目錄

前言

項目使用

項目結構

環境部署

測試代碼

參數補充

總結

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，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。

發現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，構造虛擬環境

這里可以參考我的另一篇文章，里面很詳細：機器學習基礎環境部署 | 機器學習系列_阿良的博客-CSDN博客_機器學習 環境搭建

官方給的是python3.8的虛擬環境，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，一是命令行執行，一是代碼執行。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 memoryimg_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 Imageimage = 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！

參數補充

官方還給出了一些參數，可以調整輸出的內容。可以參看quickstart.md文件。參數補充：

- 多帶帶使用檢測：設置`--rec`為`false`- 多帶帶使用識別：設置`--det`為`false`

官方還提供一個標準的json結構輸出數據

  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)])    }  ]  ```

總結

總的來說，這個項目還是很有意思的，訓練的部分我就不多贅述了，畢竟準備數據挺麻煩的。回頭我再想想這個項目可不可以魔改成好用的工具。

分享：

????????我們根本不需要最后的落腳點，只要不斷前進就好了，只要不停下，道路就會不斷延伸。——《進擊的巨人》

如果本文對你有幫助的話，請不要吝嗇你的贊，謝謝！