基于C#winform使用纯opencv部署ppocrv5和ppocrv6的onnx模型进行OCR文件检测识别

使用纯opencv实现PaddleOCR v5/v6 OCR识别

项目简介

这是一个基于 C# Windows Forms 的桌面端 OCR（光学字符识别）应用程序，通过集成百度 PaddleOCR v5/v6 系列模型，利用 OpenCV DNN 推理引擎在本地实现高效的文字检测与识别。用户可通过图形界面选择图片，一键完成文字识别，并在界面上直观查看识别结果与文字区域标注框。

---

算法原理

整体 OCR 流水线

本项目采用经典的三阶段 OCR 流水线架构：

输入图片 → 文字检测（Det） → 方向分类（Cls，可选） → 文字识别（Rec） → 输出结果

1. 文字检测（Detection）

使用 DB（Differentiable Binarization）算法进行文字区域检测，主要步骤如下：

1. 将输入图片按比例缩放，使最长边不超过 limit_side_len（默认 960 像素），保持原始长宽比
2. 通过轻量级 CNN 骨干网络提取多尺度特征
3. 使用 FPN（Feature Pyramid Network）融合多尺度特征图，输出概率图（Probability Map）
4. 对概率图以阈值 det_db_thresh（默认 0.3）进行二值化处理
5. 对二值图进行轮廓检测，使用 Vatti 裁剪算法按 det_db_unclip_ratio（默认 1.6）进行膨胀扩张，得到完整的文字区域多边形框
6. 过滤置信度低于 det_db_box_thresh（默认 0.6）的检测框，得到最终检测结果

2. 方向分类（Classification，可选）

• 仅在勾选 cls 复选框后启用，默认关闭
• 使用轻量级分类模型（PP-OCRv5_mobile_cls_onnx.onnx）判断文字区域是否存在 180° 倒置
• 分类阈值 cls_thresh = 0.9，高于该阈值时执行翻转校正
• 批量处理数量由 cls_batch_num（默认 8）控制

3. 文字识别（Recognition）

使用 CRNN + CTC 架构进行端到端文字识别，主要步骤如下：

1. 将每个检测到的文字区域裁剪并缩放到统一尺寸（高度 rec_img_h = 48，宽度 rec_img_w = 320）
2. 通过 CNN 骨干网络提取视觉特征序列
3. 使用 BiLSTM（双向长短期记忆网络）编码序列上下文信息
4. 通过 CTC（Connectionist Temporal Classification）解码输出最终识别文字
5. 支持批量推理，批次大小由 rec_batch_num（默认 4）控制，提升多行文字的处理效率
6. 多 Predictor 并行推理，数量由 rec_predictor_num（默认 4）控制

推理引擎

项目通过C++ DLL封装库C#调用 OpenCV DNN 模块作为推理后端，直接加载 ONNX 格式模型，具有以下特点：

• 无需额外安装 OpenVINO、CUDA 等推理框架，部署简单
• 原生支持 CPU 推理，兼容性强
• 通过 C# P/Invoke 调用 C++ 原生接口，性能接近原生水平
• 图像数据以 BGR 24位格式直接传入，避免不必要的格式转换开销

支持的模型

模型选项	检测模型	识别模型	方向分类	字典文件	说明
v5 mobile	PP-OCRv5_mobile_det_onnx.onnx	PP-OCRv5_mobile_rec_onnx.onnx	支持（可选）	ppocrv5_dict.txt	轻量级，支持方向分类
v5 server	PP-OCRv5_server_det_infer.onnx	PP-OCRv5_server_rec_infer.onnx	不支持	ppocrv5_dict.txt	高精度大模型
v6 tiny	PP-OCRv6_tiny_det.onnx	PP-OCRv6_tiny_rec.onnx	不支持	PP-OCRv6_tiny_rec_dict.txt	体积最小，速度最快（默认）
v6 small	PP-OCRv6_small_det.onnx	PP-OCRv6_small_rec.onnx	不支持	PP-OCRv6_small_rec_dict.txt	精度与速度均衡

---

环境要求

项目	要求
操作系统	Windows 10 / 11（64位）
开发工具	Visual Studio 2019 及以上版本
.NET 版本	.NET Framework 4.8
平台架构	x64（强制要求）
C# 语法版本	C# 7.3

核心依赖库

文件	说明
opencv_world500.dll	OpenCV 5.0 运行时库（包含 DNN 推理模块）
Newtonsoft.Json.dll（13.0.1）	JSON 序列化/反序列化库

---

安装步骤

1. 下载项目源码

git clone firc-projects
cd FIRC

2. 安装 Visual Studio

确保已安装 Visual Studio 2019 或更高版本，并勾选 .NET 桌面开发 工作负载。

3. 打开解决方案

双击 FIRC.sln 文件，在 Visual Studio 中打开项目。

4. 配置构建平台

在 Visual Studio 顶部工具栏中进行以下设置：

• 将解决方案平台 切换为 x64（必须，不支持 x86）
• 将解决方案配置 切换为 Debug 或 Release

5. 确认运行时依赖文件

确保编译输出目录（bin\x64\Debug\）中包含以下关键文件：

bin\x64\Debug\
├── opencv_world500.dll            # OpenCV 运行时
├── Newtonsoft.Json.dll            # JSON 库
├── FIRC.exe                       # 主程序
└── inference/                     # 模型文件夹（必须完整）

如依赖文件缺失，请从发布包或原始编译目录中复制补充。

---

运行步骤

1. 编译启动

在 Visual Studio 中按 F5 编译运行，或直接运行已编译的 FIRC.exe。

2. 选择 OCR 模型

在主界面左上角 "ocr" 分组框中选择模型：

• v5 mobile：PPOCRv5 轻量移动端模型，支持方向分类
• v5 server：PPOCRv5 高精度服务器模型
• v6 small：PPOCRv6 平衡型模型
• v6 tiny：PPOCRv6 最小体积模型（默认选中）

3. 调整推理参数（可选）

主界面提供以下可调参数分组：

det（检测参数）：

• det_db_thresh：检测二值化阈值，默认 0.3
• det_db_box_thresh：检测框置信度阈值，默认 0.6
• det_db_unclip_ratio：文字框膨胀比例，默认 1.6

rec（识别参数）：

• rec_batch_num：识别批次大小，默认 4
• rec_predictor_num：Predictor 并行数量，默认 4

cls（分类参数，仅 v5 mobile 生效）：

• cls：是否启用方向分类，默认关闭
• cls_batch_num：分类批次大小，默认 8

4. 加载模型

点击右上角 "初始化" 按钮，等待日志区域显示 模型加载成功 信息。首次加载大模型可能需要数秒，Server 模型加载时间更长。

5. 选择并识别图片

• 点击 "选择图片" 按钮，从文件对话框中选择待识别图片（支持 BMP、JPG/JPEG、PNG、TIFF/TIF 格式）
• 选择图片后会自动触发识别 ，也可手动点击 "识别" 按钮重新执行
• 识别完成后：
  • 左侧图片区域：显示带有红色文字检测多边形框的标注图
  • 右侧文本区域：显示识别文字结果及耗时（毫秒）
  • 勾选 "显示全部信息" 可查看完整的 JSON 格式结果（含坐标、置信度等详细信息）

6. 释放模型资源

• 再次点击 "初始化" 按钮可先释放再重新加载模型
• 关闭窗口时程序会自动释放模型资源

---

注意事项

1. 强制 x64 平台 ： opencv_world500.dll 为 64 位库，项目必须以 x64 平台编译运行，不支持 x86。

2. 模型文件完整性 ：inference/ 目录下的 ONNX 模型文件和字典文件必须完整，缺失任一将导致对应模型初始化失败。

3. 工作目录 ：程序从 FIRC.exe 所在目录查找 inference/ 文件夹，请确保从正确的编译输出目录运行，或将模型文件复制到可执行文件同级目录。

4. 内存占用：v5 server 模型文件较大（检测模型约 84MB，识别模型约 80MB），加载后内存占用较高，建议在内存充足的环境下使用。

5. 图片输入格式：程序内部将图片转换为 24 位 BGR 格式（OpenCV 标准格式）送入推理引擎，建议使用清晰、无过度压缩的图片以获得最佳识别效果。

6. 参数调节建议：

   • det_db_thresh 降低可检出更多文字区域，但可能增加误检
   • det_db_box_thresh 降低可保留更多低置信度检测框
   • det_db_unclip_ratio 增大可扩大文字框范围，适合模糊文字
   • 调整参数后需重新点击 "初始化" 使参数生效

7. 方向分类限制 ：cls 方向分类功能仅对 v5 mobile 模型有效，其他模型不支持该功能，勾选无效。

8. 模型切换 ：切换模型选项后，必须重新点击 "初始化" 按钮才能加载新模型。

---

文件夹结构

FIRC/
├── .vs/                              # Visual Studio 项目配置（自动生成，无需管理）
├── Properties/                       # 项目属性文件
│   ├── AssemblyInfo.cs               # 程序集版本与元信息
│   ├── Resources.Designer.cs         # 资源文件设计器（自动生成）
│   ├── Resources.resx                # 项目资源文件
│   ├── Settings.Designer.cs          # 设置文件设计器（自动生成）
│   └── Settings.settings             # 应用程序设置
├── bin/
│   └── x64/
│       └── Debug/                    # x64 Debug 编译输出目录
│           ├── inference/            # OCR 模型文件目录
│           ├── FIRC.exe              # 主程序可执行文件
│           ├── FIRC.exe.config       # .NET 应用配置文件
│           ├── FIRC.pdb              # 调试符号文件
│           ├── opencv_world500.dll           # OpenCV 5.0 运行时库
│           ├── Newtonsoft.Json.dll           # JSON 处理库
│           ├── 1.jpg                 # 示例图片
│           └── 3.jpg                 # 默认加载的示例图片
├── imgs/                             # 示例测试图片目录
│   ├── 00006737.jpg                  # 测试样本图片
│   ├── 00009282.jpg
│   ├── 00015504.jpg
│   ├── 00018069.jpg
│   └── ...                           # 更多测试样本
├── App.config                        # .NET 应用程序配置文件
├── FIRC.csproj                       # C# 项目文件（.NET Framework 4.8，x64）
├── FIRC.sln                          # Visual Studio 解决方案文件
├── Form1.cs                          # 主窗体业务逻辑（模型加载、推理、结果显示）
├── Form1.Designer.cs                 # 主窗体 UI 界面设计代码
├── Form1.resx                        # 主窗体资源文件
├── OCRResult.cs                      # OCR 识别结果数据模型（text、score、坐标点）
└── Program.cs                        # 程序入口点