techblog/ocr-docker

OCR-Docker

镜像概述和主要用途

OCR-Docker是一个基于Python和Flask构建的易用系统，帮助用户轻松从图像和PDF文件中提取多种语言的文本。它利用开源OCR项目tesseract-ocr实现免费的光学字符识别功能，适用于需要从图像或PDF中提取可编辑文本的场景。

核心功能和特性

• 从图像文件提取文本，支持格式：png、jpg、tiff
• 从PDF文件提取文本，支持单页和多页PDF

OCR-Docker使用的组件和框架

• https://github.com/tesseract-ocr/ - 开源OCR引擎
• https://github.com/tesseract-ocr/tessdata - tesseract-ocr数据模型
• ghostscript - PDF处理工具
• imagemagick - 图像处理工具
• pytesseract - Python的tesseract接口
• Pillow - Python图像处理库
• Image - 图像处理库
• Flask - Python Web框架
• Loguru - 日志管理库
• PyYAML - YAML文件处理库

OCR（光学字符识别）功能免费提供，这得益于https://github.com/tesseract-ocr/%E8%BF%99%E4%B8%AA%E5%BC%80%E6%BA%90OCR%E9%A1%B9%E7%9B%AE%E3%80%82

使用场景和适用范围

适用于需要从图像或PDF文档中提取文本内容的场景，如：

• 数字化纸质文档（扫描的PDF或图像）
• 从图片中提取文字信息（如截图、照片中的文字）
• 批量处理多页PDF文件以获取可编辑文本

详细使用方法和配置说明

安装与部署

通过Docker Compose从镜像仓库部署

创建docker-compose.yml文件，内容如下：

yaml
version: "3.7"
services:
  ocr:
    image: techblog/ocr-docker:latest
    ports:
      - "8080:8080"
    container_name: tts-stt
    labels:
      - "com.ouroboros.enable=true"
    networks:
      - default
    restart: unless-stopped

运行以下命令拉取并启动容器：

bash
docker-compose up -d

启动后，打开浏览器并导航到容器IP地址（使用端口8080），即可看到OCR系统界面。

https://github.com/t0mer/ocr-docker/blob/main/screenshot/ocr.png?raw=true "OCR"](https://github.com/t0mer/ocr-docker/blob/main/screenshot/ocr.png?raw=true "OCR")