一、案例背景

在實際教學、辦公及政務系統中，紙質材料（如手寫作文、表格、試卷等）仍廣泛存在。為提升信息處理效率，采用 OCR（Optical Character Recognition）技術將圖像中的文字提取為可編輯文本已成為剛需。

本項目基于開源深度學習庫 PaddleOCR，構建了一個輕量級的圖像文字識別工具，能夠自動識別圖像中的中文文本，并提供置信度評估和可視化支持。該工具特別適用于作業掃描圖像中的內容提取場景，便于后續分析、存檔或自動批改。

---

二、技術架構與實現方案

1. 技術選型

組件	工具/庫	說明
OCR引擎	PaddleOCR	百度開源的中文文本識別框架，支持多語言、多角度、多段文字識別
圖像處理	PIL（Pillow）	圖像加載與繪制框，用于標記識別區域
環境支持	Conda + Paddle 環境	配置 DLL 依賴，保證在 Windows 系統上正常運行

2. 核心流程圖

       ┌────────────┐│ 輸入圖像路徑 │└─────┬──────┘│┌───────▼────────┐│ 加載 PaddleOCR 模型 │└───────┬────────┘│┌───────▼─────────────┐│ ocr.predict(圖像路徑) │└───────┬─────────────┘│┌───────▼────────────┐│ 提取文本、置信度、位置 │└───────┬────────────┘│┌─────────▼──────────────┐│ 可視化標記文字與邊框框選 │└─────────┬──────────────┘│┌────▼────┐│ 顯示結果 │└─────────┘

---

?三、開發環境搭建

本例我們使用anaconda創建開發環境。具體步驟如下：

（1）新建環境

conda create -n paddle_env python=3.10 -y

conda activate paddle_env

（2）安裝cudatoolkit

conda install cudatoolkit=11.8 -c conda-forge

（3）安裝cudnn

conda install cudnn=8.9.* -c conda-forge

（4）安裝paddlepaddle

conda install paddlepaddle-gpu==3.0.0 paddlepaddle-cuda=11.8 -c paddle -c nvidia

（5）Paddleocr 安裝

pip install paddleocr -i Simple index

（6）指定 DLL 路徑

在開發實踐中發現，用anaconda單獨安裝的cudatoolkit在程序運行時居然找不到，于是在代碼中增加：

dll_path = r"C:\Users\39040\.conda\envs\paddle_env\Library\bin"
os.environ["PATH"] = dll_path + ";" + os.environ["PATH"]

目的是將指定的 DLL 路徑添加到系統的環境變量 PATH 中，以確保在運行 Python 時，能夠成功加載某些依賴的動態鏈接庫（.dll 文件）。

三、代碼關鍵解析

1. OCR 模型初始化

ocr = PaddleOCR(use_textline_orientation=True, lang='ch')

• lang='ch'：指定中文識別模型。

• use_textline_orientation=True：自動校正圖像中文字的方向，增強識別準確率，適用于手寫或旋轉圖像。

---

2. OCR 識別執行

result = ocr.predict(image_path)

返回結果 result[0] 為一個字典對象，包含：

• rec_texts：識別的文字內容列表

• rec_scores：每條文字識別的置信度評分

• rec_polys：對應的文本框坐標，用于可視化繪圖

---

3. 識別結果輸出

for idx, (text, score) in enumerate(zip(texts, scores)):print(f"[{idx + 1}] 文字：{text}  置信度：{score:.2f}")

結構清晰地打印識別文本，方便人工復核與評估。

---

4. 可視化文字框與內容

draw_ocr_custom(image, boxes, texts, scores, font_path='simfang.ttf')

通過 PIL.ImageDraw 實現紅色多邊形邊框和文字疊加，提供強直觀反饋，便于查看識別準確性與位置匹配。

5.完整代碼

本例的完整代碼如下：

from paddleocr import PaddleOCR
from PIL import Image, ImageDraw, ImageFont
import osdll_path = r"C:\Users\39040\.conda\envs\paddle_env\Library\bin"  #換成自己電腦中的環境的實際路徑。
os.environ["PATH"] = dll_path + ";" + os.environ["PATH"]def draw_ocr_custom(image, boxes, texts, scores, font_path=None):draw = ImageDraw.Draw(image)font = ImageFont.truetype(font_path, 20) if font_path else Nonefor box, text, score in zip(boxes, texts, scores):box = [tuple(point) for point in box]draw.polygon(box, outline='red')draw.text(box[0], f'{text} {score:.2f}', fill='red', font=font)return image# 初始化 OCR
ocr = PaddleOCR(use_textline_orientation=True, lang='ch')  # 新版本使用該參數# 圖像路徑
image_path = 'D:\\test\\1.jpg'  #換成自己電腦的圖像實際路徑。if not os.path.exists(image_path):raise FileNotFoundError(f"圖片文件不存在: {image_path}")# 執行 OCR 識別
result = ocr.predict(image_path)# 獲取識別數據（注意 result 是列表）
result_data = result[0]
texts = result_data['rec_texts']
scores = result_data['rec_scores']
boxes = result_data['rec_polys']# 輸出識別結果
print("📝 作業識別結果：\n")
for idx, (text, score) in enumerate(zip(texts, scores)):print(f"[{idx + 1}] 文字：{text}  置信度：{score:.2f}")# 可視化
image = Image.open(image_path).convert('RGB')
drawn_img = draw_ocr_custom(image, boxes, texts, scores, font_path='simfang.ttf')
drawn_img.show()

---

四、應用場景與擴展建議

1.應用場景

• 作業、試卷批改系統的文字識別與對比分析；

• 圖書館數字化管理中的圖片轉文字；

• 政務文件 OCR 歸檔；

• 票據識別與數據采集；

2.可擴展功能

功能	描述
批量識別	支持整個目錄下圖片的自動批處理
格式化導出	支持將識別結果輸出為 Excel、JSON、Word 等格式
文本糾錯	加入語言模型輔助優化識別錯誤（如錯別字校正）
手寫優化	替換模型為專門優化手寫體的 PP-OCRv3 模型

---

五、運行效果

1.手寫作文識別

（1）小孩的手寫作文拍照如下：

（2）識別的可視化效果如下：

（3）提取的文字效果如下：

2.數學作業識別

（1）小孩的手寫數學作業拍照如下：

（2）識別的可視化效果如下：

（3）提取的內容效果如下：

---

六、總結與評價

該案例展示了基于 PaddleOCR 框架實現中文圖像文字識別的完整流程，具備如下特點：

• 高準確率：在常規印刷和清晰手寫場景中表現優秀；

• 可復用性強：代碼結構清晰，便于集成到教學或業務系統；

• 可視化支持：提供實時圖像標注，助力人工復核和驗證。