279 lines
10 KiB
Markdown
279 lines
10 KiB
Markdown
---
|
||
comments: true
|
||
---
|
||
|
||
|
||
# PaddleOCR 快速开始
|
||
|
||
**说明：** 本文主要介绍PaddleOCR wheel包对PP-OCR系列模型的快速使用。如要体验文档分析相关功能，请参考[PP-Structure快速使用教程](../ppstructure/overview.md)。此外，飞桨低代码开发工具<b>PaddleX</b>依托PaddleOCR的先进技术，支持了OCR领域的<b>低代码全流程开发能力，大幅减少开发时间和难度</b>，同时将<b>文本图像智能分析、通用OCR、通用版面解析、通用表格识别、公式识别、印章文本识别</b>涉及的17个模型整合为6条模型产线，通过极简的Python API一键调用,详情请见[低代码全流程开发](https://paddlepaddle.github.io/PaddleOCR/latest/paddlex/quick_start.html)。
|
||
|
||
|
||
## 1. 安装
|
||
|
||
### 1.1 安装PaddlePaddle
|
||
|
||
> 如果您没有基础的Python运行环境，请参考[运行环境准备](./environment.md)。
|
||
|
||
- 您的机器安装的是CUDA 11，请运行以下命令安装
|
||
|
||
```bash linenums="1"
|
||
pip install paddlepaddle-gpu
|
||
```
|
||
|
||
- 您的机器是CPU，请运行以下命令安装
|
||
|
||
```bash linenums="1"
|
||
pip install paddlepaddle
|
||
```
|
||
|
||
更多的版本需求，请参照[飞桨官网安装文档](https://www.paddlepaddle.org.cn/install/quick)中的说明进行操作。
|
||
|
||
### 1.2 安装PaddleOCR whl包
|
||
|
||
```bash linenums="1"
|
||
pip install paddleocr
|
||
```
|
||
|
||
- 对于Windows环境用户：直接通过pip安装的shapely库可能出现`[winRrror 126] 找不到指定模块的问题`。建议从[这里](https://www.lfd.uci.edu/~gohlke/pythonlibs/#shapely)下载shapely安装包完成安装。
|
||
|
||
## 2. 便捷使用
|
||
|
||
### 2.1 命令行使用
|
||
|
||
PaddleOCR提供了一系列测试图片，点击[这里](https://paddleocr.bj.bcebos.com/dygraph_v2.1/ppocr_img.zip)下载并解压，然后在终端中切换到相应目录
|
||
|
||
```bash linenums="1"
|
||
cd /path/to/ppocr_img
|
||
```
|
||
|
||
如果不使用提供的测试图片，可以将下方`--image_dir`参数替换为相应的测试图片路径。
|
||
|
||
#### 2.1.1 中英文模型
|
||
|
||
- 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
|
||
|
||
```bash linenums="1"
|
||
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
|
||
|
||
```bash linenums="1"
|
||
[[[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)]
|
||
......
|
||
```
|
||
|
||
此外，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。
|
||
|
||
```bash linenums="1"
|
||
paddleocr --image_dir ./xxx.pdf --use_angle_cls true --use_gpu false --page_num 2
|
||
```
|
||
|
||
- 单独使用检测：设置`--rec`为`false`
|
||
|
||
```bash linenums="1"
|
||
paddleocr --image_dir ./imgs/11.jpg --rec false
|
||
```
|
||
|
||
结果是一个list，每个item只包含文本框
|
||
|
||
```bash linenums="1"
|
||
[[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]]
|
||
......
|
||
```
|
||
|
||
- 单独使用识别：设置`--det`为`false`
|
||
|
||
```bash linenums="1"
|
||
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
|
||
|
||
```bash linenums="1"
|
||
['韩国小馆', 0.994467]
|
||
```
|
||
|
||
**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`，具体版本说明如下：
|
||
|
||
| 版本名称 | 版本说明 |
|
||
| -------- | -------------------------------------------------- |
|
||
| PP-OCRv4 | 支持中、英文检测和识别，方向分类器，支持多语种识别 |
|
||
| PP-OCRv3 | 支持中、英文检测和识别，方向分类器，支持多语种识别 |
|
||
| PP-OCRv2 | 支持中英文的检测和识别，方向分类器，多语言暂未更新 |
|
||
| PP-OCR | 支持中、英文检测和识别，方向分类器，支持多语种识别 |
|
||
|
||
如需新增自己训练的模型，可以在[paddleocr](https://github.com/PaddlePaddle/PaddleOCR/blob/c65a66c5fd37dee64916a8b2a2c84ea273d98cac/paddleocr.py)中增加模型链接和字段，重新编译即可。
|
||
|
||
更多whl包使用可参考[whl包文档](./blog/whl.md)
|
||
|
||
#### 2.1.2 多语言模型
|
||
|
||
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`。
|
||
|
||
``` bash
|
||
paddleocr --image_dir ./imgs_en/254.jpg --lang=en
|
||
```
|
||
|
||
|
||
|
||
|
||
|
||
结果是一个list，每个item包含了文本框，文字和识别置信度
|
||
|
||
```text linenums="1"
|
||
[[[67.0, 51.0], [327.0, 46.0], [327.0, 74.0], [68.0, 80.0]], ('PHOCAPITAL', 0.9944712519645691)]
|
||
[[[72.0, 92.0], [453.0, 84.0], [454.0, 114.0], [73.0, 122.0]], ('107 State Street', 0.9744491577148438)]
|
||
[[[69.0, 135.0], [501.0, 125.0], [501.0, 156.0], [70.0, 165.0]], ('Montpelier Vermont', 0.9357033967971802)]
|
||
......
|
||
```
|
||
|
||
常用的多语言简写包括
|
||
|
||
| 语种 | 缩写 | | 语种 | 缩写 | | 语种 | 缩写 |
|
||
| -------- | ----------- | --- | -------- | ------ | --- | -------- | ------ |
|
||
| 中文 | ch | | 法文 | fr | | 日文 | japan |
|
||
| 英文 | en | | 德文 | german | | 韩文 | korean |
|
||
| 繁体中文 | chinese_cht | | 意大利文 | it | | 俄罗斯文 | ru |
|
||
|
||
全部语种及其对应的缩写列表可查看[多语言模型教程](./blog/multi_languages.md)
|
||
|
||
### 2.2 Python脚本使用
|
||
|
||
#### 2.2.1 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
|
||
|
||
```python linenums="1"
|
||
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')
|
||
```
|
||
|
||
结果是一个list，每个item包含了文本框，文字和识别置信度
|
||
|
||
```bash linenums="1"
|
||
[[[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)]
|
||
......
|
||
```
|
||
|
||
结果可视化
|
||
|
||
|
||
|
||
如果输入是PDF文件，那么可以参考下面代码进行可视化
|
||
|
||
```python linenums="1"
|
||
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`
|
||
PAGE_NUM = 10 # 将识别页码前置作为全局，防止后续打开pdf的参数和前文识别参数不一致 / Set the recognition page number
|
||
pdf_path = 'default.pdf'
|
||
ocr = PaddleOCR(use_angle_cls=True, lang="ch", page_num=PAGE_NUM) # need to run only once to download and load model into memory
|
||
# ocr = PaddleOCR(use_angle_cls=True, lang="ch", page_num=PAGE_NUM,use_gpu=0) # 如果需要使用GPU，请取消此行的注释 并注释上一行 / To Use GPU,uncomment this line and comment the above one.
|
||
result = ocr.ocr(pdf_path, cls=True)
|
||
for idx in range(len(result)):
|
||
res = result[idx]
|
||
if res == None: # 识别到空页就跳过，防止程序报错 / Skip when empty result detected to avoid TypeError:NoneType
|
||
print(f"[DEBUG] Empty page {idx+1} detected, skip it.")
|
||
continue
|
||
for line in res:
|
||
print(line)
|
||
# 显示结果
|
||
import fitz
|
||
from PIL import Image
|
||
import cv2
|
||
import numpy as np
|
||
imgs = []
|
||
with fitz.open(pdf_path) as pdf:
|
||
for pg in range(0, PAGE_NUM):
|
||
page = pdf[pg]
|
||
mat = fitz.Matrix(2, 2)
|
||
pm = page.get_pixmap(matrix=mat, alpha=False)
|
||
# if width or height > 2000 pixels, don't enlarge the image
|
||
if pm.width > 2000 or pm.height > 2000:
|
||
pm = page.get_pixmap(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]
|
||
if res == None:
|
||
continue
|
||
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('result_page_{}.jpg'.format(idx))
|
||
```
|
||
|
||
- 使用滑动窗口进行检测和识别
|
||
|
||
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：
|
||
|
||
```python linenums="1"
|
||
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")
|
||
|
||
```
|
||
|
||
此示例初始化了启用角度分类的PaddleOCR实例，并将语言设置为英语。然后调用`ocr`方法，并使用多个参数来自定义检测和识别过程，包括处理图像切片的`slice`参数。
|
||
|
||
要更全面地了解切片操作，请参考[切片操作文档](./blog/slice.md)。
|
||
|
||
## 3. 小结
|
||
|
||
通过本节内容，相信您已经熟练掌握PaddleOCR whl包的使用方法并获得了初步效果。
|