EasyOCR

vntocr_easyocr.py

# Integration VNTranslator OCR mit EasyOCR-Engine
# Version: 1.0
# Autor: Fazx - GarudaMods | https://www.patreon.com/vntranslator

"""
# ==================================================================
# EasyOCR: https://github.com/JaidedAI/EasyOCR
# Erforderlich: Python 3.10+ und PyTorch
# Installation mit: pip install easyocr
# ==================================================================
# Führen Sie dieses Skript aus mit: python vntocr_easyocr.py
# In VNTranslator verwenden Sie Custom Engine - HTTP POST mit Konfiguration:
# -- URL: http://127.0.0.1:5353
# -- Inhaltstyp: application/json
# -- Header: {}
# -- Body: {"image":"$IMAGE_BASE64", "langs": ["ja"]}
# -- Antworttyp: JSON
# -- Abfrage in der Antwort: fullText
# ==================================================================
# Sprachen (zweistelliger ISO) https://en.wikipedia.org/wiki/List_of_ISO_639_language_codes
# -- Japanisch = ja
# -- Englisch = en
# ==================================================================
"""

from flask import Flask, request, jsonify
from PIL import Image
from io import BytesIO
import base64
import re
import json
import numpy as np
import easyocr

APP_HOST = "localhost"
APP_PORT = 5353
APP_DEBUG = True

def parse_ocr_result(easyocr_result):
    full_text = ""
    lines = []

    for entry in easyocr_result:
        polygon = entry[0]
        text = entry[1]
        confidence = entry[2]
        x_min = int(min(point[0] for point in polygon))
        y_min = int(min(point[1] for point in polygon))
        x_max = int(max(point[0] for point in polygon))
        y_max = int(max(point[1] for point in polygon))
        w = x_max - x_min
        h = y_max - y_min
        x = x_min
        y = y_min
        lines.append({
            "text": text,
            "w": int(w),
            "h": int(h),
            "x": int(x),
            "y": int(y),
            "confidence": float(confidence)
        })
        full_text += text + " "

    full_text = full_text.strip()
    return {
        "fullText": full_text,
        "lines": lines
    }

def base64_to_numpy(base64_string):
    if not base64_string:
        raise ValueError("Base64-String ist leer oder fehlt")

    if "," in base64_string:
        base64_string = base64_string.split(",")[1]

    try:
        image_decode = base64.b64decode(base64_string)
        print("Base64-Dekodierung erfolgreich")

        # öffne das Bild mit PIL
        image = Image.open(BytesIO(image_decode))
        print(f"Bildformat: {image.format}, Größe: {image.size}")

        # konvertiere PIL-Bild zu NumPy-Array
        image_np = np.array(image)
        print(f"Bild in NumPy-Array konvertiert mit Form: {image_np.shape}")

        return image_np
    except Exception as e:
        raise ValueError(f"Bilddekodierung fehlgeschlagen: {e}")

############################################################

app = Flask(__name__)
default_langs = ["ja"]
reader = easyocr.Reader(default_langs)

@app.route("/", methods=["POST"])
def ocr_endpoint(): 
    global default_langs, reader

    try:
        print("\n\n=== OCR-Anfrage ===")
        print(f"Methode: {request.method}")
        print(f"Header: {dict(request.headers)}")
        
        if not request.is_json:
            print("Anfrage ist kein JSON")
            return jsonify({"error": "Anfrage muss JSON sein"}), 400
        
        data = request.get_json()

        # Protokolliere Payload
        print(f"JSON-Schlüssel der Anfrage: {list(data.keys())}")

        # prüfe Bild
        if "image" not in data:
            print("Keine Bilddaten")
            return jsonify({"error": "Keine Bilddaten"}), 400
        
        # dekodiere Base64-Bild
        try:            
            image = base64_to_numpy(data["image"])
        except Exception as e:
            print(f"Bilddekodierung fehlgeschlagen: {e}")
            return jsonify({"error": f"Bilddekodierung fehlgeschlagen: {str(e)}"}), 400

        # prüfe Sprachen
        langs = data.get("langs", ["ja"])
        try:
            if langs != default_langs:
                default_langs = langs
                reader = easyocr.Reader(default_langs)
        except Exception as e:
            print(f"Modell laden fehlgeschlagen: {e}")
            return jsonify({"error": f"Modell laden fehlgeschlagen: {str(e)}"}), 400
        print(f"langs: {langs}")

        # prüfe Zeichnen der Begrenzungsbox
        draw_bounding_box = data.get("draw_bounding_box", False)
        print(f"draw_bounding_box: {draw_bounding_box}")

        # führe OCR aus
        # https://github.com/JaidedAI/EasyOCR?tab=readme-ov-file#usage
        result = reader.readtext(image)
        print(f"OCR erfolgreich abgeschlossen: {result}")

        # Ergebnis parsen
        parsed_result = parse_ocr_result(result)       
        parsed_result["draw_bounding_box"] = draw_bounding_box
        json_result = json.dumps(parsed_result, indent=4, ensure_ascii=False)
        return json_result

    except Exception as e:
        print(f"Fehler Anfrage: {e}")
        return jsonify({"error": str(e)}), 500

if __name__ == "__main__":
    print(f"=== Starte OCR-Server {APP_HOST} auf Port {APP_PORT} ===")
    app.run(debug=APP_DEBUG, host=APP_HOST, port=APP_PORT)