c类开发工具有哪些（代码修改并封装的.NET的工具类库）

《开源精选》是我们分享Github、gitee等开源社区中优质项目的栏目，包括技术、学习、实用与各种有趣的内容。本期推荐的是基于PaddleOCR的C 代码修改并封装的.NET的工具类库。

本项目是一个基于PaddleOCR的C 代码修改并封装的.NET的工具类库。包含文本识别、文本检测、基于文本检测结果的统计分析的表格识别功能，同时针对小图识别不准的情况下，做了优化，提高识别准确率。

包含总模型仅8.6M的超轻量级中文OCR，单模型支持中英文数字组合识别、竖排文本识别、长文本识别。同时支持多种文本检测。

本项目中PaddleOCR.dll文件是基于开源项目PaddleOCR的C 代码修改而成的C 动态库，基于opencv的x64编译而成的。

#region 通用参数 /// <summary> /// 是否使用GPU，默认关闭 /// </summary> public byte use_gpu { get; set; } = 0; /// <summary> /// GPU id，使用GPU时有效 /// </summary> public int gpu_id { get; set; } = 0; /// <summary> /// 申请的GPU内存，使用GPU时有效 /// </summary> public int gpu_mem { get; set; } = 4000; /// <summary> /// 使用线程数，默认2 /// </summary> public int numThread { get; set; } = 2; /// <summary> /// 启用mkldnn加速，默认开启 /// </summary> public byte Enable_mkldnn { get; set; } = 1; #endregion #region 检测模型相关 /// <summary> /// 补白边，默认50，暂时没有用 /// </summary> public int Padding { get; set; } = 50; /// <summary> /// 输入图像长宽大于960时，等比例缩放图像，使得图像最长边为960 /// </summary> public int MaxSideLen { get; set; } = 960; /// <summary> /// DB后处理过滤box的阈值，如果检测存在漏框情况，可酌情减小 /// </summary> public float BoxScoreThresh { get; set; } = 0.5f; /// <summary> /// 用于过滤DB预测的二值化图像，设置为0.-0.3对结果影响不明显 /// </summary> public float BoxThresh { get; set; } = 0.3f; /// <summary> /// 表示文本框的紧致程度，越小则文本框更靠近文本 /// </summary> public float UnClipRatio { get; set; } = 1.6f; /// <summary> /// DoAngle 默认1启用 /// </summary> public byte DoAngle { get; set; } = 1; /// <summary> /// MostAngle 默认1启用 /// </summary> public byte MostAngle { get; set; } = 1; /// <summary> /// 是否使用多边形框计算bbox score，false表示使用矩形框计算。矩形框计算速度更快，多边形框对弯曲文本区域计算更准确。 /// </summary> public byte use_polygon_score { get; set; } = 0; /// <summary> /// 是否对结果进行可视化，为1时，会在当前文件夹下保存文件名为ocr_vis.png的预测结果。 /// </summary> public byte visualize { get; set; } = 0; #endregion #region 方向分类器相关 /// <summary> /// 启用方向选择器，默认关闭 /// </summary> public byte use_angle_cls { get; set; } = 0; /// <summary> /// 方向分类器的得分阈值 /// </summary> public float cls_thresh { get; set; } = 0.9f; #endregion

准备环境

• Linux环境，推荐使用docker。
• Windows环境，目前支持基于Visual Studio 2019 Community进行编译。

编译OPENcv库

• 首先需要从opencv官网上下载在Linux环境下源码编译的包，以opencv3.4.7为例，下载命令如下。

cd deploy/cpp_infer wget https://paddleocr.bj.bcebos.com/libs/opencv/opencv-3.4.7.tar.gz tar -xf opencv-3.4.7.tar.gz

最终可以在当前目录下看到opencv-3.4.7/的文件夹。

• 编译opencv，设置opencv源码路径(root_path)以及安装路径(install_path)。进入opencv源码路径下，按照下面的方式进行编译。

root_path="your_opencv_root_path" install_path=${root_path}/opencv3 build_dir=${root_path}/build rm -rf ${build_dir} mkdir ${build_dir} cd ${build_dir} CMake .. \ -DCMAKE_INSTALL_PREFIX=${install_path} \ -DCMAKE_BUILD_TYPE=Release \ -DBUILD_SHARED_LIBS=OFF \ -DWITH_IPP=OFF \ -DBUILD_IPP_IW=OFF \ -DWITH_LAPACK=OFF \ -DWITH_EIGEN=OFF \ -DCMAKE_INSTALL_LIBDIR=lib64 \ -DWITH_ZLIB=ON \ -DBUILD_ZLIB=ON \ -DWITH_JPEG=ON \ -DBUILD_JPEG=ON \ -DWITH_PNG=ON \ -DBUILD_PNG=ON \ -DWITH_TIFF=ON \ -DBUILD_TIFF=ON make -j make install

也可以直接修改tools/build_opencv.sh的内容，然后直接运行下面的命令进行编译。

sh tools/build_opencv.sh

其中root_path为下载的opencv源码路径，install_path为opencv的安装路径，make install完成之后，会在该文件夹下生成opencv头文件和库文件，用于后面的OCR代码编译。

最终在安装路径下的文件结构如下所示。

opencv3/ |-- bin |-- include |-- lib |-- lib64 |-- share

下载或者编译Paddle预测库

直接下载安装：https://paddle-inference.readthedocs.io/en/latest/user_guides/download_lib.html

• 下载之后使用下面的方法解压，最终会在当前的文件夹中生成paddle_inference/的子文件夹。

tar -xf paddle_inference.tgz

预测库源码编译

• 如果希望获取最新预测库特性，可以从Paddle github上克隆最新代码，源码编译预测库。

git clone https://github.com/PaddlePaddle/Paddle.git git checkout release/2.2

• 进入Paddle目录后，编译方法如下。

rm -rf build mkdir build cd build cmake .. \ -DWITH_CONTRIB=OFF \ -DWITH_MKL=ON \ -DWITH_MKLDNN=ON \ -DWITH_TESTING=OFF \ -DCMAKE_BUILD_TYPE=Release \ -DWITH_INFERENCE_API_TEST=OFF \ -DON_INFER=ON \ -DWITH_PYTHON=ON make -j make inference_lib_dist

• 编译完成之后，可以在build/paddle_inference_install_dir/文件下看到生成了以下文件及文件夹。

build/paddle_inference_install_dir/ |-- CMakeCache.txt |-- paddle |-- third_party |-- version.txt

其中paddle就是C 预测所需的Paddle库，version.txt中包含当前预测库的版本信息。

将模型导出为inference model

inference/ |-- det_db | |--inference.pdiparams | |--inference.pdmodel |-- rec_rcnn | |--inference.pdiparams | |--inference.pdmodel

编译PaddleOCR C 预测demo

• 编译命令如下，其中Paddle C 预测库、opencv等其他依赖库的地址需要换成自己机器上的实际地址。

sh tools/build.sh

• 具体的，需要修改tools/build.sh中环境路径，相关内容如下：

OPENCV_DIR=your_opencv_dir LIB_DIR=your_paddle_inference_dir CUDA_LIB_DIR=your_cuda_lib_dir CUDNN_LIB_DIR=/your_cudnn_lib_dir

其中，OPENCV_DIR为opencv编译安装的地址；LIB_DIR为下载(paddle_inference文件夹)或者编译生成的Paddle预测库地址(build/paddle_inference_install_dir文件夹)；CUDA_LIB_DIR为cuda库文件地址，在docker中为/usr/local/cuda/lib64；CUDNN_LIB_DIR为cudnn库文件地址，在docker中为/usr/lib/x86_64-linux-gnu/。注意：以上路径都写绝对路径，不要写相对路径。

• 编译完成之后，会在build文件夹下生成一个名为ppocr的可执行文件。

运行方式：

./build/ppocr <mode> [--param1] [--param2] [...]

只调用检测：

./build/ppocr det \ --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \ --image_dir=../../doc/imgs/12.jpg

只调用识别：

./build/ppocr rec \ --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \ --image_dir=../../doc/imgs_words/ch/

调用串联：

# 不使用方向分类器 ./build/ppocr system \ --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \ --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \ --image_dir=../../doc/imgs/12.jpg # 使用方向分类器 ./build/ppocr system \ --det_model_dir=inference/ch_ppocr_mobile_v2.0_det_infer \ --use_angle_cls=true \ --cls_model_dir=inference/ch_ppocr_mobile_v2.0_cls_infer \ --rec_model_dir=inference/ch_ppocr_mobile_v2.0_rec_infer \ --image_dir=../../doc/imgs/12.jpg

最终屏幕上会输出检测结果如下:

OpenFileDialog ofd = new OpenFileDialog(); ofd.Filter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png"; if (ofd.ShowDialog() != DialogResult.OK) return; var imagebyte = File.ReadAllBytes(ofd.FileName); Bitmap bitmap = new Bitmap(new MemoryStream(imagebyte)); OCRModelConfig config = null; OCRParameter oCRParameter = new OCRParameter (); //oCRParameter.use_gpu=1;当使用GPU版本的预测库时，该参数打开才有效果 OCRResult ocrResult = new OCRResult(); using (PaddleOCREngine engine = new PaddleOCREngine(config, oCRParameter)) { ocrResult = engine.DetectText(bitmap ); } if (ocrResult != null) { MessageBox.Show(ocrResult.Text,"识别结果"); }

更多内容：https://gitee.com/raoyutian/paddle-ocrsharp