Python 圖片文字識別的實現之PaddleOCR

Posted on by

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：