# -*- coding: utf-8 -*- """ 使用PaddleOCR识别图片中的文字 """ import sys import json import cv2 import numpy as np import os from pathlib import Path # ========== 必须在所有导入之前设置环境变量 ========== # 跳过模型源检查，加快启动速度（必须在导入 PaddleOCR 之前设置） # 注意：正确的环境变量名是 PADDLE_PDX_DISABLE_MODEL_SOURCE_CHECK # 设置为 'True' 会跳过连接检查，设置为 'False' 或不设置会进行连接检查 # 由于我们已经直接指定了本地模型路径，可以禁用这个检查 os.environ['PADDLE_PDX_DISABLE_MODEL_SOURCE_CHECK'] = 'True' # 禁用 oneDNN 以避免 NotImplementedError（PaddlePaddle 3.3.0 的已知问题） # 必须在导入 PaddlePaddle 之前设置 os.environ['FLAGS_onednn'] = '0' os.environ['FLAGS_use_mkldnn'] = '0' os.environ['FLAGS_enable_onednn_layout_fusion'] = '0' os.environ['FLAGS_use_mkldnn'] = 'false' os.environ['FLAGS_onednn'] = 'false' # 禁用 oneDNN 的更多选项 os.environ['FLAGS_use_mkldnn'] = 'OFF' os.environ['FLAGS_onednn'] = 'OFF' # 设置日志级别，减少不必要的日志输出 # 注意：必须在导入 logging 相关模块之前设置 import logging import warnings # 设置 paddlex 的日志级别为 WARNING，减少不必要的日志输出 logging.getLogger('paddlex').setLevel(logging.WARNING) logging.getLogger('paddlex.inference').setLevel(logging.WARNING) logging.getLogger('paddlex.inference.utils').setLevel(logging.WARNING) logging.getLogger('paddlex.inference.utils.official_models').setLevel(logging.WARNING) # 抑制 pkg_resources 的弃用警告 warnings.filterwarnings('ignore', category=UserWarning, message='.*pkg_resources.*') warnings.filterwarnings('ignore', category=DeprecationWarning, message='.*pkg_resources.*') # 抑制 ccache 警告（这是 PaddlePaddle 的警告，不影响功能） warnings.filterwarnings('ignore', message='.*ccache.*') # ================================================== # Windows编码修复 if sys.platform == 'win32': import io sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='utf-8', errors='replace') sys.stderr = io.TextIOWrapper(sys.stderr.buffer, encoding='utf-8', errors='replace') # 添加PaddleOCR路径 project_root = Path(__file__).parent.parent # 尝试多个可能的路径 paddleocr_paths = [ project_root / 'PaddleOCR-main', # 直接路径 project_root / 'PaddleOCR-main' / 'PaddleOCR-main', # 嵌套路径 ] paddleocr_path = None for path in paddleocr_paths: if path.exists() and (path / 'paddleocr').exists(): paddleocr_path = path break if paddleocr_path: sys.path.insert(0, str(paddleocr_path)) print(f"[INFO] 使用本地PaddleOCR路径: {paddleocr_path}") else: print(f"[WARN] 未找到本地PaddleOCR，尝试使用pip安装的版本") try: from paddleocr import PaddleOCR PADDLEOCR_AVAILABLE = True except ImportError as e: print(f"[ERROR] 无法导入PaddleOCR模块: {e}") print("[ERROR] PaddleOCR 是必需的，请确保已正确安装") PADDLEOCR_AVAILABLE = False sys.exit(1) def ocr_with_paddleocr(image_path, text_mask_path, output_dir): """ 使用PaddleOCR识别图片中的文字 参数: image_path: 原始图片路径 text_mask_path: 文字遮罩图路径（用于参考，可选，当前未使用） output_dir: 输出目录 """ image_path = Path(image_path) # 处理空字符串的情况 text_mask_path = Path(text_mask_path) if text_mask_path and text_mask_path.strip() else None output_dir = Path(output_dir) # 使用 Path.mkdir 处理中文路径，比 os.makedirs 更可靠 output_dir.mkdir(parents=True, exist_ok=True) print(f"📖 读取原始图片: {image_path.name}") # 读取原始图片（处理中文路径） img_array = np.fromfile(str(image_path), dtype=np.uint8) img = cv2.imdecode(img_array, cv2.IMREAD_COLOR) if img is None: raise ValueError(f"无法读取图片: {image_path}") # 确保是RGB格式（3通道） if len(img.shape) == 2: # 如果是灰度图，转换为RGB img = cv2.cvtColor(img, cv2.COLOR_GRAY2RGB) elif img.shape[2] == 4: # 如果是RGBA，转换为RGB img = cv2.cvtColor(img, cv2.COLOR_RGBA2RGB) elif img.shape[2] == 3: # BGR转RGB img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) img_height, img_width = img.shape[:2] print(f"[INFO] 图片尺寸: {img_width}x{img_height}") # 初始化PaddleOCR print("[INFO] 初始化PaddleOCR...") try: # 使用简单的初始化方式，让 PaddleOCR 自动使用本地已下载的模型 # 这样更稳定，避免直接指定模型路径可能导致的初始化问题 paddleocr_instance = PaddleOCR( lang='ch', # 中文 enable_mkldnn=False # 明确禁用 MKL-DNN/oneDNN ) print("[INFO] PaddleOCR 初始化成功") except Exception as e: print(f"[ERROR] PaddleOCR初始化失败: {e}") import traceback traceback.print_exc() raise RuntimeError(f"PaddleOCR 初始化失败: {e}") # 执行OCR识别 print("[INFO] 正在识别文字...") print(f"[DEBUG] 图片数组信息: shape={img.shape}, dtype={img.dtype}, min={img.min()}, max={img.max()}") try: # 使用已读取的图片数组，传递给 PaddleOCR（避免中文路径问题） print(f"[DEBUG] 准备调用 paddleocr_instance.predict...") import sys sys.stdout.flush() # 确保输出被刷新 ocr_result = paddleocr_instance.predict(img) print(f"[DEBUG] OCR结果类型: {type(ocr_result)}, 长度: {len(ocr_result) if ocr_result else 0}") sys.stdout.flush() except Exception as e: print(f"[ERROR] OCR识别失败: {e}") import traceback traceback.print_exc() sys.stdout.flush() raise if not ocr_result or len(ocr_result) == 0: print("[WARN] 未识别到任何文字") dialogues = [] else: # 解析PaddleOCR结果 result_item = ocr_result[0] # PaddleOCR 3.x 返回的是 OCRResult 对象，通过 .json 属性获取数据 try: result_json = result_item.json res_data = result_json.get('res', {}) if isinstance(result_json, dict) else {} # 提取文本、置信度、坐标 rec_texts = res_data.get('rec_texts', []) rec_scores = res_data.get('rec_scores', []) rec_polys = res_data.get('rec_polys', []) # 多边形坐标 [[[x1,y1],[x2,y2],[x3,y3],[x4,y4]], ...] rec_boxes = res_data.get('rec_boxes', []) # 边界框 [[x1,y1,x2,y2], ...] print(f"[OK] 识别到 {len(rec_texts)} 个文本区域") # 提取对话文本 dialogues = [] for idx, text in enumerate(rec_texts): if not text or not text.strip(): continue # 获取置信度 confidence = float(rec_scores[idx]) if idx < len(rec_scores) else 0.9 # 获取坐标（优先使用多边形坐标，如果没有则使用边界框） if idx < len(rec_polys) and rec_polys[idx]: bbox_coords = rec_polys[idx] # [[x1,y1],[x2,y2],[x3,y3],[x4,y4]] elif idx < len(rec_boxes) and rec_boxes[idx]: # 将边界框转换为多边形格式 box = rec_boxes[idx] # [x1, y1, x2, y2] bbox_coords = [ [box[0], box[1]], # 左上 [box[2], box[1]], # 右上 [box[2], box[3]], # 右下 [box[0], box[3]] # 左下 ] else: print(f" [WARN] 第 {idx} 个文本没有坐标信息，跳过") continue # 计算边界框 if not isinstance(bbox_coords, (list, tuple)) or len(bbox_coords) < 4: print(f" [WARN] 第 {idx} 个文本坐标格式不正确，跳过") continue try: x_coords = [] y_coords = [] for coord in bbox_coords: if isinstance(coord, (list, tuple)) and len(coord) >= 2: x_coords.append(coord[0]) y_coords.append(coord[1]) if not x_coords or not y_coords or len(x_coords) < 4: print(f" [WARN] 第 {idx} 个文本无法提取足够的坐标点，跳过") continue x1 = int(min(x_coords)) y1 = int(min(y_coords)) x2 = int(max(x_coords)) y2 = int(max(y_coords)) dialogues.append({ 'order': len(dialogues) + 1, 'text': text.strip(), 'bbox': { 'x1': x1, 'y1': y1, 'x2': x2, 'y2': y2, 'width': x2 - x1, 'height': y2 - y1, 'center_x': float((x1 + x2) / 2), 'center_y': float((y1 + y2) / 2) }, 'confidence': confidence }) print(f" [{len(dialogues)}/{len(rec_texts)}] {text[:50]}...") except (TypeError, IndexError, ValueError) as e: print(f" [WARN] 第 {idx} 个文本解析坐标失败: {e}，跳过") continue except Exception as e: print(f"[ERROR] 解析PaddleOCR结果失败: {e}") import traceback traceback.print_exc() dialogues = [] # 保存结果 image_name = image_path.stem output_json = { 'image_file': f"{image_name}{image_path.suffix}", 'reading_order': '从右到左、从上到下（日式漫画阅读顺序）', 'dialogues': dialogues, 'total_count': len(dialogues) } output_file = output_dir / f"{image_name}_dialogues.json" with open(output_file, 'w', encoding='utf-8') as f: json.dump(output_json, f, ensure_ascii=False, indent=2) print(f"\n✅ 结果已保存到: {output_file}") return output_file if __name__ == '__main__': try: print(f"[DEBUG] sys.argv: {sys.argv}") print(f"[DEBUG] sys.argv长度: {len(sys.argv)}") # 至少需要3个参数：脚本名、图片路径、输出目录 # text_mask_path 是可选的，可以为空（空字符串会被shell忽略） if len(sys.argv) < 3: print("用法: python ocr_with_paddleocr.py <原始图片路径> [文字遮罩图路径] <输出目录>") sys.exit(1) image_path = sys.argv[1] # 如果只有3个参数，说明没有 text_mask_path（空字符串被忽略），output_dir 是第二个参数 if len(sys.argv) == 3: text_mask_path = "" output_dir = sys.argv[2] elif len(sys.argv) >= 4: # 有4个或更多参数：脚本名、图片路径、text_mask_path、输出目录 text_mask_path = sys.argv[2] output_dir = sys.argv[3] else: # 不应该到这里 raise ValueError("参数数量不正确") print(f"[DEBUG] 参数: image_path={image_path}, text_mask_path={text_mask_path}, output_dir={output_dir}") # 验证图片路径是否存在 if not Path(image_path).exists(): raise FileNotFoundError(f"图片文件不存在: {image_path}") ocr_with_paddleocr(image_path, text_mask_path, output_dir) except KeyboardInterrupt: print("[INFO] 用户中断") sys.exit(1) except Exception as e: print(f"[ERROR] OCR识别失败: {e}") import traceback traceback.print_exc() sys.exit(1)