OCR 服务器是一个高性能、可扩展的光学字符识别（OCR）服务，基于 Go 语言构建。它利用 PaddleOCR 引擎提供快速、准确的文本识别功能。这个服务器设计用于处理大量并发的 OCR 请求，适用于需要高吞吐量 OCR 处理的应用场景。
- 高性能：利用处理器池来处理多个并发请求。
- 可扩展性：根据需求动态调整 OCR 处理器数量。
- 容错能力：实现了健康检查和自动处理器重初始化，确保系统稳定性。
- 灵活输入：支持图片文件路径和 base64 编码的图片数据。
- 可配置：通过 YAML 文件和命令行参数支持灵活配置。
- 日志记录：详细的日志记录，支持日志轮转和压缩。
- 统计信息：提供实时服务器统计信息以便监控。
- 自动下载：如果需要，自动下载所需的 OCR 引擎。
- 克隆仓库：
git clone https://github.com/suifei/ocr-server.git
- 进入项目目录：
cd ocr-server
- 安装依赖：
go mod tidy
- 构建项目
cgo(Windows+WSL/mingw64-gcc)：
go build -o ocr-server.exe cmd/server/main.go
使用默认配置启动服务器：
./ocr-server.exe
服务器首次运行时会自动下载所需的 PaddleOCR 模型。
以下是几种不同配置下在 Windows 上启动服务的命令行示例：
ocr-server.exeocr-server.exeocr-server.exe -addr 192.168.1.100 -port 8080 -min-processors 8 -log-file C:\logs\ocr_server.logocr-server.exe -addr 192.168.1.100 -port 8080 -ocr C:\path\to\ocr_executable -min-processors 8 -max-processors 16 -queue-size 200 -scale-threshold 100 -degrade-threshold 50 -idle-timeout 10m -warm-up-count 4 -shutdown-timeout 1m -log-file C:\logs\ocr_server.log -log-max-size 200 -log-max-backups 5 -log-max-age 30 -log-compressocr-server.exe -help可以使用 sc 命令将服务注册为 Windows 服务：
sc create OCRServer binPath= "C:\path\to\ocr-server.exe" start= autosc start OCRServersc stop OCRServersc delete OCRServer可以通过 YAML 文件或命令行参数配置服务器。使用配置文件：
./ocr-server.exe
使用命令行配置：
./ocr-server.exe -addr 192.168.1.100 -port 8080 -min-processors 8 -max-processors 16
对图片进行 OCR 处理：
POST /
Content-Type: application/json
{
"image_path": "/path/to/image.jpg"
}或使用 base64 编码的图片：
POST /
Content-Type: application/json
{
"image_base64": "base64_encoded_image_data"
}获取服务器统计信息：
GET /stats| 选项 | 描述 | 默认值 |
|---|---|---|
| addr | 服务器地址 | localhost |
| port | 服务器端口 | 1111 |
| ocr_exe_path | OCR 可执行文件路径 | 自动检测 |
| min_processors | 最小处理器数量 | 4 |
| max_processors | 最大处理器数量 | CPU 核心数 |
| queue_size | 任务队列大小 | 100 |
| scale_threshold | 扩展处理器阈值 | 75 |
| degrade_threshold | 缩减处理器阈值 | 25 |
| idle_timeout | 处理器空闲超时时间 | 5分钟 |
| warm_up_count | 预热处理器数量 | 2 |
| shutdown_timeout | 优雅关闭超时时间 | 30秒 |
| log_file_path | 日志文件路径 | ocr_server.log |
| log_max_size | 日志文件最大大小（MB） | 100 |
| log_max_backups | 保留的旧日志文件最大数量 | 3 |
| log_max_age | 保留旧日志文件的最大天数 | 28 |
| log_compress | 是否压缩轮转的日志文件 | true |
| threshold-mode | 阈值模式 | 0 |
| threshold-value | 阈值 | 100 |
阈值处理相关选项说明：
-
threshold-mode:
- 描述：指定图像二值化时使用的阈值处理模式。
- 可选值：
- 参数 0 = "binary": 使用固定阈值进行二值化
- 参数 1 = "otsu": 使用Otsu算法自动计算最佳阈值
- 默认值：0
-
threshold-value:
- 描述：当 threshold-mode 为 0 "binary" 时使用的固定阈值。
- 取值范围：0-255
- 默认值：100
- 注意：当 threshold-mode 为 1 "otsu" 时，此值会被忽略，因为Otsu算法会自动计算最佳阈值。
使用说明：
- 如果您希望使用固定阈值进行图像二值化，请将 threshold-mode 设置为 "binary"，并通过 threshold-value 指定所需的阈值（0-255之间的整数）。
- 如果您希望系统自动确定最佳阈值，请将 threshold-mode 设置为 "otsu"。在这种情况下，threshold-value 的设置将被忽略。
- Otsu方法特别适用于具有双峰直方图的图像（即前景和背景有明显区分的图像），它能够自动找到最佳的分割阈值。
OCR 服务器采用了模块化的设计，主要包含以下组件：
- 主服务器（Server）：负责 HTTP 请求的处理、任务分发和整体协调。
- 处理器池（Processor Pool）：管理多个 OCR 处理器，进行动态扩缩容。
- 任务队列（Task Queue）：缓冲传入的 OCR 请求，确保平稳处理。
- OCR 引擎（OCR Engine）：封装 PaddleOCR，执行实际的 OCR 操作。
- 配置管理（Config）：处理服务器配置的加载和验证。
- 日志系统（Logger）：提供详细的日志记录功能。
- 统计模块（Stats）：收集和提供服务器性能指标。
graph TD
A[客户端] -->|HTTP 请求| B(主服务器)
B -->|放入队列| C{任务队列}
C -->|分发任务| D[处理器池]
D -->|执行 OCR| E[OCR 引擎]
E -->|返回结果| D
D -->|返回结果| B
B -->|HTTP 响应| A
F[配置管理] -->|加载配置| B
G[日志系统] -->|记录日志| B
H[统计模块] <-->|收集/提供指标| B
-
主服务器（Server）
- 负责 HTTP 服务器的启动和关闭
- 管理处理器池和任务队列
- 处理入站请求并返回结果
- 协调其他组件的工作
-
处理器池（Processor Pool）
- 维护一组 OCR 处理器
- 根据负载动态调整处理器数量
- 实现处理器的健康检查和自动恢复
-
任务队列（Task Queue）
- 使用 channel 实现的 FIFO 队列
- 缓冲入站请求，防止系统过载
- 允许异步处理请求
-
OCR 引擎（OCR Engine）
- 封装 PaddleOCR 库
- 提供图像到文本的转换功能
- 处理不同格式的输入（文件路径或 base64）
-
配置管理（Config）
- 从 YAML 文件、环境变量和命令行参数加载配置
- 验证配置的正确性
- 提供默认值和合理的约束
-
日志系统（Logger）
- 使用分级日志（INFO、WARNING、ERROR）
- 支持日志轮转和压缩
- 同时输出到控制台和文件
-
统计模块（Stats）
- 收集关键性能指标（请求数、处理时间等）
- 提供 /stats 端点以供监控
- 客户端发送 HTTP POST 请求到服务器
- 主服务器接收请求并创建 OCR 任务
- 任务被放入任务队列
- 处理器池中的可用处理器从队列中获取任务
- 处理器调用 OCR 引擎执行文本识别
- OCR 结果返回给处理器，然后返回给主服务器
- 主服务器将结果作为 HTTP 响应发送给客户端
- 处理器池根据队列长度和处理器使用率动态调整大小
- 定期进行健康检查，自动重启不健康的处理器
- 使用退避策略进行重试，增强系统的鲁棒性
- 优雅关闭机制确保正在处理的任务能够完成
- 使用处理器池和任务队列实现高并发处理
- 动态扩缩容以适应不同的负载情况
- 实现预热机制，减少冷启动时间
- 使用 base64 输入选项减少文件 I/O 操作
- 详细的性能指标收集，便于进行性能调优
我们欢迎任何形式的贡献！如果您想为项目做出贡献，请遵循以下步骤：
- Fork 项目仓库
- 创建您的特性分支 (
git checkout -b feature/AmazingFeature) - 提交您的修改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启一个 Pull Request
请确保您的代码符合项目的代码风格，并且为新功能编写了适当的测试。
如果您遇到问题，请检查以下几点：
- 确保 PaddleOCR 模型已正确下载和安装
- 检查日志文件中是否有错误信息
- 验证配置文件的正确性
- 确保有足够的系统资源（CPU、内存）
如果问题仍然存在，请在 GitHub 上开启一个 issue，并提供详细的问题描述和日志信息。
OCR 服务器项目的开发离不开众多优秀的开源项目和社区的支持。我们在此特别感谢以下项目和贡献者：
-
Go 语言：感谢 Go 团队开发了这门高效、简洁的编程语言，为我们提供了强大的开发工具和丰富的标准库。
-
PaddleOCR：感谢百度开源的这个强大的 OCR 工具箱，为我们提供了高精度的文字识别能力。
-
PaddleOCR-json：特别感谢 hiroi-sora 开发的这个项目，它为 PaddleOCR 提供了便捷的 JSON 接口，大大简化了我们的集成工作。
我们还要感谢以下 Go 语言库的作者和维护者：
- viper：优秀的配置解决方案。
- validator：强大的数据验证库。
- lumberjack：可靠的日志轮转工具。
- backoff：实用的重试库。
- go-unarr：方便的解压缩工具。
- paddleocr：一个简单易用的 PaddleOCR-json golang 客户端。
- yaml：YAML 配置文件的解析库。
这些开源项目为我们的开发工作提供了宝贵的支持，使得 OCR 服务器的开发成为可能。我们深深感谢这些项目的贡献者们付出的努力和分享精神。
同时，我们也要感谢所有为这个项目提供反馈、建议和贡献的用户和开发者。你们的参与让这个项目不断进步和完善。
如果在使用过程中发现任何问题或有任何改进建议，欢迎在 GitHub 上提出 issue 或 pull request。让我们一起努力，使这个项目变得更好！
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。