第Python圖片文字識別的實(shí)現(xiàn)之PaddleOCR什么是OCR

光學(xué)字符識別（OpticalCharacterRecognition,OCR），是指對文本資料的圖像文件進(jìn)行分析識別處理，獲取文字及版面信息的過程。簡而言之，檢測圖像中的文本資料，并且識別出文本的內(nèi)容。

那么有哪些應(yīng)用場景呢？

其實(shí)我們?nèi)粘Ｉ钪刑幪幎加衞cr的影子，比如在疫情期間身份證識別錄入信息、車輛車牌號識別、自動(dòng)駕駛等。我們的生活中，機(jī)器學(xué)習(xí)已經(jīng)越來越多的扮演著重要角色，也不再是神秘的東西。

OCR的技術(shù)路線是什么呢？

ocr的運(yùn)行方式如下圖，輸入-圖像預(yù)處理-文字檢測-文本識別-輸出。

本文主要是介紹一個(gè)博主使用的比較好的OCR開源項(xiàng)目，在這里分享給大家PaddleOCR。

項(xiàng)目Github地址:PaddleOCR地址

我會按照剛接觸的狀態(tài)，梳理一下驗(yàn)證使用該項(xiàng)目的過程。

先把項(xiàng)目從github上clone下來，慢慢分析。

首先我們看一下項(xiàng)目的構(gòu)造。

發(fā)現(xiàn)項(xiàng)目有中文的介紹說明，這就很方便了，點(diǎn)開按照官方的說明開始操作。

點(diǎn)開README.md,，可以從文檔教程中看到第一步就是教你如何安裝環(huán)境。

由于內(nèi)容過多，我就做個(gè)概括，方便大家直接上手。

1、安裝Anaconda，構(gòu)造虛擬環(huán)境

這里可以參考我的另一篇文章，里面很詳細(xì)：Python機(jī)器學(xué)習(xí)第一章環(huán)境配置圖解流程

官方給的是python3.8的虛擬環(huán)境，我們也構(gòu)造一個(gè)，打開AnacondaPrompt。

輸入命令：

condacreate-npaddle_envpython=3.8

激活環(huán)境：

condaactivatepaddle_env

2、依賴包下載

paddlepaddle安裝

pipinstallpaddlepaddle-i/pypi/simple

layoutparser安裝

pip3install-U/whl/layoutparser-0.0.0-py3-none-any.whl

Shapely安裝，這個(gè)需要下載，下載地址：Shapely下載地址

我選的是這個(gè)

安裝命令：

pipinstallShapely-1.8.0-cp38-cp38-win_amd64.whl

paddleocr安裝

pipinstallpaddleocr-i/pypi/simple

好的，環(huán)境有點(diǎn)多，都安裝好了就開始上手使用吧。

官方給出了兩種模式，一是命令行執(zhí)行，一是代碼執(zhí)行。為了直觀的看到配置，我這里使用的是代碼模式。

準(zhǔn)備一張帶文字的圖片

測試代碼如下

#!/user/bin/envpython

#coding=utf-8

@project:ocr_paddle

@author:huyi

@file:test.py

@ide:PyCharm

@time:2025-11-1514:56:20

frompaddleocrimportPaddleOCR,draw_ocr

#Paddleocr目前支持的多語言語種可以通過修改lang參數(shù)進(jìn)行切換

#例如`ch`,`en`,`fr`,`german`,`korean`,`japan`

ocr=PaddleOCR(use_angle_cls=True,use_gpu=False,

lang=ch)#needtorunonlyoncetodownloadandloadmodelintomemory

img_path=./data/2.jpg

result=ocr.ocr(img_path,cls=True)

forlineinresult:

#print(line[-1][0],line[-1][1])

print(line)

#顯示結(jié)果

fromPILimportImage

image=Image.open(img_path).convert(RGB)

boxes=[line[0]forlineinresult]

txts=[line[1][0]forlineinresult]

scores=[line[1][1]forlineinresult]

im_show=draw_ocr(image,boxes,txts,scores,font_path=./fonts/simfang.ttf)

im_show=Image.fromarray(im_show)

im_show.save(result.jpg)

代碼說明

1、因?yàn)槲业碾娔X沒有顯卡，所以設(shè)置了use_gpu=False。

2、顯示結(jié)果部分會將識別的文字用框標(biāo)出來，并且展示識別的結(jié)果。

驗(yàn)證一下

我們看到，打印的內(nèi)容有識別出來的每句話所在的圖片位置，以及識別結(jié)果和可信度。而上面的結(jié)果圖中，將每句話對應(yīng)的文字都框了出來。效果很不錯(cuò)！

官方還給出了一些參數(shù)，可以調(diào)整輸出的內(nèi)容。可以參看quickstart.md文件。參數(shù)補(bǔ)充：

-單獨(dú)使用檢測：設(shè)置`--rec`為`false`

-單獨(dú)使用識別：設(shè)置`--det`為`false`

官方還提供一個(gè)標(biāo)準(zhǔn)的json結(jié)構(gòu)輸出數(shù)據(jù)

PP-Structure的返回結(jié)果為一個(gè)dict組成的list，示例如下

```shell

[{type:Text,

bbox:[34,432,345,462],

res:([[36.0,437.0,341.0,437.0,341.0,446.0,36.0,447.0],[41.0,454.0,125.0,453.0,125.0,459.0,41.0,460.0]],

[(Tigure-6.TheperformanceofCNNandIPTmodelsusingdifforen,0.90060663),(Tent,0.465441)])

}

]

```

總的來說，這