一键即起开箱即用部署强悍中英文OCR本地服务

PaddleOCR CPU 镜像

本期和大家分享一个一键就可以开箱集用的OCR docker 本地服务。

众所周知 PaddleOCR 是一个百度 PaddlePaddle 中非常有名的OCR框架,它包含了丰富的中英文模型。官方也提供给了 GPU 的 docker 镜像,但是基于 GPU 的镜像,对于很多小伙伴来说有点大材小用了。因为很多小伙伴不需要去训练自己的数据集和调参,只要用成熟的模型就足够了。另外,无论在 Windows 还是 Linux 中,大家配置安装 nvidia GPU 镜像都是比较麻烦。因此,这次特地为大家打造了这样一个 CPU 的 PaddleOCR 镜像,并且把常规的模型都预装到镜像中了,大家一键就能部署强悍的本地 OCR 服务。只需要安装 Docker 即可,也支持 Mac。

文字效果

先来看一个文字识别的效果吧,图片中这家店铺使用了非常规的中文字体,但PaddleOCR依然完全识别了出来。

获取镜像

具体获取方式为:关注 MyEncyclopedia 公众号,回复 docker-paddleocr

下面的命令一键起了这个镜像,注意,大家要将 me-paddleocr 替换成公众号中的镜像名

1
docker run -it me-paddleocr bash 

进入容器后,我们已经在 /proj目录,通过 ls 可以发现有如下文件,三个图片demo输入文件,scene.png, engtest.jpg, me.pngdemo_ch.py

命令行识别

通过 PaddleOCR 内置的命令可以最快捷地识别文字,命令格式如下。

1
paddleocr --image_dir scene.png --use_angle_cls true --lang ch --use_gpu false

输出为,最后两行为识别出的两处文字及其位置。

1
2
3
4
5
6
ppocr INFO: **********scene.png**********
ppocr DEBUG: dt_boxes num : 2, elapse : 0.1184682846069336
ppocr DEBUG: cls num : 2, elapse : 0.016251802444458008
ppocr DEBUG: rec_res num : 2, elapse : 0.041384220123291016
ppocr INFO: [[[152.0, 83.0], [402.0, 81.0], [402.0, 135.0], [153.0, 137.0]], ('匠牛饺子', 0.94130754)]
ppocr INFO: [[[412.0, 183.0], [450.0, 183.0], [450.0, 206.0], [412.0, 206.0]], ('匠牛', 0.7368352)]

代码识别

当然了,为了方便查看结果,需要通过代码来实现。下面展示镜像内置的三个demo图片的执行python 代码 demo_ch.py 后的输出效果。

结果展示

图片一:门头照片

图片二:中英文混合的试卷

图片三:中英文混合Logo

demo_ch.py

附上 demo_ch.py 源代码,不做赘述。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
from paddleocr import PaddleOCR
import numpy as np
import cv2
import matplotlib.pyplot as plt
from PIL import Image, ImageDraw, ImageFont

def cv2ImgAddText(img, text, left, top, textColor=(0, 0, 0), textSize=20):
if (isinstance(img, np.ndarray)):
img = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB))
draw = ImageDraw.Draw(img)
fontStyle = ImageFont.truetype('wqy-zenhei.ttc', textSize, encoding="utf-8")
draw.text((left, top), text, textColor, font=fontStyle)
return cv2.cvtColor(np.asarray(img), cv2.COLOR_RGB2BGR)

ocr = PaddleOCR()
img_path = '/proj/scene.png'

result = ocr.ocr(img_path, rec=True)
print(f"The predicted text box of {img_path} are follows.")

image = cv2.imread(img_path)
boxes = [[line[0][0], line[0][1], line[0][2], line[0][3]] for line in result]
texts = [line[1][0] for line in result]

for box, text in zip(boxes, texts):
box = np.reshape(np.array(box), [-1, 1, 2]).astype(np.int64)
print(box)
image = cv2.polylines(np.array(image), [box], True, (255, 0, 0), 2)
image = cv2ImgAddText(image, text, box[0][0][0] - 10, box[0][0][1] - 10, textColor=(0, 255, 0), textSize=20)

plt.figure(figsize=(10, 10))
plt.imshow(image)
plt.savefig('/proj/result.jpg')

结束语

PaddleOCR最为市面上最好的开源中文 OCR 引擎之一,其强悍的效果可以达到开箱即用,本期基于 CPU 的预制镜像更降低了大家使用的门槛。本系列后续会和大家分享如何在 PaddleOCR GPU 镜像中去训练自己的数据集,来提升特定字体的准确度,大家喜欢的话不要忘记一键三连哦。同时也可以关注 MyEncyclopedia 微信公众号以及B站频道,下次再见。

Strang MIT 18.06 线性代数精髓 04:Gauss-Jordan 求矩阵逆 Strang MIT 18.06 线性代数精髓 03:消元的矩阵表示,矩阵的逆

Author and License Contact MyEncyclopedia to Authorize
myencyclopedia.top link https://blog.myencyclopedia.top/zh/2022/docker-paddleocr/
github.io link https://myencyclopedia.github.io/zh/2022/docker-paddleocr/

You need to set install_url to use ShareThis. Please set it in _config.yml.

评论

You forgot to set the shortname for Disqus. Please set it in _config.yml.
Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×