PaddleOCR代码解读

可以通过项目中的tools/infer_det.py直接在文字检测模型的 训练模型 上进行推理。

预处理算子 相关参数在Eval.dataset.transforms下。
文字检测模型在推理时，预处理共包含5个算子：
DecodeImage
DetResizeForTest
NormalizeImage
ToCHWImage
KeepKeys

预处理算子类的定义在ppocr/data/imaug/operators.py中

DecodeImage
直接使用openCV的imdecode()方法进行解码，解码后的图像颜色格式为BGR，矩阵维度按 HWC 顺序排列。
随后根据img_mode的参数值，将图像转换成灰度图、RGB格式或保持BGR格式不变；根据channel_first参数决定是否将channel变换到第一个维度 CHW。

DetResizeForTest
默认self.resize_type为0
在使用 训练模型 进行快速推理时，配置参数为image_shape: [736, 1280]，此时对象中的数据成员self.resize_type的值应该为1。

当self.resize_type为0时，将把图片宽高等比例缩放成均在参数限制内的、32的整数倍。
当self.resize_type为1时，直接调用了openCV的resize()方法进行缩放。
当self.resize_type为2时，首先是从图片宽高中找出最长边，计算缩放比例，然后保持图片的宽高比不变进行缩放。

NormalizeImage
这里使用的图像归一化是常见的方法，先乘上scale进行线性变换，再减去对应通道的平均值，最后除以对应通道的标准差。

ToCHWImage
将图像矩阵维度变换为 CHW

KeepKeys
将data从dict类型，变成了list。

batch = transform(data, ops)
经过上面的一系列处理，transform()方法返回了一个list结果batch。
batch中的第一个元素为图像矩阵，颜色格式为BGR，维度顺序依次为CHW ；
batch中的第二个元素为图像缩放数据的1X4矩阵，分别为：原始高、原始宽、高度缩放比例和宽度缩放比例。

实际部署推理时，文字检测模型运行的是项目下tools/infer/predict_det.py这个脚本（推理模型）
DetResizeForTest的参数为None，采用了和上文预处理中不同的缩放方法
https://blog.csdn.net/dzdvdzd/article/details/115616493