网站导航
> 技术文档 > 【PaddleOCR】快速集成 PP-OCRv5 的 Python 实战秘籍--- 对PaddleOCR预测结果Result对象进行深度解析_ppocrv5

【PaddleOCR】快速集成 PP-OCRv5 的 Python 实战秘籍--- 对PaddleOCR预测结果Result对象进行深度解析_ppocrv5

网友: 技术文档 2025-08-08 03:04:44

🧑 博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。CSDN人工智能领域的优质创作者，提供AI相关的技术咨询、项目开发和个性化解决方案等服务，如有需要请站内私信或者联系任意文章底部的的VX名片（ID：xf982831907）

💬 博主粉丝群介绍：① 群内初中生、高中生、本科生、研究生、博士生遍布，可互相学习，交流困惑。② 热榜top10的常客也在群里，也有数不清的万粉大佬，可以交流写作技巧，上榜经验，涨粉秘籍。③ 群内也有职场精英，大厂大佬，可交流技术、面试、找工作的经验。④ 进群免费赠送写作秘籍一份，助你由写作小白晋升为创作大佬。⑤ 进群赠送CSDN评论防封脚本，送真活跃粉丝，助你提升文章热度。有兴趣的加文末联系方式，备注自己的CSDN昵称，拉你进群，互相学习共同进步。

在这里插入图片描述

【PaddleOCR】快速集成 PP-OCRv5 的 Python 实战秘籍--- 对PaddleOCR预测结果Result对象进行深度解析

    • 一、引言
    • 二、Python 集成 PP-OCRv5 实战代码解析
    • 三、PaddleOCR() 实例化 OCR 对象的参数介绍
    • 四、总结

一、引言

  在数字化浪潮的推动下，光学字符识别（OCR）技术成为了信息采集与数据处理领域的关键力量。PaddleOCR，作为百度 PaddlePaddle 团队精心打造的开源 OCR 工具包，凭借其卓越的多语言识别能力、惊人的高精度文本解析性能以及出色的扩展性，在全球开发者社区中收获了极高的人气。
  随着 PaddleOCR 3.0 版本的震撼发布，PP-OCRv5 模型系列横空出世，它不仅在文本识别的精准度上实现了高达 13% 的史诗级跃升，更是在多场景文档解析方面展现出了无与伦比的强大实力。今天，就让我们一同深入探索如何在 Python 环境下轻松集成并高效运用 PP-OCRv5，快速实现文本识别的实战应用，开启智能文档处理的新篇章。
【PaddleOCR】快速集成 PP-OCRv5 的 Python 实战秘籍--- 对PaddleOCR预测结果Result对象进行深度解析_ppocrv5

二、Python 集成 PP-OCRv5 实战代码解析

  来到核心实战环节，我们通过简洁高效的 Python 代码，轻松驾驭 PP-OCRv5 模型，实现文本识别的快速推理。

from paddleocr import PaddleOCR# 创建 PaddleOCR 实例，自定义配置 PP-OCRv5ocr = PaddleOCR( use_doc_orientation_classify=False, # 禁用文档方向分类模块 use_doc_unwarping=False, # 禁用文本图像矫正模块 use_textline_orientation=False, # 禁用文本行方向分类模块 ocr_version=\"PP-OCRv5\" # 明确指定使用 PP-OCRv5 版本)# 执行图片文本预测result = ocr.predict(\"./general_ocr_002.png\")# 输出识别结果for res in result: res.print() # 打印识别文本与位置信息 res.save_to_img(\"output\") # 将识别结果保存为图片 res.save_to_json(\"output\") # 将识别结果保存为 JSON 格式

  在上述 Python 脚本中，执行了如下几个步骤：
（1）通过 PaddleOCR() 实例化 OCR 对象。
（2）调用 OCR 产线对象的 predict() 方法进行推理预测，该方法会返回一个结果列表。另外，产线还提供了 predict_iter() 方法。两者在参数接受和结果返回方面是完全一致的，区别在于 predict_iter() 返回的是一个 generator，能够逐步处理和获取预测结果，适合处理大型数据集或希望节省内存的场景。可以根据实际需求选择使用这两种方法中的任意一种。
（3）对预测结果进行处理，每个样本的预测结果均为对应的Result对象，且支持打印、保存为图片、保存为json文件的操作；
  本文重点介绍对PaddleOCR（）预测结果Result对象进行深度解析的具体参数说明。

三、PaddleOCR() 实例化 OCR 对象的参数介绍

  通过PaddleOCR（）预测结果Result对象进行深度解析，具体参数说明如下：

方法名 方法说明 参数 参数类型 参数说明 默认值 print() 打印结果到终端 format_json bool 是否对输出内容进行使用 JSON 缩进格式化。 True indent int 指定缩进级别，以美化输出的 JSON 数据，使其更具可读性，仅当 format_json 为 True 时有效。 4 ensure_ascii bool 控制是否将非 ASCII 字符转义为 Unicode。设置为 True 时，所有非 ASCII 字符将被转义；False 则保留原始字符，仅当 format_json 为 True 时有效。 False save_to_json() 将结果保存为 json 格式的文件 save_path str 保存的文件路径，当为目录时，保存文件命名与输入文件类型命名一致。 无 indent int 指定缩进级别，以美化输出的 JSON 数据，使其更具可读性，仅当 format_json 为 True 时有效。 4 ensure_ascii bool 控制是否将非 ASCII 字符转义为 Unicode。设置为 True 时，所有非 ASCII 字符将被转义；False 则保留原始字符，仅当 format_json 为 True 时有效。 False save_to_img() 将结果保存为图像格式的文件 save_path str 保存的文件路径，支持目录或文件路径。 无

  • 调用print() 方法会将结果打印到终端，打印到终端的内容解释如下：

    • input_path: (str) 待预测图像的输入路径
    • page_index: (Union[int, None]) 如果输入是PDF文件，则表示当前是PDF的第几页，否则为 None
    • model_settings: (Dict[str, bool]) 配置产线所需的模型参数
    • use_doc_preprocessor: (bool) 控制是否启用文档预处理子产线
    • use_textline_orientation: (bool) 控制是否启用文本行方向分类模块
    • doc_preprocessor_res: (Dict[str, Union[str, Dict[str, bool], int]]) 文档预处理子产线的输出结果。仅当 use_doc_preprocessor=True时存在
    • input_path: (Union[str, None]) 图像预处理子产线接受的图像路径，当输入为numpy.ndarray时，保存为None
    • model_settings: (Dict) 预处理子产线的模型配置参数
    • use_doc_orientation_classify: (bool) 控制是否启用文档方向分类
    • use_doc_unwarping: (bool) 控制是否启用文本图像矫正
    • angle: (int) 文档方向分类的预测结果。启用时取值为[0,1,2,3]，分别对应[0°,90°,180°,270°]；未启用时为-1
    • dt_polys: (List[numpy.ndarray]) 文本检测的多边形框列表。每个检测框由4个顶点坐标构成的numpy数组表示，数组shape为(4, 2)，数据类型为int16
    • dt_scores: (List[float]) 文本检测框的置信度列表
    • text_det_params: (Dict[str, Dict[str, int, float]]) 文本检测模块的配置参数
    • limit_side_len: (int) 图像预处理时的边长限制值
    • limit_type: (str) 边长限制的处理方式
    • thresh: (float) 文本像素分类的置信度阈值
    • box_thresh: (float) 文本检测框的置信度阈值
    • unclip_ratio: (float) 文本检测框的膨胀系数
    • text_type: (str) 文本检测的类型，当前固定为\"general\"
    • textline_orientation_angles: (List[int]) 文本行方向分类的预测结果。启用时返回实际角度值（如[0,0,1]），未启用时返回[-1,-1,-1]
    • text_rec_score_thresh: (float) 文本识别结果的过滤阈值
    • rec_texts: (List[str]) 文本识别结果列表，仅包含置信度超过text_rec_score_thresh的文本
    • rec_scores: (List[float]) 文本识别的置信度列表，已按text_rec_score_thresh过滤
    • rec_polys: (List[numpy.ndarray]) 经过置信度过滤的文本检测框列表，格式同dt_polys
    • rec_boxes: (numpy.ndarray) 检测框的矩形边界框数组，shape为(n, 4)，dtype为int16。每一行表示一个矩形框的[x_min, y_min, x_max, y_max]坐标，其中(x_min, y_min)为左上角坐标，(x_max, y_max)为右下角坐标

  • 调用save_to_json() 方法会将上述内容保存到指定的save_path中，如果指定为目录，则保存的路径为save_path/{your_img_basename}_res.json，如果指定为文件，则直接保存到该文件中。由于json文件不支持保存numpy数组，因此会将其中的numpy.array类型转换为列表形式。

  • 调用save_to_img() 方法会将可视化结果保存到指定的save_path中，如果指定为目录，则保存的路径为save_path/{your_img_basename}_ocr_res_img.{your_img_extension}，如果指定为文件，则直接保存到该文件中。(产线通常包含较多结果图片，不建议直接指定为具体的文件路径，否则多张图会被覆盖，仅保留最后一张图)
    此外，也支持通过属性获取带结果的可视化图像和预测结果，具体如下：

属性名 属性说明 json 获取预测的 json 格式的结果 img 获取格式为 dict 的可视化图像
  • json 属性获取的预测结果为dict类型的数据，相关内容与调用 save_to_json() 方法保存的内容一致。
  • img 属性返回的预测结果是一个dict类型的数据。其中，键分别为 ocr_res_img 和 preprocessed_img，对应的值是两个 Image.Image 对象：一个用于显示 OCR 结果的可视化图像，另一个用于展示图像预处理的可视化图像。如果没有使用图像预处理子模块，则dict中只包含 ocr_res_img。

四、总结

  通过本文的深入讲解，相信大家已经掌握了在 Python 环境下利用 PaddleOCR 快速集成 PP-OCRv5 的全过程。从环境搭建的每一步骤，到实战代码的每个细节，再到关键参数的深层含义，我们对PaddleOCR（）预测结果Result对象进行深度解析的参数介绍。如今，你已经具备了将 PP-OCRv5 强大的文本识别能力融入自身项目的能力，无论是处理日常办公文档、优化信息采集流程，还是开展更复杂的智能文档分析项目，都能游刃有余。踏上文本智能处理的新征程，PP-OCRv5 将成为你最得力的助手，助力你在数字化时代浪潮中一往无前。

网络标签：

相关问题