GIF 图片内容分析与多线程 OCR 识别

博主： huoyu
发布时间：2024 年 09 月 12 日
76 次浏览
暂无评论
4828字数
分类： python - 技巧

问题描述

正在尝试从 GIF 图片中提取每一帧并进行 OCR 识别，当前代码在多线程环境下可能会出现图片重合的情况，导致识别失败。用户希望解决这个问题，避免图片重合，并且考虑是否可以不保存图片到本地，直接进行识别。

```
import requests
from PIL import Image
import os
import re
import ddddocr

def down_gif(url):
    # url = "https://d11x481pn35wh6.cloudfront.net/TMdgfxyd/1dBdijbBPsWY.gif"
    res = requests.get(url).content
    open("hhh.gif", "wb").write(res)

def split_gif():
    # 打开GIF文件
    gif_path = 'hhh.gif'  # 替换为你的GIF文件路径
    gif = Image.open(gif_path)

# 创建输出目录
    output_dir = 'output_frames'
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

# 遍历每一帧并保存
    frame = 0
    while True:
        gif.seek(frame)
        frame_image = gif.copy()
        frame_image.save(f"{output_dir}/frame_{frame}.png")  # 保存为PNG格式
        frame += 1
        try:
            gif.seek(frame)
        except EOFError:
            break
    print(f"GIF分解完成，共保存了{frame}张图片")

# 合并字符串

def merge_strings(str1, str2):
    # 将输入的字符串转换为小写，找到第一个字符串的后缀和第二个字符串的前缀公共部分
    lower_str1 = str1.lower()
    lower_str2 = str2.lower()

for i in range(min(len(lower_str1), len(lower_str2)), 0, -1):
        if lower_str1.endswith(lower_str2[:i]):
            return (str1 + str2[i:]).lower()

# 如果没有公共部分，直接合并并转换为小写
    return (str1 + str2).lower()

def dddocr():
    # 定义图片文件夹路径
    # output_dir = 'output_frames'
    output_dir = 'output_frames'

# 提取文件名中的数字，并返回排序后的文件列表
    def sort_key(filename):
        match = re.search(r'_(\d+)\.png', filename)  # 提取文件名中的数字部分
        if match:
            return int(match.group(1))  # 返回数字部分作为排序依据
        return float('inf')  # 如果没有数字，则将该文件放在最后

# 获取所有 .png 文件，并按数字顺序排序
    sorted_files = sorted([f for f in os.listdir(output_dir) if f.endswith('.png')], key=sort_key)
    results = []
    sorted_file = [sorted_files[0]] + [sorted_files[-1]]
    # 遍历排序后的文件列表
    for filename in sorted_file:
        file_path = os.path.join(output_dir, filename)
        print(f"找到图片文件: {file_path}")
        file = open(file_path, "rb").read()
        ocr = ddddocr.DdddOcr(show_ad=False, beta=True)
        result = ocr.classification(file)
        print(result)
        results.append(result)
    return merge_strings(results[1], results[0])

down_gif("https://d11x481pn35wh6.cloudfront.net/QKuHUNze/WxGVbJDfXYls.gif")
split_gif()
print(dddocr())
```

****

在多线程使用时，图片会重合，导致识别失败。想请教如何修改，避免保存到本地，直接进行识别，或者使用其他方式，确保在多线程环境下图片不会重合。

解决方案

为了避免多线程环境中图片重合的问题，建议不保存图片到本地，而是直接在内存中处理 GIF 的每一帧并进行 OCR 识别。可以使用 io.BytesIO 来处理图片数据，避免文件系统的读写操作，并使用 ThreadPoolExecutor 来并发处理多个帧。

优化后的代码

```python
import requests
from PIL import Image
import io
import re
import ddddocr
from concurrent.futures import ThreadPoolExecutor

def down_gif(url):
    res = requests.get(url).content
    return res  # 直接返回GIF二进制内容

def extract_frames(gif_content):
    # 通过io.BytesIO在内存中处理GIF内容
    gif = Image.open(io.BytesIO(gif_content))
    frames = []

try:
        while True:
            frame_image = gif.copy()  # 复制当前帧
            frames.append(frame_image)
            gif.seek(gif.tell() + 1)  # 移动到下一帧
    except EOFError:
        pass

print(f"GIF分解完成，共提取了{len(frames)}张图片")
    return frames

# 合并字符串
def merge_strings(str1, str2):
    lower_str1 = str1.lower()
    lower_str2 = str2.lower()

for i in range(min(len(lower_str1), len(lower_str2)), 0, -1):
        if lower_str1.endswith(lower_str2[:i]):
            return (str1 + str2[i:]).lower()

return (str1 + str2).lower()

def process_frame(frame, ocr_engine):
    with io.BytesIO() as output:
        frame.save(output, format="PNG")
        image_data = output.getvalue()  # 获取内存中的图片数据
        result = ocr_engine.classification(image_data)
        return result

def dddocr(frames):
    ocr_engine = ddddocr.DdddOcr(show_ad=False, beta=True)
  
    # 仅选择第一个和最后一个帧进行OCR识别
    selected_frames = [frames[0], frames[-1]]
    results = []

# 使用多线程处理帧
    with ThreadPoolExecutor() as executor:
        future_to_frame = {executor.submit(process_frame, frame, ocr_engine): frame for frame in selected_frames}
        for future in future_to_frame:
            try:
                result = future.result()
                print(result)
                results.append(result)
            except Exception as e:
                print(f"处理帧时发生错误: {e}")

# 合并识别结果
    return merge_strings(results[1], results[0])

# 入口
def get_code(url):
    gif_content = down_gif(url)
    frames = extract_frames(gif_content)
    return dddocr(frames)
```

改进点：

1. 内存处理 GIF 图片：使用 io.BytesIO 处理 GIF 文件的内容，避免读写本地文件。
2. 多线程处理帧：使用 ThreadPoolExecutor 来并行处理多个帧的 OCR 识别。
3. 直接传递内存中的帧：每一帧直接传递给 OCR 引擎进行识别，减少磁盘 I/O 操作。

这种方式不仅避免了多线程导致的图片重合问题，也提升了处理效率。

最后修改：2024 年 09 月 12 日

如果觉得我的文章对你有用，请随意赞赏

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

评论 *

私密评论

名称 *

🎲

邮箱

地址

huoyu1
真的很需要
欣
很牛逼|´・ω・)ノ
hhh
真棒
Hongjia
https://blog.dingtone.me/zh/rec...
Hongjia
https://5sim.net/zh使用该网站可以最低1 卢布充值

GIF 图片内容分析与多线程 OCR 识别

huoyu • 2024 年 09 月 12 日

问题描述

```
import requests
from PIL import Image
import os
import re
import ddddocr

def down_gif(url):
    # url = "https://d11x481pn35wh6.cloudfront.net/TMdgfxyd/1dBdijbBPsWY.gif"
    res = requests.get(url).content
    open("hhh.gif", "wb").write(res)

def split_gif():
    # 打开GIF文件
    gif_path = 'hhh.gif'  # 替换为你的GIF文件路径
    gif = Image.open(gif_path)

# 创建输出目录
    output_dir = 'output_frames'
    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

# 合并字符串

for i in range(min(len(lower_str1), len(lower_str2)), 0, -1):
        if lower_str1.endswith(lower_str2[:i]):
            return (str1 + str2[i:]).lower()

# 如果没有公共部分，直接合并并转换为小写
    return (str1 + str2).lower()

def dddocr():
    # 定义图片文件夹路径
    # output_dir = 'output_frames'
    output_dir = 'output_frames'

down_gif("https://d11x481pn35wh6.cloudfront.net/QKuHUNze/WxGVbJDfXYls.gif")
split_gif()
print(dddocr())
```

****

解决方案

优化后的代码

```python
import requests
from PIL import Image
import io
import re
import ddddocr
from concurrent.futures import ThreadPoolExecutor

def down_gif(url):
    res = requests.get(url).content
    return res  # 直接返回GIF二进制内容

def extract_frames(gif_content):
    # 通过io.BytesIO在内存中处理GIF内容
    gif = Image.open(io.BytesIO(gif_content))
    frames = []

print(f"GIF分解完成，共提取了{len(frames)}张图片")
    return frames

# 合并字符串
def merge_strings(str1, str2):
    lower_str1 = str1.lower()
    lower_str2 = str2.lower()

for i in range(min(len(lower_str1), len(lower_str2)), 0, -1):
        if lower_str1.endswith(lower_str2[:i]):
            return (str1 + str2[i:]).lower()

return (str1 + str2).lower()

# 合并识别结果
    return merge_strings(results[1], results[0])

# 入口
def get_code(url):
    gif_content = down_gif(url)
    frames = extract_frames(gif_content)
    return dddocr(frames)
```

改进点：

这种方式不仅避免了多线程导致的图片重合问题，也提升了处理效率。

GIF 图片内容分析与多线程 OCR 识别

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

速注册OpenAi（ChatGPT），国内也可以

Frida 代码自动补全

ubuntu 实现内网穿透

最新Fiddler Web Debugger v5.0 20202.18177中文版

windows一键启动雷电模拟器的frida-server

Python调用dll文件实现方法拓展

各种许可证

Golang环境配置

RuskDesk 搭建并使用

Frida Hook 报Didn‘t find class解决方案

GIF 图片内容分析与多线程 OCR 识别

发表评论 取消回复 使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款

GIF 图片内容分析与多线程 OCR 识别

发表评论取消回复
使用cookie技术保留您的个人信息以便您下次快速评论，继续评论表示您已同意该条款