C#如何使用PaddleOCR進行圖片文字識別功能

更新時間：2024年04月10日 09:07:11 作者：mingupupup

PaddlePaddle（飛槳）是百度開發(fā)的深度學習平臺，旨在為開發(fā)者提供全面、靈活的工具集，用于構(gòu)建、訓練和部署各種深度學習模型，它具有開放源代碼、高度靈活性、可擴展性和分布式訓練等特點，這篇文章主要介紹了C#使用PaddleOCR進行圖片文字識別,需要的朋友可以參考下

PaddlePaddle介紹

PaddlePaddle（飛槳）是百度開發(fā)的深度學習平臺，旨在為開發(fā)者提供全面、靈活的工具集，用于構(gòu)建、訓練和部署各種深度學習模型。它具有開放源代碼、高度靈活性、可擴展性和分布式訓練等特點。PaddlePaddle支持端到端的部署，可以將模型輕松應用于服務(wù)器、移動設(shè)備和邊緣設(shè)備。此外，PaddlePaddle擁有豐富的預訓練模型庫，涵蓋圖像分類、目標檢測、語義分割等常見任務(wù)。社區(qū)支持和生態(tài)系統(tǒng)完善，為開發(fā)者提供了豐富的教程、文檔和示例代碼，助力深度學習模型的開發(fā)和應用。

PaddleOCR介紹

PaddleOCR是基于飛槳（PaddlePaddle）深度學習框架開發(fā)的開源光學字符識別（OCR）工具。它提供了端到端的OCR解決方案，支持文本檢測、文本識別以及關(guān)鍵點檢測等功能。PaddleOCR具有高度靈活性和可擴展性，可以適應多種場景下的文本識別需求，包括身份證識別、車牌識別、表格識別等。通過預訓練的模型，PaddleOCR能夠?qū)崿F(xiàn)高精度的文本檢測和識別，同時支持多語言文本識別，包括中文、英文等。此外，PaddleOCR還提供了豐富的API接口和模型庫，方便開發(fā)者快速集成和部署OCR功能，助力各種應用場景下的文本識別任務(wù)。

PaddleSharp介紹

PaddleSharp是一個基于C#語言封裝的飛槳（PaddlePaddle）深度學習框架的庫。它為C#開發(fā)者提供了在熟悉的環(huán)境中利用飛槳強大功能的能力。PaddleSharp支持構(gòu)建、訓練和部署各種深度學習模型，包括圖像分類、目標檢測、語義分割等任務(wù)。該庫提供了豐富的功能和工具，包括模型構(gòu)建、預訓練模型加載、高性能計算支持等。通過PaddleSharp，開發(fā)者可以利用飛槳底層計算庫實現(xiàn)高性能的深度學習計算，有效地利用GPU或CPU資源。總體而言，PaddleSharp為C#開發(fā)者提供了一個便捷的工具，使他們能夠在C#環(huán)境中輕松應用飛槳的深度學習功能。

Winform界面設(shè)計

Winform界面設(shè)計如下：

就兩個按鈕一個富文本框一個PictureBox。

步驟

安裝對應的Nuget

進行圖片文字識別

使用的代碼也比較簡單：

FullOcrModel model = LocalFullModels.ChineseV3;
using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
{
    AllowRotateDetection = true, /* 允許識別有角度的文字 */
    Enable180Classification = false, /* 允許識別旋轉(zhuǎn)角度大于90度的文字 */
})
{
    // Load local file by following code:
    using (Mat src2 = Cv2.ImRead(selectedPicture))             
    {
        PaddleOcrResult result = all.Run(src2);
        richTextBox1.Text = result.Text;
    }
}

FullOcrModel model = LocalFullModels.ChineseV3;

這行代碼創(chuàng)建了一個FullOcrModel對象，該對象表示PaddleOCR的模型。LocalFullModels.ChineseV3是一個預訓練的模型，專門用于識別中文字符。

using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
{
    AllowRotateDetection = true, /* 允許識別有角度的文字 */
    Enable180Classification = false, /* 允許識別旋轉(zhuǎn)角度大于90度的文字 */
})

這段代碼創(chuàng)建了一個PaddleOcrAll對象，該對象用于運行OCR模型并獲取識別結(jié)果。PaddleDevice.Mkldnn()表示使用Intel的MKL-DNN庫來加速計算。
AllowRotateDetection = true表示允許識別有角度的文字，即使文字并不完全水平，也能被識別。
Enable180Classification = false表示不允許識別旋轉(zhuǎn)角度大于90度的文字，如果文字旋轉(zhuǎn)的角度過大，可能無法被正確識別。
using關(guān)鍵字用于確保PaddleOcrAll對象在不再需要時能被正確地釋放，避免內(nèi)存泄漏。

 using (Mat src2 = Cv2.ImRead(selectedPicture))

這行代碼使用OpenCV的ImRead函數(shù)讀取指定路徑的圖片文件，返回一個Mat對象，該對象是OpenCV用于表示圖像的類。selectedPicture是圖片文件的路徑。using關(guān)鍵字確保Mat對象在不再需要時能被正確地釋放，避免內(nèi)存泄漏。

PaddleOcrResult result = all.Run(src2);

這行代碼將讀取的圖片傳遞給PaddleOCR模型進行文字識別。all.Run(src2)會運行OCR模型并返回識別結(jié)果，結(jié)果被存儲在PaddleOcrResult對象中。

PaddleOcrResult是一個record，屬性有Regions與Text：

本示例的Regins如下所示：

本示例的Text如下所示：

本示例的效果如下圖所示：

本示例全部代碼：

using OpenCvSharp;
using Sdcb.PaddleInference;
using Sdcb.PaddleOCR.Models.Local;
using Sdcb.PaddleOCR.Models;
using Sdcb.PaddleOCR;
using System.Diagnostics;
namespace PaddleSharpDemo
{
    public partial class Form1 : Form
    {
        string selectedPicture;
        public Form1()
        {
            InitializeComponent();
        }
        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFileDialog = new OpenFileDialog();
            openFileDialog.Filter = "Image Files(*.BMP;*.JPG;*.GIF;*.PNG)|*.BMP;*.JPG;*.GIF;*.PNG|All files (*.*)|*.*";
            openFileDialog.FilterIndex = 1;
            openFileDialog.Multiselect = false;
            if (openFileDialog.ShowDialog() == DialogResult.OK)
            {
                selectedPicture = openFileDialog.FileName;
                MessageBox.Show($"您選中的圖片路徑為：{selectedPicture}");
                // 使用Image類加載圖片
                Image image = Image.FromFile(selectedPicture);
                // 讓PictureBox完全顯示圖片
                pictureBox1.SizeMode = PictureBoxSizeMode.Zoom;
                // 將圖片顯示在PictureBox中
                pictureBox1.Image = image;
            }
            else
            {
                MessageBox.Show("您本次沒有選擇任何圖片！?。?);
            }
        }
        private void button2_Click(object sender, EventArgs e)
        {
            FullOcrModel model = LocalFullModels.ChineseV3;
            using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
            {
                AllowRotateDetection = true, /* 允許識別有角度的文字 */
                Enable180Classification = false, /* 允許識別旋轉(zhuǎn)角度大于90度的文字 */
            })
            {
                // Load local file by following code:
                using (Mat src2 = Cv2.ImRead(selectedPicture))             
                {
                    PaddleOcrResult result = all.Run(src2);
                    richTextBox1.Text = result.Text;
                }
            }
        }
    }
}

PaddleOCR的命令行使用與Python腳本使用

我選擇PaddleSharp的原因是想在C#中應用中直接使用，如果你不熟悉C#，可以選擇在命令行或者Python腳本中使用PaddleOCR。

具體安裝過程官網(wǎng)上有教程，其他人也出了很多教程，我這里就不重復說了，就簡單演示一下命令行與Python腳本的使用。

命令行使用

命令：

paddleocr --image_dir ./封面.png --use_angle_cls true --use_gpu false

效果：

Python腳本使用

Python腳本如下所示：

from paddleocr import PaddleOCR, draw_ocr
# Paddleocr目前支持的多語言語種可以通過修改lang參數(shù)進行切換
# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`
ocr = PaddleOCR(use_angle_cls=True, lang="ch")  # need to run only once to download and load model into memory
img_path = 'D:\\桌面\\2024.04學習內(nèi)容\\封面.png'
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)
# 顯示結(jié)果
from PIL import Image
result = result[0]
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='./fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

效果如下所示：