Streamlit × EasyOCRで手書き文字認識アプリを作る！リアルタイム画像処理付き！

pip install streamlit easyocr opencv-python numpy pillow

pip install --user easyocr

pip install opencv-python-headless

import streamlit as st
import cv2
import numpy as np
import easyocr
from PIL import Image

# EasyOCRリーダー（日本語 & 英語）
reader = easyocr.Reader(["ja", "en"])

st.title("EasyOCR 手書き文字認識アプリ")

uploaded_file = st.file_uploader("画像をアップロードしてください", type=["png", "jpg", "jpeg"])

if uploaded_file is not None:
    # 画像を読み込む
    image = Image.open(uploaded_file)
    st.image(image, caption="オリジナル画像", use_container_width=True)

    # OpenCVで処理するためにNumPy配列に変換
    image = np.array(image)

    # **グレースケール変換**
    gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
    st.image(gray, caption="グレースケール画像", use_column_width=True, channels="GRAY")

    # **ノイズ除去（ぼかし適用） - スライダーが 0 の場合は適用しない**
    ksize = st.slider("ぼかしの強さ (カーネルサイズ)", 0, 15, 5, step=2)
    if ksize > 0:
        blur = cv2.GaussianBlur(gray, (ksize, ksize), 0)
        st.image(blur, caption="ノイズ除去後（ぼかし適用）", use_column_width=True, channels="GRAY")
    else:
        blur = gray  # ぼかしを適用しない

    # **適応的しきい値処理（コントラスト強調） - スライダーが 0 の場合は適用しない**
    blockSize = st.slider("しきい値計算の領域サイズ", 0, 31, 11, step=2)
    C = st.slider("しきい値補正 (C)", 0, 10, 2)
    
    if blockSize > 0 and blockSize % 2 == 1:  # blockSizeは奇数でなければならない
        binary = cv2.adaptiveThreshold(blur, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, blockSize, C)
        st.image(binary, caption="適応的しきい値処理後", use_column_width=True, channels="GRAY")
    else:
        binary = blur  # しきい値処理を適用しない

    # **OCRの実行**
    results = reader.readtext(binary, detail=0)  # `detail=0` はテキストのみ返す

    # **認識結果の表示**
    st.subheader("認識結果:")
    st.text("\n".join(results))

    # **OCR対象画像（最終処理後の画像）**
    st.image(binary, caption="OCR対象画像（最終処理後）", use_column_width=True, channels="GRAY")

streamlit run app.py

cv2.adaptiveThreshold(src, maxValue, adaptiveMethod, thresholdType, blockSize, C)