本文提供了完整的 PaddleOCR 文字检测识别实现，专注于模型快速下载部署和即用型代码实现。
一、基础介绍
PaddleOCR 是百度飞桨（PaddlePaddle）开源的超轻量、高性能光学字符识别（OCR）工具库，核心作用是把图像 / 视频中的文字内容转换成可编辑的文本，是目前国内使用广泛、对中文支持极佳的 OCR 解决方案，特别适合新手快速上手。
1.1 算法识别流程
PaddleOCR 的识别过程主要分为三步：
文本检测（Det）：找到图像中文字的位置（用矩形框标出文字区域）； 文本方向分类（Cls）：识别文字的旋转方向（如 0°、90°、180°），修正倾斜 / 倒序文本； 文本识别（Rec）：把检测到的文字区域转换成具体的字符内容（如 “2026-01-09 10:00”）。 PaddleOCR 是百度开源的高性能 OCR 工具库，对中文支持极佳，新手易上手；支持 CPU/GPU 推理、多场景适配，还能自定义训练，兼顾易用性和灵活性。
二、环境安装
首先确认电脑已安装Python 环境（推荐 3.7~3.10 版本，过高版本可能兼容问题），可以通过终端 / 命令行输入 python --version 查看版本。
2.1 基础安装（CPU 版）
安装 PaddlePaddle 核心库 打开终端 / 命令提示符，执行对应系统的命令：
Windows/Linux/Mac通用（CPU版）
python -m pip install paddlepaddle -i pypi.tuna.tsinghua.edu.cn/simple
（使用清华镜像源，下载速度更快）
安装 PaddleOCR 库 接着执行：
pip install paddleocr -i pypi.tuna.tsinghua.edu.cn/simple
这一步会自动安装 PaddleOCR 及其依赖（如 OpenCV、numpy 等）。
2.2 GPU 版安装（高性能需求）
如果电脑有 NVIDIA 显卡，提升识别速度，需要先配置 CUDA 环境（步骤略过）： 检查显卡兼容性：确认显卡支持 CUDA（可在 NVIDIA 官网查询）；
安装 GPU 版 PaddlePaddle：
以CUDA 11.2为例
python -m pip install paddlepaddle-gpu==2.5.2.post112 -f www.paddlepaddle.org.cn/whl/windows…
2.3 验证安装是否成功
安装完成后，执行以下简单代码验证：
from paddleocr import PaddleOCR
初始化OCR（默认CPU，use_gpu=True则启用GPU）
ocr = PaddleOCR(use_angle_cls=True, lang='ch')
识别示例图片（会自动下载模型，首次运行稍慢）
result = ocr.ocr('paddleocr.bj.bcebos.com/PP-OCRv4/im…', cls=True)
打印识别结果
for line in result[0]: print("识别文本：", line[1][0])
代码运行结束后，会在当前目录下自动生成文件夹./PP-OCRv4
三、PaddleOCR 核心参数调试
import os import cv2 import numpy as np from paddleocr import PaddleOCR from PIL import Image, ImageDraw, ImageFont
class PaddleOCRDetector:
def init(self, use_gpu=True):
"""
初始化PaddleOCR检测器
:param use_gpu: 是否使用GPU推理
"""
# 适配1920x1080分辨率的参数优化
self.ocr = PaddleOCR(
use_angle_cls=True, # 启用文字方向分类（解决文本旋转问题）
lang='ch', # 识别语言为中文（含数字/英文）
use_gpu=use_gpu,
show_log=False,
det_model_dir='./PP-OCRv4/ch_PP-OCRv4_det_server_infer/',
rec_model_dir='./PP-OCRv4/ch_PP-OCRv4_rec_server_infer/',
cls_model_dir='./PP-OCRv4/ch_ppocr_mobile_v2.0_cls_infer/',
# 适配1920x1080分辨率的尺寸参数
det_limit_side_len=1920, # 匹配图像最大边1920像素
det_limit_type='max', # 按最大边缩放
# 检测参数优化（适配时间水印这类小文本）
det_db_thresh=0.15, # 更低阈值检测小文本
det_db_box_thresh=0.15, # 降低框阈值保留更多候选框
det_db_unclip_ratio=2.0, # 适度扩展文本框（适配水印长文本）
det_db_score_mode='fast',
use_dilation=True, # 启用膨胀处理（修复原注释错误，增强小文本检测）
# 识别参数优化（提升时间水印识别精度）
rec_image_shape='3, 48, 480',
drop_score=0.5, # 适度降低置信度（避免水印文本被过滤）
rec_batch_num=2, # 减小批次提升小文本识别精度
rec_algorithm='SVTR_LCNet',
# 分类参数
cls_batch_num=2,
cls_thresh=0.85, # 降低分类阈值（适配水印文本）
# 性能参数
max_batch_size=4,
cpu_threads=12,
gpu_mem=2000,
)
def inference(self, img_input):
"""
推理函数：输入图像路径/数组，返回OCR识别结果
:param img_input: 图像路径(str)或cv2读取的numpy数组
:return: 原始OCR结果（列表），识别的文本拼接字符串
"""
try:
# 处理图像输入
if isinstance(img_input, str):
if not os.path.exists(img_input):
raise FileNotFoundError(f"图片文件 {img_input} 不存在！")
img = cv2.imread(img_input)
raw_result = self.ocr.ocr(img, cls=True)
elif isinstance(img_input, np.ndarray):
if len(img_input.shape) != 3:
raise ValueError("图像数组必须是3D(彩色)格式")
img = img_input.copy()
rgb_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
raw_result = self.ocr.ocr(rgb_img, cls=True)
else:
raise ValueError("输入必须是图像文件路径(str)或图像数组(numpy.ndarray)")
# 提取识别的文本（过滤空结果）
ocr_texts = []
if raw_result and len(raw_result) > 0 and raw_result[0] is not None:
for line in raw_result[0]:
text = line[1][0].strip() # 提取文本内容
score = line[1][1] # 提取置信度
if text and score > 0.1: # 过滤空文本和极低置信度结果
ocr_texts.append(text)
return ocr_texts
except Exception as e:
raise Exception(f"OCR识别过程中出现错误: {e}")
