PaddleX/latest/pipeline_usage/tutorials/ocr_pipelines/layout_parsing

[giscus[bot]]

PaddleX/latest/pipeline_usage/tutorials/ocr_pipelines/layout_parsing

https://paddlepaddle.github.io/PaddleX/latest/pipeline_usage/tutorials/ocr_pipelines/layout_parsing.html

[9963KK]

对于版面分析的模块如果输出我只要layout的输出，不想要ocr的输出，我该怎么做呢？

[TingquanGao]

想要layout结果的话可以看下版面解析产线，但目前还不支持禁用ocr功能

[shuaimoumou]

为什么这个版本不能指定模型？比如我想用V3的模型呢？怎么配置？

[Ethenlalala]

配置文件里面不能修改吗

[shuaimoumou]

咋改？

[TingquanGao]

V3模型正在接入中，如果着急可以先用develop分支，同时设定两个环境变量：PADDLE_PDX_NEW_PREDICTOR=1 USE_NEW_INFERENCE=1 python api_examples/pipelines/test_ocr.py

[Ethenlalala]

咋改？

通过这个命令获取配置文件，然后在里面改一下试试看
paddlex --get_pipeline_config layout_parsing --save_path ./my_path

[NodieNobug]

ch_PP-OCRv4_server_rec和PP-OCRv4_server_rec是一个东西吗？高性能部署里，如果只有PP-OCRv4_server_rec的部署，那该模型支持其他语言的识别吗？只支持中英？

[cuicheng01]

是一个模型，该模型支持中英文，只是处理英文的话，没有单独的英文模型好，目前PaddleOCR和PaddleX都没有一个模型可以同时支持所有语言的模型，关于支持其他语言的单模型，PaddleX的develop分支已经支持，预计一月底之前拉新的分支

[we12q]

我想识别图片里面文字的颜色该怎么做，可以教教我吗。我还是新手

[cuicheng01]

可以单独写一段python的脚本来区分不同的颜色，如

import cv2
from PIL import Image
import numpy as np

def get_dominant_color(image, k=4):
    # 将图像数据转换为一维数组
    pixels = np.float32(image.reshape(-1, 3))

    # 定义k-means聚类的终止条件
    criteria = (cv2.TERM_CRITERIA_EPS + cv2.TERM_CRITERIA_MAX_ITER, 100, 0.2)

    # 使用k-means聚类来找到主要颜色
    _, labels, palette = cv2.kmeans(pixels, k, None, criteria, 10, cv2.KMEANS_RANDOM_CENTERS)

    # 计算每个颜色的频率
    _, counts = np.unique(labels, return_counts=True)

    # 找到最常见的颜色
    dominant = palette[np.argmax(counts)]

    return tuple(int(c) for c in dominant)

def detect_text_color(image_path):
    # 使用PIL打开图像并转换为RGB格式
    image = Image.open(image_path).convert('RGB')
    image_np = np.array(image)

    # 假设图像中的文字是最突出（最常见）的颜色之一
    text_color = get_dominant_color(image_np)

    return text_color

if __name__ == "__main__":
    image_path = 'your_image_path_here.png'
    text_color = detect_text_color(image_path)
    print(f"The dominant text color is: {text_color}")

[luckyMe1000]

请教一下 我想对windows桌面截图进行识别，包括窗体线条和文字，如何选择产线，先用版本解析产线识别窗体线条，再用通用ocr识别文字吗