C#使用PaddleOCR进行图片文字识别✨ - 服务器托管|北京服务器租用|机房托管租用|IDC托管租用|机房机柜带宽租用-价格及费用咨询

PaddlePaddle介绍✨

PaddlePaddle（飞桨）是百度开发的深度学习平台，旨在为开发者提供全面、灵活的工具集，用于构建、训练和部署各种深度学习模型。它具有开放源代码、高度灵活性、可扩展性和分布式训练等特点。PaddlePaddle支持端到端的部署，可以将模型轻松应用于服务器、移动设备和边缘设备。此外，PaddlePaddle拥有丰富的预训练模型库，涵盖图像分类、目标检测、语义分割等常见任务。社区支持和生态系统完善，为开发者提供了丰富的教程、文档和示例代码，助力深度学习模型的开发和应用。

PaddleOCR介绍✨

PaddleOCR是基于飞服务器托管桨（PaddlePaddle）深度学习框架开发的开源光学字符识别（OCR）工具。它提供了端到端的OCR解决方案，支持文本检测、文本识别以及关键点检测等功能。PaddleOCR具有高度灵活性和可扩展性，可以适应多种场景下的文本识别需求，包括身份证识别、车牌识别、表格识别等。通过预训练的模型，PaddleOCR能够实现高精度的文本检测和识别，同时支持多语言文本识别，包括中文、英文等。此外，PaddleOCR还提供了丰富的API接口和模型库，方便开发者快速集成和部署OCR功能，助力各种应用场景下的文本识别任务。

PaddleSharp介绍✨

PaddleSharp是一个基于C#语言封装的飞桨（PaddlePaddle）深度学习框架的库。它为C#开发者提供了在熟悉的环境中利用飞桨强大功能的能力。PaddleSharp支持构建、训练和部署各种深度学习模型，包括图像分类、目标检测、语义分割等任务。该库提供了丰富的功能和工具，包括模型构建、预训练模型加载、高性能计算支持等。通过PaddleSharp，开发者可以利用飞桨底层计算库实现高性能的深度学习计算，有效地利用GPU或CPU资源。总体而言，PaddleSharp为C#开发者提供了一个便捷的工具，使他们能够在C#环境中轻松应用飞桨的深度学习功能。

Winform界面设计✨

Winform界面设计如下：

就两个按钮一个富文本框一个PictureBox。

步骤✨

安装对应的Nuget

进行图片文字识别

使用的代码也比较简单：

FullOcrModel model = LocalFullModels.ChineseV3;
         
using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
{
    AllowRotateDetection = true, /* 允许识别有角度的文字 */
    Enable180Classification = false, /* 允许识别旋转角度大于90度的文字 */
})
{
    // Load local file by following code:
    using (Mat src2 = Cv2.ImRead(selectedPicture))             
    {
        PaddleOcrResult result = all.Run(src2);
        richTextBox1.Text = result.Text;
    }
}

FullOcrModel model = LocalFullModels.ChineseV3;

这行代码创建了一个FullOcrModel对象，该对象表示PaddleOCR的模型。LocalFullModels.ChineseV3是一个预训练的模型，专门用于识别中文字符。

using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
{
    AllowRotateDetection = true, /* 允许识别有角度的文字 */
    Enable180Classification = false, /* 允许识别旋转角度大于90度的文字 */
})

这段代码创建了一个PaddleOcrAll对象，该对象用于运行OCR模型并获取识别结果。PaddleDevice.Mkldnn()表示使用Intel的MKL-DNN库来加速计算。
AllowRotateDetection = true表示允许识别有角度的文字，即使文字并不完全水平，也能被识别。
Enable180Classification = false表示不允许识别旋转角度大于90度的文字，如果文字旋转的角度过大，可能无法被正确识别。
using关键字用于确保PaddleOcrAll对象在不再需要时能被正确地释放，避免内存泄漏。

 using (Mat src2 = Cv2.ImRead(selectedPicture))

这行代码使用OpenCV的ImRead函数读取指定路径的图片文件，返回服务器托管一个Mat对象，该对象是OpenCV用于表示图像的类。selectedPicture是图片文件的路径。using关键字确保Mat对象在不再需要时能被正确地释放，避免内存泄漏。

PaddleOcrResult result = all.Run(src2);

这行代码将读取的图片传递给PaddleOCR模型进行文字识别。all.Run(src2)会运行OCR模型并返回识别结果，结果被存储在PaddleOcrResult对象中。

PaddleOcrResult是一个record，属性有Regions与Text：

本示例的Regins如下所示：

本示例的Text如下所示：

本示例的效果如下图所示：

本示例全部代码：

using OpenCvSharp;
using Sdcb.PaddleInference;
using Sdcb.PaddleOCR.Models.Local;
using Sdcb.PaddleOCR.Models;
using Sdcb.PaddleOCR;
using System.Diagnostics;

namespace PaddleSharpDemo
{
    public partial class Form1 : Form
    {
        string selectedPicture;
        public Form1()
        {
            InitializeComponent();
        }
   
        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog openFileDialog = new OpenFileDialog();
            openFileDialog.Filter = "Image Files(*.BMP;*.JPG;*.GIF;*.PNG)|*.BMP;*.JPG;*.GIF;*.PNG|All files (*.*)|*.*";
            openFileDialog.FilterIndex = 1;
            openFileDialog.Multiselect = false;

            if (openFileDialog.ShowDialog() == DialogResult.OK)
            {
                selectedPicture = openFileDialog.FileName;
                MessageBox.Show($"您选中的图片路径为：{selectedPicture}");
                // 使用Image类加载图片
                Image image = Image.FromFile(selectedPicture);
                // 让PictureBox完全显示图片
                pictureBox1.SizeMode = PictureBoxSizeMode.Zoom;
                // 将图片显示在PictureBox中
                pictureBox1.Image = image;

            }
            else
            {
                MessageBox.Show("您本次没有选择任何图片！！！");
            }
        }

        private void button2_Click(object sender, EventArgs e)
        {
            FullOcrModel model = LocalFullModels.ChineseV3;
         
            using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
            {
                AllowRotateDetection = true, /* 允许识别有角度的文字 */
                Enable180Classification = false, /* 允许识别旋转角度大于90度的文字 */
            })
            {
                // Load local file by following code:
                using (Mat src2 = Cv2.ImRead(selectedPicture))             
                {
                    PaddleOcrResult result = all.Run(src2);
                    richTextBox1.Text = result.Text;
                }
            }
        }
    }
}

PaddleOCR的命令行使用与Python脚本使用✨

我选择PaddleSharp的原因是想在C#中应用中直接使用，如果你不熟悉C#，可以选择在命令行或者Python脚本中使用PaddleOCR。

具体安装过程官网上有教程，其他人也出了很多教程，我这里就不重复说了，就简单演示一下命令行与Python脚本的使用。

命令行使用

命令：

paddleocr --image_dir ./封面.png --use_angle_cls true --use_gpu false

效果：

Python脚本使用

Python脚本如下所示：

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 memory
img_path = 'D:桌面2024.04学习内容封面.png'
result = ocr.ocr(img_path, cls=True)
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

# 显示结果
from PIL import Image
result = result[0]
image = Image.open(img_path).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='./fonts/simfang.ttf')
im_show = Image.fromarray(im_show)
im_show.save('result.jpg')

效果如下所示：

生成的图片如下所示：

总结✨

之前分享过Spire.OCR做图片文字识别，但是识别准确率不及PaddleOCR，并且Spire.OCR还不是开源的，因此如果在使用C#的过程中遇到OCR的需求可以尝试使用PaddleOCR，以上就是本期的分享，希望对你有所帮助。

参考✨

1、PaddlePaddle/PaddleOCR: Awesome multilingual OCR toolkits based on PaddlePaddle (practical ultra lightweight OCR system, support 80+ languages recognition, provide data annotation and synthesis tools, support training and deployment among server, mobile, embedded and IoT devices) (github.com)

2、sdcb/PaddleSharp: .NET/C# binding for Baidu paddle inference library and PaddleOCR (github.com)

服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net

相关推荐: 算法模板之栈图文详解

个人主页：聆风吟系列专栏：算法模板、数据结构少年有梦不应止于心动，更要付诸行动。文章目录前言一. ⛳️模拟栈 1.1 用数组模拟实现栈 1.1.1 栈的定义 1.1.2 向栈顶插入一个数 x（进栈操作） 1.1.3 从栈顶弹出一个元素（出栈操作） 1…