本篇将再讲讲paddleocr在图像OCR识别方面的应用。

一、paddlecor参数说明

二、基于python脚本进行图片OCR文字识别

paddleocr whl包会自动下载ppocr轻量级模型作为默认模型，运行以下代码加载。

from paddleocr import PaddleOCR, draw_ocr
ocr = PaddleOCR(use_angle_cls=True, lang="ch")

本地有一张t​est.jpg图片：

我们运行以下代码，进行图片文字识别，并打印​结果。

img_path = './img/test.jpg'
# 结果是一个list，每个item包含了文本框，文字和识别置信度
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

识别内容如下，结果是一个list，每个item包含了文本框，文字和识别置信度。

[2024/06/01 23:35:00] ppocr DEBUG: dt_boxes num : 6, elapsed : 3.8749797344207764
[2024/06/01 23:35:01] ppocr DEBUG: cls num  : 6, elapsed : 0.583005428314209
[2024/06/01 23:35:02] ppocr DEBUG: rec_res num  : 6, elapsed : 1.3186604976654053
[[[195.0, 70.0], [336.0, 70.0], [336.0, 200.0], [195.0, 200.0]], ('R', 0.9454304575920105)]
[[[175.0, 255.0], [617.0, 255.0], [617.0, 315.0], [175.0, 315.0]], ('当游戏数据遇上', 0.9989826083183289)]
[[[649.0, 271.0], [722.0, 271.0], [722.0, 326.0], [649.0, 326.0]], ('R', 0.9735457897186279)]
[[[174.0, 414.0], [526.0, 414.0], [526.0, 438.0], [174.0, 438.0]], ('第八届中国R语言大会（上海会场）', 0.9587013721466064)]
[[[540.0, 415.0], [677.0, 415.0], [677.0, 436.0], [540.0, 436.0]], ('2015.11.22', 0.9998686909675598)]

从结果来看，文字识别准确率还​很高，模型还将两个R图片中的R字识别出来。

以下代码主要用于显示 OCR（Optical Character Recognition，光学字符识别）的结果，并将结果显示在一张图片上，然后将这张图片保存到本地。

from PIL import Image
result = result[0]
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='/path/to/PaddleOCR/doc/fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

运行后，我们在当前目录​生成一张result.jpg的图片，内容如下：

三、基于python脚本对PDF文件进行OCR文字识别

如果我们输入的是pdf文件，也能进行​文字识别。

​假如本地有一个test.pdf文件：

运行以下代码，对pdf文件的文字进行识别：

ocr = PaddleOCR(use_angle_cls=True, lang="ch")  
img_path = './img/test.pdf'
result = ocr.ocr(img_path, cls=True)

运行以下代码，打印识别结果：

for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

可见，中英文都很好被识别出来。

同样，我们也想将OCR识别的结果在图片标注并保存到本地。通过以下代码实现。此处将官网代码报错地方进行了修正。

# 显示结果
import fitz
from PIL import Image
import cv2
import numpy as np
imgs = []
with fitz.open(img_path) as pdf:
    for pg in range(0, pdf.page_count): # 将 原文的pageCount 修改为 page_count
        page = pdf[pg]
        mat = fitz.Matrix(2, 2)
        pm = page.get_pixmap(matrix=mat, alpha=False) # 将原文的getPixmap 修改为 get_pixmap
        # if width or height > 2000 pixels, don't enlarge the image
        if pm.width > 2000 or pm.height > 2000:
            pm = page.getPixmap(matrix=fitz.Matrix(1, 1), alpha=False)

        img = Image.frombytes("RGB", [pm.width, pm.height], pm.samples)
        img = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
        imgs.append(img)
for idx in range(len(result)):
    res = result[idx]
    image = imgs[idx]
    boxes = [line[0] for line in res]
    txts = [line[1][0] for line in res]
    scores = [line[1][1] for line in res]
    im_show = draw_ocr(image, boxes, txts, scores, font_path='doc/fonts/simfang.ttf')
    im_show = Image.fromarray(im_show)
    im_show.save('pdf_result.jpg'.format(idx))

四、基于命令行使用进行图片OCR文字识别

基于代码行识别图片OCR是非常容易的，我们可以在Anaconda Prompt中​运行以下代码实现：

paddleocr --image_dir ./img/test.jpg --use_angle_cls true --use_gpu false

其中，--image_dir 是要识别的图片​地址，--use_angle_cls true设置使用方向分类器识别180度旋转文字，--use_gpu false设置不使用GPU。

看到以下输出，说明已经完成。

如果我们想在jupyter Notebook运行命令行，只需在前面添加!号即可。

!paddleocr --image_dir ./img/test.jpg --use_angle_cls true --use_gpu false 

五、基于命令行使用进行PDF文件的文字识别

paddleocr也支持输入pdf文件，并且可以通过指定参数page_num来控制推理前面几页，默认为0，表示推理所有页。在Jupyter Notebook输入以下命令：

!paddleocr --image_dir ./img/test.pdf --use_angle_cls true --use_gpu false --page_num 1

 如果大家对想学习其他更多内容，包括ChatGPT大模型、数据挖掘、可视化、R语言、Python等专题，可关注“我爱数据科学”的公众号或视频号。

         我爱数据科学公众号二维码：

如果公众号二维码过期，可在 微信 -> 公众号 -> + -> 搜索 “我爱数据科学” 进行关注。

我爱数据科学的视频号二维码：