百度飞桨 --- 试玩PaddleOCR

简介

介绍「PaddleOCR」之前，先来介绍一下百度的飞桨项目：

「百度飞桨（PaddlePaddle）」 是百度推出的开源深度学习平台。作为国内领先的深度学习框架之一，飞桨提供了丰富的工具和资源，帮助开发者和研究者轻松地构建、训练和部署各种深度学习模型。他有非常全面的深度学习库，提供了广泛的深度学习库和工具，涵盖了图像处理、自然语言处理、推荐系统等多个领域。开发者可以轻松地使用这些工具构建复杂的深度学习模型。并且它支持灵活的模型定义和训练，使其适用于各种深度学习任务。

而今天我们要来试玩一下他的文字识别模块 --- 「PaddleOCR」。

PaddleOCR是一个非常优质的OCR工具包（实用的超轻量级OCR系统），基于PaddlePaddle，支持80多种语言的识别，提供数据标注和合成工具，支持在服务器、移动设备、嵌入式和物联网设备之间进行训练和部署。旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。

特性

支持多种OCR相关前沿算法，在此基础上打造产业级特色模型PP-OCR和PP-Structure，并打通数据生产、模型训练、压缩、预测部署全流程。

小试牛刀

接下来我们来试玩一下这个PaddleOCR。

安装Python环境

可以直接去官网下载：https://www.python.org/downloads/windows/

我这里下载的是Python 3.11.3 windows 64bit。下载完后可以直接安装。

切记一定要勾选最下方”Add python.exe to PATH“，添加环境变量，否则需要手动添加环境变量。

安装完毕后可以再任意位置打开CMD，输入python ，如下则环境安装完成：

安装PaddlePaddle:

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

安装PaddleOCR whl包:

pip install "paddleocr>=2.0.1" --upgrade PyMuPDF==1.21.1

默认安装的PyMuPDF版本有问题，如果不加 --upgrade PyMuPDF==1.21.1 ，则会报错， PaddleOCR whl包含很多依赖包，如下如图中红框所示，所以下载时间较长，可能需要十几二十分钟。

测试

PaddleOCR提供了一系列测试图片，可以下载(https://paddleocr.bj.bcebos.com/dygraph_v2.1/ppocr_img.zip) 并解压 ，可以使用他们的测试图片进行测试，也可以自己找一些图片，截图，照片自行测试，我这里找了一本书拍照，导出图片为 book.jpg ，如下：

接下来编写python代码，使用PaddleOCR 识别 book.jpg 并显示识别结果，代码如下：

from paddleocr import PaddleOCR, draw_ocr
import cv2
import numpy as np

# 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, lang="ch") 
img_path = 'C:/Users/Administrator/Desktop/book.jpg'
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)


# 显示结果(将识别的结果框出并显示识别结果)

from PIL import Image

image = Image.open(img_path).rotate(180)

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)
im_show = Image.fromarray(im_show)
im_show.save('C:/Users/Administrator/Desktop/result.jpg')

注意，直接运行上述代码可能会报错 module 'numpy' has no attribute 'int'.，原因是新的numpy包中 np.int 已弃用，可以手动降版本解决，在CMD中分别运行如下命令，先卸载，后安装：

pip uninstall -y numpy
pip install "Numpy==1.23.5"

上述代码中，第一段代码将识别结果打印到了控制台，如下所示：

上面红框内的内容就是识别结果，主要有三部分组成：

• [[190.0, 160.0], [669.0, 156.0], [670.0, 236.0], [191.0, 240.0]]，代表四个点形成的矩形，它框出了要识别的内容。
• 'JINGZHUN'，识别后的结果字符串。在源图片中就是书的左上角的拼音。
• 0.9225807189941406，这一串数字代表的匹配度，匹配度越高，代表着识别越准确。

从控制台可以看出来，PaddleOCR的识别结果就是一组这样的数据。

它也提供了API，将这些结果可视化。第二段代码就是使数据可视化，输出结果下图：

小结

第一次玩python，这个demo虽然简单，但也折磨了我四五天，从环境安装（环境变量问题），包安装（PyMuPDF版本问题），python代码调试（包，语法等问题），到输出结果（结果与预期不一致），期间看官方文档，查资料，即使照着官方文档一步一步走，也依然步步是坑，好在达到了我的预期，能简单识别一个图片。但是从上述结果中可以看出，识别还是有些问题的，官方文档说可以通过训练模型，提高准确率。接下来，可以尝试玩一玩自己训练模型。

❝参考 PaddleOCR运行环境准备：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/environment.md PaddleOCR快速开始：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/doc/doc_ch/quickstart.md 一文讲通OCR文字识别原理与技术全流程：https://juejin.cn/post/7147218078923751455 python软件包仓库： https://pypi.org/ ❞