PaddleOCR 識別表情包文字示例詳解

Posted on by

引言

最近在做個表情包的小程序，涉及到表情包搜索功能。我們上傳表情包的時候，隻有一張圖，怎麼搜索？這個時候我們想到就是將表情包的文字提取出來，作為搜索的內容。那麼這就需要用到 ocr 技術瞭。

經過幾個 ocr 的庫的使用，小編強烈推薦使用 PaddleOCR，一款文本識別效果不輸於商用的Python庫！

對於 PaddleOCR 本文不會過多介紹，可自行搜索。重點是如何使用 PaddleOCR 解決我的問題。

安裝 PaddleOCR

pip install paddlepaddle
pip install paddleocr

我這邊安裝後的版本：

paddleocr==2.5.0.3
paddlepaddle==2.3.1

在 macOS 安裝後，項目運行報錯報錯，忘瞭截圖，應該是與 setuptools 版本有關，解決方式：

pip install --upgrade setuptools==59.8.0

完成這些配置後，我們就可以愉快的玩耍瞭。

本地處理

import hashlib
import io
from PIL import Image
from paddleocr import PaddleOCR
def get_gif_pic_path(url):
    '''下載圖片，返回圖片第一幀路徑'''
    response = requests.get(url)
    filename = hashlib.md5(url.encode(encoding='utf-8')).hexdigest()
    img = Image.open(io.BytesIO(response.content))
    current = img.tell()
    img_path = f'bqb/{filename}_{current}.png'
    img.save(img_path)
    return img_path
def ocr_get_gif_text_sec(url) -> str:
    '''識別gif第一幀圖片的文字'''
    img_path = get_gif_pic_path(url)
    ocr = PaddleOCR(use_angle_cls=True, lang='ch')
    result = ocr.ocr(img_path, cls=True)
    data = []
    for item in result:
        data.append(item[1][0])
    return ",".join(data)
ocr_get_gif_text_sec('https://xxxxxx')

由於 gif 是個動圖，所以我們需要取出圖片的第一幀進行識別，get_gif_pic_path實現瞭這個功能。ocr_get_gif_text_sec 從 gif 第一幀的圖進行文字提取，返回的 result 是個數組，我們通過遍歷進行提取出來。

提取 gif 圖片的內容我們就完成瞭，兩個函數的功能也比較簡單。本文沒做 gif 全部文字的提取，有興趣可以挑戰下。

在 flask 中處理

當我們想在上傳圖片的時候，進行對圖片文字的處理怎麼辦？難道要將上傳的圖保存到路徑再去識別麼？這也是我在開發中遇到的一個問題，經過拆坑，答案是：不，你不需要。

思路：我們可以從表單中獲取上傳的圖片的二進制，然後將這個二進制傳給ocr.ocr()，那麼ocr.ocr() 支持這個類型麼？經過查看此函數源碼，我們可以讓它支持。

將圖片二進制轉化為 nparray 類型即可。下面是這個過程的具體代碼

from paddleocr import PaddleOCR
import numpy as np
import cv2
@app.route('/v1/upload_img', methods=['POST'])
def api_v1_upload_img():
    if 'file' not in request.files:
        return "no file part"
    file = request.files['file']
    if file.filename == '':
        return "no selected file"
    if file:
        file_name = file.filename
        # 獲取圖片的二進制
        res = upload_image(bytes=file.read(), filename=file_name)
        return res
    else:
        return "no file"
def upload_image(bytes, filename = None, mime_type = None):
    ocr = PaddleOCR(use_angle_cls=True, lang="ch")
    ## 核心步驟
    np_arr = np.frombuffer(bytes, dtype=np.uint8)
    img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR)
    # 進行識別
    result = ocr.ocr(img=img, cls=True)
    ocr_result = []
    for line in result:
        ocr_result.append(line[1][0].strip())
    img_content = ' '.join(ocr_result)
    return img_content

在api_v1_upload_img我們獲取到圖片二進制以及圖片名，將這些作為參數傳到upload_image，在upload_image中：

np_arr = np.frombuffer(bytes, dtype=np.uint8)
img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR)

上面兩行代碼是這個需求的核心突破點。

還有一點就是建議不要將此識別功能部署到性能差的機器上，並發一下，完全扛不住，默默的留下兩行眼淚。

以上就是PaddleOCR 識別表情包文字示例詳解的詳細內容，更多關於PaddleOCR識別表情包文字的資料請關註WalkonNet其它相關文章！

推薦閱讀：