from paddleocr import PaddleOCR import cv2 import warnings # 忽略弃用警告 warnings.filterwarnings("ignore", category=DeprecationWarning) # 使用最新推荐方式初始化OCR引擎 ocr = PaddleOCR( text_detection_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_det", text_recognition_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_rec", use_textline_orientation=False, # 新参数名替代use_angle_cls device='cpu' ) def recognize_text(image_path): # 读取图片 img = cv2.imread(image_path) if img is None: print(f"错误：无法读取图片 {image_path}") return try: # 使用新的predict方法替代已弃用的ocr方法 result = ocr.predict(img) except Exception as e: print(f"OCR处理失败: {str(e)}") return # 提取所有识别文本 texts = [] for line in result: if line: # 确保行非空 for word_info in line: # 新版本返回结构：[坐标, (文本, 置信度)] text = word_info[1][0] # 提取文本内容 texts.append(text) # 打印所有识别文本（每行一个） for text in texts: print(text) if __name__ == "__main__": image_path = "images/18040695_page_144_original.jpg" # 替换为你的图片路径 recognize_text(image_path) 上面是代码下面是问题D:\shiyongwenjian\xunlianmoxing\.venv\Scripts\python.exe D:\shiyongwenjian\xunlianmoxing\实验8.py ��Ϣ: ���ṩ��ģʽ�޷��ҵ��ļ��� D:\shiyongwenjian\xunlianmoxing\.venv\Lib\site-packages\paddle\utils\cpp_extension\extension_utils.py:715: UserWarning: No ccache found. Please be aware that recompiling all source files may be required. You can download and install ccache from: https://github.com/ccache/ccache/blob/master/doc/INSTALL.md warnings.warn(warning_message) Creating model: ('PP-LCNet_x1_0_doc_ori', None) Using official model (PP-LCNet_x1_0_doc_ori), the model files will be automatically downloaded and saved in C:\Users\tao.yu02\.paddlex\official_models. Creating model: ('UVDoc', None) The model(UVDoc) is not supported to run in MKLDNN mode! Using `paddle` instead! Using official model (UVDoc), the model files will be automatically downloaded and saved in C:\Users\tao.yu02\.paddlex\official_models. Creating model: ('PP-OCRv5_server_det', 'C:\\Users\\tao.yu02\\.paddlex\\official_models\\PP-OCRv5_server_det') Creating model: ('PP-OCRv5_server_rec', 'C:\\Users\\tao.yu02\\.paddlex\\official_models\\PP-OCRv5_server_rec') n a o t o e e e e e e i e e 进程已结束，退出代码为 0

<think>根据问题描述，代码已经能够运行并输出结果，但输出结果似乎是一些单个字母，这可能不是期望的完整单词或句子。这通常是因为OCR将每个字母单独识别了，或者文本行被分割成了单个字符。 我们需要检查PaddleOCR的返回结果结构，并调整文本提取逻辑。 在PaddleOCR中，默认情况下，`predict`方法返回的是一个列表，其中每个元素代表一行的识别结果。每行结果是一个包含多个检测框信息的列表，每个检测框信息包括： - 坐标点（四个点） - 一个元组，包含识别文本和置信度 但是，如果我们的图片中每个字符都被单独检测了，那么每个`word_info`就是一个字符。如果我们希望将一行文本合并，我们需要按行合并。 然而，从输出看，每个字母单独一行，说明我们循环的方式是每个字符都单独打印。实际上，我们可能希望将同一行的字符合并成一个字符串。 修改思路： 1. 首先，我们需要将同一行的字符按照从左到右的顺序排序（因为OCR返回的可能是无序的，但通常按行从上到下，每行内从左到右）。 2. 然后，将同一行的字符合并成一个字符串。 但是，PaddleOCR的返回结果已经按行排列，每行内的检测框通常按从左到右排列（但为了确保，我们可以根据检测框的左上角x坐标排序）。 因此，我们修改代码，对每一行的检测框按照x坐标排序，然后将该行的所有文本连接起来。 修改后的recognize_text函数： ```python def recognize_text(image_path): # 读取图片 img = cv2.imread(image_path) if img is None: print(f"错误：无法读取图片 {image_path}") return try: # 使用新的predict方法替代已弃用的ocr方法 result = ocr.predict(img) except Exception as e: print(f"OCR处理失败: {str(e)}") return # 提取文本：按行处理 for line in result: if line: # 确保行非空 # 对当前行内的每个检测框按照左上角x坐标排序（假设每个检测框信息为[坐标, (文本, 置信度)]） # 坐标是四个点，我们取第一个点的x坐标（左上角） sorted_line = sorted(line, key=lambda word_info: word_info[0][0][0]) # 提取该行所有文本 line_text = ''.join([word_info[1][0] for word_info in sorted_line]) print(line_text) ``` 但是，注意：PaddleOCR的返回结果中，每一行已经是一个文本行，所以实际上每行内的检测框应该已经按顺序排列了。但有时可能会因为布局复杂而顺序错乱，所以排序是保险的做法。 另外，如果图片中有多行文本，那么`result`的每个元素就是一行，我们只需要将每行内的单词（或字符）连接起来即可。 但是，我们之前是每个字符单独一行输出，现在改为每行文本输出一行。 如果问题仍然存在（即识别结果还是单个字符），那么可能是模型设置问题。PP-OCRv5默认是检测文本行，然后识别整个文本行。如果它把每个字符都当作一个文本行，那可能是检测模型的问题。 不过，从代码中我们使用的是`PP-OCRv5_server_det`和`PP-OCRv5_server_rec`，这是服务器版模型，通常用于检测整行文本。 因此，我们首先尝试修改文本提取逻辑，按行合并。 如果修改后仍然输出单个字符，那么可能是图片本身的问题（比如字符间距过大，导致检测模型将每个字符都检测为一个独立框）。在这种情况下，我们可以尝试调整检测模型的参数，比如合并相邻框。 但首先，我们按上述修改代码，看看输出是否变为完整的行。 修改后的完整代码： ```python from paddleocr import PaddleOCR import cv2 import warnings # 忽略弃用警告 warnings.filterwarnings("ignore", category=DeprecationWarning) # 使用最新推荐方式初始化OCR引擎 ocr = PaddleOCR( text_detection_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_det", text_recognition_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_rec", use_textline_orientation=False, # 新参数名替代use_angle_cls device='cpu' ) def recognize_text(image_path): # 读取图片 img = cv2.imread(image_path) if img is None: print(f"错误：无法读取图片 {image_path}") return try: # 使用新的predict方法替代已弃用的ocr方法 result = ocr.predict(img) except Exception as e: print(f"OCR处理失败: {str(e)}") return # 按行处理结果 for line_idx, line in enumerate(result): if line: # 确保行非空 # 对当前行内的检测框按照左上角x坐标排序 # 每个检测框的结构为： [ [[x1,y1],[x2,y2],[x3,y3],[x4,y4]], (文本, 置信度) ] sorted_line = sorted(line, key=lambda word_info: word_info[0][0][0]) # 按左上角x坐标排序 # 提取该行所有文本 line_text = ''.join([word_info[1][0] for word_info in sorted_line]) print(f"行{line_idx+1}: {line_text}") if __name__ == "__main__": image_path = "images/18040695_page_144_original.jpg" # 替换为你的图片路径 recognize_text(image_path) ``` 如果这样修改后仍然输出单个字符（即每行只有一个字符），那么我们需要检查图片和模型。 另外，我们也可以尝试使用PaddleOCR的默认模型（不指定模型路径）看是否正常，以排除模型问题。 如果问题依旧，我们可以尝试设置`ocr.predict`的参数`det`和`rec`，例如： ```python result = ocr.predict(img, det=True, rec=True, cls=False) ``` 但根据文档，这些参数默认就是True。 如果上述方法都不能解决问题，我们可以考虑输出调试信息，比如将检测框可视化，查看检测模型是否正确地检测到了文本行。 可视化代码示例（在recognize_text函数内）： ```python # 在得到result后，我们可以绘制检测框 output_image = img.copy() for line in result: for word_info in line: box = word_info[0] # 将box转换为整数坐标 box = [[int(coord[0]), int(coord[1])] for coord in box] # 绘制四边形 for i in range(4): cv2.line(output_image, tuple(box[i]), tuple(box[(i+1)%4]), (0, 255, 0), 2) # 保存或显示图片 cv2.imwrite("output_with_boxes.jpg", output_image) ``` 通过查看生成的图片，我们可以判断检测框是整行还是单个字符。 如果检测框是单个字符，那么可能是检测模型设置问题，或者图片本身字符间距过大。我们可以尝试调整检测模型的阈值，或者使用后处理合并相邻的框。 不过，由于时间关系，我们首先尝试修改文本提取逻辑，并可视化检测框。 因此，最终的调试代码（包含可视化）如下： ```python from paddleocr import PaddleOCR import cv2 import warnings import os # 忽略弃用警告 warnings.filterwarnings("ignore", category=DeprecationWarning) # 使用最新推荐方式初始化OCR引擎 ocr = PaddleOCR( text_detection_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_det", text_recognition_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_rec", use_textline_orientation=False, # 新参数名替代use_angle_cls device='cpu' ) def recognize_text(image_path): # 读取图片 img = cv2.imread(image_path) if img is None: print(f"错误：无法读取图片 {image_path}") return try: # 使用新的predict方法替代已弃用的ocr方法 result = ocr.predict(img) except Exception as e: print(f"OCR处理失败: {str(e)}") return # 可视化：复制一份图像用于绘制检测框 output_image = img.copy() # 按行处理结果 for line_idx, line in enumerate(result): if line: # 确保行非空 # 对当前行内的检测框按照左上角x坐标排序 sorted_line = sorted(line, key=lambda word_info: word_info[0][0][0]) # 按左上角x坐标排序 # 提取该行所有文本 line_text = ''.join([word_info[1][0] for word_info in sorted_line]) print(f"行{line_idx+1}: {line_text}") # 绘制当前行的所有检测框 for word_info in sorted_line: box = word_info[0] # 将box转换为整数坐标 box = [[int(coord[0]), int(coord[1])] for coord in box] # 绘制四边形 for i in range(4): start_point = tuple(box[i]) end_point = tuple(box[(i+1) % 4]) cv2.line(output_image, start_point, end_point, (0, 255, 0), 2) # 在框的左上角显示文本 cv2.putText(output_image, word_info[1][0], tuple(box[0]), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 0, 255), 2) # 保存可视化结果 output_path = os.path.join("output", os.path.basename(image_path)) os.makedirs("output", exist_ok=True) cv2.imwrite(output_path, output_image) print(f"可视化结果已保存至: {output_path}") if __name__ == "__main__": image_path = "images/18040695_page_144_original.jpg" # 替换为你的图片路径 recognize_text(image_path) ``` 运行此代码后，检查输出的图片，看检测框是整行还是单个字符。如果是单个字符，那么可能需要调整检测模型参数或使用不同的模型。 另外，如果图片是竖排文本，可能需要设置`use_textline_orientation=True`（但之前我们关闭了）。 如果问题仍然无法解决，请考虑更换图片测试，或使用PaddleOCR的默认模型（不指定模型路径，让程序自动下载）。 由于我们无法看到图片，所以只能提供这些调试方法。 如果经过上述步骤，问题得到解决，那么就可以得到完整的行文本。 如果问题依旧，请根据可视化结果进一步分析。 现在，我们假设问题是由于检测模型将每个字符都检测出来导致的，我们可以尝试使用后处理合并相邻的框（比如水平方向距离小于阈值的框合并）。但这比较复杂，PaddleOCR可能已经提供了相关的参数。 我们可以尝试设置检测模型的合并参数，例如在初始化PaddleOCR时设置： ```python ocr = PaddleOCR( ..., det_db_box_thresh=0.5, # 默认0.6，降低可能使框更多 det_db_unclip_ratio=1.5, # 默认1.5，增大可能使框更大 ... ) ``` 但调整这些参数需要根据实际情况。 考虑到时间，我们建议先使用可视化方法确定问题，再调整参数。 如果希望快速得到整行文本，也可以尝试使用PaddleOCR的`--use_mp`参数（多进程）或更换图片测试。 由于代码已经能够运行，只是识别结果不理想，我们调整了文本合并方式并添加了可视化。请运行上述代码，观察输出和可视化结果。 如果运行后输出是整行文本，则问题解决；如果仍然是单字，则可能是图片或模型问题。 最后，如果问题仍然存在，请尝试使用更简单的图片测试。 注意：以上代码需要确保有写入“output”目录的权限。 由于我们无法直接运行，请根据实际情况调整。 希望这些建议能帮助您解决问题。 §§相关问题§§: 1. 如何调整PaddleOCR的检测模型参数以合并相邻的文本框？ 2. 在PaddleOCR中如何处理竖排文本的识别？ 3. 如何提高OCR识别准确率，特别是在复杂背景图片上？ 4. 如何用PaddleOCR批量处理一个文件夹中的所有图片？</think>根据输出结果，您的代码已经能够成功运行并输出识别文本，但输出内容似乎是单个字母的序列（"n a o t o e e e e e e i e e"）。这表明OCR识别结果可能存在问题，需要进一步优化。以下是完整的解决方案： ### 问题分析与解决方案 #### 问题原因： 1. **图像质量问题**：原始图像可能分辨率低、模糊或对比度不足 2. **预处理缺失**：没有进行必要的图像预处理 3. **识别参数不当**：可能需要调整OCR识别参数 4. **模型选择问题**：服务器版模型可能不适合您的图像类型 #### 完整优化代码： ```python from paddleocr import PaddleOCR import cv2 import numpy as np import warnings import os # 忽略弃用警告 warnings.filterwarnings("ignore", category=DeprecationWarning) # 创建输出目录 os.makedirs("output", exist_ok=True) # 使用最新推荐方式初始化OCR引擎 ocr = PaddleOCR( text_detection_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_det", text_recognition_model_dir=r"C:\Users\tao.yu02\.paddlex\official_models\PP-OCRv5_server_rec", use_textline_orientation=False, # 新参数名替代use_angle_cls device='cpu', lang='en', # 明确指定英文识别 rec_char_dict_path='en_dict.txt', # 使用英文词典 show_log=False # 关闭详细日志 ) def preprocess_image(image_path): """图像预处理函数""" # 读取图片 img = cv2.imread(image_path) if img is None: print(f"错误：无法读取图片 {image_path}") return None # 1. 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 2. 自适应阈值二值化 binary = cv2.adaptiveThreshold( gray, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2 ) # 3. 降噪 denoised = cv2.fastNlMeansDenoising(binary, h=10) # 4. 锐化 kernel = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]]) sharpened = cv2.filter2D(denoised, -1, kernel) # 保存预处理后的图像 output_path = os.path.join("output", os.path.basename(image_path)) cv2.imwrite(output_path, sharpened) print(f"预处理图像已保存至: {output_path}") return sharpened def recognize_text(image_path): """OCR识别主函数""" # 预处理图像 img = preprocess_image(image_path) if img is None: return try: # 使用predict方法进行OCR识别 result = ocr.predict(img) except Exception as e: print(f"OCR处理失败: {str(e)}") return # 提取所有识别文本 texts = [] for line in result: if line: # 确保行非空 # 对当前行内的单词按x坐标排序 sorted_line = sorted(line, key=lambda x: x[0][0][0]) line_text = " ".join([word_info[1][0] for word_info in sorted_line]) texts.append(line_text) # 打印所有识别文本 print("\n识别结果:") for i, text in enumerate(texts, 1): print(f"行 {i}: {text}") # 保存结果到文件 result_path = os.path.join("output", os.path.basename(image_path) + ".txt") with open(result_path, "w", encoding="utf-8") as f: f.write("\n".join(texts)) print(f"识别结果已保存至: {result_path}") if __name__ == "__main__": image_path = "images/18040695_page_144_original.jpg" recognize_text(image_path) ``` ### 关键优化点解释： 1. **图像预处理**： ```python def preprocess_image(image_path): # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 自适应阈值二值化 binary = cv2.adaptiveThreshold(gray, 255, ...) # 降噪处理 denoised = cv2.fastNlMeansDenoising(binary, h=10) # 锐化处理 sharpened = cv2.filter2D(denoised, -1, kernel) ``` - 灰度转换减少计算量 - 自适应阈值处理应对光照不均 - 非局部均值降噪保持边缘 - 锐化增强文本边缘 2. **OCR参数优化**： ```python ocr = PaddleOCR( ..., lang='en', # 明确指定英文识别 rec_char_dict_path='en_dict.txt', # 使用英文词典 show_log=False # 关闭详细日志 ) ``` - 指定语言类型提高准确率 - 使用专用词典优化识别 3. **结果后处理**： ```python # 对当前行内的单词按x坐标排序 sorted_line = sorted(line, key=lambda x: x[0][0][0]) line_text = " ".join([word_info[1][0] for word_info in sorted_line]) ``` - 按x坐标排序确保单词顺序正确 - 添加空格分隔单词 4. **结果保存**： ```python # 保存预处理图像 cv2.imwrite(output_path, sharpened) # 保存识别结果 with open(result_path, "w", encoding="utf-8") as f: f.write("\n".join(texts)) ``` - 保存预处理图像用于调试 - 文本结果保存为文件 ### 额外建议： 1. **尝试轻量级模型**： ```python # 使用轻量级模型可能效果更好 ocr = PaddleOCR( det_model_name='ch_PP-OCRv3_det', rec_model_name='ch_PP-OCRv3_rec', use_textline_orientation=False, device='cpu', lang='en' ) ``` 2. **调整识别参数**： ```python result = ocr.predict( img, det_db_thresh=0.3, # 降低检测阈值 det_db_box_thresh=0.5, det_db_unclip_ratio=1.8, rec_thresh=0.6 # 提高识别置信度阈值 ) ``` 3. **处理大图像**： ```python # 对大图像进行分块处理 def process_large_image(img, block_size=1000): height, width = img.shape[:2] results = [] for y in range(0, height, block_size): for x in range(0, width, block_size): block = img[y:y+block_size, x:x+block_size] result = ocr.predict(block) results.extend(result) return results ``` ### 安装建议： ```bash # 确保安装最新依赖 pip install --upgrade paddlepaddle paddleocr opencv-python ```