Windows端图片批量离线OCR文字识别程序。通过管道等多种方式输入图片路径，输出识别结果json字符串，方便别的程序调用。

示例：

v1.2.0 重构了整个项目，同步 PaddleOCR 2.6 (2022.8.24) cpu_avx_mkl ，提升性能、增加了亿些新功能和潜在的新BUG。遇到问题请提issue。

• 方便 ：解压即用，无需安装和配置环境，无需联网。引入api，两行代码调用OCR。（未提供api的语言，可参考本文档通过管道调用OCR）
• 高速 ：v1.2.0 比前代提速20%。默认启用mkldnn加速，字少的图片耗时在400ms以内，比在线OCR服务更快。
• 精准 ：v1.2.0 附带PPOCR-v3识别库，比前代对非常规字形（手写、艺术字、小字、杂乱背景等）具有更佳的识别率。

本程序的GUI形式：Umi-OCR 批量图片转文字工具

• 系统支持 Win10 x64 。

• 不建议使用 Win7 ，识别引擎很可能无法运行。如果想尝试，win7 x64 sp1 打满系统升级补丁+安装vc运行库后有小概率能跑起来。

• CPU必须具有AVX指令集。常见的家用CPU一般都满足该条件。

  AVX	支持的产品系列	不支持	存疑
  Intel	酷睿Core，至强Xeon	凌动Atom，安腾Itanium	赛扬Celeron，奔腾Pentium
  AMD	推土机架构及之后的产品，如锐龙Ryzen、速龙Athlon、FX 等	K10架构及之前的产品

下载 PaddleOCR-json v1.2.0 并解压，即可。

通过api调用时，已处理好gbk/utf-8转码和json反序列化等工作。调用方只管传入图片路径、接收返回字典。

将 PPOCR_api.py 引入你的项目。

from PPOCR_api import PPOCR

# 初始化识别器对象，传入 PaddleOCR_json.exe 的路径
ocr = PPOCR('D:\…………\PaddleOCR-json\PaddleOCR_json.exe')

# 识别图片，传入图片路径
while True:
    imgPath = input('请输入图片路径，退出直接回车：')
    if imgPath:
        getObj = ocr.run(imgPath)
        print(f'图片识别完毕，状态码：{getObj["code"]} 结果：\n{getObj["data"]}\n')
    else:
        break

del ocr  # 销毁识别器对象，结束子进程。
print('程序结束。')

将 PPOCR_api.ps1 引入你的项目。

Import-Module -Force D:\…………\PPOCR_api.ps1

# 初始化识别器对象，传入 PaddleOCR_json.exe 的路径
$ocr = [PPOCR]::new("D:\…………\PaddleOCR-json\PaddleOCR_json.exe")

# 识别图片，传入图片路径
while (1) {
    $imgPath = read-host "请输入图片路径，退出直接回车" 
    if ($imgPath) {
        $getObj = $ocr.run($imgPath)
        Write-Host "图片识别完毕，状态码：$($getObj.'code') 结果：`n$($getObj.'data')`n"
    }
    else {
        break
    }
}

$ocr.del()  # 结束子进程。
Write-Host "程序结束。"

待补充……

PaddleOcr_json.exe 将把图片转文字识别信息以json格式字符串的形式打印到控制台。根含两个元素：状态码code和内容data。在设置了热更新的回合，还会含有额外元素：参数更新日志hotUpdate。

状态码code为整数，每种状态码对应一种情况：

• 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。
• 例：

    {"code":100,"data":[{"box":[24,27,234,27,234,53,24,53],"score":0.9904433488845825,"text":"飞舞的因果交流"}]}
  

• data为字符串：No text found in image. Path:"{图片路径}"
• 这是正常现象，识别没有文字的空白图片时会出现这种结果。
• 例：

  {"code":101,"data":"No text found in image. Path:\"D:\\blank.png\""}
  

• data为字符串：Image path not exist. Path:"{图片路径}".
• 此时请检查图片路径是否正确。通过控制台或管道传入中文路径时，务必编码为gbk或使用ascii转义的json字符串。程序无法识别直接输入的utf-8字符。

• data为字符串：Image read failed. Path:"{图片路径}".
• 此时请检查图片格式是否符合opencv支持；或图片本身是否已损坏。

• data为字符串：JSON dump failed. Coding error.
• 此问题基本上是由于管道输入了utf-8字符引起。

• hotUpdate 元素仅在设置了热更新的回合出现，与识别码code没有关联。其内容为记录热更新日志的字符串。
• 例：

  {"code":200,"data":"Image path not exist. Path:\"\"","hotUpdate":"det_model_dir set to ch_PP-OCRv2_det_infer. limit_side_len set to 961. rec_img_h set to 32. "}
  

简单介绍一下调用程序识别图片的三种方式。

1. 打开命令提示符cmd，跳转到本程序目录下。

   cd /d D:\……\PaddleOCR-json
   

2. 启动 PaddleOCR_json ，并通过-image_dir参数传入一张图片的路径。
   • 支持中文和空格路径。建议加双引号将路径字符串裹起来。

   PaddleOCR_json -image_dir="测试图片/test 1.jpg"
   

3. 程序初始化，输出一大串日志信息；然后识别该图片，打印json字符串。随后自动结束任务并退出程序。

1. 双击打开 PaddleOCR_json.exe 。控制台会打印一大串日志信息，最后显示以下两行，表示OCR初始化完毕，可进行批量识图操作。

   Active code page: 65001
   OCR init completed.
   

2. 直接在控制台输入图片路径，回车。一段时间后显示识别json内容。

   D:/test images/test 1.jpg
   

3. 识别完后程序不会退出，可以继续输入路径识别新的图片。
   • 支持带空格的路径，无需引号。
   • 此时仅支持手动输入纯英文(ascii字符)的路径。不过，调用方将含中文路径编码为gbk字符串再输入管道也可以让本程序识别。

1. 同方式2，打开 PaddleOCR_json.exe ，等待初始化完成。
2. 在控制台输入json字符串 {"image_dir":"图片路径"}。
   • 当路径含中文(非ascii字符)时，必须经过ascii转义，即将文字转换成\uxxxx的字符串。这样可以规避gbk编码问题。

   {"image_dir": "\u6D4B\u8BD5\u56FE\u7247\\test 1.jpg"}
   

3. 一段时间后显示识别json内容。同方式2，可以继续识别下一张。

用别的程序调用本程序，核心问题是进程间通信。

• Window下有三个标准io管道：标准输入stdin，标准输出stdout，标准错误输出stderr。调用方至少要重定向本程序stdin和stdout。此外，还要指定工作目录cwd（即PaddleOCR_json.exe所在的目录）。以python为例：

  ret = subprocess.Popen(
      "程序目录\\PaddleOCR_json.exe", cwd="程序目录",
      stdout=subprocess.PIPE, stdin=subprocess.PIPE,  )

• 本程序启动时，第三方链接库会打印大量日志信息。不过绝大多数日志输出在 stderr 流，可以不去管它。

• 程序在 stdout 输出 OCR init completed. 标志着初始化完成。调用方应该先循环读取直到读到完成标志，再进入正式工作。以python为例：

  while "OCR init completed." not in str(ret.stdout.readline()):
      if not self.ret.poll() == None:  # 子进程不在运行
          raise Exception(f'子进程已结束，OCR初始化失败')

• 程序有四种方式输入图片路径，分别是 ①管道直接输入路径；②管道输入json；③启动参数；④写在配置文件中。

• 其中③和④并不实用，关注①和②即可。因为③和④是一次性的手段，程序识别完第一张图片后自动退出。每次启动程序会消耗初始化和暖机的时间。批量识别多张图片时，重复启动，将造成极大的浪费开销。

import subprocess
import json
import os

imgPath = "E:\\test2.jpg\n"  # 待检测图片路径，支持中文和空格，结尾必须有换行符。
exePath = r"E:\…………\PaddleOCR_json.exe"

# 打开管道，启动识别器程序
ret = subprocess.Popen(
    exePath,
    cwd=os.path.abspath(os.path.join(exePath, os.pardir)),
    stdout=subprocess.PIPE,
    stdin=subprocess.PIPE,
)
# 过滤初始化语句
while "OCR init completed." not in str(ret.stdout.readline()):
    if not self.ret.poll() == None:  # 子进程不在运行
        raise Exception(f'子进程已结束，OCR初始化失败')

# ↓↓ 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 = 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)
# ↑↑ 可重复进行，批量识别图片。
ret.kill()  # 调用方结束识别器进程

import subprocess
import json
import os

imgPath = "D:\图片\Screenshots\测试图片\幸运草 (2).png"  # 待检测图片路径，支持中文和空格，结尾无换行符。
exePath = r"C:\MyCode\CppCode\PaddleOCR\cpp_infer\build\Release\PaddleOCR_json.exe"

# 打开管道，启动识别器程序
ret = subprocess.Popen(
    exePath,
    cwd=os.path.abspath(os.path.join(exePath, os.pardir)),
    stdout=subprocess.PIPE,
    stdin=subprocess.PIPE,
)
# 过滤初始化语句
while "OCR init completed." not in str(ret.stdout.readline()):
    if not self.ret.poll() == None:  # 子进程不在运行
        raise Exception(f'子进程已结束，OCR初始化失败')
# ↓↓ 发送图片路径，获取识别结果
imgObj = {"image_dir": imgPath}
#                    开启ascii转义，关闭缩进。最后加个换行符。
imgStr = json.dumps(imgObj, ensure_ascii=True, indent=None)+"\n"
ret.stdin.write(imgStr.encode())  # 无需指定哪种编码，因为ascii字符都一样
ret.stdin.flush()  # 发送
getStr = 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)
# ↑↑ 可重复进行，批量识别图片。
ret.kill()  # 调用方结束识别器进程

配置信息规定OCR的各项属性和识别模型库的路径，可通过多种方式注入程序。正常情况下，使用默认值即可。若您对PPOCR有足够了解并想修改参数以适应自己的任务需求，请参考本节。

// 数据类型 (键名称, 默认值, 说明)
// common args
DEFINE_bool(use_gpu, false, "Infering with GPU or CPU."); // 无效，GPU不可用
DEFINE_bool(use_tensorrt, false, "Whether use tensorrt."); // 无效，GPU不可用
DEFINE_int32(gpu_id, 0, "Device id of GPU to execute."); // 无效，GPU不可用
DEFINE_int32(gpu_mem, 4000, "GPU id when infering with GPU."); // 无效，GPU不可用
DEFINE_int32(cpu_threads, 10, "Num of threads with CPU.");
DEFINE_bool(enable_mkldnn, true, "Whether use mkldnn with CPU.");
DEFINE_string(precision, "fp32", "Precision be one of fp32/fp16/int8");
DEFINE_bool(benchmark, false, "Whether use benchmark.");
DEFINE_string(output, "./output/", "Save benchmark log path.");
DEFINE_string(image_dir, "", "Dir of input image.");
DEFINE_string(type, "ocr","Perform ocr or structure, the value is selected in ['ocr','structure']."); // 无效，表格识别不可用
// detection related
DEFINE_string(det_model_dir, "", "Path of det inference model.");
DEFINE_string(limit_type, "max", "limit_type of input image.");
DEFINE_int32(limit_side_len, 960, "limit_side_len of input image.");
DEFINE_double(det_db_thresh, 0.3, "Threshold of det_db_thresh.");
DEFINE_double(det_db_box_thresh, 0.6, "Threshold of det_db_box_thresh.");
DEFINE_double(det_db_unclip_ratio, 1.5, "Threshold of det_db_unclip_ratio.");
DEFINE_bool(use_dilation, false, "Whether use the dilation on output map.");
DEFINE_string(det_db_score_mode, "slow", "Whether use polygon score.");
DEFINE_bool(visualize, false, "Whether show the detection results.");
// classification related
DEFINE_bool(use_angle_cls, false, "Whether use use_angle_cls.");
DEFINE_string(cls_model_dir, "", "Path of cls inference model.");
DEFINE_double(cls_thresh, 0.9, "Threshold of cls_thresh.");
DEFINE_int32(cls_batch_num, 1, "cls_batch_num.");
// recognition related
DEFINE_string(rec_model_dir, "", "Path of rec inference model.");
DEFINE_int32(rec_batch_num, 6, "rec_batch_num.");
DEFINE_string(rec_char_dict_path, "", "Path of dictionary.");
DEFINE_int32(rec_img_h, 48, "rec image height");
DEFINE_int32(rec_img_w, 320, "rec image width");

// structure model related 无效，表格识别不可用
DEFINE_string(table_model_dir, "", "Path of table struture inference model.");
DEFINE_int32(table_max_len, 488, "max len size of input image.");
DEFINE_int32(table_batch_num, 1, "table_batch_num.");
DEFINE_string(table_char_dict_path, "", "Path of dictionary.");

// ocr forward related
DEFINE_bool(det, true, "Whether use det in forward.");
DEFINE_bool(rec, true, "Whether use rec in forward.");
DEFINE_bool(cls, false, "Whether use cls in forward.");
DEFINE_bool(table, false, "Whether use table structure in forward."); // 无效，表格识别不可用

// 配置文件路径 
DEFINE_string(config_path,"","Path of config txt.");

// 输出json字符串转ascii编码 
DEFINE_bool(ensure_ascii, false, "Whether characters in the output are escaped with sequences to ASCII.");

// 退出前暂停程序 
DEFINE_bool(use_system_pause, true, "Whether system(\"pause\") before exit");

👆当你需要修改本项目代码时欢迎参考。

本项目中使用了 nlohmann/json ：

“JSON for Modern C++”

感谢 PaddlePaddle/PaddleOCR ，没有它就没有本项目：

“Awesome multilingual OCR toolkits based on PaddlePaddle”

• 修复了一些BUG。
• 增强了面对不合法编码时的健壮性。
• 默认开启mkldnn加速。
• 新功能：json输入及热更新。

• 重构整个工程，核心代码同步PaddleOCR 2.6。
• 对v3版识别库的支持更好。
• 新功能：启动参数。
• 新功能：ascii转义。（感谢 @AutumnSun1996 的提议 issue #4 ）

• 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。