百度木木浆测试

本程序测试识别图片的文字

import cv2

from paddleocr import PaddleOCR, draw_ocr

from matplotlib import pyplot as plt

加载PaddleOCR模型,这里你可以根据需要选择语言和模型路径

ocr = PaddleOCR(use_gpu=False, lang='ch') # 假设我们识别中文字符,并且不使用GPU

读取图像

img = cv2.imread("car.jpg")

缩放图像(如果需要)

img = cv2.resize(img, (int(img.shape[1] * 0.5), int(img.shape[0] * 0.5)))

将BGR图像转换为灰度图像(如果需要OCR前的预处理,但PaddleOCR通常处理BGR图像)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

显示灰度图像(通常这不是OCR的必要步骤,但在这里只是为了展示)

fig = plt.figure(figsize=(6, 6))

plt.imshow(gray, cmap='gray'), plt.axis('off'), plt.title("Grayscale Image")

plt.show()

使用PaddleOCR进行OCR

result = ocr.ocr(img, use_gpu=False)

在原图上绘制OCR结果

from PIL import Image

image = Image.fromarray(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) # 转换为RGB格式,因为PIL使用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='./doc/fonts/simfang.ttf')

im_show = np.array(im_show) # 将PIL图像转换为numpy数组

显示带有OCR结果的图像

plt.figure(figsize=(12, 6))

plt.imshow(cv2.cvtColor(im_show, cv2.COLOR_BGR2RGB)) # 再次转换为RGB以在matplotlib中显示

plt.axis('off')

plt.title("OCR Result")

plt.show()

相关推荐
Chef_Chen37 分钟前
从0开始学习计算机视觉--Day07--神经网络
神经网络·学习·计算机视觉
加油吧zkf2 小时前
YOLO目标检测数据集类别:分类与应用
人工智能·计算机视觉·目标跟踪
加油吧zkf4 小时前
水下目标检测:突破与创新
人工智能·计算机视觉·目标跟踪
静心问道5 小时前
GoT:超越思维链:语言模型中的有效思维图推理
人工智能·计算机视觉·语言模型
晓13137 小时前
第七章 OpenCV篇——角点检测与特征检测
人工智能·深度学习·计算机视觉
PyAIExplorer9 小时前
图像旋转:从原理到 OpenCV 实践
人工智能·opencv·计算机视觉
千宇宙航17 小时前
闲庭信步使用SV搭建图像测试平台:第三十一课——基于神经网络的手写数字识别
图像处理·人工智能·深度学习·神经网络·计算机视觉·fpga开发
jndingxin21 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值
人工智能·opencv·计算机视觉
晨同学03271 天前
opencv的颜色通道问题 & rgb & bgr
人工智能·opencv·计算机视觉
kyle~1 天前
计算机视觉---RealSense深度相机技术
人工智能·数码相机·计算机视觉·机器人·嵌入式·ros·传感器