理图像并生成文本：

pixel_values = processor(images=image, return_tensors="pt").pixel_values
generated_ids = model.generate(pixel_values)
generated_text = processor.batch_decode(generated_ids, skip_special_tokens=True)[0]

5. generated_text变量将存储从图像中识别出的文本内容。

应用示例

本代码可作为OCR项目的开发起点，请根据实际需求进行调整和定制化开发。

许可声明

代码使用了Hugging Face Transformers库中的模型，使用预训练模型前请仔细阅读相关许可条款。