文章目录

    • 引言
    • 功能列表
    • OCR部分
      • ① 安装框架
      • ② 安装 PaddleOCR
      • ③ 测试安装是否成功
      • ④ 在python中调用
    • 界面部分
      • 1. 界面布局设计
      • 2. 利用 pyuic 自动生成界面代码
      • 3. 编写界面业务类
      • 4. 实现界面业务逻辑
      • 5. 运行看看效果
    • 软件代码
    • 参考链接

引言

最近在技术交流群里聊到一个关于图像文字识别的需求，在工作、生活中常常会用到，比如票据、漫画、扫描件、照片的文本提取。

博主基于 PyQt + labelme + PaddleOCR 写了一个桌面端的OCR工具，用于快速实现图片中文本区域自动检测+文本自动识别。

识别效果如下图所示：

所有框选区域为OCR算法自动检测，右侧列表有每个框对应的文字内容；
点击右侧“识别结果”中的文本记录，然后点击“复制到剪贴板”即可复制该文本内容。

功能列表

  • 文本区域检测+文字识别
  • 文本区域可视化
  • 文字内容列表
  • 图像、文件夹加载
  • 图像滚轮缩放查看
  • 绘制区域、编辑区域
  • 复制所选文本识别结果

OCR部分

图像文字检测+文字识别算法，主要借助 paddleocr 实现。

创建或者选择一个虚拟环境，安装需要用到的第三方库。

conda create -n ocrconda activate ocr

① 安装框架

如果你没有NVIDIA GPU，或GPU不支持CUDA，可以安装CPU版本：

# CPU版本pip install paddlepaddle==2.1.0 -i https://mirror.baidu.com/pypi/simple

如果你的GPU安装过CUDA9或CUDA10，cuDNN 7.6+，可以选择下面这个GPU版本：

# GPU版本python3 -m pip install paddlepaddle-gpu==2.1.0 -i https://mirror.baidu.com/pypi/simple

② 安装 PaddleOCR

安装paddleocr：

pip install "paddleocr>=2.0.1" # 推荐使用2.0.1+版本

版面分析，需要安装 Layout-Parser：

pip3 install -U https://paddleocr.bj.bcebos.com/whl/layoutparser-0.0.0-py3-none-any.whl

③ 测试安装是否成功

安装完成后，测试一张图片--image_dir ./imgs/11.jpg，采用中英文检测+方向分类器+识别全流程：

paddleocr --image_dir ./imgs/11.jpg --use_angle_cls true --use_gpu false

输出一个list：

④ 在python中调用

from paddleocr import PaddleOCR, draw_ocr# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换# 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 memoryimg_path = './imgs/11.jpg'result = ocr.ocr(img_path, cls=True)for line in result:    print(line)

输出结果是一个list，每个item包含了文本框，文字和识别置信度：

[[[24.0, 36.0], [304.0, 34.0], [304.0, 72.0], [24.0, 74.0]], [‘纯臻营养护发素’, 0.964739]]
[[[24.0, 80.0], [172.0, 80.0], [172.0, 104.0], [24.0, 104.0]], [‘产品信息/参数’, 0.98069626]]
[[[24.0, 109.0], [333.0, 109.0], [333.0, 136.0], [24.0, 136.0]], [’（45元/每公斤，100公斤起订）’, 0.9676722]]
…

界面部分

界面部分基于 pyqt5 实现。

pyqt GUI程序开发入门和环境配置，详见这篇博客。

主要步骤：

1. 界面布局设计

在QtDesigner中拖拽控件，完成程序界面布局，并保存*.ui文件。

2. 利用 pyuic 自动生成界面代码

在 pycharm 的项目文件结构中找到*.ui文件，右键——External Tools——pyuic，会在ui文件同级目录下自动生成界面 ui 的 python 代码。

3. 编写界面业务类

业务类 MainWindow 实现程序逻辑和算法功能，与前面第2步生成的ui实现解耦，避免每次修改ui文件会影响业务代码。ui界面上的控件可以通过self._ui.xxxObjectName 访问。

class MainWindow(QMainWindow):FIT_WINDOW, FIT_WIDTH, MANUAL_ZOOM = 0, 1, 2def __init__(self):super().__init__()  # 调用父类构造函数，创建QWidget窗体self._ui = Ui_MainWindow()  # 创建ui对象self._ui.setupUi(self)  # 构造uiself.setWindowTitle(__appname__)# 加载默认配置config = get_config()self._config = config   # 单选按钮组        self.checkBtnGroup = QButtonGroup(self)        self.checkBtnGroup.addButton(self._ui.checkBox_ocr)        self.checkBtnGroup.addButton(self._ui.checkBox_det)        self.checkBtnGroup.addButton(self._ui.checkBox_recog)        self.checkBtnGroup.addButton(self._ui.checkBox_layoutparser)        self.checkBtnGroup.setExclusive(True)

4. 实现界面业务逻辑

对主界面上的按钮、列表、绘图控件进行信号槽连接。自定义的槽函数不用专门声明，如果是自定义的信号，需要在类__init__()前加上 yourSignal= pyqtSignal(args)。

这里以按钮响应函数、列表响应函数为例。按钮点击的信号是 clicked，listWidget列表切换选择的信号是 itemSelectionChanged 。

# 按钮响应函数self._ui.btnOpenImg.clicked.connect(self.openFile)self._ui.btnOpenDir.clicked.connect(self.openDirDialog)self._ui.btnNext.clicked.connect(self.openNextImg)self._ui.btnPrev.clicked.connect(self.openPrevImg)self._ui.btnStartProcess.clicked.connect(self.startProcess)self._ui.btnCopyAll.clicked.connect(self.copyToClipboard)self._ui.btnSaveAll.clicked.connect(self.saveToFile)self._ui.listWidgetResults.itemSelectionChanged.connect(self.onItemResultClicked)

5. 运行看看效果

运行 python main.py 即可启动GUI程序。

打开图片→选择语言模型ch（中文）→选择文本检测+识别→点击开始，检测完的文本区域会自动画框，并在右侧识别结果——文本Tab页的列表中显示。

所有检测出文本的区域列表，在识别结果——区域Tab页：

软件代码

由于时间有限，软件细节功能还需进一步完善。

代码已开源到 gitee 上，欢迎感兴趣的朋友提pull request，共同修改完善。

https://gitee.com/signal926/ocr-gui-demo

参考链接

  • 画框、区域列表：labelme

  • icons：material-design-icons

  • https://gitee.com/paddlepaddle/PaddleOCR/blob/release/2.3/doc/doc_ch/quickstart.md

  • https://blog.csdn.net/Bit_Coders/article/details/119304488

如果本文对你有帮助的话，欢迎点赞、收藏~