PaddleOCR 实战：Python 快速实现图片文字识别与部署

注意：draw_ocr 函数需要传入中文字体路径（如 simfang.ttf），否则可视化图中的中文会显示为乱码。你可以在 Windows 的 C:\Windows\Fonts 下找到字体文件并复制到项目目录。

运行效果

运行脚本后，终端会输出识别到的文字和置信度。

进阶实战：参数调优与模型选择

在实际生产中，你可能需要调整参数以获得更好的效果。

切换服务器模型（高精度）

默认下载的是轻量级模型（Mobile）。如果你对精度要求极高且不在乎显存/耗时，可以指定 ocr_version：

# 使用 PP-OCRv4 server 模型
ocr = PaddleOCR(use_angle_cls=True, lang="ch", ocr_version='PP-OCRv4')

调整检测阈值

如果你发现有些模糊的字漏检了，或者误检了噪点，可以调整 det_db_thresh：

# 降低阈值可以检出更多模糊目标，但可能增加误检
result = ocr.ocr(img_path, cls=True, det_db_thresh=0.3)

极速部署：PaddleHub Serving

写好代码只是第一步，如何将其变成一个 API 服务供前端调用？我们可以使用 PaddleHub 快速部署。

安装 PaddleHub

pip install paddlehub 

启动服务

只需一行命令，即可启动一个 OCR 服务：

# 启动中文 OCR 服务模块 hub serving start -m ch_pp-ocrv3 -p 8866 

发送请求

启动后，可以通过 HTTP POST 请求调用：

import requests
import json
import cv2
import base64

def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tostring()).decode('utf8')

# 发送请求
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/ch_pp-ocrv3"
img = cv2_to_base64(cv2.imread('test_img.jpg'))
data = {'images': [img], 'text': 'true'}
r = requests.post(url=url, headers=headers, data=json.dumps(data))
print(r.json())

常见问题 (FAQ)

1. Q: 报错 OMP: Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

   • A: 在代码最开头加入以下环境变量设置：

   import os
   os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"
   

2. Q: 识别出的中文是乱码？

   • A: 请检查终端编码，或者在可视化时确认 font_path 指向了正确的中文字体文件。

3. Q: 第一次运行很慢？

   • A: 第一次运行 PaddleOCR() 时会自动下载模型权重文件（约 15MB），后续运行会直接加载本地缓存。

总结

PaddleOCR 是目前 Github 上最活跃的 OCR 项目之一。通过本文，我们完成了环境的快速搭建、使用 Python API 进行图片文字提取、结果的可视化绘制以及基于 PaddleHub 的 API 服务部署。

对于更复杂的场景（如手写体识别、自定义数据集微调训练），PaddleOCR 也提供了完善的文档支持。希望这篇实战指南能帮你打开 OCR 的大门！

参考资料：

• PaddleOCR Github: https://github.com/PaddlePaddle/PaddleOCR