PaddleOCR识别表情包文字
OldBirds 人气:0引言
最近在做个表情包的小程序,涉及到表情包搜索功能。我们上传表情包的时候,只有一张图,怎么搜索?这个时候我们想到就是将表情包的文字提取出来,作为搜索的内容。那么这就需要用到 ocr 技术了。
经过几个 ocr 的库的使用,小编强烈推荐使用 PaddleOCR,一款文本识别效果不输于商用的Python库!
对于 PaddleOCR 本文不会过多介绍,可自行搜索。重点是如何使用 PaddleOCR 解决我的问题。
安装 PaddleOCR
pip install paddlepaddle pip install paddleocr
我这边安装后的版本:
paddleocr==2.5.0.3 paddlepaddle==2.3.1
在 macOS 安装后,项目运行报错报错,忘了截图,应该是与 setuptools 版本有关,解决方式:
pip install --upgrade setuptools==59.8.0
完成这些配置后,我们就可以愉快的玩耍了。
本地处理
import hashlib import io from PIL import Image from paddleocr import PaddleOCR def get_gif_pic_path(url): '''下载图片,返回图片第一帧路径''' response = requests.get(url) filename = hashlib.md5(url.encode(encoding='utf-8')).hexdigest() img = Image.open(io.BytesIO(response.content)) current = img.tell() img_path = f'bqb/{filename}_{current}.png' img.save(img_path) return img_path def ocr_get_gif_text_sec(url) -> str: '''识别gif第一帧图片的文字''' img_path = get_gif_pic_path(url) ocr = PaddleOCR(use_angle_cls=True, lang='ch') result = ocr.ocr(img_path, cls=True) data = [] for item in result: data.append(item[1][0]) return ",".join(data) ocr_get_gif_text_sec('https://xxxxxx')
由于 gif 是个动图,所以我们需要取出图片的第一帧进行识别,get_gif_pic_path
实现了这个功能。ocr_get_gif_text_sec
从 gif 第一帧的图进行文字提取,返回的 result
是个数组,我们通过遍历进行提取出来。
提取 gif 图片的内容我们就完成了,两个函数的功能也比较简单。本文没做 gif 全部文字的提取,有兴趣可以挑战下。
在 flask 中处理
当我们想在上传图片的时候,进行对图片文字的处理怎么办?难道要将上传的图保存到路径再去识别么?这也是我在开发中遇到的一个问题,经过拆坑,答案是:不,你不需要。
思路:我们可以从表单中获取上传的图片的二进制,然后将这个二进制传给ocr.ocr()
,那么ocr.ocr()
支持这个类型么?经过查看此函数源码,我们可以让它支持。
将图片二进制转化为 nparray 类型即可。下面是这个过程的具体代码
from paddleocr import PaddleOCR import numpy as np import cv2 @app.route('/v1/upload_img', methods=['POST']) def api_v1_upload_img(): if 'file' not in request.files: return "no file part" file = request.files['file'] if file.filename == '': return "no selected file" if file: file_name = file.filename # 获取图片的二进制 res = upload_image(bytes=file.read(), filename=file_name) return res else: return "no file" def upload_image(bytes, filename = None, mime_type = None): ocr = PaddleOCR(use_angle_cls=True, lang="ch") ## 核心步骤 np_arr = np.frombuffer(bytes, dtype=np.uint8) img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR) # 进行识别 result = ocr.ocr(img=img, cls=True) ocr_result = [] for line in result: ocr_result.append(line[1][0].strip()) img_content = ' '.join(ocr_result) return img_content
在api_v1_upload_img
我们获取到图片二进制以及图片名,将这些作为参数传到upload_image
,在upload_image
中:
np_arr = np.frombuffer(bytes, dtype=np.uint8) img = cv2.imdecode(np_arr, cv2.IMREAD_COLOR)
上面两行代码是这个需求的核心突破点。
还有一点就是建议不要将此识别功能部署到性能差的机器上,并发一下,完全扛不住,默默的留下两行眼泪。
加载全部内容