https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.6/applications/%E5%8D%B0%E7%AB%A0%E5%BC%AF%E6%9B%B2%E6%96%87%E5%AD%97%E8%AF%86%E5%88%AB.md

我在复现paddleocr的印章弯曲文字识别的时候，发现使用paddle提供的弯曲文字定位模型DB++时，只能定位给到水平文字，无法定位到弯曲文字。

如下图

image.png

因为我本人是个菜鸟啊，我只会看paddle的教程啊，他说的我就照做，他没说，我就不会啊。

最终经过我的研究，需要修改一个参数。参数的路径如下：
PaddleOCR/ppocr/postprocess/db_postprocess.py

image.png

改了下面的参数就可以定位任意多边形啦。效果图如下：

image.png

但是呢，我又发现用他的弯曲文字定位模型SVTR不能识别弯曲文字，只能识别水平文字，我就很不高兴，我找了好久也没找到类似的定位模型里面的参数，所以无从下爪。

不着急慢慢分析。

首先，根据paddle给出的做法，当我们拿到印章图片，并且定位到印章中的文字之后，我们手里应该是有文字的坐标的，也就是下面代码里的points，但是如果是水平文字（或者水平略倾斜），那么我们的定位框就是一个四边形，也就是下面代码里assert 的points的长度是4，也就是4个点形成一个闭合框。但是呢，如果我要预测弯曲文字怎么办，points就不是四个点了啊。这时你看看最顶端被注销掉的部分代码，他的做法是什么，其目的就是取一个紧贴定位框的四边形。这么做的效果是什么呢。

import cv2
import numpy as np

def get_rotate_crop_image(img, points):
    '''
    img_height, img_width = img.shape[0:2]
    left = int(np.min(points[:, 0]))
    right = int(np.max(points[:, 0]))
    top = int(np.min(points[:, 1]))
    bottom = int(np.max(points[:, 1]))
    img_crop = img[top:bottom, left:right, :].copy()
    points[:, 0] = points[:, 0] - left
    points[:, 1] = points[:, 1] - top
    '''
    assert len(points) == 4, "shape of points must be 4*2"
    img_crop_width = int(
        max(
            np.linalg.norm(points[0] - points[1]),
            np.linalg.norm(points[2] - points[3])))
    img_crop_height = int(
        max(
            np.linalg.norm(points[0] - points[3]),
            np.linalg.norm(points[1] - points[2])))
    pts_std = np.float32([[0, 0], [img_crop_width, 0],
                          [img_crop_width, img_crop_height],
                          [0, img_crop_height]])
    M = cv2.getPerspectiveTransform(points, pts_std)
    dst_img = cv2.warpPerspective(
        img,
        M, (img_crop_width, img_crop_height),
        borderMode=cv2.BORDER_REPLICATE,
        flags=cv2.INTER_CUBIC)
    dst_img_height, dst_img_width = dst_img.shape[0:2]
    if dst_img_height * 1.0 / dst_img_width >= 1.5:
        dst_img = np.rot90(dst_img)
    return dst_img


def run(data_dir, label_file, save_dir):
    datas = open(label_file, 'r').readlines()
    for idx, line in enumerate(datas):
        img_path, label = line.strip().split('\t')
        img_path = os.path.join(data_dir, img_path)

        label = json.loads(label)
        src_im = cv2.imread(img_path)
        if src_im is None:
            continue

        for anno in label:
            seal_box = anno['seal_box']
            txt_boxes = anno['polys']
            crop_im = get_rotate_crop_image(src_im, text_boxes)

            save_path = os.path.join(save_dir, f'{idx}.png')
            if not os.path.exists(save_dir):
                os.makedirs(save_dir)
            # print(src_im.shape)
            cv2.imwrite(save_path, crop_im)

这么做的效果就如下图，乱七八糟的，用脚指头想，都知道识别的效果不会好的

image.png

下面是识别效果，都是paddle的代码和paddle的模型。

image.png

image.png

下图是文字识别的结果

image.png

image.png

搞得我都怀疑我自己了，到底是哪里做错了。
是不是因为我把定位和识别联系起来的过程中用的文字切片有问题，人家在det和rec连接的时候还有什么高明的做法吗？
我用截图软件，找了几张非常清晰的图片，将弯曲文字切割出来，不通过det模型直接送给rec模型试试看效果。如下面几个图的效果，是我用win自带的截图截出来的。win+shift+s

d2670fcecb9cf1b001a7e025f301ec7.png

9f51eee1a153998f31dc8c5b3905edc.png

437a6b52d2c9a23d41a53342830ab6e.png

测试的结果如下图，没一个能看的，结果显示的是识别出来的文字+置信度，你看看，甚至很多置信度都是0，完全识别不到文字。

image.png