探索PaddleOCR：从安装到实战应用指南
PaddleOCR 是一个基于百度飞桨（PaddlePaddle）深度学习框架的开源OCR工具包。它提供了一系列高效、准确的文字识别模型，旨在简化从图像中提取文本的过程，并且适用于多种语言。PaddleOCR的主要特点包括：
高精度：通过先进的深度学习技术，PaddleOCR能够实现非常高的文字识别精度，适合于对准确性有较高要求的应用场景。
超轻量级：为了适应不同设备和环境的需求，PaddleOCR提供了轻量化模型选项，在保持良好性能的同时减少计算资源消耗。
易用性：PaddleOCR设计时考虑到了用户的使用便捷性，提供简单直观的API接口以及详细的文档支持，使得即使是初学者也能快速上手。
多语言支持：除了中文外，PaddleOCR还支持英文以及其他多种语言的文字识别，满足国际化的应用场景需求。
丰富的功能：不仅限于基本的文字检测与识别，PaddleOCR还包括了角度矫正、版面分析等功能模块，可以处理更复杂的OCR任务。
持续更新与发展：作为活跃开发中的项目，PaddleOCR定期更新并引入最新的研究成果和技术改进，以不断提高其性能及适用范围。
社区支持：拥有活跃的开发者社区，用户可以通过论坛等方式交流经验、解决问题，同时也鼓励贡献代码共同推动项目进步。
应用场景广泛：无论是移动应用、桌面软件还是云端服务，PaddleOCR都能够很好地集成其中；此外，在证件识别、票据处理等领域也有着广泛应用
官方文档：PaddleOCR 文档 (paddlepaddle.github.io)
安装
PaddlePaddle
基于GPU的用户，首先使用如下命令查看cuda版本：
nvidia-smi进入paddlepaddle的安装网址：开始使用_飞桨-源于产业实践的开源深度学习平台 (paddlepaddle.org.cn)
找到属于自己的cuda版本（注意，并不需要完全等于网址的cuda版本，稍微低一点也是可以的。比如说，查到本机的cuda版本为12.6，但是该网址支持的cuda版本最高只有12.3，那么使用这个12.3版本的paddlepaddle也是可以的），直接用命令安装该库即可（以cuda12.3为例）：
pip install paddlepaddle-gpu==3.0.0b1 -i https://www.paddlepaddle.org.cn/packages/stable/cu123/如果是CPU的用户，则安装CPU版本的paddlepaddle即可（安装命令同样也是在网址上获取）：
pip install paddlepaddle==3.0.0b1 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/paddleocr
安装 paddleocr，推荐使用2.6版本
pip install paddleocr
pip install paddleocr>=2.6.0.3其他依赖包
安装 图像方向分类依赖包paddleclas（如不需要图像方向分类功能，可跳过）
pip install paddleclas
pip install paddleclas>=2.4.3其他可能用到的依赖包：
pip install premailer openpyxl fitz模型介绍
paddleocr包含以下主要的模型：
PP-OCR
PP-OCR是PaddleOCR自研的实用的超轻量OCR系统。在实现前沿算法的基础上，考虑精度与速度的平衡，进行模型瘦身和深度优化，使其尽可能满足产业落地需求。
PP-OCR是一个两阶段的OCR系统，其中文本检测算法选用DB，文本识别算法选用CRNN，并在检测和识别模块之间添加文本方向分类器，以应对不同方向的文本识别。
PP-OCR文档：概述 - PaddleOCR 文档 (paddlepaddle.github.io)
PP-Structure
PP-Structure是PaddleOCR团队自研的智能文档分析系统，旨在帮助开发者更好的完成版面分析、表格识别等文档理解相关任务。
PP-StructureV2的主要特性如下：
支持对图片/pdf形式的文档进行版面分析，可以划分文字、标题、表格、图片、公式等区域；
支持通用的中英文表格检测任务；
支持表格区域进行结构化识别，最终结果输出Excel文件；
支持基于多模态的关键信息抽取(Key Information Extraction，KIE)任务-语义实体识别(Semantic Entity Recognition，SER)和关系抽取(Relation Extraction，RE)；
支持版面复原，即恢复为与原始图像布局一致的word或者pdf格式的文件；
支持自定义训练及python whl包调用等多种推理部署方式，简单易用；
与半自动数据标注工具PPOCRLabel打通，支持版面分析、表格识别、SER三种任务的标注。
PP-Structure文档：概述 - PaddleOCR 文档 (paddlepaddle.github.io)
PP-ChatOCR
官方开源文档暂未收录PP-ChatOCR的使用方法
总结
PP-OCR适合做普通的OCR识别，PP-Structure适合做表格识别和版面识别
PP-OCR
对于PP-OCR的使用，最基础的流程为引用paddleocr -> 初始化paddleocr类 -> 调用ocr函数
可以在命令行中输入paddleocr --help去查看或者进入如下网址查看paddleocr类中的参数：
paddleocr package使用说明 - PaddleOCR 文档 (paddlepaddle.github.io)
基础引入
from paddleocr import PaddleOCRQuickstart
image_path = "test.jpg"
# 初始化PaddleOCR
ocr = PaddleOCR(lang="ch", ocr_version="PP-OCRv4")
results = ocr.ocr(image_path) # 识别图片中的文字
print(results)在PaddleOCR 中，ocr_version参数指定的是PP-OCR的版本（这里指定的是PP-OCRv4）
lang指定的是扫描语言，具体支持的语言可以查看：多语言模型 - PaddleOCR 文档 (paddlepaddle.github.io)
文本检测与识别
PP-OCR的进行OCR扫描有两个步骤：
扫描图片，检测图片中的文本位置
识别文本是什么
这两个步骤，分别由执行识别ocr.ocr函数中的det和rec参数控制，在默认情况下会同时执行检测和识别，其结果是一个list，每个item包含文本框在图片中的位置和识别结果和识别置信度
[[[[[8.0, 7.0], [244.0, 7.0], [244.0, 33.0], [8.0, 33.0]], ('中国平安PINGAN', 0.993087887763977)], [[[15.0, 38.0], [107.0, 38.0], [107.0, 61.0], [15.0, 61.0]], ('
保险·银行·投资', 0.9485485553741455)], [[[404.0, 71.0], [831.0, 71.0], [831.0, 101.0], [404.0, 101.0]], ('中国平安财产保险股份有限公司', 0.9995205998420715)], [[[484.0, 121.0], [754.0, 121.0], [754.0, 144.0], [484.0, 144.0]], ('儿童综合医疗保险保险单', 0.9979095458984375)], [[[963.0, 163.0], [1195.0, 163.0], [1195.0, 182.0], [963.0, 182.0]], ('扫一扫，获取更多在线服务！', 0.9972683787345886)], ....假设只想执行检测（即只扫描图片中的文本位置，而不识别文本）：
image_path = "test.jpg"
# 初始化PaddleOCR
ocr = PaddleOCR(lang="ch", ocr_version="PP-OCRv4")
results = ocr.ocr(image_path, rec=False) # 识别图片中的文字
print(results)结果是一个list，每个item只包含文本框在图片中的位置
[[[[1013.0, 1216.0], [1212.0, 1216.0], [1212.0, 1235.0], [1013.0, 1235.0]], [[1040.0, 1187.0], [1186.0, 1187.0], [1186.0, 1210.0], [1040.0, 1210.0]], .....假设只想执行识别（即只扫描图片中的文本位置，而不识别文本）
image_path = "test.jpg"
# 初始化PaddleOCR
ocr = PaddleOCR(lang="ch", ocr_version="PP-OCRv4")
results = ocr.ocr(image_path, det=False) # 识别图片中的文字
print(results)结果是一个list，每个item只包含识别结果和识别置信度
[[('一', 0.07427263259887695)]]建议不要将两个功能单独拆开用，其识别结果似乎不太准，默认同时用识别准
提取结果并保存至图片中
在对图片进行扫描后，可以提取结果：
result = results[0] # 取出识别结果
# 在扫描结果中，result[0]是文字的坐标，result[1]是文字的内容和置信度
# 将它们分别提取出来
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]提取出坐标、文字和置信度后，使用from paddleocr import draw_ocr将其绘制在图片中
from PIL import Image
from paddleocr import draw_ocr
image = Image.open(image_path).convert('RGB') # 读取原图片
# 将它们绘制到图片上
img_ocr = draw_ocr(image, boxes, txts, scores)
im_show = Image.fromarray(img_ocr)
im_show.save('result.jpg') # 保存图片调整占用的GPU大小
在初始化PaddleOCR时，我们可以调整初始化该类所占用的GPU大小，从而达到加速检测速度或减少显卡压力的目的
设置gpu_mem 参数即可，传入一个数字用来指定占用的GPU大小，单位为MB
from paddleocr import PaddleOCR
image_path = "test.img"
ocr = PaddleOCR(show_log=True, lang="ch", use_gpu=True, gpu_mem=2048) # 执行GPU占用的大小为2048MB
results = ocr.ocr(image_path) # 识别图片中的文字
print(results)如果设置的GPU占用过大（超过GPU显存）时，会出现类似以下的错误警报：
E1009 21:19:06.519114 16068 analysis_predictor.cc:2137] Allocate too much memory for the GPU memory pool, assigned 8000 MB然后会自动降低GPU占用
所以请在设置的时候给出合适的数字