如何高效使用cnocr实现竖排中文字符识别？

作者：狼烟四起2025.10.15 23:59浏览量：0

简介：本文详细介绍如何使用cnocr库实现简体中文与繁体中文竖排文字识别，涵盖环境搭建、参数配置、代码实现及优化技巧，为开发者提供可落地的技术方案。

如何高效使用cnocr实现竖排中文字符识别？

一、cnocr核心功能与技术背景

cnocr是由国内开发者开源的OCR工具库，基于深度学习框架PyTorch实现，支持多语言、多方向文字识别。其核心技术优势体现在三个方面：

  1. 多语言支持：内置简体中文字典（cn_dict.txt）和繁体中文字典（tw_dict.txt），通过lang参数动态切换
  2. 方向自适应：支持0°（横排）、90°（竖排）、180°、270°四种文字方向检测
  3. 轻量化部署：提供预训练模型（如densenet_lite_136-gru），在CPU环境下可实现实时识别

竖排文字识别相较于横排存在三大技术挑战：字符间距不规则、行间干扰严重、标点符号位置特殊。cnocr通过改进的CTC损失函数和方向感知特征提取模块，在古籍、书法等竖排场景中保持较高准确率。

二、环境搭建与依赖管理

2.1 系统要求

  • Python 3.7+
  • PyTorch 1.8+（支持CPU/GPU）
  • OpenCV 4.5+
  • 推荐使用Anaconda管理虚拟环境

2.2 安装步骤

  1. # 创建虚拟环境（可选）
  2. conda create -n cnocr_env python=3.8
  3. conda activate cnocr_env
  5. # 安装核心依赖
  6. pip install torch torchvision torchaudio
  7. pip install opencv-python numpy
  9. # 安装cnocr（最新稳定版）
  10. pip install cnocr -U

2.3 版本验证

  1. import cnocr
  2. print(cnocr.__version__)  # 应输出2.2.x及以上版本

三、核心参数配置详解

3.1 关键参数说明

参数 类型 默认值 功能说明
lang str ch_sim 语言选择：ch_sim（简体）、ch_tra（繁体）
det_model_name str ch_PP-OCRv3_det 检测模型，竖排场景建议用ch_PP-OCRv3_det_vertical
rec_model_name str densenet_lite_136-gru 识别模型
context str cpu 计算设备：cpu/cuda
root_engine str ./cnocr_models 模型下载目录

3.2 竖排识别专用配置

  1. from cnocr import CnOcr
  3. # 竖排识别专用配置
  4. config = {
  5.     'lang': 'ch_sim',  # 或'ch_tra'
  6.     'det_model_name': 'ch_PP-OCRv3_det_vertical',  # 竖排专用检测模型
  7.     'rec_model_name': 'densenet_lite_136-gru',
  8.     'context': 'cuda' if torch.cuda.is_available() else 'cpu',
  9.     'root_engine': './models'
  10. }
  12. ocr = CnOcr(**config)

四、完整识别流程实现

4.1 图像预处理

  1. import cv2
  2. import numpy as np
  4. def preprocess_image(img_path):
  5.     # 读取图像并转为RGB
  6.     img = cv2.imread(img_path)
  7.     img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
  9.     # 竖排场景建议进行二值化处理
  10.     gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
  11.     _, binary = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
  13.     # 调整尺寸（建议长边不超过1200px）
  14.     h, w = binary.shape
  15.     if max(h, w) > 1200:
  16.         scale = 1200 / max(h, w)
  17.         binary = cv2.resize(binary, None, fx=scale, fy=scale)
  19.     return binary

4.2 批量识别实现

  1. def recognize_vertical_text(img_paths, lang='ch_sim'):
  2.     ocr = CnOcr(lang=lang, det_model_name='ch_PP-OCRv3_det_vertical')
  4.     results = []
  5.     for path in img_paths:
  6.         img = preprocess_image(path)
  7.         # 指定detect_area可限制识别区域（可选）
  8.         res = ocr.ocr(img, det_model_name='ch_PP-OCRv3_det_vertical')
  10.         # 处理竖排结果（cnocr默认返回坐标和文本）
  11.         vertical_texts = []
  12.         for line in res:
  13.             # 坐标处理（竖排坐标需要转换）
  14.             box = line['position']
  15.             # 文本内容
  16.             text = line['text']
  17.             vertical_texts.append({
  18.                 'text': text,
  19.                 'box': box,
  20.                 'confidence': line['score']
  21.             })
  22.         results.append({'image_path': path, 'texts': vertical_texts})
  24.     return results

4.3 繁体中文处理技巧

  1. # 繁体识别专用配置
  2. def recognize_traditional(img_path):
  3.     ocr = CnOcr(
  4.         lang='ch_tra',
  5.         det_model_name='ch_PP-OCRv3_det_vertical',
  6.         rec_model_name='resnet_stn_densenet-gru'  # 繁体专用识别模型
  7.     )
  9.     img = preprocess_image(img_path)
  10.     # 繁体识别建议增加后处理
  11.     res = ocr.ocr(img)
  13.     # 常见繁简转换（可选）
  14.     from zhconv import convert  # pip install zhconv
  15.     processed_res = []
  16.     for line in res:
  17.         simplified = convert(line['text'], 'zh-cn')
  18.         processed_res.append({
  19.             'original': line['text'],
  20.             'simplified': simplified,
  21.             'confidence': line['score']
  22.         })
  24.     return processed_res

五、性能优化与常见问题

5.1 精度提升策略

  1. 模型选择：

    • 简体：densenet_lite_136-gru（平衡速度与精度）
    • 繁体：resnet_stn_densenet-gru（带空间变换网络）

  2. 图像增强：

    1. def augment_image(img):
    2.     # 随机旋转（-15°~+15°）
    3.     h, w = img.shape[:2]
    4.     angle = np.random.uniform(-15, 15)
    5.     center = (w//2, h//2)
    6.     M = cv2.getRotationMatrix2D(center, angle, 1.0)
    7.     rotated = cv2.warpAffine(img, M, (w, h))
    9.     # 随机对比度调整
    10.     alpha = np.random.uniform(0.9, 1.1)
    11.     enhanced = cv2.convertScaleAbs(rotated, alpha=alpha, beta=0)
    12.     return enhanced

  3. 后处理优化：

    1. def postprocess(texts):
    2.     # 竖排文本行合并
    3.     merged_lines = []
    4.     current_line = []
    5.     for text in texts:
    6.         if len(current_line) > 0 and abs(current_line[-1]['box'][1][1] - text['box'][0][1]) < 10:
    7.             current_line.append(text)
    8.         else:
    9.             if current_line:
    10.                 merged_lines.append(''.join([t['text'] for t in current_line]))
    11.             current_line = [text]
    12.     if current_line:
    13.         merged_lines.append(''.join([t['text'] for t in current_line]))
    14.     return merged_lines

5.2 常见问题解决方案

  1. 识别乱码：

    • 检查lang参数是否匹配
    • 增加图像二值化阈值
    • 尝试更换识别模型

  2. 方向误判：

    1. # 强制指定方向（不推荐常规使用）
    2. from cnocr.utils import set_seed
    3. set_seed(42)  # 固定随机种子
    4. ocr = CnOcr(det_rotate_degrees=90)  # 强制90度识别

  3. 性能瓶颈：

    • CPU环境：使用densenet_lite系列模型
    • GPU环境：启用cuda并设置batch_size=4

六、完整案例演示

6.1 古籍竖排识别

  1. # 示例：识别《论语》竖排扫描件
  2. img_path = 'lunyu_vertical.jpg'
  3. results = recognize_vertical_text([img_path], lang='ch_sim')
  5. for res in results:
  6.     print(f"图像: {res['image_path']}")
  7.     for line in res['texts']:
  8.         print(f"位置: {line['box']}, 文本: {line['text']}, 置信度: {line['confidence']:.2f}")

6.2 繁体书法识别

  1. # 示例：识别繁体书法作品
  2. from zhconv import convert
  4. def recognize_calligraphy(img_path):
  5.     ocr = CnOcr(lang='ch_tra', rec_model_name='resnet_stn_densenet-gru')
  6.     img = preprocess_image(img_path)
  7.     res = ocr.ocr(img)
  9.     # 繁简转换与结果展示
  10.     simplified_res = []
  11.     for line in res:
  12.         simplified = convert(line['text'], 'zh-cn')
  13.         simplified_res.append({
  14.             'traditional': line['text'],
  15.             'simplified': simplified,
  16.             'confidence': line['score']
  17.         })
  19.     return simplified_res
  21. # 使用示例
  22. calligraphy_res = recognize_calligraphy('shufajia_vertical.jpg')
  23. for item in calligraphy_res[:5]:  # 显示前5条结果
  24.     print(f"繁体: {item['traditional']}")
  25.     print(f"简体: {item['simplified']}")
  26.     print(f"置信度: {item['confidence']:.2f}\n")

七、进阶应用建议

  1. 混合排版处理：

    1. # 自动检测横竖排（需自定义检测逻辑）
    2. def auto_detect_orientation(img):
    3.     # 这里可以接入方向分类模型
    4.     # 简单实现：假设高度>宽度则为竖排
    5.     h, w = img.shape[:2]
    6.     return 90 if h > w else 0

  2. 多语言混合识别：

    1. # 同时识别中英文（需修改字典文件）
    2. ocr = CnOcr(
    3.     lang='custom',
    4.     dict_path='./custom_dict.txt',  # 需包含中英文词汇
    5.     rec_model_name='resnet_stn_densenet-gru'
    6. )

  3. 服务化部署：

    1. # FastAPI示例
    2. from fastapi import FastAPI
    3. from pydantic import BaseModel
    5. app = FastAPI()
    7. class OCRRequest(BaseModel):
    8.     image_path: str
    9.     lang: str = 'ch_sim'
    11. @app.post("/ocr/vertical")
    12. async def vertical_ocr(request: OCRRequest):
    13.     ocr = CnOcr(lang=request.lang)
    14.     img = preprocess_image(request.image_path)
    15.     res = ocr.ocr(img)
    16.     return {"result": res}

通过以上技术方案，开发者可以高效实现简体中文与繁体中文的竖排文字识别。实际部署时，建议根据具体场景调整预处理参数和模型选择，并通过持续的数据积累优化识别效果。对于古籍、书法等特殊领域，可考虑微调预训练模型以获得更好的适应性。

最热文章