影刀调用paddlepaddle ocr识别图片内容

一、配置电脑环境

1、安装Anaconda

(1)下载路径:①https://www.onlinedown.net/soft/1229080.htm
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载 .exe 的安装包
(2)安装过程没什么好说的,直接无脑下一步。
(3)安装之后打开,询问是否更新,点击是
在这里插入图片描述
(4)点击 现在就更新 按钮
在这里插入图片描述
(5)点击之后会帮你直接打开Anaconda
在这里插入图片描述

2、检查电脑环境

打开命令提示符,输入conda。显示有数据,证明环境没有问题
在这里插入图片描述
如果出现这个,那就手动配置环境。
在这里插入图片描述
(1)打开高级环境变量:此电脑–>右键–>属性
在这里插入图片描述
(2)在两个path上面,新建路径。路径根据自己安装的Anaconda修改
在这里插入图片描述
(3)再次打开命令提示符,输入Anaconda。出现数据,证明环境变量部署完成
在这里插入图片描述

二、部署使用模型环境

以下是安装部署在CPU下

1、创建一个环境

执行:conda create -n 环境名(英文) python=3.7。例如:
conda create -n paddle_ocr_model python=3.7
下面询问,填写y
在这里插入图片描述

2、激活创建的环境:activate paddle_ocr_model

3、安装:pip install paddlepaddle==2.2.1

报错,则使用清华源安装:

pip install paddlepaddle>=2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装完成查看是否成功:conda list
在这里插入图片描述

4、执行 python,再按顺序执行import paddlepaddle.utils.run_check(),最后执行exit()

出现 successfully 安装成功
在这里插入图片描述

5、安装pip install shapely pyclipper

这一步中没有出现警告也是正常的
在这里插入图片描述

6、执行pip install paddlehub>=2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

没有出现异常证明安装成功

7、执行 hub install chinese_ocr_db_crnn_mobile==1.2.0

在这里插入图片描述

8、执行 hub run chinese_ocr_db_crnn_mobile --input_path "图片路径"

在这里插入图片描述
执行成功

三、在影刀中调用

1、启动服务

使用命令提示符,激活环境(如果不处于这个环境):activate paddle_ocr_model
再执行 hub serving start -m chinese_ocr_db_crnn_mobile
在这里插入图片描述

2、调用代码,上传图片

import requests
import json
import cv2
import base64

def cv2_to_base64(image):
    data = cv2.imencode('.jpg', image)[1]
    return base64.b64encode(data.tobytes()).decode('utf8')

# 发送HTTP请求
data = {'images': [cv2_to_base64(cv2.imread(r"C:\Users\xiaoxiang\Downloads\image1.png"))]}
headers = {"Content-type": "application/json"}
url = "http://127.0.0.1:8866/predict/chinese_ocr_db_crnn_server"
r = requests.post(url=url, headers=headers, data=json.dumps(data))

# 打印预测结果
print(r.json()["results"])

以上注意url 路径的修改,修改这一部分:http://127.0.0.1:8866/
在这里插入图片描述

### 影刀RPA抠图功能及相关教程 影刀RPA是一款强大的自动化工具,能够帮助用户完成多种重复性和复杂的操作任务。关于其抠图功能,虽然官方并未提供专门针对“抠图”的独立模块说明,但从已有的参考资料来看,可以推测其实现方式可能依赖于图像处理库或第三方插件的支持。 #### 一、影刀RPA中的图像处理能力 影刀RPA支持调用外部Python脚本以及集成常见的图像处理库(如Pillow[^1]),这使得开发者可以通过编写自定义脚本来实现诸如抠图等功能。具体来说,如果需要在影刀中实现抠图功能,通常会涉及以下几个方面: - **利用Python脚本扩展** 用户可以在影刀的工作流中嵌入Python代码片段来执行复杂逻辑。例如,使用`PIL.Image.open()`加载图片并结合蒙版技术进行背景替换或对象提取[^2]。 ```python from PIL import Image, ImageChops def remove_background(image_path, mask_path): img = Image.open(image_path).convert("RGBA") mask = Image.open(mask_path).convert("L") # 加载灰度掩码作为透明通道 output = Image.new("RGBA", img.size, (255,)*4) new_img = Image.composite(img, output, mask) return new_img new_image = remove_background('input.png', 'mask.png') new_image.save('output.png') ``` 上述代码展示了如何基于两个输入文件——目标图像和对应的遮罩层——生成一个新的无背景版本的PNG格式输出文件[^3]。 --- #### 二、影刀RPA与MidJourney或其他AI绘图平台联用的可能性 除了本地化解决方案外,还可以考虑借助远程服务端渲染引擎完成更高质量的结果呈现。例如,通过配置HTTP请求节点连接至DALL·E、Stable Diffusion等模型实例获取优化后的视觉效果;又或者是按照前述提到的方式设置好参数后提交给ComfyUI管道运行特定风格转换作业。 需要注意的是,当涉及到跨平台交互时务必妥善管理API密钥安全性,并遵循各服务商设定好的速率限制以免触发封禁机制。 --- #### 三、实际应用场景举例 假设某电商运营团队希望快速整理一批商品详情页所需素材,则可采用如下策略: 1. 利用OCR识别抓取网页上的文字描述; 2. 自动下载关联产品高清大图; 3. 应用本文讨论过的任意一种方法去除干扰因素只保留主体部分; 4. 最终打包上传至指定存储位置供后续编辑人员选用。 整个过程完全无需人工干预即可高效达成预期目的! ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值