Paddle笔记：PaddleOCR文字识别，简单实用，默认训练模型识别度不错_paddleocr use_angle_cls

导读

        PaddleOCR是百度深度学习框架PaddlePaddle开源的OCR项目，旨在打造一套丰富、领先、且实用的OCR工具库，助力使用者训练出更好的模型，并应用落地。PaddleOCR包含丰富的文本检测、文本识别以及端到端算法。

        你可能用到的网址：

• Paddle官网：飞桨PaddlePaddle-源于产业实践的开源深度学习平台

---

正文

        PaddleOCR特性:

• 超轻量级中文OCR模型，总模型仅8.6M
• 单模型支持中英文数字组合识别、竖排文本识别、长文本识别
• 检测模型DB（4.1M）+识别模型CRNN（4.5M）
• 实用通用中文OCR模型
• 多种预测推理部署方案，包括服务部署和端侧部署
• 多种文本检测训练算法，EAST、DB、SAST
• 多种文本识别训练算法，Rosetta、CRNN、STAR-Net、RARE、SRN
• 可运行于Linux、Windows、MacOS等多种系统

一、前期准备

1. 依赖库安装

        我用的是在 Pycharm 内自动安装，版本默认了当前最高，方便高效。

• PaddlePaddle：基础环境，PaddleOCR需在PaddlePaddle下才可以正常运行；
• PaddleOCR：图片识别的插件；

 2. 训练模型下载

        PaddleOCR提供的可下载模型包括推理模型、训练模型、预训练模型、slim模型，下载地址如下（官网入口）：

        我使用的是【PP-OCRv3】模型，下载到本地之后分别进行解压，创建一个models文件夹，把下载好的模型文件解压到该models文件夹中，并将models文件夹放入到PaddleOCR根目录下，如下所示：

3. 文字模板下载

        文字模板不是必须的，在 draw_ocr() 方法中使用文字模板是为了提高图片的文字识别率。

        因为是识别网络字体，所以我使用的是【SIMSUN.TTC】文字模板。SIMSUN.TTC 是一款很常见、实用的电脑字体，需要的小伙伴，百度【SIMSUN.TTC】就可以找到下载链接。

---

二、项目实践

        读取图片需要用到 OpenCV 的技术，然后利用 PaddleOCR 进行图片的文字识别，识别过程中可以自定义训练模型和文字模板，这会影响最终文字的识别率。

1. 图片准备

        就用篇头展示的图片吧，这是京东商城某商品的介绍图。

2. 代码展示

# _*_coding:utf-8_*_
# 作者：   Java Punk
# 时间：   2022-10-09 14:49:45
# 功能：   图片文字识别
 
import cv2
from math import *
import numpy as np
from PIL import Image
from paddleocr import PaddleOCR, draw_ocr
 
def img_match(img_address):
    # 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`
    # 这里 use_angle_cls=False 为不使用自定义训练集
    ocr = PaddleOCR(use_angle_cls=False, lang="ch", use_gpu=False)
    # use_angle_cls=True使用训练模型，模型放在models目录下
    # ocr = PaddleOCR(use_angle_cls=True,lang="ch",
    #                 rec_model_dir='../models/ch_PP-OCRv3_rec_slim_infer/',
    #                 cls_model_dir='../models/ch_ppocr_mobile_v2.0_cls_slim_infer/',
    #                 det_model_dir='../models/ch_PP-OCRv3_det_slim_infer/')
    src_img = cv2.imread(img_address)
    h, w = src_img.shape[:2]
    big = int(sqrt(h * h + w * w))
    big_img = np.empty((big, big, src_img.ndim), np.uint8)
    yoff = round((big - h) / 2)
    xoff = round((big - w) / 2)
    big_img[yoff:yoff + h, xoff:xoff + w] = src_img
    # 文字识别
    matRotate = cv2.getRotationMatrix2D((big * 0.5, big * 0.5), 0, 1)
    dst = cv2.warpAffine(big_img, matRotate, (big, big))
    result = ocr.ocr(dst, cls=True)
    boxes = [line[0] for line in result]
    txts = [line[1][0] for line in result]
    scores = [line[1][1] for line in result]
    # simsun.ttc 是一款很常见、实用的电脑字体，这里作为识别的模板
    # 我们利用该模板进行文字识别
    im_show = draw_ocr(dst, boxes, txts, scores, font_path='../fonts/SIMSUN.TTC')
    im_show = Image.fromarray(im_show)
    img = np.asarray(im_show)
    # 展示结果
    cv2.imshow('img', img)
    cv2.waitKey(0)
    # 图片识别结果保存在代码同目录下
    # im_show.save('result.jpg')
    # 关闭页面
    cv2.destroyAllWindows()
    pass
 
if __name__ == '__main__':
    print("———————————————————— start ————————————————————\n")
    # 图片路径自己设置，下面是我本地的路径，记得替换！！！
    img_match('../img/jd/goods_02.png')
    print("———————————————————— end ————————————————————\n")

3. 效果展示

        最终识别率还不错。

        大家可以自行练习不使用 lang="ch"，训练模型和文字模板，或者只使用其中的几个看看效果怎样。

        结论可以先告诉大家：文字的识别率会有不一样，当识别率低的时候，个别文字会被识别错误。

---