动手学ocr（一）_ocr.ocr函数第二个参数

文本检测：DBNet

环境：paddle

import matplotlib
from Cython import inline
from paddleocr import PaddleOCR

ocr=PaddleOCR()
#修改图片路径
img_path='D:/computervision/ocr/ppocr_img/imgs/12.jpg'

result =ocr.ocr(img_path,rec=False)
print(f'the predict as follow')
print(result)

import numpy as np
import cv2
import matplotlib.pyplot as plt

image = cv2.imread(img_path)
#下面这句话似乎可有可无的并不影响结构
boxes=[line[0] for line in result]

for box in result:
    box=np.reshape(np.array(box),[-1,1,2]).astype(np.int64)
    image=cv2.polylines(np.array(image),[box],True,(255,0,0),2)

plt.figure(figsize=(10,10))
#代码此处做了修改
plt.imshow(image)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28

paddle

1. 核心代码

声明PaddleOCR类：

ocr=PaddleOCR()

2. 执行预测：

result =ocr.ocr(img_path,rec=False)

• 运行结果
  

- 其他库解释一下吧

1. reshape改变数组形状

• 参数

（1）传入数组
（2）排序方式

一个形状尺寸可以是-1。在这种情况下，值是从数组的长度和剩余的维度推断出来的。

例子来自与csdn的另外一个博主

（3）order
‘C’ means C order, ‘F’ means Fortran order
order其实说实话看不太明白，等我看明白了一定补上

2)astype
强制转化数据类型

3）figure
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

• 作用：我的理解是有点像是javafx的scence。
• 参数

num:图像编号或名称，数字为编号 ，字符串为名称
figsize:指定figure的宽和高，单位为英寸；
dpi参数：指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80
facecolor:背景颜色
edgecolor:边框颜色
frameon:是否显示边框

DB文本检测模型

import paddle
import os
import sys
import importlib

# paddleocr_path='D:/computervision/ocr/PaddleOCR-release-2.5/PaddleOCR-release-2.5/ppocr'
# sys.path.append( paddleocr_path )
# os.chdir(paddleocr_path)
# print("当前工作目录"+os.getcwd())


#导入到路径中
from ppocr.modeling.backbones.det_mobilenet_v3 import MobileNetV3
fake_input=paddle.randn([1,3,640,640],dtype='float32')

model_backbone=MobileNetV3()
model_backbone.eval()

outs=model_backbone(fake_input)
print(model_backbone)

for idx,out in enumerate(outs):
    print("the index",idx,"shape:",out.shape)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

ppocr的路径和当前文件工作路径不同一开始没有找到，用了很多方法也没有用，使用了文章中第2种办法才能读取到文件