【Mac】安装 PaddleOCR

环境：Mac M1 芯片

1、安装

1.1 安装 Anaconda

Anaconda 安装较为简单，直接在 Anaconda 官网下载pkg文件，根据向导提示完成安装。

Anaconda 用于搭建 Python 虚拟环境，目的是为了避免与之前环境安装库的版本冲突，另外 paddle 对Python 的版本也是有要求的。

创建并激活虚拟环境：

zs@Mac ~ % conda create -y -n paddle python=3.12
zs@Mac ~ % conda activate paddle

1.2 安装 paddlepaddle

在官网获取安装命令：

(paddle) zs@Mac ~ % conda install paddlepaddle==3.0.0b2 -c paddle

验证：

(paddle) zs@Mac ~ % python
>>> import paddle
>>> paddle.utils.run_check() 
Running verify PaddlePaddle program ... 
I1219 22:02:16.993297 4123495424 interpretercore.cc:237] New Executor is Running.
I1219 22:02:17.038717 4123495424 interpreter_util.cc:518] Standalone Executor is Used.
PaddlePaddle works well on 1 CPU.
PaddlePaddle is installed successfully! Let's start deep learning with PaddlePaddle now.

可能报错：

TypeError: __array__(): incompatible function arguments. The following argument types are supported

paddle与numpy的版本不兼容，通过降低numpy版本解决。

1.3 安装 PaddleOCR

安装：

(paddle) zs@Mac ~ % pip install -i https://pypi.tuna.tsinghua.edu.cn/simple paddleocr --user

安装依赖：先将项目依赖拉下来，然后执行以下命令：

(paddle) zs@Mac ~ % pip install -r requirements.txt

2、Paddle 升级

在官网快速开始界面复制命令，直接执行，pip、conda 等会自动处理依赖关系，并安装或升级到指定的版本。

在这里插入图片描述

3、测试

3.1 命令行

paddleocr --image_dir /path/image.jpg

3.2 脚本测试

编写脚本 test.py：

from paddleocr import PaddleOCR

# 创建识别器
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
img_path = '../mv/1.jpg'
# 只需运行一次即可下载模型并将其加载到内存中
result = ocr.ocr(img_path, cls=True) 
for idx in range(len(result)):
    res = result[idx]
    for line in res:
        print(line)

终端执行上述脚本：

(paddle) zs@Mac ~ % python test.py

3.3 警告解决

No ccache found

/opt/anaconda3/envs/paddle/lib/python3.12/site-packages/paddle/utils/cpp_extension/extension_utils.py:686: 
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)

提示在当前环境中没有找到 ccache。ccache 是一个编译缓存工具，可以显著加快重新编译的速度。如果不介意重新编译所有源文件的时间，可以选择忽略这个警告。如果希望提高编译速度，可以按照提示安装 ccache。

conda install -c conda-forge ccache

Setuptools is replacing distutils

/root/miniconda3/envs/PaddleSpeech/lib/python3.9/site-packages/_distutils_hack/__init__.py:30: 
UserWarning: Setuptools is replacing distutils. Support for replacing an already imported distutils is deprecated. In the future, this condition will fail. Register concerns at https://github.com/pypa/setuptools/issues/new?template=distutils-deprecation.yml
  warnings.warn(

这个警告表示 setuptools 正在替换 distutils，并且在未来这种替换可能会失败，setuptools项目中建议通过更新 setuptools 来解决。

python -m pip install --upgrade setuptools

pip is being invoked by an old script wrapper

WARNING: pip is being invoked by an old script wrapper. This will fail in a future version of pip.
Please see https://github.com/pypa/pip/issues/5599 for advice on fixing the underlying issue.
To avoid this problem you can invoke Python with '-m pip' instead of running pip directly.

这个警告表示您正在使用的 pip 是通过一个旧的脚本包装器调用的，这在未来可能会导致问题。建议使用 python -m pip 命令来调用 pip。

5、图片太长导致无法识别

将图片进行裁剪

import os

from PIL import Image

def crop_image(path, rows, cols, folder):
    image = Image.open(path)
    name, extension = os.path.splitext(os.path.basename(path))
    width, height = image.size
    img_width = width // cols
    img_height = height // rows

    for row in range(rows):
        for col in range(cols):
            box = (col * img_width, row * img_height, (col + 1) * img_width, (row + 1) * img_height)
            cropped_image = image.crop(box)
            output_file = f"{folder}/{name}_{row}_{col}{extension}"
            cropped_image.save(output_file)

# 裁剪图像：图片地址、裁剪行数、裁剪列数、裁剪结果保存路径
crop_image("../photo/example.jpg", 3, 1, "../photo")

8、PaddleOCR模型

模型在本地存放默认地址：/Users/zs/.paddleocr/whl

(paddle) zs@Mac ~ % ls /Users/zs/.paddleocr/whl
cls det rec

det（Detection）：
这个文件夹包含用于文本检测的模型。文本检测是 OCR 流程的第一步，它的目的是在图像中找到文本的位置。
cls（Classification）：
这个文件夹包含用于文本方向分类的模型（在某些版本的 PaddleOCR 中可能不存在或不是必需的）。文本方向分类用于确定检测到的文本的方向，以便后续能够正确地识别文本内容。
rec（Recognition）：
这个文件夹包含用于文本识别的模型。文本识别是 OCR 流程的最后一步，它的目的是将检测到的文本图像转换为可编辑的文本内容。

如需更改模型缓存目录，只需设置相应的变量环境即可。

默认下载目录	设置环境变量
paddlehub	HUB_HOME
paddlenlp	PPNLP_HOME
paddlespeech	PPSPEECH_HOME
paddleaudio	PPAUDIO_HOME
paddleocr	PPOCR_HOME
paddledetection	PPDETECTION_HOME
paddlegan	PPGAN_HOME
paddleseg	PPSEG_HOME
paddleclas	PPCLAS_HOME
paddlerec	PPREC_HOME

9、PaddleOCR模型推理参数

在使用PaddleOCR进行模型推理时，可以自定义修改参数，来修改模型、数据、预处理、后处理等内容，详细的参数解释如下所示。

9.1 全局信息

参数名称	类型	默认值	含义
image_dir	str	无，必须显式指定	图像或者文件夹路径
page_num	int	0	当输入类型为pdf文件时有效，指定预测前面page_num页，默认预测所有页
vis_font_path	str	“./doc/fonts/simfang.ttf”	用于可视化的字体路径
drop_score	float	0.5	识别得分小于该值的结果会被丢弃，不会作为返回结果
use_pdserving	bool	False	是否使用Paddle Serving进行预测
warmup	bool	False	是否开启warmup，在统计预测耗时的时候，可以使用这种方法
draw_img_save_dir	str	“./inference_results”	系统串联预测OCR结果的保存文件夹
save_crop_res	bool	False	是否保存OCR的识别文本图像
crop_res_save_dir	str	“./output”	保存OCR识别出来的文本图像路径
use_mp	bool	False	是否开启多进程预测
total_process_num	int	6	开启的进程数，use_mp为True时生效
process_id	int	0	当前进程的id号，无需自己修改
benchmark	bool	False	是否开启benchmark，对预测速度、显存占用等进行统计
save_log_path	str	“./log_output/”	开启benchmark时，日志结果的保存文件夹
show_log	bool	True	是否显示预测中的日志信息
use_onnx	bool	False	是否开启onnx预测

9.2 预测引擎相关

参数名称	类型	默认值	含义
use_gpu	bool	True	是否使用GPU进行预测
ir_optim	bool	True	是否对计算图进行分析与优化，开启后可以加速预测过程
use_tensorrt	bool	False	是否开启tensorrt
min_subgraph_size	int	15	tensorrt中最小子图size，当子图的size大于该值时，才会尝试对该子图使用trt engine计算
precision	str	fp32	预测的精度，支持fp32, fp16, int8 3种输入
enable_mkldnn	bool	True	是否开启mkldnn
cpu_threads	int	10	开启mkldnn时，cpu预测的线程数

9.3 文本检测模型相关

参数名称	类型	默认值	含义
det_algorithm	str	“DB”	文本检测算法名称，目前支持DB, EAST, SAST, PSE, DB++, FCE
det_model_dir	str	xx	检测inference模型路径
det_limit_side_len	int	960	检测的图像边长限制
det_limit_type	str	“max”	检测的边长限制类型，目前支持min和max，min表示保证图像最短边不小于det_limit_side_len，max表示保证图像最长边不大于det_limit_side_len

DB算法相关参数如下:

参数名称	类型	默认值	含义
det_db_thresh	float	0.3	DB输出的概率图中，得分大于该阈值的像素点才会被认为是文字像素点
det_db_box_thresh	float	0.6	检测结果边框内，所有像素点的平均得分大于该阈值时，该结果会被认为是文字区域
det_db_unclip_ratio	float	1.5	Vatti clipping算法的扩张系数，使用该方法对文字区域进行扩张
max_batch_size	int	10	预测的batch size
use_dilation	bool	False	是否对分割结果进行膨胀以获取更优检测效果
det_db_score_mode	str	“fast”	DB的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

EAST算法相关参数如下:

参数名称	类型	默认值	含义
det_east_score_thresh	float	0.8	EAST后处理中score map的阈值
det_east_cover_thresh	float	0.1	EAST后处理中文本框的平均得分阈值
det_east_nms_thresh	float	0.2	EAST后处理中nms的阈值

SAST算法相关参数如下:

参数名称	类型	默认值	含义
det_sast_score_thresh	float	0.5	SAST后处理中的得分阈值
det_sast_nms_thresh	float	0.5	SAST后处理中nms的阈值
det_box_type	str	quad	是否多边形检测，弯曲文本场景（如Total-Text）设置为’poly’

PSE算法相关参数如下:

参数名称	类型	默认值	含义
det_pse_thresh	float	0.0	对输出图做二值化的阈值
det_pse_box_thresh	float	0.85	对box进行过滤的阈值，低于此阈值的丢弃
det_pse_min_area	float	16	box的最小面积，低于此阈值的丢弃
det_box_type	str	“quad”	返回框的类型，quad:四点坐标，poly: 弯曲文本的所有点坐标
det_pse_scale	int	1	输入图像相对于进后处理的图的比例，如640640的图像，网络输出为160160，scale为2的情况下，进后处理的图片shape为320*320。这个值调大可以加快后处理速度，但是会带来精度的下降

9.4 文本识别模型相关

参数名称	类型	默认值	含义
rec_algorithm	str	“CRNN”	文本识别算法名称，目前支持CRNN, SRN, RARE, NETR, SAR, ViTSTR, ABINet, VisionLAN, SPIN, RobustScanner, SVTR, SVTR_LCNet
rec_model_dir	str	无，如果使用识别模型，该项是必填项	识别inference模型路径
rec_image_shape	str	“3,48,320”	识别时的图像尺寸
rec_batch_num	int	6	识别的batch size
max_text_length	int	25	识别结果最大长度，在SRN中有效
rec_char_dict_path	str	“./ppocr/utils/ppocr_keys_v1.txt”	识别的字符字典文件
use_space_char	bool	True	是否包含空格，如果为True，则会在最后字符字典中补充空格字符

9.5 端到端文本检测与识别模型相关

参数名称	类型	默认值	含义
e2e_algorithm	str	“PGNet”	端到端算法名称，目前支持PGNet
e2e_model_dir	str	无，如果使用端到端模型，该项是必填项	端到端模型inference模型路径
e2e_limit_side_len	int	768	端到端的输入图像边长限制
e2e_limit_type	str	“max”	端到端的边长限制类型，目前支持min, max，min表示保证图像最短边不小于e2e_limit_side_len，max表示保证图像最长边不大于e2e_limit_side_len
e2e_pgnet_score_thresh	float	0.5	端到端得分阈值，小于该阈值的结果会被丢弃
e2e_char_dict_path	str	“./ppocr/utils/ic15_dict.txt”	识别的字典文件路径
e2e_pgnet_valid_set	str	“totaltext”	验证集名称，目前支持totaltext, partvgg，不同数据集对应的后处理方式不同，与训练过程保持一致即可
e2e_pgnet_mode	str	“fast”	PGNet的检测结果得分计算方法，支持fast和slow，fast是根据polygon的外接矩形边框内的所有像素计算平均得分，slow是根据原始polygon内的所有像素计算平均得分，计算速度相对较慢一些，但是更加准确一些。

9.6 方向分类器模型相关

参数名称	类型	默认值	含义
use_angle_cls	bool	False	是否使用方向分类器
cls_model_dir	str	无，如果需要使用，则必须显式指定路径	方向分类器inference模型路径
cls_image_shape	str	“3,48,192”	预测尺度
label_list	list	[‘0’, ‘180’]	class id对应的角度值
cls_batch_num	int	6	方向分类器预测的batch size
cls_thresh	float	0.9	预测阈值，模型预测结果为180度，且得分大于该阈值时，认为最终预测结果为180度，需要翻转