# coding=utf-8
import paddlehub as hub
import matplotlib.pyplot as plt
import matplotlib.image as mpimg
# 待预测图片
# test_img_path = ["./1.jpg","./1.jpg.jpg", "./2.jpg", "./3.jpg", "./4.jpg"]
test_img_path = ["./2.jpg.jpg","./3.jpg.jpg","./4.jpg.jpg"]
# 展示其中广告信息图片
# img1 = mpimg.imread(test_img_path[0])
# plt.figure(figsize=(10,10))
# plt.imshow(img1)
# plt.axis('off')
# plt.show()
# 加载移动端预训练模型
# ocr = hub.Module(name="chinese_ocr_db_crnn_mobile")
# 服务端可以加载大模型,效果更好
ocr = hub.Module(name="chinese_ocr_db_crnn_server")
import cv2
# 读取测试文件夹test.txt中的照片路径
np_images =[cv2.imread(image_path) for image_path in test_img_path]
print(np_images)
results = ocr.recognize_text(
images=np_images, # 图片数据,ndarray.shape 为 [H, W, C],BGR格式;
use_gpu=False, # 是否使用 GPU;若使用GPU,请先设置CUDA_VISIBLE_DEVICES环境变量
output_dir='ocr_result', # 图片的保存路径,默认设为 ocr_result;
visualization=True, # 是否将识别结果保存为图片文件;
box_thresh=0.5, # 检测文本框置信度的阈值;
text_thresh=0.5) # 识别中文文本置信度的阈值;
for result in results:
data = result['data']
save_path = result['save_path']
for infomation in data:
print('text: ', infomation['text'], '\nconfidence: ', infomation['confidence'], '\ntext_box_position: ', infomation['text_box_position'])
python paddlehub ocr
最新推荐文章于 2024-09-27 10:11:28 发布
该代码示例展示了如何使用PaddleHub的Chinese_ocr_db_crnn_server模块进行中文OCR识别,处理多个图像文件,并可选择是否使用GPU。识别结果包括文字内容、置信度和文本框位置。
摘要由CSDN通过智能技术生成