Paddle OCR 边界框格式

Question

我正在使用 Paddle OCR，我想知道 bbx off paddle OCR 的输出格式是什么。我在Paddle的github上找不到。这是我的代码。

from paddleocr import PaddleOCR,draw_ocr
ocr = PaddleOCR(use_angle_cls=False, lang='en', rec=False) # need to run only once to download and load model into memory

result = ocr.ocr(img, cls=False)

输出

[[[[8.0, 12.0], [89.0, 12.0], [89.0, 25.0], [8.0, 25.0]],
  ('@kheengz_yfk', 0.9460259079933167)],
 [[[6.0, 31.0], [227.0, 29.0], [227.0, 44.0], [6.0, 46.0]],
  ('EBIT is a week old today. and', 0.847086489200592)],
 [[[4.0, 47.0], [225.0, 49.0], [225.0, 64.0], [4.0, 62.0]],
  ('the homebors came together...Seemore', 0.942597508430481)],
 [[[7.0, 70.0], [183.0, 70.0], [183.0, 83.0], [7.0, 83.0]],
  ('Joriginal sound-kheengz_yfk(Cont', 0.8839073181152344)]]

我想手动绘制边界框。

我的想法是，第一个是x0，y0（左上），最后一个是x1，y1（右下）

rect = cv2.rectangle(img.copy(), (int(result[0][0][0][0]), int(result[0][0][0][1])), (int(result[0][0][-1][0]),int(result[0][0][-1][0]) ), (0, 255, 0), -1)

plt.imshow(rect)

但这不能正常工作。对此有任何帮助。谢谢。

测试图像。

原始 Paddle OCR draw_ocr 输出。

from PIL import Image
image = Image.fromarray(img).convert('RGB')
boxes = [line[0] for line in result]
txts = [line[1][0] for line in result]
scores = [line[1][1] for line in result]
im_show = draw_ocr(image, boxes, txts, scores, font_path='/usr/share/fonts/opentype/malayalam/Chilanka-Regular.otf')
plt.imshow(im_show)

Answer 1

要绘制所有框，假设您的图像已加载PIL.Image.open()并称为 thisImage 并且您有一个名为 的 PaddleOCR 结果result

draw = PIL.ImageDraw.Draw(thisImage)
for i, box in enumerate(result[0]):
    box = np.array(box[0]).astype(np.int32)
    xmin = min(box[:, 0])
    ymin = min(box[:, 1])
    xmax = max(box[:, 0])
    ymax = max(box[:, 1])
    draw.rectangle((xmin, ymin, xmax, ymax), outline="red", width=1)
    draw.text((xmin, ymin), f"{i}", fill="black")

（在本例中，我已将结果索引号添加到框中以供交叉引用）