README - Chineseocr Lite

ChineseOcr Lite Mnn，超轻量级中文OCR PC Demo，使用MNN推理

这个项目使用MNN框架进行推理，使用 https://github.com/ouyanghuiyu/chineseocr_lite 项目中提供的模型，迁移了项目中cpp_projects中的OcrLiteOnnx项目，采用阿里MNN框架https://github.com/alibaba/MNN 作为推理引擎实现。

快速使用

下载opencv和MNN

OcrLiteMnn
    ├── mnn-shared
    ├── mnn-static
    ├── opencv-shared
    ├── opencv-static

OcrLiteMnn
    ├── models
          ├── angle_net.mnn
          ├── crnn_lite_lstm.mnn
          ├── dbnet.mnn

macOS 10.15

注意：以下说明仅适用于本机编译。如果需要交叉编译为arm等其它平台(参考android)，则需要先交叉编译所有第三方依赖库(mnn、opencv)，然后再把依赖库整合替换到本项目里。

macOS Catalina 10.15.x，安装Xcode 12.1，并安装Xcode Command Line Tools, 终端运行xcode-select –install
自行下载安装HomeBrew，cmake >=3.1下载地址
libomp: brew install libomp
终端打开项目根目录，./build.sh并按照提示输入选项，最后选择'编译成可执行文件'
测试：./run-test.sh(注意修改脚本内的目标图片路径)
编译JNI动态运行库(可选，可用于java调用)

opencv或onnxruntime使用动态库时，参考下列方法：

build.sh编译参数：

-d或--models：模型所在文件夹路径，可以相对路径也可以绝对路径。
-1或--det:dbNet模型文件名(含扩展名)
-2或--cls:angleNet模型文件名(含扩展名)
-3或--rec:crnnNet模型文件名(含扩展名)
-4或--keys:keys.txt文件名(含扩展名)
-i或--image：目标图片路径，可以相对路径也可以绝对路径。
-t或--numThread：线程数量。
-p或--padding：图像预处理，在图片外周添加白边，用于提升识别率，文字框没有正确框住所有文字时，增加此值。
-s或--maxSideLen ：按图片最长边的长度，此值为0代表不缩放，例：1024，如果图片长边大于1024则把图像整体缩小到1024再进行图像分割计算，如果图片长边小于1024则不缩放，如果图片长边小于32，则缩放到32。
-b或--boxScoreThresh：文字框置信度门限，文字框没有正确框住所有文字时，减小此值。
-o或--boxThresh：请自行试验。
-u或--unClipRatio：单个文字框大小倍率，越大时单个文字框越大。此项与图片的大小相关，越大的图片此值应该越大。
-a或--doAngle：启用(1)/禁用(0) 文字方向检测，只有图片倒置的情况下(旋转90~270度的图片)，才需要启用文字方向检测。
-A或--mostAngle：启用(1)/禁用(0) 角度投票(整张图片以最大可能文字方向来识别)，当禁用文字方向检测时，此项也不起作用。
-h或--help：打印命令行帮助。