paddleOCR 图片识别

PaddleOCR 中，det、rec、cls 分别代表 OCR 流水线中的三个关键模块。

1. det - 文本检测（Text Detection）

功能

• 定位：在图像中找出文本所在的位置

• 边界框：为每个文本区域生成边界框

• 文本行检测：检测文本行或单词的位置

from paddleocr import PaddleOCR
import cv2
import numpy as np

# 只使用检测模型
ocr_det = PaddleOCR(det=True, rec=False, cls=False, use_gpu=False)

def text_detection_only(image_path):
    """仅进行文本检测"""
    result = ocr_det.ocr(image_path, cls=False)
    
    # 可视化检测结果
    image = cv2.imread(image_path)
    
    if result is not None:
        for line in result:
            if line:
                for word_info in line:
                    # 获取检测框坐标
                    points = np.array(word_info[0], dtype=np.int32)
                    
                    # 绘制检测框（绿色）
                    cv2.polylines(image, [points], True, (0, 255, 0), 2)
    
    cv2.imshow('Detection Result', image)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# 使用示例
text_detection_only('test_image.jpg')

# 检测结果示例
[
    [[[10, 20], [100, 20], [100, 40], [10, 40]], 0.95],  # 边界框坐标 + 置信度
    [[[50, 60], [200, 60], [200, 80], [50, 80]], 0.92]
]

2. rec - 文本识别（Text Recognition）

功能

• 字符识别：识别检测到的文本区域中的具体文字内容

• 序列识别：将图像中的文本转换为字符串

• 多语言支持：支持中文、英文、日文等多种语言

# 只使用识别模型（需要先有检测框）
ocr_rec = PaddleOCR(det=False, rec=True, cls=False, use_gpu=False)

def text_recognition_only(image_path, bboxes):
    """仅进行文本识别（需要提供检测框）"""
    image = cv2.imread(image_path)
    recognition_results = []
    
    for bbox in bboxes:
        # 裁剪文本区域
        x_coords = [point[0] for point in bbox]
        y_coords = [point[1] for point in bbox]
        x_min, x_max = min(x_coords), max(x_coords)
        y_min, y_max = min(y_coords), max(y_coords)
        
        text_region = image[y_min:y_max, x_min:x_max]
        
        # 保存临时图片进行识别
        cv2.imwrite('temp_crop.jpg', text_region)
        
        # 识别文本
        result = ocr_rec.ocr('temp_crop.jpg', cls=False)
        if result and result[0]:
            text = result[0][0][1][0]
            confidence = result[0][0][1][1]
            recognition_results.append((text, confidence))
    
    return recognition_results

# 使用示例
bboxes = [
    [[10, 20], [100, 20], [100, 40], [10, 40]],  # 假设的检测框
    [[50, 60], [200, 60], [200, 80], [50, 80]]
]
results = text_recognition_only('test_image.jpg', bboxes)
for text, confidence in results:
    print(f"识别结果: {text}, 置信度: {confidence:.4f}")

3. cls - 方向分类（Text Orientation Classification）

功能

• 方向判断：判断文本是正向、反向、倒向还是侧向

• 自动校正：自动旋转文本到正确方向以提高识别准确率

• 多角度支持：支持0°、90°、180°、270°等方向

# 只使用方向分类模型
ocr_cls = PaddleOCR(det=False, rec=False, cls=True, use_gpu=False)

def orientation_classification_only(image_path):
    """仅进行方向分类"""
    result = ocr_cls.ocr(image_path, rec=False, det=False)
    
    if result is not None:
        for line in result:
            if line:
                for word_info in line:
                    # 方向分类结果
                    orientation = word_info[1][0]  # 0, 90, 180, 270
                    confidence = word_info[1][1]
                    
                    angle_map = {0: "0° (正向)", 90: "90° (顺时针)", 
                               180: "180° (倒向)", 270: "270° (逆时针)"}
                    
                    print(f"文本方向: {angle_map.get(orientation, '未知')}")
                    print(f"方向置信度: {confidence:.4f}")

# 使用示例
orientation_classification_only('rotated_text.jpg')

4. 完整的 OCR 流水线

def complete_ocr_pipeline(image_path):
    """
    完整的OCR处理流程：det → cls → rec
    """
    # 使用所有三个模块
    ocr = PaddleOCR(det=True, rec=True, cls=True, use_gpu=False)
    
    # 执行完整OCR
    result = ocr.ocr(image_path, cls=True)
    
    print("=== 完整OCR处理流程 ===")
    
    if result is not None:
        for page_num, page in enumerate(result):
            print(f"\n--- 第 {page_num + 1} 页 ---")
            
            for line_num, line in enumerate(page):
                if line:
                    print(f"\n文本行 {line_num + 1}:")
                    
                    for word_num, word_info in enumerate(line):
                        if len(word_info) >= 2:
                            # 检测结果
                            bbox = word_info[0]
                            text = word_info[1][0]
                            confidence = word_info[1][1]
                            
                            print(f"  单词 {word_num + 1}:")
                            print(f"    位置: {bbox}")
                            print(f"    文本: {text}")
                            print(f"    置信度: {confidence:.4f}")
    
    return result

# 使用示例
complete_result = complete_ocr_pipeline('document.jpg')

5.实际应用场景

def practical_applications():
    """
    不同场景下的模块选择建议
    """
    scenarios = {
        "文档扫描": "使用完整OCR (det+cls+rec) - 需要高精度",
        "实时视频文字识别": "使用检测+识别 (det+rec) - 需要速度快",
        "文字区域分析": "仅使用检测 (det) - 只需要位置信息",
        "已有定位的文字识别": "仅使用识别 (rec) - 已有检测框",
        "旋转文本处理": "使用分类+识别 (cls+rec) - 处理方向问题"
    }
    
    print("应用场景建议:")
    for scenario, recommendation in scenarios.items():
        print(f"  {scenario}: {recommendation}")

# 各模块的作用总结
def module_summary():
    """
    三模块功能总结
    """
    summary = {
        'det': {
            '功能': '文本检测',
            '输入': '原始图像',
            '输出': '文本边界框坐标',
            '用途': '找出图像中文本的位置',
            '类似功能': 'YOLO、Faster R-CNN等目标检测'
        },
        'rec': {
            '功能': '文本识别', 
            '输入': '裁剪的文本区域图像',
            '输出': '识别出的文本内容',
            '用途': '将图像文字转换为可读文本',
            '类似功能': 'CRNN、TRBA等文字识别模型'
        },
        'cls': {
            '功能': '方向分类',
            '输入': '文本区域图像', 
            '输出': '文本方向角度',
            '用途': '校正文本方向提高识别率',
            '类似功能': '图像分类模型'
        }
    }
    
    for module, info in summary.items():
        print(f"\n=== {module.upper()} 模块 ===")
        for key, value in info.items():
            print(f"  {key}: {value}")

# 使用示例
module_summary()
practical_applications()