百度飛槳PaddleOCR文本提取簡單使用及draw_ocr函數(shù)報錯問題解決

百度飛槳PaddleOCR文本識別簡單使用

一、前言
PaddleOCR自發(fā)布以來憑借學術前沿算法和產(chǎn)業(yè)落地實踐，受到了產(chǎn)學研各方的喜愛，并被廣泛應用于眾多知名開源項目，例如：Umi-OCR、OmniParser、MinerU、RAGFlow等，已成為廣大開發(fā)者心中的開源OCR領域的首選工具。2025年5月20日，飛槳團隊發(fā)布PaddleOCR 3.0，全面適配飛槳框架3.0正式版，進一步提升文字識別精度，支持多文字類型識別和手寫體識別，滿足大模型應用對復雜文檔高精度解析的旺盛需求，結合文心大模型4.5 Turbo顯著提升關鍵信息抽取精度，并新增對昆侖芯、昇騰等國產(chǎn)硬件的支持。（摘自PaddleOCR 文檔）

二、安裝(Python 13)
這里選用cpu版本,安裝paddlepaddle

python -m pip install paddlepaddle==3.0.0 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

安裝paddleOCR

pip install paddleocr

三、paddleOCR
基本文本提取分為兩個模塊一個是檢測文本（檢測文本位置），另一個是識別文本（識別文本內(nèi)容）

• 文本檢測

from paddleocr import TextDetection

model = TextDetection()
output = model.predict("C:\\Users\\Lenovo\\Pictures\\Screenshots\\屏幕截圖 2025-07-10 101653.png")
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

• 文本識別

from paddleocr import TextRecognition

model = TextRecognition()
output = model.predict(input="C:\\Users\\Lenovo\\Pictures\\Screenshots\\屏幕截圖 2025-07-10 101653.png")
for res in output:
    res.print()
    res.save_to_img(save_path="./output/")
    res.save_to_json(save_path="./output/res.json")

• 結合起來

from paddleocr import PaddleOCR

ocr = PaddleOCR(
    use_doc_orientation_classify=False, # 通過 use_doc_orientation_classify 參數(shù)指定不使用文檔方向分類模型
    use_doc_unwarping=False, # 通過 use_doc_unwarping 參數(shù)指定不使用文本圖像矯正模型
    use_textline_orientation=False, # 通過 use_textline_orientation 參數(shù)指定不使用文本行方向分類模型
)
# ocr = PaddleOCR(lang="en") # 通過 lang 參數(shù)來使用英文模型
# ocr = PaddleOCR(ocr_version="PP-OCRv4") # 通過 ocr_version 參數(shù)來使用 PP-OCR 其他版本
# ocr = PaddleOCR(device="gpu") # 通過 device 參數(shù)使得在模型推理時使用 GPU
# ocr = PaddleOCR(
#     text_detection_model_name="PP-OCRv5_server_det",
#     text_recognition_model_name="PP-OCRv5_server_rec",
#     use_doc_orientation_classify=False,
#     use_doc_unwarping=False,
#     use_textline_orientation=False,
# ) # 更換 PP-OCRv5_server 模型
result = ocr.predict("C:\\Users\\Lenovo\\Pictures\\Screenshots\\2.png")
for res in result:
    res.print()
    res.save_to_img("C:\\Users\\Lenovo\\Pictures\\Screenshots")
    #res.save_to_json("output")

以上代碼來自(使用教程 - PaddleOCR 文檔)

四、代碼拓展（代碼運行時間較長請耐心等待）
現(xiàn)在將代碼拓展為可以從文件資源管理器選取文件，并指定存儲位置

from paddleocr import PaddleOCR
import tkinter as tk
from tkinter import filedialog
import os

def select_image():
    root = tk.Tk()
    root.withdraw()  
    file_path = filedialog.askopenfilename(
        title="選擇要識別的圖片",
        filetypes=[("圖片文件", "*.png *.jpg *.jpeg *.bmp")]
    )
    return file_path

def select_output_dir():
    root = tk.Tk()
    root.withdraw()  
    dir_path = filedialog.askdirectory(title="選擇結果保存目錄")
    return dir_path if dir_path else "./output"  # 默認輸出目錄

if __name__ == "__main__":
    
    image_path = select_image()
    if not image_path: 
        print("未選擇圖片，程序退出")
        exit()
      
    output_dir = select_output_dir()
    
    #  初始化OCR并處理圖片
    ocr = PaddleOCR(
        use_doc_orientation_classify=False,
        use_doc_unwarping=False,
        use_textline_orientation=False,
    )
    
    result = ocr.predict(image_path)
    for res in result:
        res.print()
        filename = os.path.splitext(os.path.basename(image_path))
        img_output_path = os.path.join(output_dir, f"{filename}_ocr_res.png")
        res.save_to_img(img_output_path)
        print(f"圖片結果已保存至: {img_output_path}")

• 導入必要的庫：PaddleOCR 用于 OCR 識別，tkinter 用于文件對話框，os 用于路徑操作

• 定義兩個 GUI 函數(shù)：

  • select_image()：打開圖片選擇對話框
  • select_output_dir()：打開目錄選擇對話框

• 主程序邏輯： a. 讓用戶選擇圖片文件 b. 讓用戶選擇輸出目錄 c. 初始化 PaddleOCR 引擎（禁用文檔方向識別等非必要功能） d. 執(zhí)行 OCR 識別 e. 處理結果：打印結果并保存為圖片

五、代碼運行效果

image.png

六、注意點

• 文件路徑地址不能直接復制如"C:\Users\Lenovo\Downloads\general_ocr_002.png"，要修改為"C:\Users\Lenovo\Downloads\general_ocr_002.png"
• 當路徑包含中文時，OpenCV無法正確識別路徑，會出現(xiàn)亂碼并報錯，可以通過Windows設置--->時間和語言--->語言和區(qū)域--->管理語言設置--->更改系統(tǒng)區(qū)域設置--->勾選beta版就ok了

draw_ocr函數(shù)報錯問題解決（雖然我沒有用到）

在瀏覽官網(wǎng)文件之前，我先去看了幾篇大佬的文章比如
python+paddleocr 進行圖像識別、找到文字在屏幕中的位置_python paddleocr-CSDN博客
PaddleOCR—圖片文字識別提取—快速使用教程_paddleocr使用教程-CSDN博客
maybe我太蠢了，程序花了好久都沒能調(diào)通，中途也求助了ai（大概花了我7個米的tokens）都沒能搞好，其中一個問題就是

cannot import name 'PaddleOCR' from 'paddleocr'

這個問題我也在社區(qū)搜索過了cannot import name ‘PaddleOCR‘ from ‘paddleocr‘_cannot import name 'paddleocr' from partially init-CSDN博客，但是我犯錯的原因可能與他們不同，無論怎么修改，錯誤一直存在，困擾了我良久，最后在github社區(qū)找到一個評論（現(xiàn)在突然找不到了），就是說draw_ocr
在utility.py中，而這個文件按上述方法好像沒有下載（也有可能是版本問題），就一直報錯，之后我就到https://github.com/PaddlePaddle/PaddleOCR/blame/7b759798887596629e83c01436d5256543805060/tools/infer/utility.py#L208下載，再放到paddocr文件夾中，然后在開頭重新導入

from paddleocr.utility import draw_ocr

最終解決了問題。。。

以上就是所有內(nèi)容，歡迎各位戴佬批評指正