1.目的
掌握Winform下基于Sdcb. PaddleOCR和OpenCvSharp实现图片文字的提取方法。
⒉编程软件
Visual Studio 2022
⒊界面设计
如下图设计了UI界面，包括使用Button、PictureBox和RichTextBox控件：
本案例以下图特定图片为案例进行文字提取：
⒋代码简述
⑴命名空间
usingOpenCvSharp;
usingSdcb.PaddleInference;
usingSdcb.PaddleOCR;
usingSdcb.PaddleOCR.Models;
usingSdcb.PaddleOCR.Models.Local;
usingSystem;
usingSystem.Collections.Generic;
usingSystem.ComponentModel;
usingSystem.Data;
usingSystem.Drawing;
usingSystem.IO;
usingSystem.Linq;
usingSystem.Text;
usingSystem.Threading.Tasks;
usingSystem.Windows.Forms;
usingSize= OpenCvSharp.Size;
namespaceWinformGetTest
{
publicpartialclassForm1:Form
{
stringselectedPicture;//图片公共变量
publicForm1()
{
InitializeComponent();
}
…//内容代码
}
}
⑵“选择文字图片”代码
privatevoidbutton1_Click(objectsender,EventArgse)//获取图片
{
OpenFileDialogopenFileDialog =newOpenFileDialog();
openFileDialog.Filter ="Image Files(*.BMP;*.JPG;*.GIF;*.PNG)|*.BMP;*.JPG;*.GIF;*.PNG|All files (*.*)|*.*";
openFileDialog.FilterIndex = 1;
openFileDialog.Multiselect =false;
if(openFileDialog.ShowDialog() ==DialogResult.OK)
{
selectedPicture = openFileDialog.FileName;
Imageimage =Image.FromFile(selectedPicture);//使用Image类加载图片
pictureBox1.SizeMode =PictureBoxSizeMode.Zoom;//让PictureBox完全显示图片
pictureBox1.Image = image;//将图片显示在PictureBox中
}
else
{
MessageBox.Show("您本次没有选择任何图片！！！");
}
}
⑶“图片文字提取”代码
privatevoidbutton2_Click(objectsender,EventArgse)//图片文字提取
{
this.richTextBox1.Clear();//清空 richTextBox1 中的内容
FullOcrModelmodel =LocalFullModels.ChineseV3;//设置使用的 OCR 模型为中文版模型（v3 版本）
using(PaddleOcrAllall =newPaddleOcrAll(model,PaddleDevice.Mkldnn())//初始化 PaddleOCR 实例，使用 MKL-DNN 加速
{
AllowRotateDetection =true,//允许检测并识别有角度的文字
Enable180Classification =true,//允许识别旋转角度大于90度的文字
})
{
//读取用户选择的图片文件
using(Matsrc2 =Cv2.ImRead(selectedPicture))
using(Matpreprocessed = PreprocessImageForOcr(src2))
{
PaddleOcrResultresult = all.Run(preprocessed);//使用 OCR 对图片进行识别
stringrawText = result.Text;
stringcorrectedText = PostProcessOcrResult(rawText);//后处理校正(使用返回值)
richTextBox1.Text = correctedText;//将识别出的文本内容显示在 richTextBox1 中
}
}
}
privateMatPreprocessImageForOcr(Matsrc)//图片处理
{
try
{
Matprocessed = src.Clone();
// 1.转换为灰度图
if(processed.Channels() == 3)
{
Cv2.CvtColor(processed, processed,ColorConversionCodes.BGR2GRAY);
}
// 2.使用中值滤波，对文字边缘保护更好
Cv2.MedianBlur(processed, processed, 3);
// 3.自适应二值化（比普通阈值化效果更好）
Cv2.AdaptiveThreshold(processed, processed, 255,
AdaptiveThresholdTypes.GaussianC,
ThresholdTypes.Binary, 15, 5);
// 4.形态学操作去除噪点(先闭运算再开运算)
Matkernel =Cv2.GetStructuringElement(MorphShapes.Rect,newSize(2, 2));
Cv2.MorphologyEx(processed, processed,MorphTypes.Close, kernel);
//Cv2.MorphologyEx(processed, processed, MorphTypes.Open, kernel);
// 5.对比度增强
processed.ConvertTo(processed, -1, 1.1, 20);
returnprocessed;
}
catch(Exceptionex)
{
MessageBox.Show($"图像预处理错误:{ex.Message}");
returnsrc.Clone();
}
}
privatestringPostProcessOcrResult(stringrawText)// OCR结果后处理校正
{
varcorrections =newDictionary<string,string>//常见错别字和语法错误校正
{
{ "兰动化综", "自动化综" },
};
stringresult = rawText;
foreach(varcorrectionincorrections)
{
result = result.Replace(correction.Key, correction.Value);
}
returnresult;
}
在进行图片处理时，参数调整对比优化：
此外，对OCR结果后进行提取校正。
⒌测试
如下图，针对上述图片提取文字进行测试，分别为不校正和校正后的文字提取效果：
