hengbing3/OCR-code

ocr study

OCR 服务端应用

该项目是一个基于 Flask 和 PaddleX 的 OCR（光学字符识别）服务端应用。它提供了一个 /ocr 接口，支持通过图片路径、URL 或 Base64 编码的图片进行文字识别，并返回识别结果和可视化的结果图像。

功能特性

• 多种图片输入方式：支持本地图片路径、网络图片 URL、Base64 编码的图片数据。
• 批量处理：一次请求可处理多张图片，提高处理效率。
• 结果返回：返回识别的文本、位置、多边形坐标、识别得分，以及可视化的结果图像（Base64 编码）。
• 错误处理：对异常情况进行捕获和处理，确保服务稳定运行。

目录

• OCR 服务端应用
  • 功能特性
  • 目录
  • 安装依赖
  • API 使用指南
    • 请求地址
    • 请求方法
    • 请求参数
    • 响应结果
    • 示例请求
      • 1. 使用本地图片路径
      • 2. 使用图片 URL
      • 3. 使用 Base64 编码的图片
    • 示例响应
    • 注意事项

安装依赖

在运行该项目之前，请确保已安装以下 Python 库以及相关环境：

pip install paddlepaddle==3.0.0b1 -i https://www.paddlepaddle.org.cn/packages/stable/cpu/

pip install https://paddle-model-ecology.bj.bcebos.com/paddlex/whl/paddlex-3.0.0b1-py3-none-any.whl

pip install ujson

pip install flask numpy pillow requests
#flask：用于创建 Web 服务。
#numpy 和 pillow：用于图像处理。
#requests：用于处理网络请求（下载图片）。

API 使用指南

请求地址

POST http://localhost:6666/ocr

请求方法

• post

请求参数

请求体为 JSON 格式，支持以下字段：

• img：图片路径或图片路径列表（本地路径）。
• image：图片 URL 或图片 URL 列表。
• img_base64：Base64 编码的图片数据或列表。
• inferenceParams（可选）：推理参数，支持以下字段：
  • maxLongSide：指定图像的最长边，用于调整图像大小。

响应结果

响应为 JSON 格式，包含以下字段：

• errorCode：错误码，0 表示成功，非 0 表示失败。
• errorMsg：错误信息。
• result：识别结果列表，每个元素对应一张输入的图片，包含：
• texts：识别的文本列表，每个元素包含：
  • poly：文本区域的多边形顶点坐标。
  • text：识别的文本内容。
  • score：识别得分。
• image：可视化的结果图像（Base64 编码）。

示例请求

1. 使用本地图片路径

  {
  "img": [
    "/path/to/local/image1.jpg",
    "/path/to/local/image2.jpg"
  ],
  "inferenceParams": {
    "maxLongSide": 960
  }
}

2. 使用图片 URL

  {
  "image": [
    "http://example.com/image1.jpg",
    "http://example.com/image2.jpg"
  ],
  "inferenceParams": {
    "maxLongSide": 960
  }
}

3. 使用 Base64 编码的图片

{
  "img_base64": [
    "iVBORw0KGgoAAAANSUhEUgAA...",
    "iVBORw0KGgoAAAANSUhEUgAA..."
  ],
  "inferenceParams": {
    "maxLongSide": 960
  }
}

示例响应

{
  "errorCode": 0,
  "errorMsg": "Success",
  "result": [
    {
      "texts": [
        {
          "poly": [[x1, y1], [x2, y2], ...],
          "text": "识别的文本内容1",
          "score": 0.95
        },
        {
          "poly": [[x1, y1], [x2, y2], ...],
          "text": "识别的文本内容2",
          "score": 0.90
        }
      ],
      "image": "<Base64 编码的结果图像1>"
    },
    {
      "texts": [
        {
          "poly": [[x1, y1], [x2, y2], ...],
          "text": "识别的文本内容3",
          "score": 0.93
        }
      ],
      "image": "<Base64 编码的结果图像2>"
    }
  ]
}

注意事项

• 图片路径：当使用 img 参数传递本地图片路径时，确保服务端有权限访问这些路径，且路径格式正确。
• 图片 URL：当使用 image 参数传递图片 URL 时，确保 URL 可访问，且图片格式受支持。
• Base64 编码：当使用 img_base64 参数传递 Base64 编码的图片时，确保编码正确，无额外的前缀或换行符。
• 字符编码：为了避免中文字符显示乱码，响应中设置了 ensure_ascii=False，并指定了 utf-8 编码。