【電賽學習筆記】MaixCAM 的OCR圖片文字識別

前言

本文是對MaixPy官方文檔?MaixCAM MaixPy 實現 OCR 圖片文字識別 - MaixPy?的項目實踐整理與拓展，侵權即刪。

功能介紹

OCR是MaixCAM中功能強大的數字文字識別模塊，可以做到輕松的識別各種數字與文字。

OCR官方例程解析

工程源碼

from maix import camera, display, image, nn, appmodel = "/root/models/pp_ocr.mud"
ocr = nn.PP_OCR(model)cam = camera.Camera(ocr.input_width(), ocr.input_height(), ocr.input_format())
disp = display.Display()image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size = 20)
image.set_default_font("ppocr")while not app.need_exit():img = cam.read()objs = ocr.detect(img)for obj in objs:points = obj.box.to_list()img.draw_keypoints(points, image.COLOR_RED, 4, -1, 1)img.draw_string(obj.box.x4, obj.box.y4, obj.char_str(), image.COLOR_RED)disp.show(img)

拆解

把整段代碼拆成“零基礎小白語言”，一行一行嚼碎了解釋。
讀完你就能知道：“這段程序到底在干嘛？每個括號里的東西是什么意思？”

🔑 先記住 3 個角色

角色作用比喻
攝像頭拍照眼睛
PP_OCR認字大腦里的“識字老師”
屏幕把結果給你看畫板

🧩 逐行講解

1?? 把“識字老師”請進門
from maix import camera, display, image, nn, app

  • 告訴 Python：我要用 攝像頭、屏幕、畫圖、識字老師、退出按鈕 這 5 個工具包。

model = "/root/models/pp_ocr.mud"

  • 識字老師的“教材”放在板子里的 /root/models/pp_ocr.mud。

  • .mud 就是 MaixPy 的模型文件（提前燒好的）。

ocr = nn.PP_OCR(model)

  • ocr 就是這位老師的名字。

  • nn.PP_OCR(...)：用剛才那本教材，創建出識字老師。

2?? 打開眼睛（攝像頭）
cam = camera.Camera(ocr.input_width(), ocr.input_height(), ocr.input_format())

  • ocr.input_width()：老師告訴我們“照片必須寬 320 像素”（舉例）。

  • ocr.input_height()：照片必須高 320 像素。

  • ocr.input_format()：照片必須是 RGB888 格式。

  • 攝像頭就按這三條要求拍照。

3?? 準備畫板（屏幕）
disp = display.Display()

  • 把板載 LCD 初始化成“畫板”，后面用 disp.show(...) 把圖刷上去。

4?? 換一支能寫中文的筆
image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size=20)
image.set_default_font("ppocr")

先把字體文件加載進來并取名 "ppocr"，再告訴系統“以后寫字默認就用它”。
這樣后面 draw_string 寫中文時就不會缺字或亂碼。

  • load_font：把 ppocr_keys_v1.ttf 這張“字體卡片”裝進內存，取名叫 "ppocr"。

  • set_default_font：后面寫字都默認用這張卡片，字號 20。

  • 把它想象成 ?“給電腦安裝并設置默認輸入法”? 的三步：

    ① 把字體文件裝進內存
    image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size = 20)
    參數白話解釋類比
    "ppocr"給這套字體起個“小名”，后面寫字時直接叫這個小名把「搜狗拼音」安裝后，系統里出現一個叫“搜狗”的輸入法
    "/maixapp/share/font/ppocr_keys_v1.ttf"字體文件真正存放的位置輸入法安裝包在硬盤上的路徑
    size = 20默認字號 20 像素安裝時把默認字體大小調成 20 號

    執行完這行，內存里就多了一套叫 "ppocr" 的字體，字號默認 20。

    ② 把這套字體設為“默認”
    image.set_default_font("ppocr")

  • 以后所有 draw_string(...) 如果不另外指定，就用剛才那套 "ppocr" 字體。

  • 就像 Windows 里把“搜狗”設為默認輸入法，以后打字不用每次手動切換。

5?? 無限循環：拍照 → 認字 → 畫畫 → 顯示
while not app.need_exit():

  • 一直循環，直到你按 Home 鍵或 IDE 停止。

  • app.need_exit() 就像“有人按了暫停鍵嗎？”

5.1 拍照
    img = cam.read()

  • 攝像頭立即拍一張圖，存到變量 img 里。

5.2 交給老師認字
    objs = ocr.detect(img)

  • ocr.detect(img)：老師看圖，返回 一堆“字對象” 列表 objs。

  • 每個對象里包含：

    • 字的內容（obj.char_str()）

    • 字的方框 4 個頂點 (obj.box)

5.3 把每個字框出來并寫字
    for obj in objs:

  • 對每一個識別到的字，做下面兩件事。

        points = obj.box.to_list()

  • 把字的 4 個角坐標變成列表，例如 [x1,y1,x2,y2,x3,y3,x4,y4]。

        img.draw_keypoints(points, image.COLOR_RED, 4, -1, 1)

  • 在 4 個角上畫紅色小圓點（“紅點釘”）。
    參數：

    • points：要畫的點

    • image.COLOR_RED：顏色紅

    • 4：點大小 4 像素

    • -1：實心填充

    • 1：線寬 1（此處實心所以忽略）

        img.draw_string(obj.box.x4, obj.box.y4, obj.char_str(), image.COLOR_RED)

  • 在方框右下角 (x4, y4) 寫文字本身。
    參數：

    • obj.box.x4, obj.box.y4：文字左上角坐標

    • obj.char_str()：識別到的文字（如“你”、“好”）

    • image.COLOR_RED：紅色

5.4 把畫好的圖給屏幕
    disp.show(img)

  • 把整幅圖立即刷到 LCD，你就能看到紅框紅字。

🎯 一句話總結

攝像頭不停拍照 → PP_OCR 認字 → 程序把每個字用紅框標出來并寫上字本身 → 屏幕實時顯示。

OCR應用拓展

本部分將實現，通過OCR識別文字然后通過串口協議通訊發送到MSPM0G3507單片機。

串口通訊部分內容可查看【電賽學習筆記】MaxiCAM 項目實踐——與單片機的串口通信-CSDN博客

from maix import camera, display, image, nn, app, uart, time
import struct
from serial_protocol import SerialProtocol   # 同目錄下的協議類# ---------- 初始化 OCR ----------
model = "/root/models/pp_ocr.mud"
ocr = nn.PP_OCR(model)# ---------- 初始化攝像頭 ----------
cam = camera.Camera(ocr.input_width(), ocr.input_height(), ocr.input_format())
disp = display.Display()# ---------- 加載中文字體 ----------
image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size=20)
image.set_default_font("ppocr")# ---------- 初始化串口 ----------
device = "/dev/ttyS0"              # UART1：IO15(TX)  IO16(RX)
serial = uart.UART(device, 115200)
proto  = SerialProtocol()          # 協議打包/解包工具while not app.need_exit():img = cam.read()objs = ocr.detect(img)# 本地可視化（可選）for obj in objs:points = obj.box.to_list()img.draw_keypoints(points, image.COLOR_RED, 4, -1, 1)img.draw_string(obj.box.x4, obj.box.y4, obj.char_str(), image.COLOR_RED)# 串口發送：改為索引遍歷MAX_SEND = 3for idx in range(min(MAX_SEND, len(objs))):obj = objs[idx]text_utf8 = obj.char_str().encode('utf-8')payload = struct.pack('<H', idx) + text_utf8packet = proto.encode(payload)serial.write(packet)print(packet.hex(' '))disp.show(img)time.sleep_ms(50)

下面把 整段代碼 拆成 “一句話一行” 的幼兒園級別講解，每個括號、每個參數都說明白。你可以直接對著代碼看注釋。

0?? 工具箱：把要用的“工具”搬進來

from maix import camera, display, image, nn, app, uart, time

  • 告訴 Python：我要用 攝像頭、屏幕、畫圖、神經網絡、退出按鈕、串口、延時 這些工具。

import struct

  • 用來把數字/文字 打包成字節，方便串口發送。

from serial_protocol import SerialProtocol

  • 把我們自己寫的“串口協議”小工具請進來，負責加幀頭、校驗、幀尾。

1?? 初始化“識字老師”

model = "/root/models/pp_ocr.mud"

  • OCR 老師的“教材”文件路徑（提前燒在板子里）。

ocr = nn.PP_OCR(model)

  • 用這本教材 創建 OCR 識別器對象，名字叫 ocr 。

2?? 打開“眼睛”和“畫板”

cam = camera.Camera(ocr.input_width(), ocr.input_height(), ocr.input_format())

  • 攝像頭拍照尺寸與老師要求一致：
    ocr.input_width() → 寬（如 320）
    ocr.input_height() → 高（如 224）
    ocr.input_format() → 像素格式（RGB/BGR）

disp = display.Display()

  • 初始化屏幕，準備把圖刷上去。

3?? 換一支“能寫中文的筆”

image.load_font("ppocr", "/maixapp/share/font/ppocr_keys_v1.ttf", size=20)

  • 把字體文件 ppocr_keys_v1.ttf 裝進內存，給它起小名叫 "ppocr"，字號 20。

image.set_default_font("ppocr")

  • 以后寫字默認都用 "ppocr" 這套字體。

4?? 打開“嘴巴”（串口）

device = "/dev/ttyS0"

  • 告訴系統：我要用 UART1（板子上 IO15=TX，IO16=RX）。

serial = uart.UART(device, 115200)

  • 把串口波特率設成 115200，8N1，準備說話。

proto = SerialProtocol()

  • 實例化“協議打包器”，負責給每句話加 幀頭 AA、校驗和、幀尾 55。

5?? 主循環：一直干到死循環

while not app.need_exit():

  • 如果沒人按“停止”鍵，就一直循環。

5.1 拍照
img = cam.read()

  • 攝像頭立刻拍一張圖，存進變量 img。

5.2 讓“識字老師”看圖
objs = ocr.detect(img)

  • 把圖交給 ocr 識別，返回一個 OCR_Objects 列表，里面每條是一個字/一行文字。

5.3 本地畫畫（可選，但看得見）
for obj in objs:

  • 對識別到的 每個文字塊 做下面兩件事。

    points = obj.box.to_list()

  • 把 四邊形框 的四個頂點變成 [x1,y1,x2,y2,x3,y3,x4,y4]。

    img.draw_keypoints(points, image.COLOR_RED, 4, -1, 1)

  • 在四個角畫 紅色實心小圓點（大小 4 像素）。

    img.draw_string(obj.box.x4, obj.box.y4, obj.char_str(), image.COLOR_RED)

  • 在右下角 寫文字本身，顏色紅色。

5.4 串口發送：最多發 3 條
MAX_SEND = 3

  • 每幀最多發 3 條文字，防止串口擁堵。

for idx in range(min(MAX_SEND, len(objs))):

  • 實際條數取 “3 與識別數量” 的較小值，避免越界。

    obj = objs[idx]

  • 拿第 idx 條文字對象。

    text_utf8 = obj.char_str().encode('utf-8')

  • 把文字轉成 UTF-8 字節流（1 個漢字 3 字節左右）。

    payload = struct.pack('<H', idx) + text_utf8

  • 小端 16 位序號（2 字節）+ 文字字節流 → 組成 payload。

    packet = proto.encode(payload)

  • 用協議類給 payload 加幀頭、長度、校驗、幀尾。

    serial.write(packet)

  • 把完整的 協議幀 通過 UART1 發出去。

    print(packet.hex(' '))      # 調試用

  • 在控制臺打印十六進制，肉眼檢查幀格式。

5.5 把畫好的圖刷到屏幕
disp.show(img)

  • 把帶紅框紅字的圖像顯示到 LCD。

time.sleep_ms(50)

  • 每幀后休息 50 毫秒，讓 CPU 喘口氣；可刪。

🎯 一句話總結

攝像頭拍照 → OCR 認字 → 畫框寫字 → 用協議打包 → 串口發出 → 屏幕顯示
逐字、逐參數、逐括號都拆完了，直接復制即可跑。

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/diannao/93593.shtml
繁體地址，請注明出處：http://hk.pswp.cn/diannao/93593.shtml
英文地址，請注明出處：http://en.pswp.cn/diannao/93593.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

如何在生成式引擎優化（GEO）中取得成功

如何在生成式引擎優化（GEO）中取得成功

如果你希望您的內容出現在 AI Overviews、ChatGPT 和 Gemini 中&#xff1f;以下是設置 GEO 廣告系列的方法。 任何好的 GEO 活動的第一步是創造一些東西實際上想要鏈接到或引用。 GEO 策略組件 想象一些你合理預期不會直接在 ChatGPT 或類似系統中找到的體驗&#xff1a; 例如…
閱讀更多...
WPFC#超市管理系統（3）商品管理

WPFC#超市管理系統（3）商品管理

超市管理系統6. 商品管理6.1 添加商品6.1 商品管理主界面6.3 修改商品6. 商品管理 將前文中的GoodsView全部改成和數據庫一致的ProductView新增枚舉類型商品類型ProductType.cs namespace 超市管理系統.Enums {public enum ProductType{水果類,休閑食品類,糧油類,飲料類,日用…
閱讀更多...
openwrt中br-lan,eth0,eth0.1,eth0.2

openwrt中br-lan,eth0,eth0.1,eth0.2

CPU是QCA9558 有兩個以太網接口 這個好像沒有外接交換機直接印出來的 openwrt中br-lan,eth0,eth0.1,eth0.2 https://blog.csdn.net/f2157120/article/details/119460852 這個哥用的是 鏈接: DomyWifi DW33D 路由器 CPU是QCA9558 有兩個以太網接口 因為CPU沒集成千兆交換&…
閱讀更多...
RAG實戰指南 Day 29：RAG系統成本控制與規模化

RAG實戰指南 Day 29：RAG系統成本控制與規模化

【RAG實戰指南 Day 29】RAG系統成本控制與規模化 開篇 歡迎來到"RAG實戰指南"系列的第29天&#xff01;今天我們將深入探討RAG系統的成本控制與規模化部署策略。當RAG系統從原型階段進入生產環境時&#xff0c;如何經濟高效地擴展系統規模、控制運營成本成為關鍵挑…
閱讀更多...
React 中獲取當前路由信息

React 中獲取當前路由信息

在 React 中獲取當前路由信息&#xff0c;根據使用的路由庫不同&#xff08;如 React Router v5/v6 或 Next.js&#xff09;&#xff0c;方法也有所區別。以下是常見場景的解決方案&#xff1a;1. 使用 React Router v6 獲取當前路徑&#xff08;pathname&#xff09;、查詢參數…
閱讀更多...
Sklearn 機器學習 隨機森林 網格搜索獲取最優參數

Sklearn 機器學習 隨機森林 網格搜索獲取最優參數

??親愛的技術愛好者們，熱烈歡迎來到 Kant2048 的博客！我是 Thomas Kant，很開心能在CSDN上與你們相遇～?? 本博客的精華專欄： 【自動化測試】 【測試經驗】 【人工智能】 【Python】 Sklearn 機器學習：隨機森林 + 網格搜索獲取最優參數實戰指南 在構建機器學習模型時，…
閱讀更多...
力扣-101.對稱二叉樹

力扣-101.對稱二叉樹

題目鏈接 101.對稱二叉樹 class Solution {public boolean check(TreeNode l, TreeNode r) {if (l null && r null)return true;if ((l null && r ! null) || (r null && l ! null))return false;if (l.val ! r.val)return false;return check(l…
閱讀更多...
從句--02-1--done，doing ，prep 做定語

從句--02-1--done，doing ，prep 做定語

提示&#xff1a;文章寫完后&#xff0c;目錄可以自動生成&#xff0c;如何生成可參考右邊的幫助文檔 文章目錄定語1.done&#xff08;過去分詞&#xff09;做定語一、過去分詞作定語的位置二、過去分詞作定語的語義特點三、過去分詞作定語與現在分詞作定語的區別四、過去分詞作…
閱讀更多...
JVM全面解析

JVM全面解析

摘要&#xff1a;JVM是Java程序運行的核心環境&#xff0c;負責解釋執行字節碼并管理內存。其核心功能包括類加載與驗證、字節碼執行優化、內存管理與垃圾回收&#xff08;GC&#xff09;、跨平臺支持及安全性保障。JVM架構包含程序計數器、虛擬機棧、本地方法棧、堆和方法區等…
閱讀更多...
SDC命令詳解：使用write_script命令進行輸出

SDC命令詳解：使用write_script命令進行輸出

相關閱讀 SDC輸出命令https://blog.csdn.net/weixin_45791458/category_12993272.html?spm1001.2014.3001.5482 write_script命令用于將設計中的屬性設置命令輸出為腳本文件&#xff08;其實它并不是一個SDC命令&#xff0c;歸為此類只是為了方便管理&#xff09;&#xff0c…
閱讀更多...
?CASE WHEN THEN ELSE END?

?CASE WHEN THEN ELSE END?

?CASE WHEN THEN ELSE END? 是SQL中實現條件邏輯的核心表達式&#xff0c;支持單字段匹配和多條件判斷&#xff0c;適用于數據處理、分類統計等場景。?基本語法形式?SQL中CASE表達式有兩種標準形式&#xff1a;1? 簡單CASE表達式?&#xff08;字段直接匹配&#xff09;C…
閱讀更多...
飛單誘因：管理漏洞與人性交織

飛單誘因：管理漏洞與人性交織

飛單看似是 “員工個人行為”&#xff0c;實則是餐廳管理、激勵機制、外部環境等多重因素共同作用的結果。要根治飛單&#xff0c;需先理清背后的 “動力源”—— 員工為何選擇冒險&#xff1f;一、“收入失衡”&#xff1a;薪資與付出不匹配的 “補償心理”基層員工&#xff0…
閱讀更多...
工作筆記-----FreeRTOS中的lwIP網絡任務為什么會讓出CPU

工作筆記-----FreeRTOS中的lwIP網絡任務為什么會讓出CPU

工作筆記-----FreeRTOS中的lwIP網絡任務為什么會讓出CPU Author: 明月清了個風Date&#xff1a; 2025.7.30Ps:最近接觸了在FreeRTOS中使用lwIP實現的網絡任務&#xff0c;但是在看項目代碼的過程中出現了一些疑問——網絡任務的優先級為所有任務中最高的&#xff0c;并且任務框…
閱讀更多...
在 CentOS 系統上安裝 Docker

在 CentOS 系統上安裝 Docker

在 CentOS 系統上安裝 Docker&#xff0c;可按以下步驟操作&#xff1a;一、卸載舊版本&#xff08;如存在&#xff09;bashsudo yum remove docker \docker-client \docker-client-latest \docker-common \docker-latest \docker-latest-logrotate \docker-logrotate \docker-…
閱讀更多...
【CVPR2025】FlowRAM：用區域感知與流匹配加速高精度機器人操作策略學習

【CVPR2025】FlowRAM：用區域感知與流匹配加速高精度機器人操作策略學習

文章目錄FlowRAM&#xff1a;用區域感知與流匹配加速高精度機器人操作策略學習一、問題出在哪里&#xff1f;方法部分&#xff1a;從結構到機制&#xff0c;詳解 FlowRAM 的內部設計邏輯1. 動態半徑調度器&#xff1a;自適應注意力機制在 3D 感知中的實現2. 多模態編碼器與序列…
閱讀更多...
圖片查重從設計到實現（5）Milvus可視化工具

圖片查重從設計到實現（5）Milvus可視化工具

要通過網頁&#xff08;Web&#xff09;訪問和管理 Milvus 向量數據庫&#xff0c;可以使用官方提供的 Milvus Web UI 工具&#xff0c;這是一款可視化管理界面&#xff0c;支持查看集合、向量數據、執行基本操作等功能。以下是具體的部署和訪問方法&#xff1a; 一、部署 Milv…
閱讀更多...
Linux-awk與sed

Linux-awk與sed

文章目錄一、AWK1. awk 是什么&#xff1f;2. awk 的基礎語法2.1 選項2.2 模式2.3 動作3. awk 的內置變量4. 典型應用場景及示例4.1 打印特定列4.2 條件篩選4.3 使用正則表達式4.4 統計行數4.5 字段操作4.6 使用內置函數4.7 多文件處理4.8 使用自定義變量5. 高級應用&#xff1…
閱讀更多...
文件加密工具(勒索病毒加密方式)

文件加密工具(勒索病毒加密方式)

語言&#xff1a;C# WPF功能&#xff1a;文件加/解密本程序不提供下載&#xff0c;該程序新手操作不當&#xff0c;可能會導致文件加密后無法解密問題&#xff0c;解密需要獨立私鑰private.key文件支持&#xff0c;沒有私鑰加密文件是無法被解密的。更新&#xff1a;2025年7月3…
閱讀更多...
IOC實現原理源碼解析

IOC實現原理源碼解析

Spring三級緩存流程圖singletonObjects&#xff08;一級緩存&#xff09;&#xff1a;緩存經過了完整生命周期的Bean&#xff1b;arlySingletonobjects&#xff08;二級緩存&#xff09;&#xff1a;緩存未經過完整生命周期的Bean&#xff0c;如果某個Bean出現了循環依賴&#…
閱讀更多...
筆記本電腦磁盤維護指南：WIN11系統磁盤維護完全手冊

筆記本電腦磁盤維護指南：WIN11系統磁盤維護完全手冊

1. 引言 在當今數字化時代，筆記本電腦已經成為我們工作、學習和娛樂不可或缺的重要工具。隨著Windows 11操作系統的普及和應用，用戶對于系統性能和穩定性的要求越來越高。然而，許多用戶往往忽視了一個至關重要的方面——磁盤維護。磁盤作為計算機系統中負責數據存儲和讀取的…
閱讀更多...
最新文章

Copyright @ 2022~2023