Sdcb.PaddleOCR 是一个基于 PaddlePaddle 的 OCR（光学字符识别）库，旨在提供高效的文本检测和识别功能。它支持多种语言，并提供本地和在线模型供用户选择。该库的设计使得在不同平台（如 Windows 和 Linux）上都能方便地进行文本识别。这个比Tesseract OCR 好多了，不过要get的库比较多。

NuGet 包

Sdcb.PaddleOCR 提供了多个 NuGet 包，用户可以根据需要选择合适的版本：

• Sdcb.PaddleOCR
  : 主要的 PaddleOCR 库，基于 Sdcb.PaddleInference。
• Sdcb.PaddleOCR.Models.LocalV3
  : 包含完整的本地 V3 模型，支持多种语言（约 105MB）。
• Sdcb.PaddleOCR.Models.LocalV4
  : 包含完整的本地 V4 模型，支持多种语言（约 111MB）。

有关语言支持的详细信息，请参考 PaddleOCR 模型列表。

https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.5/doc/doc_en/models_list_en.md

使用方法

using OpenCvSharp;
using Sdcb.PaddleInference;
using Sdcb.PaddleInference.Native;
using Sdcb.PaddleOCR;
using Sdcb.PaddleOCR.Models.Local;
using Sdcb.PaddleOCR.Models;

namespace AppPaddlePaddle
{
    internal class Program
    {
        static void Main(string[] args)
        {
            FullOcrModel model = LocalFullModels.ChineseV3;

            using (PaddleOcrAll all = new PaddleOcrAll(model, PaddleDevice.Mkldnn())
            {
                AllowRotateDetection = true, /* 允许识别有角度的文字 */
                Enable180Classification = false, /* 允许识别旋转角度大于90度的文字 */
            })
            {
                using (Mat src = Cv2.ImRead(@"temp_plate.png"))
                {
                    PaddleOcrResult result = all.Run(src);
                    Console.WriteLine("Detected all texts: \n" + result.Text);
                    foreach (PaddleOcrResultRegion region in result.Regions)
                    {
                        Console.WriteLine($"Text: {region.Text}, Score: {region.Score}, RectCenter: {region.Rect.Center}, RectSize:    {region.Rect.Size}, Angle: {region.Rect.Angle}");
                    }
                }
            }
            Console.ReadKey();
        }
    }
}

​

性能优化

• PaddleConfig.MkldnnCacheCapacity
  默认值为 1，可以根据内存使用情况进行调整。
• PaddleOcrAll.Enable180Classification
  默认值为 false，可以提高处理速度。
• PaddleOcrAll.AllowRotateDetection
  默认值为 true，如果只处理水平文本，可以设置为 false 以提高准确性和性能。

结论

Sdcb.PaddleOCR 是一个强大的 OCR 解决方案，适用于多种平台和语言。通过合理的配置和优化，用户可以实现高效的文本识别，满足不同场景的需求。

阅读原文：原文链接