docker pull hjdhnx/ocr:latest
docker run -itd --rm -p 8089:8089 --restart always --name hjdocr hjdhnx/ocr:latest
描述： 手动上传图片识别，可以用于日常用途或测试。在浏览器打开页面后可通过拖拽、粘贴、点击按钮上传的方式来上传图片
地址： /
方法： GET
请求参数： 无
描述： 进行文字识别与检测的接口
地址： /api/tr-run/
方法： POST
请求参数：
| 参数名称 | 是否必选 | 数据类型 | 描述 |
|---|---|---|---|
| file | 和 img 二选一 | file | 通过上传的方式来发送图片的字段 |
| img | 和 file 二选一 | string | 图片的base64值，不需要前缀。 |
| compress | 否 | int | 值为空时，默认将图片最长边压缩到1600px。 值为 0 时，不压缩图片。 值为非0 时，将最长边压缩到该值的大小。 |
返回参数：
| 参数名称 | 是否必选 | 数据类型 | 描述 |
|---|---|---|---|
| code | 是 | int | 识别结果的状态码，识别成功为200，有异常为 400 |
| msg | 是 | string | 识别结果的文字信息 |
| data | 否 | dict | 识别结果，若识别异常则没有此字段 |
| data['img_detected'] | 是 | string | 画出文字区域的图片base64值 |
| data['raw_out'] | 是 | list | 识别结果的输出 |
| data['speed_time'] | 是 | float | 识别的耗时 |
返回示例：
{"code": 200,
"msg": "\u6210\u529f",
"data": {
"img_detected": "data:image/jpeg;base64,/9j/4AAQSkZJR5t...",
"raw_out": [[[11, 13, 402, 36], "\u753b\u51fa\u6587\u5b57\u533a\u57df\u7684\u56fe\u7247base64\u503c", 0.9999545514583588], [[11, 112, 215, 36], "\u8bc6\u522b\u7ed3\u679c\u7684\u8f93\u51fa", 0.999962397984096], [[11, 171, 158, 36], "\u8bc6\u522b\u7684\u8017\u65f6", 0.999971580505371]],
"speed_time": 0.67}}
import requests
url = 'http://192.168.31.108:8089/api/tr-run/'
img1_file = {
'file': open('img1.png', 'rb')
}
res = requests.post(url=url, data={'compress': 0}, files=img1_file)
import requests
import base64
def img_to_base64(img_path):
with open(img_path, 'rb')as read:
b64 = base64.b64encode(read.read())
return b64
url = 'http://192.168.31.108:8089/api/tr-run/'
img_b64 = img_to_base64('./img1.png')
res = requests.post(url=url, data={'img': img_b64}) ```
Content type
Image
Digest
Size
-
Last updated
about 5 years ago
docker pull hjdhnx/ocr