Skip to content

Latest commit

 

History

History
 
 

python

Folders and files

NameName
Last commit message
Last commit date

parent directory

..

tbpu

tbpu

 
 

PPOCR_api.py

PPOCR_api.py

 
 

PPOCR_visualize.py

PPOCR_visualize.py

 
 

README.md

README.md

 
 

demo1.py

demo1.py

 
 

demo2.py

demo2.py

 
 

demo3.py

demo3.py

 
 

README.md

Python API 拥有三大模块：

  • 基础OCR接口
  • 结果可视化模块，将OCR结果绘制到图像上并展示或保存。
  • 文本后处理模块，支持段落合并、竖排文本整理等功能。

基础OCR接口

导入

from PPOCR_api import PPOCR

初始化

初始化识别器对象，传入 PaddleOCR_json.exe 的路径

ocr = PPOCR(r'…………\PaddleOCR_json.exe')

支持传入启动参数

argument = {'limit_side_len': 3500}
ocr = PPOCR(r'…………\PaddleOCR_json.exe' ,argument)

识别图片，传入图片路径

testImg = r'………\测试.png'
getObj = ocr.run(testImg)

if getObj["code"] == 100:      # 成功
    print(getObj["data"])
elif getObj["code"] == 101:    # 成功，但无文字
    print('图片中为找到文字')
else:                          # 失败
    print(f'识别失败，状态码{getObj["code"]}')
    print(f'异常信息{getObj["data"]}')

热更新参数

可以跟识别图片放在一起：

testImg = r'………\长截图.png'
# 调高压缩阈限，增加对长图的识别率
updateDict = {'limit_side_len': 3500}
getObj = ocr.run(testImg, updateDict)

print(f'热更新日志：{getObj["hotUpdate"]}')

也可以单独执行：

# 调回正常的压缩阈值960，以免影响后续正常图片的识别速度
ocr.run('', argument={'limit_side_len': 960})

剪贴板识别功能

剪贴板中可以是位图（截图、网页复制），也可以是单个文件句柄（文件管理器中复制）。

getObj = ocr.runClipboard()

使用示例详见 demo1.py

结果可视化

纯Python实现，不依赖PPOCR引擎的C++ opencv可视化模块，避免中文兼容性问题。

导入

from PPOCR_visualize import visualize

需要PIL图像处理库：pip install pillow

获取文本块

首先得成功执行一次OCR，获取文本块列表（即['data']部分）

getObj = ocr.run(testImg)
if not getObj["code"] == 100:
    print('识别失败！！')
    exit()
textBlocks = getObj["data"]  # 提取文本块数据

简单展示结果

只需一行代码，传入文本块和原图片的路径

visualize(textBlocks, testImg).show()

此时程序阻塞，直到关闭图片浏览窗口才继续往下走。

图片保存到本地

visualize(textBlocks, testImg).save('可视化结果.png')

获取PIL Image对象

vis = visualize(textBlocks, testImg)
img = vis.get()

调整显示图层

以上show,save,get三个接口，均能开启或禁用指定图层：

  • isBox T时启用包围盒图层。
  • isText T时启用文字图层。
  • isOrder T时启用序号图层。
  • isSource T时启用原图。F禁用原图，即得到透明背景的纯可视化结果。

左右对比

传入两个PIL Image对象，返回它们左右拼接而成的新Image

img_12 = visualize.createContrast(img1, img2)

调整显示效果（颜色、粗细、字体等）

导入PIL库，以便操作图片对象

from PIL import Image

接口创建各个图层，传入文本块、要生成的图层大小、自定义参数，然后将各个图层合并

颜色有关的参数，均可传入6位RGB十六进制码（如#112233）或8位RGBA码（最后两位控制透明度，如#11223344）

# 创建各图层
img = Image.open(testImg).convert('RGBA')  # 原始图片背景图层
imgBox = visualize.createBox(textBlocks, img.size,  # 包围盒图层
                             outline='#ccaa99aa', width=10)
imgText = visualize.createText(textBlocks, img.size,  # 文本图层
                               fill='#44556699')
# 合并各图层
img = visualize.composite(img, imgBox)
img = visualize.composite(img, imgText)
img.show() # 显示

使用示例详见 demo2.py

文本后处理 tbpu

tbpu : text block processing unit

由 Umi-OCR 下放的技术。

OCR返回的结果中，一项包含文字、包围盒、置信度的元素，称为一个“文本块” - text block 。

文块不一定是完整的一句话或一个段落。反之，一般是零散的文字。一个OCR结果常由多个文块组成。文块后处理就是：将传入的多个文块进行处理，比如合并、排序、删除文块。

导入

import tbpu

方案列表

  • 优化单行: run_merge_line_h
  • 合并多行-左对齐: run_merge_line_h_m_left
  • 合并多行-自然段: run_merge_line_h_m_paragraph
  • 合并多行-模糊匹配: run_merge_line_h_m_fuzzy
  • 竖排-从左到右-单行: run_merge_line_v_lr
  • 竖排-从右至左-单行: run_merge_line_v_rl

使用

向接口传入文本块列表（即['data']部分），返回新的文本块列表。

# 执行文本块后处理：合并自然段
textBlocksNew = tbpu.run_merge_line_h_m_paragraph(textBlocks)

执行后，原列表 textBlocks 的结构可能被破坏，不要再使用原列表（或先深拷贝备份）。

可以串联使用，但目前这没什么意义。（除非你将Umi-OCR项目中的忽略区域模块分离出来，它跟段落合并串联使用相性良好。）

tb1 = tbpu.run_merge_line_h_m_paragraph(textBlocks)
tb2 = tbpu.merge_line_h_m_fuzzy(tb1)

跟结果可视化配合使用：

textBlocks = getObj["data"]  # 提取文本块数据

# OCR原始结果的可视化Image
img1 = visualize(textBlocks, testImg).get(isOrder=True)

# 执行文本块后处理：合并自然段
textBlocksNew = tbpu.run_merge_line_h_m_paragraph(textBlocks)

# 后处理结果的可视化Image
img2 = visualize(textBlocksNew, testImg).get(isOrder=True)

# 左右拼接图片并展示
visualize.createContrast(img1, img2).show()

对比.png

使用示例详见 demo3.py