main.cpp 7.1 KB
Newer Older
M
MissPenguin 已提交
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
// Copyright (c) 2020 PaddlePaddle Authors. All Rights Reserved.
//
// Licensed under the Apache License, Version 2.0 (the "License");
// you may not use this file except in compliance with the License.
// You may obtain a copy of the License at
//
//     http://www.apache.org/licenses/LICENSE-2.0
//
// Unless required by applicable law or agreed to in writing, software
// distributed under the License is distributed on an "AS IS" BASIS,
// WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
// See the License for the specific language governing permissions and
// limitations under the License.
#include "opencv2/core.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
#include <vector>

文幕地方's avatar
文幕地方 已提交
20
#include <include/args.h>
21
#include <include/paddleocr.h>
文幕地方's avatar
文幕地方 已提交
22
#include <include/paddlestructure.h>
M
MissPenguin 已提交
23 24 25

using namespace PaddleOCR;

26 27
void check_params() {
  if (FLAGS_det) {
文幕地方's avatar
文幕地方 已提交
28 29 30 31 32
    if (FLAGS_det_model_dir.empty() || FLAGS_image_dir.empty()) {
      std::cout << "Usage[det]: ./ppocr "
                   "--det_model_dir=/PATH/TO/DET_INFERENCE_MODEL/ "
                << "--image_dir=/PATH/TO/INPUT/IMAGE/" << std::endl;
      exit(1);
M
MissPenguin 已提交
33
    }
文幕地方's avatar
文幕地方 已提交
34
  }
35
  if (FLAGS_rec) {
文幕地方's avatar
文幕地方 已提交
36 37 38 39 40 41
    std::cout
        << "In PP-OCRv3, rec_image_shape parameter defaults to '3, 48, 320',"
           "if you are using recognition model with PP-OCRv2 or an older "
           "version, "
           "please set --rec_image_shape='3,32,320"
        << std::endl;
文幕地方's avatar
文幕地方 已提交
42 43 44 45 46
    if (FLAGS_rec_model_dir.empty() || FLAGS_image_dir.empty()) {
      std::cout << "Usage[rec]: ./ppocr "
                   "--rec_model_dir=/PATH/TO/REC_INFERENCE_MODEL/ "
                << "--image_dir=/PATH/TO/INPUT/IMAGE/" << std::endl;
      exit(1);
M
MissPenguin 已提交
47
    }
文幕地方's avatar
文幕地方 已提交
48
  }
49 50 51 52
  if (FLAGS_cls && FLAGS_use_angle_cls) {
    if (FLAGS_cls_model_dir.empty() || FLAGS_image_dir.empty()) {
      std::cout << "Usage[cls]: ./ppocr "
                << "--cls_model_dir=/PATH/TO/REC_INFERENCE_MODEL/ "
文幕地方's avatar
文幕地方 已提交
53 54
                << "--image_dir=/PATH/TO/INPUT/IMAGE/" << std::endl;
      exit(1);
M
MissPenguin 已提交
55
    }
文幕地方's avatar
文幕地方 已提交
56
  }
文幕地方's avatar
文幕地方 已提交
57 58 59 60 61 62 63 64 65 66 67
  if (FLAGS_table) {
    if (FLAGS_table_model_dir.empty() || FLAGS_det_model_dir.empty() ||
        FLAGS_rec_model_dir.empty() || FLAGS_image_dir.empty()) {
      std::cout << "Usage[table]: ./ppocr "
                << "--det_model_dir=/PATH/TO/DET_INFERENCE_MODEL/ "
                << "--rec_model_dir=/PATH/TO/REC_INFERENCE_MODEL/ "
                << "--table_model_dir=/PATH/TO/TABLE_INFERENCE_MODEL/ "
                << "--image_dir=/PATH/TO/INPUT/IMAGE/" << std::endl;
      exit(1);
    }
  }
文幕地方's avatar
文幕地方 已提交
68 69 70 71 72 73 74 75
  if (FLAGS_layout) {
    if (FLAGS_layout_model_dir.empty() || FLAGS_image_dir.empty()) {
      std::cout << "Usage[layout]: ./ppocr "
                << "--layout_model_dir=/PATH/TO/LAYOUT_INFERENCE_MODEL/ "
                << "--image_dir=/PATH/TO/INPUT/IMAGE/" << std::endl;
      exit(1);
    }
  }
文幕地方's avatar
文幕地方 已提交
76 77
  if (FLAGS_precision != "fp32" && FLAGS_precision != "fp16" &&
      FLAGS_precision != "int8") {
文幕地方's avatar
fix bug  
文幕地方 已提交
78 79
    std::cout << "precison should be 'fp32'(default), 'fp16' or 'int8'. "
              << std::endl;
文幕地方's avatar
文幕地方 已提交
80 81
    exit(1);
  }
M
MissPenguin 已提交
82 83
}

文幕地方's avatar
文幕地方 已提交
84
void ocr(std::vector<cv::String> &cv_all_img_names) {
文幕地方's avatar
文幕地方 已提交
85
  PPOCR ocr = PPOCR();
86

文幕地方's avatar
文幕地方 已提交
87 88 89
  if (FLAGS_benchmark) {
    ocr.reset_timer();
  }
90

文幕地方's avatar
文幕地方 已提交
91 92
  std::vector<cv::Mat> img_list;
  std::vector<cv::String> img_names;
93
  for (int i = 0; i < cv_all_img_names.size(); ++i) {
文幕地方's avatar
文幕地方 已提交
94 95 96
    cv::Mat img = cv::imread(cv_all_img_names[i], cv::IMREAD_COLOR);
    if (!img.data) {
      std::cerr << "[ERROR] image read failed! image path: "
文幕地方's avatar
fix bug  
文幕地方 已提交
97
                << cv_all_img_names[i] << std::endl;
文幕地方's avatar
文幕地方 已提交
98 99 100 101 102
      continue;
    }
    img_list.push_back(img);
    img_names.push_back(cv_all_img_names[i]);
  }
103

文幕地方's avatar
文幕地方 已提交
104 105 106 107
  std::vector<std::vector<OCRPredictResult>> ocr_results =
      ocr.ocr(img_list, FLAGS_det, FLAGS_rec, FLAGS_cls);

  for (int i = 0; i < img_names.size(); ++i) {
文幕地方's avatar
fix bug  
文幕地方 已提交
108
    std::cout << "predict img: " << cv_all_img_names[i] << std::endl;
文幕地方's avatar
文幕地方 已提交
109 110 111 112 113 114
    Utility::print_result(ocr_results[i]);
    if (FLAGS_visualize && FLAGS_det) {
      std::string file_name = Utility::basename(img_names[i]);
      cv::Mat srcimg = img_list[i];
      Utility::VisualizeBboxes(srcimg, ocr_results[i],
                               FLAGS_output + "/" + file_name);
115
    }
文幕地方's avatar
文幕地方 已提交
116
  }
文幕地方's avatar
文幕地方 已提交
117 118 119
  if (FLAGS_benchmark) {
    ocr.benchmark_log(cv_all_img_names.size());
  }
M
MissPenguin 已提交
120
}
文幕地方's avatar
文幕地方 已提交
121 122 123

void structure(std::vector<cv::String> &cv_all_img_names) {
  PaddleOCR::PaddleStructure engine = PaddleOCR::PaddleStructure();
文幕地方's avatar
文幕地方 已提交
124 125 126 127 128

  if (FLAGS_benchmark) {
    engine.reset_timer();
  }

文幕地方's avatar
文幕地方 已提交
129
  for (int i = 0; i < cv_all_img_names.size(); i++) {
文幕地方's avatar
fix bug  
文幕地方 已提交
130
    std::cout << "predict img: " << cv_all_img_names[i] << std::endl;
文幕地方's avatar
文幕地方 已提交
131 132 133
    cv::Mat img = cv::imread(cv_all_img_names[i], cv::IMREAD_COLOR);
    if (!img.data) {
      std::cerr << "[ERROR] image read failed! image path: "
文幕地方's avatar
fix bug  
文幕地方 已提交
134
                << cv_all_img_names[i] << std::endl;
文幕地方's avatar
文幕地方 已提交
135 136 137 138 139 140 141 142
      continue;
    }

    std::vector<StructurePredictResult> structure_results = engine.structure(
        img, FLAGS_layout, FLAGS_table, FLAGS_det && FLAGS_rec);

    for (int j = 0; j < structure_results.size(); j++) {
      std::cout << j << "\ttype: " << structure_results[j].type
文幕地方's avatar
文幕地方 已提交
143
                << ", region: [";
文幕地方's avatar
文幕地方 已提交
144 145 146 147 148 149 150 151 152 153 154 155 156 157 158
      std::cout << structure_results[j].box[0] << ","
                << structure_results[j].box[1] << ","
                << structure_results[j].box[2] << ","
                << structure_results[j].box[3] << "], score: ";
      std::cout << structure_results[j].confidence << ", res: ";

      if (structure_results[j].type == "table") {
        std::cout << structure_results[j].html << std::endl;
        if (structure_results[j].cell_box.size() > 0 && FLAGS_visualize) {
          std::string file_name = Utility::basename(cv_all_img_names[i]);

          Utility::VisualizeBboxes(img, structure_results[j],
                                   FLAGS_output + "/" + std::to_string(j) +
                                       "_" + file_name);
        }
文幕地方's avatar
文幕地方 已提交
159
      } else {
文幕地方's avatar
fix bug  
文幕地方 已提交
160 161
        std::cout << "count of ocr result is : "
                  << structure_results[j].text_res.size() << std::endl;
文幕地方's avatar
文幕地方 已提交
162
        if (structure_results[j].text_res.size() > 0) {
文幕地方's avatar
fix bug  
文幕地方 已提交
163 164
          std::cout << "********** print ocr result "
                    << "**********" << std::endl;
文幕地方's avatar
文幕地方 已提交
165
          Utility::print_result(structure_results[j].text_res);
文幕地方's avatar
fix bug  
文幕地方 已提交
166 167
          std::cout << "********** end print ocr result "
                    << "**********" << std::endl;
文幕地方's avatar
文幕地方 已提交
168
        }
文幕地方's avatar
文幕地方 已提交
169 170 171
      }
    }
  }
文幕地方's avatar
文幕地方 已提交
172 173 174
  if (FLAGS_benchmark) {
    engine.benchmark_log(cv_all_img_names.size());
  }
文幕地方's avatar
文幕地方 已提交
175 176 177 178 179 180 181 182 183
}

int main(int argc, char **argv) {
  // Parsing command-line
  google::ParseCommandLineFlags(&argc, &argv, true);
  check_params();

  if (!Utility::PathExists(FLAGS_image_dir)) {
    std::cerr << "[ERROR] image path not exist! image_dir: " << FLAGS_image_dir
文幕地方's avatar
fix bug  
文幕地方 已提交
184
              << std::endl;
文幕地方's avatar
文幕地方 已提交
185 186 187 188 189
    exit(1);
  }

  std::vector<cv::String> cv_all_img_names;
  cv::glob(FLAGS_image_dir, cv_all_img_names);
文幕地方's avatar
fix bug  
文幕地方 已提交
190
  std::cout << "total images num: " << cv_all_img_names.size() << std::endl;
文幕地方's avatar
文幕地方 已提交
191

文幕地方's avatar
文幕地方 已提交
192 193 194
  if (!Utility::PathExists(FLAGS_output)) {
    Utility::CreateDir(FLAGS_output);
  }
文幕地方's avatar
文幕地方 已提交
195 196 197 198 199
  if (FLAGS_type == "ocr") {
    ocr(cv_all_img_names);
  } else if (FLAGS_type == "structure") {
    structure(cv_all_img_names);
  } else {
文幕地方's avatar
fix bug  
文幕地方 已提交
200
    std::cout << "only value in ['ocr','structure'] is supported" << std::endl;
文幕地方's avatar
文幕地方 已提交
201 202
  }
}