使用 paddleocr 提取图片中的文字。

1. 起因， 目的:

前面使用 EasyOCR 用起来还行，能识别中文和英文，但精度不太行:

• 尤其是中文的句号、逗号经常识别错。
• 比如“栅栏”被认成“柳栏”，
• “太”和“大”

我查了下，确认自己用的是最新模型，但效果还是差强人意。
没办法，我决定试试——PaddleOCR 听说精度更高，支持中文也更好，我就装上了。

2. 先看效果 (效果确实不错。)

手机截图

输出结果

3. 过程:

• 把要求描述一下，让AI 来写代码。
• 整体也是很简单的。

代码 1 , 识别单个图片

• 这里是基础，后面的版本，都是在这个基础上进行增加。
• 使用 GPU, 不然得话， CPU 占用很高。
• 手动选择模型的文件名， 使用最新的模型。
• paddleocr 模型下载地址 https://paddlepaddle.github.io/PaddleOCR/latest/ppocr/model_list.html#21

from paddleocr import PaddleOCR
import os

# 定义函数，参数为图片文件名
def extract_text_from_image(image_path, det_model_dir=None, rec_model_dir=None, cls_model_dir=None):
    # 初始化 PaddleOCR，手动指定模型路径
    ocr = PaddleOCR(
        use_gpu=True,  # 启用 GPU
        use_angle_cls=True,
        lang='ch',
        det_model_dir=det_model_dir,  # 指定检测模型路径
        rec_model_dir=rec_model_dir,  # 指定识别模型路径
        cls_model_dir=cls_model_dir,  # 指定分类模型路径（可选）
        use_space_char=True,  # 启用空格识别
        det_db_score_mode='fast',  # 检测得分模式（fast 或 slow）
        det_db_unclip_ratio=2.0  # 提高检测框扩展比例，减少漏检
    )

    # 读取图片并进行文字识别
    result = ocr.ocr(image_path, cls=True)

    # PaddleOCR 返回的 result 是一个列表，格式为 [[bbox, (text, prob)], ...]
    # 提取文本和边界框
    text_list = []
    bbox_list = []
    for line in result[0]:  # result[0] 是第一个（也是唯一）图片的结果
        bbox, (text, prob) = line
        text_list.append(text)
        bbox_list.append(bbox)

    # 合并文本（按 y 坐标合并相邻行）
    merged_text = []
    current_line = ""
    last_y = None
    y_threshold = 20  # 假设 y 坐标差小于 20 像素为同一行

    # 按 y 坐标排序结果（PaddleOCR 的 bbox 格式为 [[x1, y1], [x2, y2], [x3, y3], [x4, y4]]）
    sorted_result = sorted(zip(bbox_list, text_list), key=lambda x: x[0][0][1])  # 按左上角 y 坐标排序

    for bbox, text in sorted_result:
        current_y = bbox[0][1]  # 左上角 y 坐标
        if last_y is None or abs(current_y - last_y) < y_threshold:
            current_line += text
        else:
            if current_line:
                merged_text.append(current_line)
            current_line = text
        last_y = current_y

    if current_line:
        merged_text.append(current_line)

    # 返回提取的文本列表
    return merged_text

# 主程序：调用函数并处理结果
if __name__ == "__main__":
    # 用户传入图片文件名
    image_path = '2.jpg'

    # 指定模型路径（替换为你下载并解压后的模型路径）
    det_model_path = './models/ch_PP-OCRv4_det_server_infer.tar'  # 检测模型路径
    rec_model_path = './models/ch_PP-OCRv4_rec_server_infer.tar'  # 识别模型路径
    cls_model_path = './models/ch_ppocr_mobile_v2.0_cls_slim_infer.tar'  # 分类模型路径（可选）

    # 调用函数提取文本
    print("Loading PaddleOCR model...")
    extracted_text = extract_text_from_image(
        image_path,
        det_model_dir=det_model_path,
        rec_model_dir=rec_model_path,
        cls_model_dir=cls_model_path
    )
    print("Model loaded and text extracted successfully.")

    # 打印提取的文本
    print("\n提取的所有文本：")
    for text in extracted_text:
        print(text)

    # 保存到文件
    with open('one.txt', 'w', encoding='utf-8') as f:
        for text in extracted_text:
            f.write(text + '\n')

代码 2 ， 批量识别， 把识别结果写入到一个文件中。

from paddleocr import PaddleOCR
import os
import time
from pathlib import Path

# 全局初始化 PaddleOCR，避免重复加载模型
print("Loading PaddleOCR model...")
paddle_ocr = PaddleOCR(
    use_angle_cls=True,
    lang='ch',
    use_gpu=True,
    det_model_dir='./models/ch_PP-OCRv4_det_infer',  # 手动指定检测模型
    rec_model_dir='./models/ch_PP-OCRv4_rec_infer',  # 手动指定识别模型
    cls_model_dir='./models/ch_ppocr_mobile_v2.0_cls_infer',  # 手动指定分类模型
    use_space_char=True,  # 启用空格识别
    det_db_score_mode='fast',
    det_db_unclip_ratio=2.0
)
print("Model loaded successfully.")

# 重命名图片文件为 1.jpg 到 n.jpg
def rename_images_in_folder(folder_path):
    # 支持的图片格式
    image_extensions = {
   '.jpg', '.jpeg', '.png', '.bmp', '.gif'}

    # 收集所有图片文件
    image_files = [f for f in os.listdir(folder_path)
                   if Path(f).suffix.lower() in image_extensions]

    # 按文件名排序（可选，确保重命名前有一定顺序）
    image_files.sort()

    # 重命名文件
    for index, old_name in enumerate(image_files, start=1)