如何制作一个Node命令行图像识别工具

Delphine ·
更新时间:2024-09-20
· 847 次阅读

从 0 开始制作一个 NodeJS 命令行验证码识别工具。实现如下效果。

 

初始化项目

# 创建 recognition 项目 mkdir recognition cd recognition npm init -y # 安装主依赖 yarn add images tesseract.js # 安装工具依赖 yarn add chalk yargs # 可选依赖 yarn add socks5-http-client

依赖说明

images :Node.js 轻量级跨平台图像编码库,用于处理下载下来的图片

tesseract.js :纯 JS 实现的 OCR(光学字符识别)工具,用于图像内容识别

chalk :让命令行内容样式好看

yargs :命令行参数解析器

socks5-http-client :SOCKS v5,用于设置代理,在需要拉取某些不能直接访问的资源时使用, request proxy 例子

项目准备

新建 cli.js

通常命令行工具入口名字为 cli.js ,我们新建一个 cli.js 文件,并在开头写上:

#!/usr/bin/env node

这样,我们告诉 *nix 系统,JavaScript 文件的解释器应该是 /usr/bin/env node ,它查找本地安装的 node

配置 bin

// package.json { "bin": { "reg": "./cli.js" } }

这样配置完成后,别人 npm install -g @chenng/recognition 的包,就可以直接通过命令行运行了:

reg --url=https://static.chenng.cn/imgs/test_img.png

link 本地开发

我们如何能够在本地可以使用 rec 命令呢?只需要把本项目 link 即可:

yarn link

核心逻辑

主要逻辑在 cli.jsrecognize.js 中。这里有几个注意点:

request 图片的时候要设置 encoding: null,否则返回的是乱码 初次使用的时候需要下载训练集,需要花点时间 const Tesseract = require('tesseract.js'); const images = require('images'); const requset = require('request'); const fs = require('fs'); const { promisify } = require('util'); const chalk = require('chalk'); const writeFile = promisify(fs.writeFile); const rp = promisify(requset); class Recognize { constructor(url) { Recognize.downloadDir = `${__dirname}/dist/`; Recognize.downloadFile = `${__dirname}/dist/temp.png`; this.url = url; this.start(); } async start() { const data = await this.downloadImg(); await writeFile(Recognize.downloadFile, data); this.recognize(); const result = await Tesseract.recognize(Recognize.downloadFile, { lang: 'eng', tessedit_char_blacklist: 'abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ', }); console.log(` 识别成功! 识别结果为:${chalk.green(result.text)} `); } async downloadImg() { if (!fs.existsSync(Recognize.downloadDir)) { fs.mkdirSync(Recognize.downloadDir); console.log(`创建了 ${Recognize.downloadDir} 文件夹`); } const res = await rp({ url: this.url, method: 'GET', encoding: null, }); return res.body; } recognize() { // 放大图片,并覆盖源文件 images(Recognize.downloadFile) .size(400) .save(Recognize.downloadFile); } } module.exports = Recognize;

具体可以查看源码仓库: https://github.com/ringcrl/recognition

发布上线

# 新建代码仓库,git push # 登录到 npm npm adduser # 发包 npm publish --access public # 全局安装 npm install -g @chenng/recognition

 以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持软件开发网。



工具 图像识别 node

需要 登录 后方可回复, 如果你还没有账号请 注册新账号
相关文章