一、 核心库介绍

PaddleOCR：百度飞桨开源的超轻量级 OCR 工具库，支持多语言识别、角度矫正，兼具高精度和高性能，是工业级 OCR 解决方案的首选。

OpenCV：开源的计算机视觉库，提供了图像读取、显示、绘制、视频流处理等丰富功能，是处理视觉数据的基础工具。

NumPy：Python 数值计算库，主要用于处理 OCR 识别结果中的坐标数据，完成数据类型转换和形状调整。

二、静态图片文字识别实现

from paddleocr import PaddleOCR
import cv2
import numpy as np

# 1. 初始化PaddleOCR实例
# use_angle_cls=True：启用文字角度矫正（解决文字旋转问题）
# use_gpu=False：禁用GPU（无GPU环境下使用）
# show_log=False：关闭日志输出，简化控制台信息
# lang='en'：识别英文（识别中文需改为lang='ch'）
ocr = PaddleOCR(use_angle_cls=True, use_gpu=False, show_log=False, lang='en')

# 2. 读取图片（OpenCV默认读取格式为BGR）
frame = cv2.imread("2.png")

# 3. 执行OCR识别
# cls=True：配合角度矫正，确保识别准确率
result = ocr.ocr(frame, cls=True)

# 4. 解析识别结果并可视化
# 判空：避免无识别结果时出现索引错误
if result and result[0] is not None:
    for line in result[0]:
        # line结构：[坐标列表, (识别文本, 置信度)]
        # 4.1 转换坐标为整数（OpenCV绘制需要整数坐标）
        pts_int = np.array(line[0], dtype=np.int32)
        # 4.2 调整坐标形状为(4,1,2)：符合OpenCV polylines的输入要求
        pts = pts_int.reshape((-1, 1, 2))
        # 4.3 绘制文字包围框（紫色，线宽2）
        cv2.polylines(frame, [pts], isClosed=True, color=(147, 20, 255), thickness=2)
        # 4.4 绘制识别文本（红色，字体大小1，线宽3）
        cv2.putText(frame, line[1][0], (pts_int[0][0], pts_int[0][1]), 
                    cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 3)

# 5. 显示标注后的图片
cv2.imshow('OCR Result', frame)
# 等待按键输入（按任意键关闭窗口）
cv2.waitKey(0)
# 释放窗口资源（避免内存泄漏）
cv2.destroyAllWindows()

1. 知识点

1.PaddleOCR 识别结果结构：result是嵌套列表，result[0]为单张图片的识别结果，每个line包含两部分：

line[0]：文字区域的 4 个顶点坐标（[[x1,y1],[x2,y2],[x3,y3],[x4,y4]]）

line[1]：元组(识别文本, 置信度)，置信度越接近 1，识别越准确。

2.坐标处理：OpenCV 的绘图函数要求坐标为整数且形状为(n,1,2)，因此需用np.int32转换类型，reshape调整形状。

3.判空逻辑优化：原代码if not None in result存在逻辑漏洞，改为if result and result[0] is not None，避免result为空列表时的报错。

三、实时视频流文字识别实现

from paddleocr import PaddleOCR
import cv2
import numpy as np

# 1. 初始化OCR实例（启用GPU加速，需确保环境支持）
ocr = PaddleOCR(use_angle_cls=True, use_gpu=True, show_log=False, lang='en')

# 2. 打开摄像头（0表示默认摄像头）
cap = cv2.VideoCapture(0)

# 3. 循环读取视频帧
while True:
    # 读取一帧画面（ret为是否读取成功，frame为帧数据）
    ret, frame = cap.read()
    # 若读取失败（如摄像头断开），退出循环
    if not ret:
        break
    
    # 4. 对当前帧执行OCR识别
    result = ocr.ocr(frame, cls=True)
    
    # 5. 解析并标注识别结果
    if result and result[0] is not None:
        for line in result[0]:
            pts_int = np.array(line[0], dtype=np.int32)
            pts = pts_int.reshape((-1, 1, 2))
            # 绘制文字包围框
            cv2.polylines(frame, [pts], isClosed=True, color=(147, 20, 255), thickness=2)
            # 绘制识别文本（坐标取包围框左上角）
            cv2.putText(frame, line[1][0], (pts_int[0][0], pts_int[0][1]), 
                        cv2.FONT_HERSHEY_SIMPLEX, 1, (0, 0, 255), 3)
    
    # 6. 显示实时标注画面
    cv2.imshow('Real-time OCR', frame)
    
    # 7. 退出条件：按ESC键（ASCII码27）
    if cv2.waitKey(1) == 27:
        break

# 8. 释放资源（关键！避免摄像头被占用）
cap.release()
cv2.destroyAllWindows()

1. 知识点

1.视频流处理逻辑：通过cv2.VideoCapture(0)打开摄像头，while True循环持续读取帧，cap.read()返回(是否成功, 帧数据)，需先判断ret是否为True。

2.实时性控制：cv2.waitKey(1)表示等待 1ms 获取按键输入，既保证视频流的实时性，又能监听退出按键（ESC）。

3.资源释放：循环结束后必须执行cap.release()释放摄像头，cv2.destroyAllWindows()关闭窗口，否则会导致摄像头被占用无法再次使用。

4.GPU 加速注意事项：use_gpu=True需满足两个条件：1.安装了 PaddlePaddle GPU 版；2. 显卡支持 CUDA，否则会报错，建议新手先设为False。