一、简介
本文来使用c++调用python实现图像的ocr。
所谓c++调用python，实际上就是在c++中把整个python当作一个第三方库引入，然后使用特定的接口来调用python的函数或者直接执行python脚本。
文章中使用的操作系统是windows10，visual stdio 2022 c++编译环境是Release x64。
二、具体实现
1.python 部分的 ocr 代码
我们首先要保证 python 代码能够正常运行，因此要先安装 python 的第三方库。
pip install paddlepaddle-gpu paddleocr opencv-python
如果文件目录中有中文，比如出现用户名为中文的情况，paddleocr 就无法运行。
from paddleocr import PaddleOCR
import cv2
ocr = PaddleOCR(use_angle_cls=True, lang="en")
def ocrImage():
image = cv2.imread('./images/images.jpg')
text = ocr.ocr(image, cls=True)[0]
res = ""
for t in text:
// t[0] 中记录了识别目标在图片中的位置
// t[1][0] 记录的是识别目标的文本
res = res + t[1][0] + " "
return res
我们先引入 paddleocr 和 opencv，然后初始化ocr，再定义一个 ocrImage 函数来实现我们 python 部分的主体逻辑。因为只是作为一个例子，所以逻辑并没有那么复杂。在 ocrImage 函数内，我们使用 opencv 将图片读入内存，然后传递给 ocr.ocr 函数，获取识别后的所有文本。接着将文本中间间隔空格拼接，之后返回，这么写主要是供 cpp 调用，便于演示。
我们本次所识别的图片是下面这张：
图片来源于：kidsnclicks.com/wp-content/…
paddleocr 是按行识别文字的，打印每个识别结果(t[1][0])的结果是：
如果所要识别的文本是英文和数字，那么推荐在初始化 PaddleOCR 的时候使用 en(英文)，这样准确率几乎可以达到100%。虽然语言选择 ch(中文)也可以识别英文和数字，但是在识别英文和数字准确率会大幅下降，会出现把 6 识别成 9 的情况，因为 6 倒过来看是9。
2.在c++中引入Python.h
首先初始化一个 c++ 空项目，将调试属性改变为Release x64。接着在 visual stdio 中点击项目->项目名称+属性。点击 VC++ 目录，在包含目录中添加：
C:UsersxxxAppDataLocalProgramsPythonPython39include
在库目录中添加：
C:UsersxxxAppDataLocalProgramsPythonPython39libs
也就是找到 python 的安装位置，分别引入python下的 include 和 libs 文件夹。我所使用的 python 版本是 3.9。
接着点击展开链接器->输入。在附加依赖项中添加 python39.lib，如果是 debug 环境，需要添加python39_d.lib。
如果更改了调试属性，则需要重新引入之前没有添加的第三方库。
3.c++ 中调用 python
创建一个 main.cpp 文件，写入以下代码
#include
#include
#include
using namespace std;
int main() {
Py_SetPythonHome(L"C:UsersxxxAppDataLocalProgramsPythonPython39");
Py_Initialize();
PyRun_SimpleString("import sys");
PyRun_SimpleString("sys.path.append('./')");
PyObject* pName = PyUnicode_FromString("ocr");
PyObject* pyModule = PyImport_Import(pName);
if (!pyModule) {
cout
