腳本之家服務器常用軟件

快捷導航

Python 圖片文字識別的實現(xiàn)之PaddleOCR

更新時間：2021年11月16日 15:13:02 作者：劍客阿良_ALiang

OCR方向的工程師，之前一定聽說過PaddleOCR這個項目，其主要推薦的PP-OCR算法更是被國內外企業(yè)開發(fā)者廣泛應用，短短半年時間，累計Star數(shù)量已超過15k，頻頻登上Github Trending和Paperswithcode 日榜月榜第一

前言

什么是OCR?

光學字符識別（Optical Character Recognition, OCR），是指對文本資料的圖像文件進行分析識別處理，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容。

那么有哪些應用場景呢？

其實我們日常生活中處處都有ocr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、自動駕駛等。我們的生活中，機器學習已經(jīng)越來越多的扮演著重要角色，也不再是神秘的東西。

OCR的技術路線是什么呢？

ocr的運行方式如下圖，輸入->圖像預處理->文字檢測->文本識別->輸出。

本文主要是介紹一個博主使用的比較好的OCR開源項目，在這里分享給大家——PaddleOCR。

項目Github地址: PaddleOCR地址

我會按照剛接觸的狀態(tài)，梳理一下驗證使用該項目的過程。

項目使用

先把項目從github上clone下來，慢慢分析。

項目結構

首先我們看一下項目的構造。

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

環(huán)境部署

點開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。

由于內容過多，我就做個概括，方便大家直接上手。

1、安裝Anaconda，構造虛擬環(huán)境

這里可以參考我的另一篇文章，里面很詳細：Python 機器學習第一章環(huán)境配置圖解流程

官方給的是python3.8的虛擬環(huán)境，我們也構造一個，打開Anaconda Prompt。

輸入命令：

conda create -n paddle_env python=3.8

激活環(huán)境：

conda activate paddle_env

2、依賴包下載

paddlepaddle安裝

pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

layoutparser安裝

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

Shapely安裝，這個需要下載，下載地址：Shapely下載地址

我選的是這個

安裝命令：

pip install Shapely-1.8.0-cp38-cp38-win_amd64.whl

paddleocr安裝

pip install paddleocr -i https://mirror.baidu.com/pypi/simple

好的，環(huán)境有點多，都安裝好了就開始上手使用吧。

測試代碼

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。

準備一張帶文字的圖片

測試代碼如下

#!/user/bin/env python
# coding=utf-8
"""
@project : ocr_paddle
@author  : huyi
@file   : test.py
@ide    : PyCharm
@time   : 2021-11-15 14:56:20
"""
from paddleocr import PaddleOCR, draw_ocr
 
# Paddleocr目前支持的多語言語種可以通過修改lang參數(shù)進行切換
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, use_gpu=False,
                lang="ch")  # need to run only once to download and load model into memory
img_path = './data/2.jpg'
result = ocr.ocr(img_path, cls=True)
for line in result:
    # print(line[-1][0], line[-1][1])
    print(line)
 
# 顯示結果
from PIL import Image
 
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
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、因為我的電腦沒有顯卡，所以設置了use_gpu=False。

2、顯示結果部分會將識別的文字用框標出來，并且展示識別的結果。

驗證一下

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

參數(shù)補充

官方還給出了一些參數(shù)，可以調整輸出的內容?？梢詤⒖磓uickstart.md文件。參數(shù)補充：

- 單獨使用檢測：設置`--rec`為`false`
- 單獨使用識別：設置`--det`為`false`

官方還提供一個標準的json結構輸出數(shù)據(jù)

PP-Structure的返回結果為一個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. The performance of CNN and IPT models using difforen', 0.90060663), ('Tent ', 0.465441)])
}
]
```