使用纯opencv实现PaddleOCR v5/v6 OCR识别
项目简介
这是一个基于 C# Windows Forms 的桌面端 OCR（光学字符识别）应用程序，通过集成百度 PaddleOCR v5/v6 系列模型，利用 OpenCV DNN 推理引擎在本地实现高效的文字检测与识别。用户可通过图形界面选择图片，一键完成文字识别，并在界面上直观查看识别结果与文字区域标注框。
算法原理
整体 OCR 流水线
本项目采用经典的三阶段 OCR 流水线架构：
输入图片 → 文字检测（Det） → 方向分类（Cls，可选） → 文字识别（Rec） → 输出结果1. 文字检测（Detection）
使用 DB（Differentiable Binarization）算法进行文字区域检测，主要步骤如下：
- 将输入图片按比例缩放，使最长边不超过
limit_side_len（默认 960 像素），保持原始长宽比 - 通过轻量级 CNN 骨干网络提取多尺度特征
- 使用 FPN（Feature Pyramid Network）融合多尺度特征图，输出概率图（Probability Map）
- 对概率图以阈值
det_db_thresh（默认 0.3）进行二值化处理 - 对二值图进行轮廓检测，使用 Vatti 裁剪算法按
det_db_unclip_ratio（默认 1.6）进行膨胀扩张，得到完整的文字区域多边形框 - 过滤置信度低于
det_db_box_thresh（默认 0.6）的检测框，得到最终检测结果
2. 方向分类（Classification，可选）
- 仅在勾选
cls复选框后启用，默认关闭 - 使用轻量级分类模型（PP-OCRv5_mobile_cls_onnx.onnx）判断文字区域是否存在 180° 倒置
- 分类阈值
cls_thresh = 0.9，高于该阈值时执行翻转校正 - 批量处理数量由
cls_batch_num（默认 8）控制
3. 文字识别（Recognition）
使用 CRNN + CTC 架构进行端到端文字识别，主要步骤如下：
- 将每个检测到的文字区域裁剪并缩放到统一尺寸（高度
rec_img_h = 48，宽度rec_img_w = 320） - 通过 CNN 骨干网络提取视觉特征序列
- 使用 BiLSTM（双向长短期记忆网络）编码序列上下文信息
- 通过 CTC（Connectionist Temporal Classification）解码输出最终识别文字
- 支持批量推理，批次大小由
rec_batch_num（默认 4）控制，提升多行文字的处理效率 - 多 Predictor 并行推理，数量由
rec_predictor_num（默认 4）控制
推理引擎
项目通过C++ DLL封装库C#调用OpenCV DNN 模块作为推理后端，直接加载 ONNX 格式模型，具有以下特点：
- 无需额外安装 OpenVINO、CUDA 等推理框架，部署简单
- 原生支持 CPU 推理，兼容性强
- 通过 C# P/Invoke 调用 C++ 原生接口，性能接近原生水平
- 图像数据以 BGR 24位格式直接传入，避免不必要的格式转换开销
支持的模型
| 模型选项 | 检测模型 | 识别模型 | 方向分类 | 字典文件 | 说明 |
|---|---|---|---|---|---|
| v5 mobile | PP-OCRv5_mobile_det_onnx.onnx | PP-OCRv5_mobile_rec_onnx.onnx | 支持（可选） | ppocrv5_dict.txt | 轻量级，支持方向分类 |
| v5 server | PP-OCRv5_server_det_infer.onnx | PP-OCRv5_server_rec_infer.onnx | 不支持 | ppocrv5_dict.txt | 高精度大模型 |
| v6 tiny | PP-OCRv6_tiny_det.onnx | PP-OCRv6_tiny_rec.onnx | 不支持 | PP-OCRv6_tiny_rec_dict.txt | 体积最小，速度最快（默认） |
| v6 small | PP-OCRv6_small_det.onnx | PP-OCRv6_small_rec.onnx | 不支持 | PP-OCRv6_small_rec_dict.txt | 精度与速度均衡 |
环境要求
| 项目 | 要求 |
|---|---|
| 操作系统 | Windows 10 / 11（64位） |
| 开发工具 | Visual Studio 2019 及以上版本 |
| .NET 版本 | .NET Framework 4.8 |
| 平台架构 | x64（强制要求） |
| C# 语法版本 | C# 7.3 |
核心依赖库
| 文件 | 说明 |
|---|---|
| opencv_world500.dll | OpenCV 5.0 运行时库（包含 DNN 推理模块） |
| Newtonsoft.Json.dll（13.0.1） | JSON 序列化/反序列化库 |
安装步骤
1. 下载项目源码
gitclone firc-projectscdFIRC2. 安装 Visual Studio
确保已安装 Visual Studio 2019 或更高版本，并勾选.NET 桌面开发工作负载。
3. 打开解决方案
双击FIRC.sln文件，在 Visual Studio 中打开项目。
4. 配置构建平台
在 Visual Studio 顶部工具栏中进行以下设置：
- 将解决方案平台切换为x64（必须，不支持 x86）
- 将解决方案配置切换为Debug或Release
5. 确认运行时依赖文件
确保编译输出目录（bin\x64\Debug\）中包含以下关键文件：
bin\x64\Debug\ ├── opencv_world500.dll # OpenCV 运行时 ├── Newtonsoft.Json.dll # JSON 库 ├── FIRC.exe # 主程序 └── inference/ # 模型文件夹（必须完整）如依赖文件缺失，请从发布包或原始编译目录中复制补充。
运行步骤
1. 编译启动
在 Visual Studio 中按F5编译运行，或直接运行已编译的FIRC.exe。
2. 选择 OCR 模型
在主界面左上角“ocr”分组框中选择模型：
v5 mobile：PPOCRv5 轻量移动端模型，支持方向分类v5 server：PPOCRv5 高精度服务器模型v6 small：PPOCRv6 平衡型模型v6 tiny：PPOCRv6 最小体积模型（默认选中）
3. 调整推理参数（可选）
主界面提供以下可调参数分组：
det（检测参数）：
det_db_thresh：检测二值化阈值，默认 0.3det_db_box_thresh：检测框置信度阈值，默认 0.6det_db_unclip_ratio：文字框膨胀比例，默认 1.6
rec（识别参数）：
rec_batch_num：识别批次大小，默认 4rec_predictor_num：Predictor 并行数量，默认 4
cls（分类参数，仅 v5 mobile 生效）：
cls：是否启用方向分类，默认关闭cls_batch_num：分类批次大小，默认 8
4. 加载模型
点击右上角“初始化”按钮，等待日志区域显示模型加载成功信息。首次加载大模型可能需要数秒，Server 模型加载时间更长。
5. 选择并识别图片
- 点击“选择图片”按钮，从文件对话框中选择待识别图片（支持 BMP、JPG/JPEG、PNG、TIFF/TIF 格式）
- 选择图片后会自动触发识别，也可手动点击“识别”按钮重新执行
- 识别完成后：
- 左侧图片区域：显示带有红色文字检测多边形框的标注图
- 右侧文本区域：显示识别文字结果及耗时（毫秒）
- 勾选“显示全部信息”可查看完整的 JSON 格式结果（含坐标、置信度等详细信息）
6. 释放模型资源
- 再次点击“初始化”按钮可先释放再重新加载模型
- 关闭窗口时程序会自动释放模型资源
注意事项
强制 x64 平台：
opencv_world500.dll为 64 位库，项目必须以 x64 平台编译运行，不支持 x86。模型文件完整性：
inference/目录下的 ONNX 模型文件和字典文件必须完整，缺失任一将导致对应模型初始化失败。工作目录：程序从
FIRC.exe所在目录查找inference/文件夹，请确保从正确的编译输出目录运行，或将模型文件复制到可执行文件同级目录。内存占用：v5 server 模型文件较大（检测模型约 84MB，识别模型约 80MB），加载后内存占用较高，建议在内存充足的环境下使用。
图片输入格式：程序内部将图片转换为 24 位 BGR 格式（OpenCV 标准格式）送入推理引擎，建议使用清晰、无过度压缩的图片以获得最佳识别效果。
参数调节建议：
det_db_thresh降低可检出更多文字区域，但可能增加误检det_db_box_thresh降低可保留更多低置信度检测框det_db_unclip_ratio增大可扩大文字框范围，适合模糊文字- 调整参数后需重新点击“初始化”使参数生效
方向分类限制：
cls方向分类功能仅对 v5 mobile 模型有效，其他模型不支持该功能，勾选无效。模型切换：切换模型选项后，必须重新点击“初始化”按钮才能加载新模型。
文件夹结构
FIRC/ ├── .vs/ # Visual Studio 项目配置（自动生成，无需管理） ├── Properties/ # 项目属性文件 │ ├── AssemblyInfo.cs # 程序集版本与元信息 │ ├── Resources.Designer.cs # 资源文件设计器（自动生成） │ ├── Resources.resx # 项目资源文件 │ ├── Settings.Designer.cs # 设置文件设计器（自动生成） │ └── Settings.settings # 应用程序设置 ├── bin/ │ └── x64/ │ └── Debug/ # x64 Debug 编译输出目录 │ ├── inference/ # OCR 模型文件目录 │ ├── FIRC.exe # 主程序可执行文件 │ ├── FIRC.exe.config # .NET 应用配置文件 │ ├── FIRC.pdb # 调试符号文件 │ ├── opencv_world500.dll # OpenCV 5.0 运行时库 │ ├── Newtonsoft.Json.dll # JSON 处理库 │ ├── 1.jpg # 示例图片 │ └── 3.jpg # 默认加载的示例图片 ├── imgs/ # 示例测试图片目录 │ ├── 00006737.jpg # 测试样本图片 │ ├── 00009282.jpg │ ├── 00015504.jpg │ ├── 00018069.jpg │ └── ... # 更多测试样本 ├── App.config # .NET 应用程序配置文件 ├── FIRC.csproj # C# 项目文件（.NET Framework 4.8，x64） ├── FIRC.sln # Visual Studio 解决方案文件 ├── Form1.cs # 主窗体业务逻辑（模型加载、推理、结果显示） ├── Form1.Designer.cs # 主窗体 UI 界面设计代码 ├── Form1.resx # 主窗体资源文件 ├── OCRResult.cs # OCR 识别结果数据模型（text、score、坐标点） └── Program.cs # 程序入口点
