网站建设注意要点,怎么制作链接视频教程,开网站建设公司赚钱吗,做网站前景怎么样目录 一、基本介绍
二、程序实现
1#xff09;环境配置
2#xff09;代码实现
3#xff09;程序运行结果
三、程序打包
1#xff09;使用pyinstaller打包程序
2#xff09;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…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_clsTrue, # 启用方向分类langch, # 中文识别det_model_dirdet_model_path,rec_model_dirrec_model_path,cls_model_dircls_model_path,use_gpuFalse, # 是否使用GPUpage_num0 # 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。 clsTrue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, clsTrue)
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。
