v1.1.1

图片批量离线OCR文字识别程序。输入图片路径，输出识别结果json字符串，方便别的程序调用。

本程序的GUI形式：Umi-OCR 批量图片转文字工具

下载 PaddleOCR-json v1.1.1 并解压，即可。

直接打开PaddleOcr_json.exe。输入图片路径，回车。

• 任务成功时，输出图片识别信息json字符串。格式见下。
• 任务失败时，输出错误信息json字符串。
• 输出一条信息后，可继续接收路径输入；程序是死循环。
• 支持输入带空格的路径。
• 命令行模式下仅支持英文路径。

程序接受gbk编码输入，而输出是utf-8。因此，命令行模式下，无法识别输入的非英文字符。

示例：

• 通过管道与识别器程序交互。
• 支持中文路径：将含中文字符串编码为gbk输入管道，即可被正确识别。
• 输入内容必须以换行符结尾。

import subprocess
import json

imgPath = "测试文件夹\\测试图片.png\n" # 待检测图片路径，支持中文和空格，结尾必须有换行符。

# 打开管道，启动识别器程序
ret = subprocess.Popen(  
    exePath,
    stdout=subprocess.PIPE,
    stdin=subprocess.PIPE,
)
ret.stdout.readline()  # 读掉第一行

# 发送图片路径，获取识别结果
ret.stdin.write(imgPath.encode("gbk")) # 编码gbk
ret.stdin.flush() # 发送
getStr = self.ret.stdout.readline().decode('utf-8', errors='ignore') # 获取结果，解码utf-8
getObj = json.loads(getStr) # 反序列化json
print("识别结果为：",getObj)
ret.kill()

PaddleOCR-demo.py

PaddleOCR-demo-powershell.ps1

PaddleOcr_json.exe 将把识别信息以json格式字符串的形式打印到控制台。根含且只含两个元素：状态码code和内容data。状态码code为整数，每种状态码对应一种data形式：

• data内容为数组。数组每一项为字典，含三个元素：
  • text ：文本内容，字符串。
  • box ：文本包围盒，长度为8的数组，分别为左上角xy、右上角xy、右下角xy、左下角xy。整数。
  • score ：识别置信度，浮点数。

• data为字符串：No text found in image.

• data为字符串：Failed to load image form file "{图片路径}".

需要下载和简单修改配置文件。以法文为例：

1. 前往 PP-OCR系列 多语言识别模型列表 下载对应的 推理模型french_mobile_v2.0_rec_infer.tar 和 字典文件french_dict.txt。
2. 在PaddleOCR-json目录下创建文件夹rec_fr，将解压后的三个模型文件放进去。字典文件可直接放在目录下。
3. 复制一份识别器PaddleOCR_json.exe，命名为PaddleOCR_json_fr.exe
4. 复制一份配置单PaddleOCR_json_config.txt，命名为PaddleOCR_json_fr_config.txt
5. 打开配置单PaddleOCR_json_fr_config.txt，将# rec config相关的两个配置项改为：

   # rec config
   rec_model_dir  rec_fr
   char_list_file french_dict.txt

本程序兼容v2和v3版本模型库，但个人实测v3的效果不稳定，v2在速度和精确性上均占优。（见issue #4）（推测，可能是本项目对v3模型的优化不够好；未来将尝试解决这个问题。）

1. 下载模型

• 前往PaddleOCR下载一组推理模型（非训练模型）。中英文超轻量PP-OCRv2模型 体积小、速度快，中英文通用PP-OCR server模型 体积大、精度高。一般来说，轻量模型的精度已经非常不错，无需使用标准模型。

2. 放置模型

• 将下载下来的方向分类器（如ch_ppocr_mobile_v2.0_cls_infer.tar）、检测模型（如ch_PP-OCRv2_det_infer.tar）、识别模型（如ch_PP-OCRv2_rec_infer.tar）解压，将文件分别放到对应文件夹 cls、det、rec。

3. 调整配置

• 仿照修改语言的方法，复制一份PaddleOcr_json.exe及其配置单[exe名称]_config.txt，修改其中的路径参数。打开exe，若无报错，则模型文件已正确加载。“Active code page: 65001”是正常现象。
• 配置单中，可设置更多OCR识别参数等。调整它也许能获得更高的识别精度和效率。具体参考官方文档配置文件内容与生成、更多支持的可调节参数解释。
• 注意，如果修改了exe名称，也需要同步修改配置文件名的前缀。

• 为了提高速度，PaddleOCR预先将长度超标的图片进行压缩，再执行文字识别。这可能导致超大分辨率（4k以上）图片的识别准确度下降，比如漏掉小字。调整启用压缩阈值可改善该问题，方法见issue #5。注意，减少压缩可能导致识别耗时大幅增加。

1. 下载并编译飞桨PaddleOCR C++预测库，可参考 官方 VS2019 & CMake 编译指南 或 这篇教程 或 。注意PaddleOCR c++源码必须使用 v2.1.1版本 。
2. 将本项目src、include目录中的文件替换进去。

• 为何通过控制台传入图片路径而不是通过启动参数传递？因为本程序初始化时要载入不少模型库文件，若每次启动程序只识别一张图片，则批量处理会多出额外的初始化开销。所以采用了一次初始化，后续多次传入路径的设计。
• 理论上，程序对于传入的异常文件会有处理，返回错误码200；不影响后续工作。（异常文件指：不存在的路径，opencv不支持的图片格式，已损坏的图片。） 但使用中，若通过管道传入的gbk编码含中文路径若存在异常（如测试文件夹\\已损坏的图片.png），大多数情况下能处理，有小概率进程直接挂掉。如果是纯英文路径（如test\\damaged image.png），则貌似没有这个问题。目前尚未清楚原因，目测跟opencv的imread()有关。 当然，含中文路径不存在异常时，不会出现以上bug。 建议，如果已知要处理的图片 有出现异常的风险，则调用OCR前先判断一下。
• 我使用VS2019编写这个项目。代码中所有以中文结尾的注释，必须多加一个空格；否则它会吞掉行尾换行符导致编译器把下一行也当成注释。编辑器并不会提示这个错误，编译的时候才会不通过。

本项目中使用了 configor ：

“一个为 C++11 量身打造的轻量级 config 库，轻松完成 JSON 解析和序列化功能，并和 C++ 输入输出流交互。”

• 修正了漏洞：当文本检测识别到区域但文本识别未在区域中检测到文字时，可能输出不相符的包围盒。

• 修改了json输出格式，改为状态码+内容，便于调用方判断。