Ollama-OCR 是一个强大的 OCR（光学字符识别）工具，基于 LLaMA 视觉模型开发，旨在为用户提供精准、便捷的文字识别解决方案。
它能够将图像中的文字准确地提取出来，并支持多种输出格式。
并且提供了 Python 包和 Streamlit 网页应用两种使用方式，使得开发者可以灵活选择，适应不同场景的需求。
主要特性
1、多种输出格式支持
Ollama-OCR 支持多种输出格式，使得用户能够根据需求选择最适合的方式进行文本处理：
-
Markdown 格式：适用于生成文档格式化内容，方便直接使用。
-
纯文本：简单明了的文本输出，适合快速提取文字。
-
JSON 格式：结构化数据输出，方便后续数据处理与分析。
-
结构化格式：为复杂文档生成结构化的数据输出。
-
键值对格式：适用于需要进一步处理或存储的场景。
2、批量处理与进度跟踪
支持批量处理，能够一次性识别多张图片，并且提供了处理进度跟踪功能。用户可以在批量操作时实时查看每个图像的处理进度，提高操作效率。
3、图像预处理功能
该工具内置图像预处理功能，能够在进行文字识别之前自动优化图像质量，如调整图像的对比度、去噪等，确保OCR结果更加精准。
4、灵活的使用方式
-
Python包：适合开发者在Python环境中调用，方便集成到各种项目中。
-
Streamlit Web应用：提供了一个简洁易用的网页应用，使非开发人员也能通过图形界面轻松使用OCR功能。
安装与使用
你可以通过以下命令安装 Ollama-OCR 的 Python 包：
pip install ollama-ocr
下载 Ollama模型
ollama pull llama3.2-vision:11b
安装完毕后，可以通过 Python 编写代码来进行OCR操作：
from ollama_ocr import OCRProcessor
# Initialize OCR processor
ocr = OCRProcessor(model_name='llama3.2-vision:11b') # You can use any vision model available on Ollama
# Process an image
result = ocr.process_image(
image_path="path/to/your/image.png",
format_type="markdown" # Options: markdown, text, json, structured, key_value
)
print(result)
批量处理与进度追踪
batch_results = ocr.process_batch(
input_path="path/to/images/folder", # Directory or list of image paths
format_type="markdown",
recursive=True, # Search subdirectories
preprocess=True # Enable image preprocessing
)
# Access results
for file_path, text in batch_results['results'].items():
print(f"\nFile: {file_path}")
print(f"Extracted Text: {text}")
# View statistics
print("\nProcessing Statistics:")
print(f"Total images: {batch_results['statistics']['total']}")
print(f"Successfully processed: {batch_results['statistics']['successful']}")
print(f"Failed: {batch_results['statistics']['failed']}")
如果你更喜欢图形界面的操作，Ollama-OCR 还提供了 Streamlit 网页应用。
只需通过以下步骤部署启动即可。
git clone https://github.com/imanoop7/Ollama-OCR.git
cd Ollama-OCR
pip install -r requirements.txt
cd src
streamlit run app.py
之后，通过浏览器访问生成的地址，即可上传图像并查看识别结果。
写在最后
Ollama-OCR 是一个基于 LLaMA 视觉模型的强大 OCR 工具，它不仅支持多种输出格式，还提供了批量处理、进度跟踪和图像预处理等实用功能。
这款工具尤其适用于需要从图像中提取大量文本数据的项目，是提升工作效率和数据处理能力的利器。
GitHub项目地址：github.com/imanoop7/Ol…
