Python 圖片文字識別的實現之PaddleOCR
前言
什麼是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,並且識別出文本的內容。
那麼有哪些應用場景呢?
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的技術路線是什麼呢?
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,在這裡分享給大傢——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,這就很方便瞭,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。
由於內容過多,我就做個概括,方便大傢直接上手。
1、安裝Anaconda,構造虛擬環境
這裡可以參考我的另一篇文章,裡面很詳細:Python 機器學習第一章環境配置圖解流程
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,都安裝好瞭就開始上手使用吧。
測試代碼
官方給出瞭兩種模式,一是命令行執行,一是代碼執行。為瞭直觀的看到配置,我這裡使用的是代碼模式。
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 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,所以設置瞭use_gpu=False。
2、顯示結果部分會將識別的文字用框標出來,並且展示識別的結果。
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瞭出來。效果很不錯!
參數補充
官方還給出瞭一些參數,可以調整輸出的內容。可以參看quickstart.md文件。參數補充:
– 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瞭,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:
我們根本不需要最後的落腳點,隻要不斷前進就好瞭,隻要不停下,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!
到此這篇關於Python 圖片文字識別的實現之PaddleOCR的文章就介紹到這瞭,更多相關Python 文字識別內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python PaddleOCR庫用法及知識點詳解
- Python利用PaddleOCR制作個搜題小工具
- python封裝json格式字符串並處理單雙引號問題
- PaddleOCR 識別表情包文字示例詳解
- python opencv通過4坐標剪裁圖片