第 24 / 30 课。 前置：上一课。本篇的运行范围以实验说明和验证记录为准，构造样例不代表真实任务精度或板端性能。
先把系统接口跑通
完整 OCR 至少包含区域定位、方向处理或矫正、识别与结果排序。第 22 课处理透视文本行，第 23 课解释 CTC。本课用更可控的清晰数字图片实现端到端流程：阈值与连通组件定位，单行排序、裁剪，再做模板匹配识别。
这是传统算法的系统基线，不是 PP-OCR 网络复现，也不支持任意字体、粘连、中文和复杂排版。选择受控样例是为了让每个中间结果都有可检查的答案。实际网络适配时保留同样的区域与文本接口，替换检测和识别模块。
检测结果不能丢掉位置
识别输出保存 text、box 和 score。文本排列顺序应由版面决定，不能直接使用检测器数组顺序。本课只有一行，因此按 x 排序；多行需先分行再排序，竖排与表格需要额外规则。
识别失败时保留裁剪图和位置，区分是未找到区域、裁剪缺字、方向错误、字符表错误还是模型看错。端到端文本错误可能完全来自检测，不能全部归咎于识别网络。
字符错误率如何计算
CER 用编辑距离除以真值字符数，包括替换、删除和插入。它与逐位置比较不同，插入一个字符不应让后面所有字符都算成替换。CER 可以超过 1；空真值单独统计插入，不直接除零。
脚本对自生成的“120”定位并识别，再对含一个插入的字符串验证编辑距离。这里只验证同字体同尺度样例，不把结果写成真实 OCR 准确率。
练习与真实数据衔接
改变字体尺度、加入旋转或让两个字符接触，观察首先失败的模块。记录区域级召回与裁剪后的识别 CER，再记录端到端 CER。模板失效时可以替换为经过训练的识别网络，但仍需固定词表和输入处理。
PP-OCR 等实际系统的版本可能使用不同识别骨干，不能把“所有 OCR 都是 CNN+LSTM”写成结论。部署时分别计时检测和识别，并统计一帧区域数增加后的总延迟。
配套实验与运行记录
实验：完整 OCR 流程与识别错误分析
查看完整代码：main.py
"""串起区域定位、排序、裁剪和识别，用数字样例定位端到端错误。"""
import cv2
import numpy as np
def normalize(crop):
return (
cv2.resize(crop, (20, 32), interpolation=cv2.INTER_NEAREST).astype(np.float32)
/ 255
)
def glyph(text):
image = np.zeros((50, 40), np.uint8)
cv2.putText(image, text, (3, 37), cv2.FONT_HERSHEY_SIMPLEX, 1.1, 255, 2, cv2.LINE_8)
ys, xs = np.where(image > 0)
return image[ys.min() : ys.max() + 1, xs.min() : xs.max() + 1]
def distance(a, b):
row = list(range(len(b) + 1))
for i, ca in enumerate(a, 1):
new = [i]
for j, cb in enumerate(b, 1):
new.append(min(new[-1] + 1, row[j] + 1, row[j - 1] + (ca != cb)))
row = new
return row[-1]
def main():
templates = {str(i): normalize(glyph(str(i))) for i in range(10)}
image = np.zeros((60, 160), np.uint8)
for i, c in enumerate("120"):
patch = glyph(c)
h, w = patch.shape
image[10 : 10 + h, 10 + i * 45 : 10 + i * 45 + w] = patch
_, binary = cv2.threshold(image, 127, 255, cv2.THRESH_BINARY)
count, labels, stats, centers = cv2.connectedComponentsWithStats(binary)
boxes = sorted(
[tuple(row[:4]) for row in stats[1:] if row[4] > 10], key=lambda b: b[0]
)
results = []
for x, y, w, h in boxes:
crop = normalize(binary[y : y + h, x : x + w])
errors = {c: float(np.mean((crop - t) ** 2)) for c, t in templates.items()}
char = min(errors, key=errors.get)
results.append(
{
"text": char,
"box": [int(x), int(y), int(x + w), int(y + h)],
"template_error": errors[char],
}
)
text = "".join(row["text"] for row in results)
assert text == "120"
assert distance("120", "1120") == 1
print("constructed single-font OCR", results, "CER", distance("120", text) / 3)
if __name__ == "__main__":
main()
在项目根目录执行；下载包解压后，在解压目录执行 python3 main.py。
cd 'content/posts/AI-深度学习/嵌入式视觉模型进阶/24-完整 OCR 流程与识别错误分析/code' && python3 main.py在本篇代码目录执行 python3 main.py。依赖安装、可选入口见包内 README.md；实际运行结果见 verification.md。下载包包含本课使用的辅助模块与样例。
参考与进一步阅读
原始论文或官方文档用于核对结构、接口和适用范围。本篇代码是围绕教学目标编写的最小实验；除明确注明的完整入口外，不视为对应论文模型的完整复现。