目录
前言
项目使用
项目结构
环境部署
测试代码
参数补充
总结
前言
什么是OCR?
光学字符识别（Optical Character Recognition, OCR），是指对文本资料的图像文件进行分析识别处理，获取文字及版面信息的过程。简而言之，检测图像中的文本资料，并且识别出文本的内容。
那么有哪些应用场景呢？
其实我们日常生活中处处都有ocr的影子，比如在疫情期间身份证识别录入信息、车辆车牌号识别、自动驾驶等。我们的生活中，机器学习已经越来越多的扮演着重要角色，也不再是神秘的东西。
OCR的技术路线是什么呢？
ocr的运行方式如下图，输入->图像预处理->文字检测->文本识别->输出。
本文主要是介绍一个博主使用的比较好的OCR开源项目，在这里分享给大家——PaddleOCR。
项目Github地址:PaddleOCR地址
我会按照刚接触的状态，梳理一下验证使用该项目的过程。
项目使用
先把项目从github上clone下来，慢慢分析。
项目结构
首先我们看一下项目的构造。
发现项目有中文的介绍说明，这就很方便了，点开按照官方的说明开始操作。
环境部署
点开README.md,，可以从文档教程中看到第一步就是教你如何安装环境。
由于内容过多，我就做个概括，方便大家直接上手。
1、安装Anaconda，构造虚拟环境
这里可以参考我的另一篇文章，里面很详细：机器学习基础环境部署 | 机器学习系列_阿良的博客-CSDN博客_机器学习 环境搭建
官方给的是python3.8的虚拟环境，我们也构造一个，打开Anaconda Prompt。
输入命令：
conda create -n paddle_env python=3.8
激活环境：
conda activate paddle_env
2、依赖包下载
paddlepaddle安装
pip install paddlepaddle -i /pypi/simple
layoutparser安装
pip3 install -U https://paddleocr./whl/layoutparser-0.0.0-py3-none-any.whl
Shapely安装，这个需要下载，下载地址：Shapely下载地址
我选的是这个
安装命令：
pip install Shapely-1.8.0-cp38-cp38-win_amd64.whl
paddleocr安装
pip install paddleocr -i /pypi/simple
好的，环境有点多，都安装好了就开始上手使用吧。
测试代码
官方给出了两种模式，一是命令行执行，一是代码执行。为了直观的看到配置，我这里使用的是代码模式。
准备一张带文字的图片
测试代码如下
#!/user/bin/env python# coding=utf-8"""@project : ocr_paddle@author : huyi@file : test.py@ide : PyCharm@time : -11-15 14:56:20"""from paddleocr import PaddleOCR, draw_ocr# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换# 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)# 显示结果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')
代码说明
1、因为我的电脑没有显卡，所以设置了use_gpu=False。
2、显示结果部分会将识别的文字用框标出来，并且展示识别的结果。
验证一下
我们看到，打印的内容有识别出来的每句话所在的图片位置，以及识别结果和可信度。而上面的结果图中，将每句话对应的文字都框了出来。效果很不错！
参数补充
官方还给出了一些参数，可以调整输出的内容。可以参看quickstart.md文件。参数补充：
- 单独使用检测：设置`--rec`为`false`- 单独使用识别：设置`--det`为`false`
官方还提供一个标准的json结构输出数据
PP-Structure的返回结果为一个dict组成的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)])}]```
总结
总的来说，这个项目还是很有意思的，训练的部分我就不多赘述了，毕竟准备数据挺麻烦的。回头我再想想这个项目可不可以魔改成好用的工具。
分享：
我们根本不需要最后的落脚点，只要不断前进就好了，只要不停下，道路就会不断延伸。——《进击的巨人》
如果本文对你有帮助的话，请不要吝啬你的赞，谢谢！
