《开源精选》是我们分享Github、Gitee等开源社区中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是基于PaddleOCR的C++代码修改并封装的.NET的工具类库。

项目介绍

本项目是一个基于PaddleOCR的C++代码修改并封装的.NET的工具类库。包含文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能，同时针对小图识别不准的情况下，做了优化，提高识别准确率。

包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测。

本项目中PaddleOCR.dll文件是基于开源项目PaddleOCR的C++代码修改而成的C++动态库，基于opencv的x64编译而成的。

全部调用参数介绍

region通用参数///
///是否使用GPU，默认关闭///publicbyteuse_gpu {get;set; } =0;///
///GPU id，使用GPU时有效///publicintgpu_id {get;set; } =0;///
///申请的GPU内存，使用GPU时有效///publicintgpu_mem {get;set; } =4000;///
///使用线程数，默认2///publicintnumThread {get;set; } =2;///
///启用mkldnn加速，默认开启///publicbyteEnable_mkldnn {get;set; } =1;endregionregion检测模型相关///
///补白边，默认50，暂时没有用///publicintPadding {get;set; } =50;///
///输入图像长宽大于960时，等比例缩放图像，使得图像最长边为960///publicintMaxSideLen {get;set; } =960;///
///DB后处理过滤box的阈值，如果检测存在漏框情况，可酌情减小///publicfloatBoxScoreThresh {get;set; } =0.5f;///
///用于过滤DB预测的二值化图像，设置为0.-0.3对结果影响不明显///publicfloatBoxThresh {get;set; } =0.3f;///
///表示文本框的紧致程度，越小则文本框更靠近文本///publicfloatUnClipRatio {get;set; } =1.6f;///
///DoAngle 默认1启用///publicbyteDoAngle {get;set; } =1;///
///MostAngle 默认1启用///publicbyteMostAngle {get;set; } =1;///
///是否使用多边形框计算bbox score，false表示使用矩形框计算。矩形框计算速度更快，多边形框对弯曲文本区域计算更准确。///publicbyteuse_polygon_score {get;set; } =0;///
///是否对结果进行可视化，为1时，会在当前文件夹下保存文件名为ocr_vis.png的预测结果。///publicbytevisualize {get;set; } =0;endregionregion方向分类器相关///
///启用方向选择器，默认关闭///publicbyteuse_angle_cls {get;set; } =0;///
///方向分类器的得分阈值///publicfloatcls_thresh {get;set; } =0.9f;endregion

服务器端C++预测

准备环境

• Linux环境，推荐使用docker。
• Windows环境，目前支持基于Visual Studio 2019 Community进行编译。

编译opencv库

• 首先需要从opencv官网上下载在Linux环境下源码编译的包，以opencv3.4.7为例，下载命令如下。

cddeploy/cpp_inferwgethttps://paddleocr.bj.bcebos.com/libs/opencv/opencv-3.4.7.tar.gztar-xf opencv-3.4.7.tar.gz

最终可以在当前目录下看到opencv-3.4.7/的文件夹。

• 编译opencv，设置opencv源码路径(root_path)以及安装路径(install_path)。进入opencv源码路径下，按照下面的方式进行编译。

root_path="your_opencv_root_path"install_path=${root_path}/opencv3build_dir=${root_path}/buildrm-rf ${build_dir}mkdir${build_dir}cd${build_dir}cmake.. \
    -DCMAKE_INSTALL_PREFIX=${install_path} \
    -DCMAKE_BUILD_TYPE=Release \
    -DBUILD_SHARED_LIBS=OFF \
    -DWITH_IPP=OFF \
    -DBUILD_IPP_IW=OFF \
    -DWITH_LAPACK=OFF \
    -DWITH_EIGEN=OFF \
    -DCMAKE_INSTALL_LIBDIR=lib64 \
    -DWITH_ZLIB=ON \
    -DBUILD_ZLIB=ON \
    -DWITH_JPEG=ON \
    -DBUILD_JPEG=ON \
    -DWITH_PNG=ON \
    -DBUILD_PNG=ON \
    -DWITH_TIFF=ON \
    -DBUILD_TIFF=ONmake-jmakeinstall

也可以直接修改tools/build_opencv.sh的内容，然后直接运行下面的命令进行编译。

shtools/build_opencv.sh

其中root_path为下载的opencv源码路径，install_path为opencv的安装路径，make install完成之后，会在该文件夹下生成opencv头文件和库文件，用于后面的OCR代码编译。

最终在安装路径下的文件结构如下所示。

opencv3/
|-- bin|-- include|-- lib|-- lib64|-- share

下载或者编译Paddle预测库

直接下载安装：https://paddle-inference.readthedocs.io/en/latest/user_guides/download_lib.html

• 下载之后使用下面的方法解压，最终会在当前的文件夹中生成paddle_inference/的子文件夹。

tar-xfpaddle_inference.tgz

预测库源码编译

• 如果希望获取最新预测库特性，可以从Paddle github上克隆最新代码，源码编译预测库。

gitclone https://github.com/PaddlePaddle/Paddle.git
git checkout release/2.2

• 进入Paddle目录后，编译方法如下。

rm-rf buildmkdirbuildcdbuildcmake.. \
    -DWITH_CONTRIB=OFF \
    -DWITH_MKL=ON \
    -DWITH_MKLDNN=ON  \
    -DWITH_TESTING=OFF \
    -DCMAKE_BUILD_TYPE=Release \
    -DWITH_INFERENCE_API_TEST=OFF \
    -DON_INFER=ON \
    -DWITH_PYTHON=ONmake-jmakeinference_lib_dist

• 编译完成之后，可以在build/paddle_inference_install_dir/文件下看到生成了以下文件及文件夹。

build/paddle_inference_install_dir/
|-- CMakeCache.txt|-- paddle|-- third_party|-- version.txt

其中paddle就是C++预测所需的Paddle库，version.txt中包含当前预测库的版本信息。

开始运行

将模型导出为inference model

inference/
|-- det_db|   |--inference.pdiparams|   |--inference.pdmodel|-- rec_rcnn|   |--inference.pdiparams|   |--inference.pdmodel

编译PaddleOCR C++预测demo

• 编译命令如下，其中Paddle C++预测库、opencv等其他依赖库的地址需要换成自己机器上的实际地址。

shtools/build.sh

• 具体的，需要修改tools/build.sh中环境路径，相关内容如下：

OPENCV_DIR=your_opencv_dirLIB_DIR=your_paddle_inference_dirCUDA_LIB_DIR=your_cuda_lib_dirCUDNN_LIB_DIR=/your_cudnn_lib_dir

其中，OPENCV_DIR为opencv编译安装的地址；LIB_DIR为下载(paddle_inference文件夹)或者编译生成的Paddle预测库地址(build/paddle_inference_install_dir文件夹)；CUDA_LIB_DIR为cuda库文件地址，在docker中为/usr/local/cuda/lib64；CUDNN_LIB_DIR为cudnn库文件地址，在docker中为/usr/lib/x86_64-linux-gnu/。注意：以上路径都写绝对路径，不要写相对路径。

• 编译完成之后，会在build文件夹下生成一个名为ppocr的可执行文件。

运行demo

运行方式：

./build/ppocr  [--param1] [--param2] [...]

只调用检测：

./build/ppocr det \--det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \--image_dir=../../doc/imgs/12.jpg

只调用识别：

./build/ppocr rec \--rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \--image_dir=../../doc/imgs_words/ch/

调用串联：

不使用方向分类器./build/ppocrsystem \
    --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \
    --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \
    --image_dir=../../doc/imgs/12.jpg使用方向分类器./build/ppocrsystem \
    --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \
    --use_angle_cls=true \
    --cls_model_dir=inference/ch_ppocr_mobile_v2.0_cls_infer \
    --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \
    --image_dir=../../doc/imgs/12.jpg

最终屏幕上会输出检测结果如下:

.net使用示例

OpenFileDialog ofd =newOpenFileDialog();
            ofd.Filter ="*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";if(ofd.ShowDialog() != DialogResult.OK)return;varimagebyte = File.ReadAllBytes(ofd.FileName);
            Bitmap bitmap =newBitmap(newMemoryStream(imagebyte));

            OCRModelConfig config =null;
            OCRParameter oCRParameter =newOCRParameter ();//oCRParameter.use_gpu=1;当使用GPU版本的预测库时，该参数打开才有效果OCRResult ocrResult =newOCRResult();using(PaddleOCREngine engine =newPaddleOCREngine(config, oCRParameter))
            {
                ocrResult = engine.DetectText(bitmap );
            }if(ocrResult !=null)
            {
                MessageBox.Show(ocrResult.Text,"识别结果");
            }

更多内容：https://gitee.com/raoyutian/paddle-ocrsharp