PaddleOCR的快速使用_paddleocr 使用

一、简介

PaddleOCR 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。

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、PP-Structure和PP-ChatOCRv2，并打通数据生产、模型训练、压缩、预测部署全流程。 

二、环境搭建 

2.1 源码开发环境搭建方法

onda create -n paddle python=3.9.12
conda activate paddle
 
python -m pip install paddlepaddle-gpu==2.5.1.post120 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
 
# 在Python解释器中顺利执行如下命令
>>> import paddle
>>> paddle.utils.run_check()
 
# 如果命令行出现以下提示，说明PaddlePaddle安装成功
# PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.
 
# 查看PaddlePaddle版本
>>> print(paddle.__version__)
 
 
# 项目克隆
git clone https://github.com/PaddlePaddle/PaddleOCR
 
## 2. 安装第三方库
 
```
cd PaddleOCR
pip3 install -r requirements.txt
```

2.2 快速开始

1）环境搭建

参考链接：https://github.com/PaddlePaddle/PaddleOCR/blob/main/doc/doc_ch/quickstart.md

#GPU
pip install paddlepaddle-gpu
#CPU
pip install paddlepaddle
#安装paddleocr
pip install paddleocr

2）快速执行应用 

#快速测试效果

1）检测+方向分类器+识别全流程：--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
paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false
结果是一个list，每个item包含了文本框，文字和识别置信度
[[[28.0, 37.0], [302.0, 39.0], [302.0, 72.0], [27.0, 70.0]], ('纯臻营养护发素', 0.9658738374710083)]
......

2）单独使用检测：设置--rec为false

paddleocr --image_dir ./imgs/11.jpg --rec false

结果是一个list，每个item只包含文本框

[[27.0, 459.0], [136.0, 459.0], [136.0, 479.0], [27.0, 479.0]]
[[28.0, 429.0], [372.0, 429.0], [372.0, 445.0], [28.0, 445.0]]
......

3）单独使用识别：设置--det为false

paddleocr --image_dir ./imgs_words/ch/word_1.jpg --det false

结果是一个list，每个item只包含识别结果和识别置信度

['韩国小馆', 0.994467]

3）模型说明

版本说明 paddleocr默认使用PP-OCRv4模型(--ocr_version PP-OCRv4)，如需使用其他版本可通过设置参数--ocr_version，默认的为最新的模型。

4）不同语言模型的设置

PaddleOCR目前支持80个语种，可以通过修改--lang参数进行切换，对于英文模型，指定--lang=en。

paddleocr --image_dir ./imgs_en/254.jpg --lang=en

2.3使用python代码快速调用

2.3.1 中英文与多语言使用

通过Python脚本使用PaddleOCR whl包，whl包会自动下载ppocr轻量级模型作为默认模型。

• 检测+方向分类器+识别全流程

from paddleocr import PaddleOCR, draw_ocr
 
# 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")  # need to run only once to download and load model into memory
img_path = './imgs/11.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
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='./fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

2.3.2 大图像的OCR识别

要使用滑动窗口进行光学字符识别（OCR），可以使用以下代码片段：

from paddleocr import PaddleOCR
from PIL import Image, ImageDraw, ImageFont
 
# 初始化OCR引擎
ocr = PaddleOCR(use_angle_cls=True, lang="en")
 
img_path = "./very_large_image.jpg"
slice = {'horizontal_stride': 300, 'vertical_stride': 500, 'merge_x_thres': 50, 'merge_y_thres': 35}
results = ocr.ocr(img_path, cls=True, slice=slice)
 
# 加载图像
image = Image.open(img_path).convert("RGB")
draw = ImageDraw.Draw(image)
font = ImageFont.truetype("./doc/fonts/simfang.ttf", size=20)  # 根据需要调整大小
 
# 处理并绘制结果
for res in results:
    for line in res:
        box = [tuple(point) for point in line[0]]
        # 找出边界框
        box = [(min(point[0] for point in box), min(point[1] for point in box)),
               (max(point[0] for point in box), max(point[1] for point in box))]
        txt = line[1][0]
        draw.rectangle(box, outline="red", width=2)  # 绘制矩形
        draw.text((box[0][0], box[0][1] - 25), txt, fill="blue", font=font)  # 在矩形上方绘制文本
 
# 保存结果
image.save("result.jpg")

2.4 参数设定说明

参考博文的链接：

【Python】paddleocr快速使用及参数详解_paddleocr python-CSDN博客

1）使用默认路径下的模型

import cv2
 
from paddleocr import PaddleOCR
 
# 使用默认模型路径
paddleocr = PaddleOCR(lang='ch', show_log=False)
img = cv2.imread('ch2.jpg')  # 打开需要识别的图片
result = paddleocr.ocr(img)
for i in range(len(result[0])):
    print(result[0][i][1][0])   # 输出识别结果

2）设定模型路径

import cv2
 
from paddleocr import PaddleOCR
 
 
# 设定模型路径
paddleocr = PaddleOCR(lang='ch', show_log=False, 
                      det_model_dir='.paddleocr\\whl\\det\\ch\\ch_PP-OCRv4_det_infer',
                      rec_model_dir='.paddleocr\\whl\\rec\\ch\\ch_PP-OCRv4_rec_infer') # 推理模型路径
img = cv2.imread('ch2.jpg')  # 打开需要识别的图片
result = paddleocr.ocr(img)
for i in range(len(result[0])):
    print(result[0][i][1][0])   # 输出识别结果

3）其他参数介绍

在使用PaddleOCR进行模型推理时，可以自定义修改参数，来修改模型、数据、预处理、后处理等内容，详细的参数解释如下所示。

• 全局信息

• 预测引擎相关

• 文本检测模型相关

• 文本识别模型相关

• 端到端文本检测与识别模型相关

• 方向分类器模型相关

 三、目前常用的开源OCR识别框架

参考博文：开源的OCR工具基本使用：PaddleOCR/Tesseract/CnOCR_cnocr 只支持cudn吗-CSDN博客

3.1 EasyOCR

EasyOCR官方仓库：https://github.com/JaidedAI/EasyOCR
安装EasyOCR：

pip install easyocr

 测试例程：

import easyocr
reader = easyocr.Reader(['ch_sim','en']) # this needs to run only once to load the model into memory
result = reader.readtext('chinese.jpg')

对正向的文本检测效果是可以的，但是对倒置的文本的检测效果不好。 

       图片越大，OCR耗时越长，如果你只需要识别图片特定部分，可以先把图片裁剪了，减少识别区域，加快OCR识别速度（我当时的需求，只需要识别图片上半部分，于是就将上半张图片另存为新图。识别半张图比完整图快2.6倍）

• 优点
  • 支持pip安装，但需要自己手动下载模型
  • ocr识别效果尚可，优于一般开源模型
• 缺点
  • 速度很慢，900 * 1200像素图片平均需要30s左右
  • 不支持补充训练

3.2 CnOCR

CnOCR官方仓库：https://github.com/breezedeus/CnOCR
CnOCR安装：

pip install cnocr

CnOCR的环境要求比较严格，其在requirements.txt写了非常多的依赖版本号，因此如果在现有环境中直接安装，它会将Pytorch等依赖卸载重装，比较坑，使用最好先单开新环境。

 测试例程：

from cnocr import CnOcr
 
img_fp = 'img/output_2.png'
ocr = CnOcr()  # 所有参数都使用默认值
out = ocr.ocr(img_fp)
print(out)

实测在我的业务场景下，使用默认模型效果不太行。

• 优点
  • 轻量模型，执行速度快，速度略快于paddle ocr
  • 支持pip直接安装
  • ocr识别效果好，识别效果比肩paddle ocr
  • 支持训练自己的模型
• 缺点
  • 部分符号识别效果差
  • 部分场景下会出现空格丢失情况
  • 模型补充训练没有paddle ocr方便

3.3 Tesseract

Tesseract官方仓库：https://github.com/tesseract-ocr/tesseract
Tesseract是用C++进行开发的，因此如果要在python中进行使用，需要借助第三方依赖pytesseract

首先需要在本机上安装Tesseract
安装包下载地址：https://digi.bib.uni-mannheim.de/tesseract/
安装过程可参考：https://blog.csdn.net/weixin_51571728/article/details/120384909
配置完成后，在命令行输入tesseract -v打印出版本信息则表示安装成功。

之后安装pytesseract：

pip install pytesseract

测试例程：

img_path = 'img/img_1.png'
# 添加tesseract的路径
pytesseract.pytesseract.tesseract_cmd = r'C:\Users\zxy\AppData\Local\Programs\Tesseract-OCR\tesseract.exe'
"""
image_to_string()：如果识别英文或数字可以不必额外参数，如果识别其他语言则需要加上lang参数
lang='chi_sim'表示要识别的是中文简体
没有识别出来时，返回空白
"""
text = pytesseract.image_to_string(Image.open(img_path), lang='chi_sim')
print(text)

实测这个效果在我的场景也表现一般，并且tesseract对于中英文有不同的模型，泛用性不是很好。

• 优点
  • 支持补充训练
• 缺点
  • 安装使用困难，不支持pip安装
  • 中文识别效果差

3.4  chinese_lite OCR

环境配置方法参考博文：

chinese_lite OCR使用教程_chineseliteocr-CSDN博客

• 优点
  • 轻量模型，执行速度快，速度优于CnOCR和Paddle OCR
  • ocr识别效果尚可，优于一般开源模型，但比不上CnOCR和Paddle OCR
  • 作者提供了多种语言下的Demo
• 缺点
  • 不支持pip安装
  • 文本位置识别略差
  • 不支持补充训练
  • 类手写字体识别效果一般
  • 部分场景下会出现误识别竖版文字的情况
    例如：

          

3.4 PaddleOCR

根据PP-OCRv4的介绍文档，PP-OCRv4在训练时以(32,320), (48,320), (64,320)三个不同尺度上进行训练。

    实测发现当文字区域小于这个范围时，效果会受到影响，因此，可以引入padding策略，即在文字区域范围周边加一圈白边，使输入模型的图片分辨率提升。 

import cv2
from paddleocr import PaddleOCR
 
def add_padding_to_image(image, output_size=(640, 640), color=(255, 255, 255)):
    h, w = image.shape[:2]
    # 计算需要添加的padding大小
    delta_w = max(output_size[0] - w, 0)
    delta_h = max(output_size[1] - h, 0)
    top, bottom = delta_h // 2, delta_h - (delta_h // 2)
    left, right = delta_w // 2, delta_w - (delta_w // 2)
    # 添加padding
    padded_image = cv2.copyMakeBorder(image, top, bottom, left, right, cv2.BORDER_CONSTANT, value=color)
    return padded_image
 
if __name__ == '__main__':
    ocr = PaddleOCR(use_angle_cls=True, lang="ch", ocr_version='PP-OCRv4')
    image_input_fullname = 'img/output_5.png'
    img = cv2.imread(image_input_fullname)
    padded_img = add_padding_to_image(img)
    result = ocr.ocr(img, cls=True)
    print(result)

在我的业务场景中，PaddleOCR的表现最好，基本能达到80%以上的识别准确率，如果还需要提升，还可以根据自己的数据再训练。

标注工具：PPOCRLabelv2

使用文档：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/PPOCRLabel/README_ch.md

训练文档：https://aistudio.baidu.com/modelsdetail/270?modelId=270

优缺点：

• 优点
  • 轻量模型，执行速度快
  • 支持pip直接安装
  • ocr识别效果好，效果基本可以比肩大厂收费ocr（非高精版）
  • 支持表格和方向识别
  • 支持补充训练且很方便
• 缺点
  • 部分符号识别效果一般，如 '|‘识别为’1’
  • 对于部分加粗字体可能出现误识别，需要自己补充训练
  • 偶尔会出现部分内容丢失的情况

3.5 总结 

        整体来看推荐使用paddle ocr和cnocr，某些场景下，如小图片且对速度要求较高可以尝试使用chinese_lite ocr.

四、特殊场景下新出的模型的总结

4.1 弧状文本检测

参考博文：

DPText-DETR: 基于动态点query的场景文本检测，更高更快更鲁棒 | 京东探索研究院_querydetr-CSDN博客

【论文】https://arxiv.org/abs/2207.04491

【代码】https://github.com/ymy-k/DPText-DETR