基于PaddleOCR的图像文字识别与程序打包方法

目录

一、基本介绍

二、程序实现

1）环境配置

2）代码实现

3）程序运行结果

三、程序打包

1）使用pyinstaller打包程序

2）添加依赖和模型数据

四、需要注意的问题

五、总结

---

一、基本介绍

       本文主要介绍利用现有开源的图像文字识别（OCR）库，开发一个简单的程序，用于识别图像中的文字信息。当前，开源的OCR库有很多，比如国外的Tesseract、EasyOCR，国内百度、阿里、腾讯等均提供了相应的开源工具包。百度的PaddleOCR在中文识别上准确率很高，百度开发的paddleocr库也为人工智能开发提供了各类算法模型，在人工智能开发领域运用比较广泛。本文基于PaddleOCR，在python中利用百度已经训练好的OCR模型库，完成对图像中文字识别，并将开发程序打包，使其可移植到其他电脑终端使用。

二、程序实现

1）环境配置

（1）新建工程

        python程序开发使用的IDE工具是pyChram2023.1.21版，直接新建一个纯python项目，并新构建一个虚拟环境，基本设置如下，工程路径可自定义。

（2）安装依赖包

        使用PaddleOCR需要安装两个依赖包，分别是paddlepaddle和paddleocr。这两个依赖包均安装在上一步建立的虚拟环境下（venv_WZSB）。需要注意的是，paddleocr目前只支持到python3.8到python3.11版本，若使用的python版本不在此区间，需要安装一个在此区间的版本，并将当前python解释器设置为此可用的版本，否则paddleocr将安装失败。

 

2）代码实现

       使用python编写一个简易的窗口程序，用于加载显示需要识别的图片，并将识别的结果显示在窗口中。

     （1）设置模型存放路径

       首先在代码中设置paddleocr训练模型的存放路径，代码如下。由于我们使用百度工程师已经训练好的模型，所以我们不用再编写具体的文字识别模型，直接使用即可。下面的代码分别表明了检测、识别和分类3个模型文件的存放路径。此处设置的是直接放置在当前工作目录下，若目录下不存在路径和模型，则程序在初次运行时会直接从官网上下载相应模型文件，并存放大指定路径中。

# 自定义模型存储路径  模型不存在时，会自动下载到以下路径中
det_model_path = './det_model'  # 检测
rec_model_path = './rec_model'  # 识别
cls_model_path = './cls_model'  # 分类

      （2）实例化paddleocr对象

       以下代码实例化了一个paddleocr对象。对象参数指明了是否启用方向分类、识别的文字类型、模型文件路径、是否使用GPU等。需要进一步说明的是，此处参数中选择不使用GPU，因为我们此处安装的paddleocr版本是CPU版。百度paddle官网中提供了多个GPU版本的paddleocr，使用GPU版本需要英伟达显卡支持，并安装英伟达对应显卡的CUDA驱动平台，其安装操作比较繁琐，且一般电脑显卡也不支持paddleocr所适配的版本。因此，此处直接使用了CPU版，其运行效率也可以接受。

# 初始化OCR实例
ocr = PaddleOCR(use_angle_cls=True,  # 启用方向分类lang="ch",  # 中文识别det_model_dir=det_model_path,rec_model_dir=rec_model_path,cls_model_dir=cls_model_path,use_gpu=False,  # 是否使用GPUpage_num=0  # PDF页数选择
)

     （3）识别图像文字

    完成图像文字识别只需调用对象的ocr()函数即可，参数说明如下：

• image_path：这是一个字符串类型的参数，表示要进行文字识别的图像文件的路径。可以是本地文件系统中的绝对路径或相对路径。

• cls=True：这个参数通常用于开启文本方向分类功能。有些图像中的文字可能存在不同的方向（如水平、垂直、倾斜等），开启该功能后，OCR 引擎会先对文字的方向进行分类识别，然后将文字调整到合适的方向再进行识别，从而提高识别的准确性。

• result：这是一个变量，用于存储 OCR 识别的结果。结果的具体格式和内容取决于所使用的 OCR 库，一般会包含识别出的文字信息以及其在图像中的位置信息等。

    程序识别的文字信息放置在word_info[1][0]中，此处直接提取出来用于显示。

result = ocr.ocr(image_path, cls=True)
strs = ''
# 解析并打印结果
for line in result:for word_info in line:text = word_info[1][0]confidence = word_info[1][1]# print(f"识别内容: {text} | 置信度: {confidence:.2f}")# print(text)strs = strs + text + '\n'

3）程序运行结果

       如下图所示，随意选取一张带中英文的图片，图中文字信息能够被全部准确识别，说明百度提供的paddleocr库效果很不错。

三、程序打包

        pyinstaller是python提供的一个非常实用的打包工具，但直接使用该工具打包后的本项目exe程序并不能在其他电脑上运行，因为程序运行使用到了模型数据，所以需要对打包后的程序进行一些处理工作。网上也提供了很多其他打包paddleocr程序的方法，限于能力水平，均尝试不成功。下面是自己摸索出的一种可行的替代方式。

1）使用pyinstaller打包程序

        在PyCharm终端窗口中执行pyinstaller --onefile --windowed --collect-all paddleocr wenzishibie.py，完成后我们会在当前工程目录下看到新建了一个dist文件夹，在该文件夹中有一个exe可执行程序wenzishibie.exe。

2）添加依赖和模型数据

       如果直接执行上一步的wenzishibie.exe，程序会报错，缺少依赖库和模型数据，这时我们需要将模型数据和缺少的依赖库拷贝一份到dist文件夹中，如下图所示。正常情况下，pyinstaller命令会将程序所有依赖打包到wenzishibie.exe，但是此处确实仍然存在有依赖缺失的问题。mklml.dll文件就是缺失的动态库，我们在当前的虚拟环境中搜索到该文件，然后复制一份即可。此时我们在该文件夹下就可以直接运行wenzishibie.exe。

        将dist文件夹所有内容直接拷贝到其他电脑后，也可以正常运行wenzishibie.exe程序。若需要将dist文件夹中的内容再次打包为一个exe可执行程序，可以使用Enigma Virtual Box打包工具，也可参见使用winrar打包exe程序方法。

四、需要注意的问题

        1） 本项目的程序均是在新建的虚拟环境中编写的，因此所有依赖库的安装均应确保安装在了新的虚拟环境中，否则可能存在程序无法运行的问题。

        2）在程序打包过程中，我们可以直接将模型数据文件夹拷贝到dist文件中，使其与可执行文件wenzishibie.exe在同一目录下，以确保程序运行时能找到模型文件，并可进一步将程序封装为一个可执行文件，是因为我们在程序代码实现中加载模型时使用的是相对路径（det_model_path = './det_model' ），程序运行时将直接从wenzishibie.exe所在路径下去查找模型文件。如果我们在代码中不使用此路径，则本文所介绍的程序打包方法将不适用，因为程序运行时将无法找到模型文件，除非在移植的电脑上将模型文件复制到代码指定路径下，但这样做失去了程序打包移植的意义。

五、总结

        本文介绍了使用paddleocr库编写一个图像文字识别的简单程序，并通过在代码中的特殊处理，结合pyinstaller工具实现图像识别程序打包移植。使用paddleocr库进行文字识别开发简单高效，文字识别率准确率也很高。项目所使用的源代码和模型数据库可从此处下载，以作参考。