Paddle OCR文字识别学习

Posted 2022-08-22 禤XX

Paddle OCR主要分为三个部分：

• 文本检测：文本检测的任务是定位出输入图像中的文字区域。
• 文本识别：文本识别的任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。
• 文档结构化识别：传统意义上的OCR技术可以解决文字的检测和识别需求，但在实际应用场景中，最终需要获取的往往是结构化的信息，如身份证、发票的信息格式化抽取，表格的结构化识别等等，多在快递单据抽取、合同内容比对、金融保理单信息比对、物流业单据识别等场景下应用。

现阶段使用Paddle OCR进行自动化测试分为两个步骤：先用文本检测划分文字区域，再使用文本识别对每个划分好的文字区域进行检测。如果是对中英文图像进行识别，推荐使用Paddle OCR提供的模型，如果是对其他语言的文字进行识别，推荐在Paddle OCR提供的预处理模型的基础上使用自己的数据进行加训，提高识别精度。

1.准备

Paddle OCR推荐环境

• PaddlePaddle >= 2.1.2
• Python 3.7
• CUDA10.1 / CUDA10.2
• CUDNN 7.6

（1）安装PaddlePaddle

• 如果机器安装的是CUDA9或者CUDA10

  python3 -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
  

• 如果机器是CPU

  python3 -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
  

（2）安装PaddleOCR whl包

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本

2.中英文模型

使用Paddle OCR快速开始

from paddleocr import PaddleOCR, draw_ocr
import time
import cv2

old_time=time.time()

#图片地址
img_path = 'D:\\\\codes\\\\OCR\\\\demo\\\\demo_img2.png '
ocr = PaddleOCR(lang="ch") # 首次执行会自动下载模型文件，可以通过修改 lang 参数切换语种

result = ocr.ocr(img_path)

#定义需要识别的文字
tar_str="快速扫描"
# 可通过参数控制单独执行识别、检测
# result = ocr.ocr(img_path, det=False) 只执行识别
# result = ocr.ocr(img_path, rec=False) 只执行检测

# 打印检测框和识别结果
for line in result:
    aa=line[1][0]
    if tar_str in line[1][0]:
       point=line[0]    
    print(line)

new_time=time.time()
print('耗时：', new_time-old_time)

#使用OpenCV将要识别的文字框出
image = cv2.imread(img_path)

cv2.rectangle(image, (int(point[0][0]),int(point[0][1])), (int(point[2][0]),int(point[2][1])), (255, 0, 0), 2)
cv2.namedWindow("demo1", cv2.WINDOW_NORMAL)
cv2.imshow("demo1",image)
key = cv2.waitKey(0)
print(tar_str,":",point)

Paddle OCR中中英文模型预设的文本检测模型为 det_model_dir='C:\\\\Users\\\\lll/.paddleocr/whl\\\\det\\\\ch\\\\ch_PP-OCRv3_det_infer'，预设的文本识别模型为rec_model_dir='C:\\\\Users\\\\lll/.paddleocr/whl\\\\rec\\\\ch\\\\ch_PP-OCRv3_rec_infer',预设的方向分类器模型为 cls_model_dir='C:\\\\Users\\\\lll/.paddleocr/whl\\\\cls\\\\ch_ppocr_mobile_v2.0_cls_infer'

Paddler OCR预设模型的具体位置，可以在通过一次识别后PaddlerOCR打印出来的log找到

除了使用脚本操作，还可以使用命令行操作，使用命令行操作，需要先从https://github.com/PaddlePaddle/PaddleOCR下载整个Paddle OCR包

# 快速运行
!python3 tools/infer/predict_system.py --image_dir="./doc/imgs/11.jpg" --det_model_dir="./inference/ch_det_mv3_db/"  --rec_model_dir="./inference/ch_rec_mv3_crnn/"